Модель масштабування мережі на основі стохастичних процесів за умов самоподібного трафіку

Abstract

У статті розглядається проблема масштабування мереж в умовах високої варіативності трафіку, зокрема з урахуванням самоподібної природи його розподілу. Актуальність дослідження зумовлена зростанням навантаження на мережеву інфраструктуру через збільшення кількості користувачів та обсягів переданої інформації. Традиційні детерміновані підходи до керування ресурсами втрачають ефективність у ситуаціях, коли трафік демонструє довготривалі залежності та високий ступінь автокореляції. Метою дослідження є розробка стохастичної моделі масштабування мережі, яка дозволяє адаптивно розподіляти ресурси відповідно до поточного навантаження. Запропоновано методологічний підхід, що охоплює аналіз існуючих способів масштабування, математичне моделювання динамічного балансування ресурсів із урахуванням самоподібного трафіку та оцінку ефективності моделі за допомогою імітаційного моделювання. У результаті представлено рівняння динамічного балансування ресурсів, яке має широке практичне застосування в сучасних мережевих технологіях. Зокрема, у програмно-конфігурованих мережах (SDN) запропонована модель дозволяє контролерам у режимі реального часу перерозподіляти ресурси, підвищуючи ефективність інфраструктури та якість обслуговування (QoS). У сфері хмарних обчислень вона використовується для автоматичного масштабування віртуальних машин і контейнерів, що сприяє адаптивному управлінню ресурсами в розподілених системах. У контексті 5G та MEC (Multi-access Edge Computing) модель забезпечує балансування навантаження між базовими станціями й обчислювальними вузлами, підтримуючи сервіси з низькою затримкою. Загалом, представлена модель забезпечує гнучке й адаптивне управління мережею з урахуванням стохастичних характеристик трафіку, сприяючи досягненню оптимального використання інфраструктури в умовах динамічного середовища. The article considers the problem of scaling networks in conditions of high variability of traffi in particular, taking into account the self-similar nature of its distribution. The relevance of the study is due to the increase in the load on the network infrastructure due to the increase in the number of users and the volume of transmitted information. Traditional deterministic approaches to resource management lose their effctiveness in situations where traff demonstrates long-term dependencies and a high degree of autocorrelation – characteristic features of self-similar traffi The purpose of the study is to develop a stochastic model of network scaling that allows for adaptive allocation of resources in accordance with the current load. A methodological approach is proposed that includes the analysis of existing scaling methods, mathematical modeling of dynamic resource balancing taking into account self-similar traffi and assessment of the effctiveness of the model using simulation modeling. As a result, a dynamic resource balancing equation is presented, which has wide practical application in modern network technologies. In particular, in software-defied networks (SDN), the proposed model allows controllers to real-timely reallocate resources, improving infrastructure effiency and quality of service (QoS). In the fild of cloud computing, it is used for automatic scaling of virtual machines and containers, which contributes to adaptive resource management in distributed systems. In the context of 5G and MEC (Multi-access Edge Computing), the model provides load balancing between base stations and computing nodes, supporting low-latency services. Overall, the presented model provides flxible and adaptive network management taking into account stochastic traff characteristics, contributing to achieving optimal infrastructure utilization in a dynamic environment.