RDBU| Repositório Digital da Biblioteca da Unisinos

ELASTIC5GC- elasticidade proativa no Core 5G para melhorar a utilização de recursos e a capacidade de atendimento

Mostrar registro simples

Autor Cunha, Luiz Felipe da Silva;
Lattes do autor http://lattes.cnpq.br/0409928853722689;
Orientador Righi, Rodrigo da Rosa;
Lattes do orientador http://lattes.cnpq.br/2332604239081900;
Co-orientador Both, Cristiano Bonato;
Lattes do co-orientador http://lattes.cnpq.br/2658002010026792;
Instituição Universidade do Vale do Rio dos Sinos;
Sigla da instituição Unisinos;
País da instituição Brasil;
Instituto/Departamento Escola Politécnica;
Idioma pt_BR;
Título ELASTIC5GC- elasticidade proativa no Core 5G para melhorar a utilização de recursos e a capacidade de atendimento;
Resumo A nova geração de telecomunicações móveis (5G) está em vias de ser implantada em todo o mundo, contudo diversos aspectos da sua implementação estão em aberto. Essa nova geração tem como principal objetivo atender a realidade que está por vir, i.e., alavancada pelos dispositivos IoT, com previsão para 2025 de mais de 79,4 zettabytes trafegados por ano e cerca de 41,6 bilhões de dispositivos conectados. Pensando nesses aspectos e visando estar preparado para essa nova realidade, o 3GPP lançou a Release 15. Um dos itens de adequação é a arquitetura baseada em serviços para o núcleo que, dentre outras características, desacopla os serviços de forma que cada um tenha uma responsabilidade específica, facilitando a multiplicação de serviços para atender os mais diversos e dinâmicos cenários. Nesse trabalho é apresentado um modelo para aumentar a capacidade de atendimento aos dispositivos e melhorar a utilização de recursos computacionais do próprio núcleo. Para isso, é proposta uma arquitetura que provê elasticidade horizontal proativa ao núcleo. Essa arquitetura tem como principais componentes (i) um balanceador de carga, que distribui todas as comunicações entre a rede de acesso e o núcleo que forem relacionadas aos equipamentos dos usuários para todas as funções de gerenciamento de mobilidade disponíveis e, (ii) um gerenciador de elasticidade, que realiza a alocação/desalocação dessas funções, utilizando a predição da carga de processamento das funções de gerenciamento de mobilidade. Essa predição é calculada com base na tendência das medições históricas, utilizando séries temporais, mais especificamente um modelo auto-regressivo integrado de médias móveis. Para evidenciar os resultados, este modelo foi submetido a 3 padrões de carga. Com a utilização desse modelo foi possível obter uma redução de até 38,28% no esforço computacional e um aumento de até 33,22% na capacidade de atendimento. Desta forma, foi possível evidenciar que com a replicação de funções de rede é viável o aumento na capacidade de atendimento e, através da utilização de elasticidade proativa, reduzir drasticamente o uso de recursos computacionais.;
Abstract The next generation of mobile telecomunications (5G) is close to be deployed around the world, however, many aspects of its implementation are open, the main topic of this next generation is to attend the future reality, i.e., that is leverage by IoT, with a prediction of more than 79.4 zettabytes of traffic per year and about 41.6 billions of connected devices. In this way, the 3GGP launched the release 15, one of presented items is a service based architeture to the core that, besides another characteristics, decouples services in a way where each service has a exclusive responsibility, making easily service multipliyng to attend most dynamic and several scenarios. This work shows a model to increase service capacity of the devices and improve the allocation of computational resources in the core. So, an architecture is proposed to provide proactive horizontal elasticity into the core. This architecture has as main components (i) a load balancer, that balancing all communications between the access network and the core related to user equipments for all mobility managing functions available and, (ii) a elasticity manager that does a allocation/deallocation of this functions, using processing load prediction of mobility managing functions. This prediction is calculated throught tendency of historical measurements using time series, more specifically a auto-regressive integrate moving average model. To show results this model was subjected to 3 load patterns. With use of this model was possible to reduct up to 38.38% in allocation of computational resources and to increase of up to 33.22% service capacity. In this way, was showed that networwing functions replications make feasible to increase service capacity and, using proactive elasticity, decrease drastically computational resource usage.;
Palavras-chave Core; 5G; Elasticidade; SBA; Séries temporais; Redução de recursos; Elasticity; Time series; Resource reduction;
Área(s) do conhecimento ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação;
Tipo Dissertação;
Data de defesa 2021-03-05;
Agência de fomento CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior;
Direitos de acesso openAccess;
URI http://www.repositorio.jesuita.org.br/handle/UNISINOS/9750;
Programa Programa de Pós-Graduação em Computação Aplicada;


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar

Busca avançada

Navegar

Minha conta

Estatística