DOTE: Rethinking (Predictive) WAN Traffic Engineering

要約

広域ネットワーク (WAN) でのトラフィック エンジニアリングの新しい設計ポイントを探ります。つまり、トラフィックの需要に関する履歴データのみを使用して、WAN 上のトラフィック フローを直接最適化します。
そうすることで、将来の需要を明示的に推定または予測する必要がなくなります。
確率的最適化を利用する私たちの方法は、よく研究された理論モデルで大域的最適に収束することが証明されています。
大規模な WAN と実際のトラフィックに合わせて拡張するために、ディープ ラーニングを採用しています。
現実世界のトラフィックとネットワーク トポロジに関する広範な経験的評価により、私たちのアプローチの TE 品質は (実行不可能な) 全知オラクルの品質とほぼ一致し、以前に提案されたアプローチよりも優れており、実行時間も大幅に短縮されます。

要約(オリジナル)

We explore a new design point for traffic engineering on wide-area networks (WANs): directly optimizing traffic flow on the WAN using only historical data about traffic demands. Doing so obviates the need to explicitly estimate, or predict, future demands. Our method, which utilizes stochastic optimization, provably converges to the global optimum in well-studied theoretical models. We employ deep learning to scale to large WANs and real-world traffic. Our extensive empirical evaluation on real-world traffic and network topologies establishes that our approach’s TE quality almost matches that of an (infeasible) omniscient oracle, outperforming previously proposed approaches, and also substantially lowers runtimes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google