doctoralThesis
Otimizando redes virtuais ao longo do tempo através da integração de modelos multiplicativos da Data Envelopment Analysis (DEA) com a avaliação da estrutura fractal
Registro en:
MARQUES JÚNIOR, Francisco Daladier. Otimizando redes virtuais ao longo do tempo através da integração de modelos multiplicativos da Data Envelopment Analysis (DEA) com a avaliação da estrutura fractal. 2019. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2019.
Autor
MARQUES JÚNIOR, Francisco Daladier
Institución
Resumen
Recentemente, a predição da configuração mais eficiente entre um vasto conjunto de dispositivos usados para montar um ambiente otimizado de serviços de computação, em nuvem e redes virtuais, tem atraído uma atenção crescente. Esta tese propõe uma mudança de paradigma na modelagem do comportamento do Transmission Control Protocol (TCP), ao longo do tempo, em redes virtuais, usando modelos da Data Envelopment Analysis (DEA). Em primeiro lugar, é mostrado que a autossimilaridade com dependência de longo alcance é apresentada de forma diferente em todos os dispositivos de rede. De fato, este trabalho implementa uma nova aplicação da dimensão fractal em redes virtuais para previsão, no qual esse índice chave informa se a camada de transporte encaminha serviços de tráfego com comportamento suave ou irregular ao longo do tempo. Outra contribuição substancial é mostrar que os dispositivos de rede virtual possuem valores distintos relativos à dimensão fractal, desempenho da largura de banda do TCP e memória fractal ao longo do tempo. Portanto, esses índices fractais elencados são usados por esta tese para a predição de dados espaço-temporais em redes virtuais. Assim, uma metodologia de avaliação de desempenho fractal em etapas é desenvolvida como um sistema especialista para avaliação de redes virtuais, bem como, implementa esta análise fractal como representação de conhecimento. Todavia, devido às limitações dos modelos clássicos DEA, são introduzidos modelos multiplicativos estáticos e dinâmico da DEA para avaliar as séries temporais dos diversos hipervisores de redes. Para a aquisição do conhecimento, 50 hipervisores de redes virtuais diferentes foram avaliados como unidades de tomada de decisão ou uma decision-making unit (DMU). Outrossim, os experimentos foram escalados usando um hipervisor de tipo-I, no qual variaram-se parâmetros de CPU e RAM virtuais. Os experimentos escalados geraram 288 DMUs, que foram avaliadas segundo o modelo Super-Cobb-Douglas DEA com orientação à entrada, também concebido por este trabalho. Resumindo, esse sistema especialista também funciona como um hipervisor matemático capaz de determinar o padrão fractal mais eficiente para fornecer serviços de tráfego TCP. Enfim, os resultados obtidos, ao empregar as variáveis de decisão elencadas em qualquer um dos modelos multiplicativos DEA aqui lançados, garantem que a escolha da DMU mais eficiente irá fornecer um serviço de rede virtual, com desempenho da largura de banda do TCP superior e estável por um maior período de tempo. FACEPE Recently, the prediction of the most efficient configuration among a vast set of devices used for mounting an optimised cloud computing services and virtual networks environments have attracted growing attention. This thesis proposes a paradigm shift in modelling transmission control protocol (TCP) behaviour over time in virtual networks by using data envelopment analysis (DEA) models. Firstly, it is shown that self-similarity with long-range dependency is presented differently in every network device. Indeed, this work implements a novel fractal dimension concept on virtual networks for prediction, where this key index informs if the transport layer forwards traffic services with smooth or jagged behaviour over time. Another substantial contribution is proving that virtual network devices have a distinct fractal memory, TCP bandwidth performance, and fractal dimension over time. However, these fractal indices are employed by thesis for forecasting of spatiotemporal data. Thus, a stepwise performance evaluation framework methodology of fractal structure is developed as an expert system for virtual network assessment, as well as it performs a fractal analysis as a knowledge representation. In addition, due to the limitations of classical DEA models, they are introduced static and dynamic multiplicative DEA models to assess the fractal time series from diverse network hypervisors. For knowledge acquisition, 50 different virtual network hypervisors were appraised as a decision-making unit (DMU). In addition, the experiments were scaled up using a type-I hypervisor where virtual parameters related to CPU and RAM are varying. The scaled experiments generated 288 DMUs, which were evaluated according to the input-oriented Super-Cobb-Douglas DEA model herein also devised. In summary, this expert system also functions as a mathematical hypervisor, capable of determining the most efficient fractal pattern to provide TCP traffic services. Finally, the results obtained by employing the decision variables used in any of the multiplicative DEA models launched is the guarantee that the choice of the most efficient DMU will provide a virtual network service, with superior and stable TCP bandwidth performance by one longer period of time.