오늘날 NFV(Network Functional Virtualization)는 연구 및 산업 등 다양한 분야에서 많은 관심을 받고 있다. 서비스 레벨 agreements를 충족 시키기 위해 fault tolerant와 탄력적 스케일링은 네트워크 기능의 내부 상태 정보를 필요로 한다. fault tolerant을 처리하기 위한 기존 프레임 워크는 빠르고 정확한 복구 메커니즘을 제안 하지만, 네트워크 기능 (...
오늘날 NFV(Network Functional Virtualization)는 연구 및 산업 등 다양한 분야에서 많은 관심을 받고 있다. 서비스 레벨 agreements를 충족 시키기 위해 fault tolerant와 탄력적 스케일링은 네트워크 기능의 내부 상태 정보를 필요로 한다. fault tolerant을 처리하기 위한 기존 프레임 워크는 빠르고 정확한 복구 메커니즘을 제안 하지만, 네트워크 기능 (NF)이 내부 상태를 식별 할 수 있도록 소스 코드를 수정 해야 한다. 탄력적 스케일링의 경우 중앙 집중식 관리를 기반으로 하여 연구가 진행중이다. 그러나 과부하 된 NF는 패킷 마이그레이션 요청 시 먼저 주어진 패킷 처리를 완료해야 하기 때문에 상태 마이그레이션을 더욱 비 효율적으로 만든다. 본 논문에서는 fault tolerant 과 탄력적 스케일링에 모두 만족할 수 있는 내부 상태 관리 플랫폼을 제시한다. 내부 상태 관리는 NF 소스 코드의 native logs를 활용함에 따라 NF의 수정은 필요하지 않는다. 이러한 평가에 따라 빠른 상태 검사 알고리즘과 과부하 감지 메커니즘은 기존 제시 되었던 여러 결과들과 비교하였을 때 상태 이동 시간을 현저하게 줄일 수 있다.
오늘날 NFV(Network Functional Virtualization)는 연구 및 산업 등 다양한 분야에서 많은 관심을 받고 있다. 서비스 레벨 agreements를 충족 시키기 위해 fault tolerant와 탄력적 스케일링은 네트워크 기능의 내부 상태 정보를 필요로 한다. fault tolerant을 처리하기 위한 기존 프레임 워크는 빠르고 정확한 복구 메커니즘을 제안 하지만, 네트워크 기능 (NF)이 내부 상태를 식별 할 수 있도록 소스 코드를 수정 해야 한다. 탄력적 스케일링의 경우 중앙 집중식 관리를 기반으로 하여 연구가 진행중이다. 그러나 과부하 된 NF는 패킷 마이그레이션 요청 시 먼저 주어진 패킷 처리를 완료해야 하기 때문에 상태 마이그레이션을 더욱 비 효율적으로 만든다. 본 논문에서는 fault tolerant 과 탄력적 스케일링에 모두 만족할 수 있는 내부 상태 관리 플랫폼을 제시한다. 내부 상태 관리는 NF 소스 코드의 native logs를 활용함에 따라 NF의 수정은 필요하지 않는다. 이러한 평가에 따라 빠른 상태 검사 알고리즘과 과부하 감지 메커니즘은 기존 제시 되었던 여러 결과들과 비교하였을 때 상태 이동 시간을 현저하게 줄일 수 있다.
Nowadays, Network Function Virtualization (NFV) has become more and more attractive in both research and industry. In order to meet service level agreements, fault tolerant and elastic scaling are two of significant challenges that require the internal state of network functions. In order to deal wi...
Nowadays, Network Function Virtualization (NFV) has become more and more attractive in both research and industry. In order to meet service level agreements, fault tolerant and elastic scaling are two of significant challenges that require the internal state of network functions. In order to deal with fault tolerance, some existing frameworks propose fast and correct recovery mechanisms. However, in order to achieve these goals, network functions (NFs) must be modified their source code so that the internal state could be identified. In case of elastic scaling, some studies based on centralized state management are proposed. However, overloaded NFs still have to handle packets even when packet migration is given out. This made state migration inefficient. In this paper, we introduce an internal state management platform which copes with both the fault tolerance and the elastic scaling. In our proposal, the internal state management is completely leveraged from the native logs of NF’s source code, therefore NF modification is no needed. Our evaluation shows that the fast state checking algorithm and overload detection mechanism help to reduce significantly the state migration time when compared with exiting proposals.
Nowadays, Network Function Virtualization (NFV) has become more and more attractive in both research and industry. In order to meet service level agreements, fault tolerant and elastic scaling are two of significant challenges that require the internal state of network functions. In order to deal with fault tolerance, some existing frameworks propose fast and correct recovery mechanisms. However, in order to achieve these goals, network functions (NFs) must be modified their source code so that the internal state could be identified. In case of elastic scaling, some studies based on centralized state management are proposed. However, overloaded NFs still have to handle packets even when packet migration is given out. This made state migration inefficient. In this paper, we introduce an internal state management platform which copes with both the fault tolerance and the elastic scaling. In our proposal, the internal state management is completely leveraged from the native logs of NF’s source code, therefore NF modification is no needed. Our evaluation shows that the fast state checking algorithm and overload detection mechanism help to reduce significantly the state migration time when compared with exiting proposals.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.