Enrutamiento inteligente y consciente de la calidad del servicio en redes jerárquicas definidas por software

Abstract

Las redes desempeñan un papel crucial en la conectividad y comunicación entre dispositivos, servicios y usuarios. Sin embargo, el aumento exponencial de la demanda de datos y dispositivos conectados ha generado importantes desafíos para las redes tradicionales. Uno de estos problemas es el enrutamiento, ya que este proceso puede ser complicado y estático, lo que conduce a cuellos de botella, ineficiencias y tiempos de respuesta lentos. Por lo tanto, las Redes Definidas por Software surgen como una posible solución para abordar los desafíos del enrutamiento, al separar el plano de control del plano de datos, lo que permite un control más flexible y programable. No obstante, la arquitectura centralizada de las Redes Definidas por Software puede enfrentar problemas de escalabilidad y fiabilidad debido a la dependencia de un solo controlador, el cual se puede ver saturado por el aumento del flujo de información. Si este único controlador falla, toda la red quedaría incomunicada al no poder realizar enrutamiento. Debido a esto surgieron las arquitecturas de plano de control distribuidas. En el presente trabajo de grado se propone un enfoque para abordar el enrutamiento en una arquitectura distribuida jerárquicamente en Redes Definidas por Software utilizando Aprendizaje por Refuerzo con múltiples agentes. Este enfoque tiene en cuenta la información del estado del enlace para tomar decisiones de enrutamiento basadas en las métricas de la calidad de servicio (packet loss, delay y throughput). Se empleó la interacción con el entorno, el Aprendizaje por Refuerzo y la visión global de la topología, en conjunto con el control de la red, para calcular e instalar las rutas óptimas para cada par origen-destino en los conmutadores. Los resultados muestran que este enfoque supera tanto a la variación de Dijkstra, basada en el throughput, como al algoritmo Q-learning, en términos de packet loss, delay y throughput.