On QoS Management in NFV-enabled IoT Platforms - LAAS-Réseaux et Communications Accéder directement au contenu
Thèse Année : 2021

On QoS Management in NFV-enabled IoT Platforms

Sur la gestion de la QoS dans les plateformes IoT compatibles NFV

Résumé

The Internet of Things (IoT) will have to meet the Quality of Service (QoS) needs of new business applications in various fields such as remote supervision, personal assistance, and transport. The interactions between the software application and the underlying communicating objects will be based on communication networks and middleware (or platform) equipped with new, configurable, programmable, and dynamically deployable functionalities on both physical entities, i.e., pre-existing, but also virtual, i.e., created dynamically according to the need thanks to Cloud Computing. In this new ecosystem, meeting the end-to-end QoS needs of IoT applications remains a significant challenge. The challenge lies both at the intermediary entities belonging to the IoT platform and the level of the IP networks interconnecting these entities. The solutions being proposed are multiplying independently. In this problematic context, the general approach that we consider in this thesis consists of designing, developing, and experimenting with behavioral models for autonomous management of QoS in IoT platforms. This approach i) take advantage of the technological opportunities offered in the Cloud infrastructures (i.e., dynamic deployment of network functions, programmable networks), ii) take advantage of the technological opportunities offered by the dynamic deployment of software components, iii) take into account the de facto heterogeneity solutions deployed, vi) and rely autonomous computing concepts. Following this approach, the three main contributions are made in this thesis. Beyond and in addition to the classic concept of Virtualized Network Function (VNF), we first propose the concept of Application Network Function (ANF), which is based on a less resource-consuming isolation technique (i.e., software isolation technique). ANFs allow the deployment of network functions in resource-constrained environments, typically on end gateways of IoT platforms. They also lead to optimal use of available resources. On this basis and to maintain at the best level the QoS required by IoT applications, we have designed a set of IoT Traffic Control functions (TCF) implemented as VNF and ANF. To achieve optimal deployment of these TCFs, we proposed a second contribution. This contribution consists in the formulation of a multi-objective optimization problem. The proposed and implemented solution considers both the deployment of TCFs and scaling actions, intending to optimize the QoS of IoT applications. The proposed algorithm relies on the bottlenecks (e.g., CPU, RAM) of the platform nodes, initially provided manually by a human administrator. In a third contribution, we then turn to the automated identification of these bottlenecks. To do this, we propose an adaptive identification approach that considers the cost associated with the monitoring of the IoT platform. Indeed, it is not desirable that the overload generated by the monitoring system itself causes QoS problems in the IoT platform. To do this, we model the problem of identifying multiple bottlenecks by a multi-label classification problem. Different supervised learning algorithms are studied to solve this problem. Finally, we propose an algorithm for selecting metrics to monitor in IoT platforms according to the costs they generate.
L'Internet des objets (IoT) devra répondre aux besoins de qualité de service (QoS) des nouvelles applications métier dans divers domaines tels que la supervision à distance, l'assistance à la personne et le transport. Pour ce faire, les interactions entre les applications IoT et les objets communicants reposent sur des réseaux de communication et plateforme (ou middleware) équipés de nouvelles fonctionnalités configurables, programmables et déployables dynamiquement sur les deux entités physiques, c'est-à-dire préexistantes, mais aussi virtuel, c'est-à-dire créés dynamiquement en fonction du besoin. Dans ce nouvel écosystème, répondre aux besoins QoS de bout en bout des applications IoT reste un défi majeur. Les enjeux se situent à la fois au niveau des entités intermédiaires de la plateforme IoT, et au niveau des réseaux IP interconnectant ces entités, pour lesquels les solutions proposées se multiplient de manière indépendante. Dans ce contexte problématique, l'approche générale que nous considérons dans cette thèse consiste à concevoir, développer et expérimenter des modèles comportementaux pour une gestion autonome de la QoS dans les plateformes IoT: i) en tirant parti des opportunités technologiques offertes dans les infrastructures de type Cloud (par exemple, déploiement dynamique de fonctions réseau, réseaux programmables), ii) en tirant parti des opportunités technologiques offertes par le déploiement dynamique de composants logiciels, iii) et en s'appuyant sur l’Autonomic Computing. Suivant cette approche, les trois contributions principales sont apportées dans cette thèse. Au-delà et en complément du concept classique de fonction de réseau virtualisé (VNF), nous proposons d'abord le concept de fonction de réseau d'application (ANF), qui repose sur une technique d'isolement logiciel (moins consommatrice en ressources). Les ANFs permettent le déploiement de fonctions réseau dans des environnements à ressources limitées, généralement sur les passerelles d'extrémité des plateformes IoT. Ils conduisent également à une utilisation optimale des ressources disponibles. Sur cette base et pour maintenir au meilleur niveau la QoS requise par les applications IoT, nous avons conçu un ensemble de fonctions de contrôle du trafic IoT (TCF) implémentées en tant que VNF et ANF. Pour parvenir à un déploiement optimal de ces TCFs, notre deuxième contribution consiste en la formulation d'un problème d'optimisation multi-objectifs. La solution proposée et mise en œuvre prend en compte à la fois le déploiement des TCFs et les actions de mise à l’échelle, visant à optimiser la QoS des applications IoT. L'algorithme proposé repose sur les goulots d'étranglement (CPU, RAM, etc.) des nœuds de la plateforme, fournis manuellement par un administrateur humain. Dans une troisième contribution, nous nous tournons vers l'identification automatisée de ces goulots d'étranglement. Ainsi, nous proposons une approche d'identification adaptative qui prend en compte le coût associé à la surveillance de la plateforme IoT. En effet, il n'est pas souhaitable que la surcharge générée par le système de surveillance lui-même provoque des problèmes de QoS dans la plateforme IoT. Nous modélisons le problème de l'identification de plusieurs goulots d'étranglement par un problème de classification multi-label. Différents algorithmes d'apprentissage supervisé sont étudiés pour résoudre ce problème. Enfin, nous proposons un algorithme de sélection des métriques à surveiller dans les plateformes IoT en fonction des coûts qu'elles génèrent.
Fichier principal
Vignette du fichier
These_Clovis_Ouedraogo.pdf (4.72 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03580973 , version 1 (18-02-2022)
tel-03580973 , version 2 (04-04-2022)

Identifiants

  • HAL Id : tel-03580973 , version 1

Citer

Clovis Anicet Ouedraogo. On QoS Management in NFV-enabled IoT Platforms. Artificial Intelligence [cs.AI]. Institut National des Sciences Appliquées de Toulouse (INSA Toulouse), 2021. English. ⟨NNT : ⟩. ⟨tel-03580973v1⟩
171 Consultations
71 Téléchargements

Partager

Gmail Facebook X LinkedIn More