Intelligent probing for SDN monitoring

Abstract

Traffic Monitoring assists in achieving the stability of networks by observing and quantifying their behavior. A proper traffic monitoring solution requires the accurate and timely collection of flow statistics. Many approaches have been proposed to monitor Software- Defined Networks. However, these approaches have diverse shortcomings. First, they are unconcerned about the trade-off between the probing interval and the Monitoring Accuracy (MA). Second, they lack intelligent mechanisms intended to optimize this trade-off by learning from network behavior. This master dissertation introduces an approach, called IPro, to address these shortcomings. IPro is formed by an architecture that follows the Knowledge- Defined Networking paradigm, an algorithm based on Reinforcement Learning, and an IPro prototype. In particular, IPro uses Reinforcement Learning to determine the probing interval that keeps within thresholds (target values) the Control Channel Overhead (CCO) and the Extra CPU Usage of the Controller (CUC). An extensive quantitative evaluation corroborates that IPro is an efficient approach for SDN Monitoring regarding CCO, CCU, and MA.

La monitorización de tráfico ayuda a lograr la estabilidad de las redes al observar y cuantificar su comportamiento. Una solución de monitorización de tráfico adecuada requiere la recopilación precisa y oportuna de estadísticas de flujo. Diversos investigadores han propuesto multiples enfoques para monitorear Redes Definidas por Software (Software-Defined Networks - SDN). Sin embargo, estos enfoques tienen algunas deficiencias. En primer lugar, no les preocupa el balance entre el intervalo de sondeo y la precisión de monitoreo (Monitoring Accuracy - MA). En segundo lugar, carecen de mecanismos inteligentes destinados a optimizar este balance al aprender del comportamiento de la red. Esta disertación de maestría introduce un enfoque, llamado IPro, para abordar estas deficiencias. IPro está formado por una arquitectura que sigue el paradigma de las Redes Definidas por el Conocimiento (Knowledge-Defined Networking - KDN), un algoritmo basado en el Aprendizaje por Refuerzo (Reinforcement Learning - RL) y un prototipo de IPro. En particular, IPro utiliza RL para determinar el intervalo de sondeo que mantiene dentro de umbrales (valores objetivo) la sobrecarga del canal de control (Control Channel Overhead - CCO) y el uso adicional de la CPU del controlador (CPU Usage of the Controller - CUC). Una extensa evaluación cuantitativa corrobora que IPro es un enfoque eficiente para el monitoreo de SDN con respecto a CCO, CCU y MA.