A service-centric orchestration protocol for self-organizing autonomic management systems

IEEE Network ◽  
2011 ◽  
Vol 25 (6) ◽  
pp. 16-23 ◽  
Author(s):  
Javier Rubio-Loyola ◽  
Carlos Merida-Campos ◽  
Joan Serrat ◽  
Daniel Macedo ◽  
Steven Davy ◽  
...  
Keyword(s):  
Management Systems ◽  
Autonomic Management ◽  
Self Organizing

Self-organizing sensing infrastructure for autonomic management of green datacenters

IEEE Network ◽  
2011 ◽  
Vol 25 (4) ◽  
pp. 34-40 ◽  
Author(s):  
Hariharasudhan Viswanathan ◽  
Eun Lee ◽  
Dario Pompili
Keyword(s):  
Autonomic Management ◽  
Self Organizing

Autonomic management systems for future internet

2015 ◽  
Author(s):  
Βασίλειος Φωτεινός
Keyword(s):  
Internet Of Things ◽  
Network Management ◽  
Software Defined Networking ◽  
Future Internet ◽  
Management Systems ◽  
Autonomic Management

Στο αναπτυσσόμενο δικτυακό περιβάλλον, οι διαχειριστές αντιμετωπίζουν δυσκολίες να αναπτύξουν, διαχειριστούν και διατηρήσουν τις υποδομές τους και τις υπηρεσίες τους με έναν τρόπο απλό, οικονομικά αποδοτικό και ολοκληρωμένο (από άκρο σε άκρο). Η κατάσταση αυτή αναμένεται να γίνει ακόμα χειρότερη καθώς τα νέα συστήματα ενσωματώνουν ένα σύνολο από ποικιλόμορφες και ετερογενής δικτυακές υποδομές. Η έλλειψη αυτοματισμών οδηγεί σε αργότερες και λιγότερο αποδοτικές διαδικασίες αντίδρασης. Επιπλέον, η έγερση του Διαδικτύου των Αντικειμένων (Internet of Things - IoT), όπου δισεκατομμύρια από συσκευές θα συνδεθούν στο Διαδίκτυο, έχει τη δυνατότητα να αλλάξει τα πάντα. Είναι εμφανές ότι υπάρχει η ανάγκη για προηγμένα συστήματα διαχείρισης, τα οποία θα είναι «έξυπνα» και αυτό-προσαρμοζόμενα έτσι ώστε να λαμβάνουν γρήγορες και αξιόπιστες αποφάσεις. Ωστόσο, η διαχείριση αυτής της ευφυΐας δεν μπορεί να βασιστεί στο παραδοσιακό παράδειγμα της εντολής και ελέγχου. Αντίθετα, χρειάζεται να βασιστεί σε συστήματα που κρύβουν την τεχνολογική πολυπλοκότητα από τον διαχειριστή και τον ανακουφίζουν από την σχετικά αργή και επιρρεπή σε λάθη διαδικασία της χειροκίνητης ρύθμισης.Για να ξεπεραστούν το διαρκώς αυξανόμενο μέγεθος και η πολυπλοκότητα της διαχείρισης των δικτύων, η αυτόνομη διαχείριση δικτύων (Autonomic Network Management - ANM) και τα δίκτυα καθοριζόμενα από λογισμικό (Software Defined Networking - SDN) έχουν αναγνωριστεί ως λύσεις αναδυόμενες και πολλά υποσχόμενες. Από την μία, η ANM απλοποιεί τη διαχείριση και τον έλεγχο των δικτύων και των υπηρεσιών, ελαχιστοποιώντας το βάρος της χειροκίνητης λειτουργίας. Από την άλλη, τα SDN κάνουν τη συμπεριφορά των δικτυακών συσκευών (δρομολογητές, μεταγωγείς) προγραμματιζόμενη και τις επιτρέπουν να ελέγχονται από ένα κεντρικό στοιχείο, προσφέροντας έτσι προηγμένη δυνατότητα προσαρμογής του δικτυακού ελέγχου και συμπεριφορών προώθησης. Με αυτή την έννοια, τα SDN μπορούν να θεωρηθούν ως καταλύτες για την απλοποίηση της εισαγωγής της αυτονομίας στα δίκτυα και στη διαχείριση των δικτύων.Λαμβάνοντας υπόψη τα παραπάνω, σε αυτή τη διατριβή, σχεδιάζουμε ένα ενοποιημένο πλαίσιο διαχείρισης που αξιοποιεί τόσο την ANM όσο και τα SDN ώστε να παρέχει μία ρεαλιστική λύση στην πολυπλοκότητα της διαχείρισης των δικτύων. Το πλαίσιο υποστηρίζει την αποδοτική λειτουργία πολλαπλών αυτόνομων μηχανισμών. Ειδικότερα, σε αυτό το πλαίσιο, τρεις αυτόνομοι μηχανισμοί σχεδιάζονται, υλοποιούνται και αξιολογούνται. Ο πρώτος μηχανισμός αποφασίζει δυναμικά βέλτιστες ρυθμίσεις δρομολόγησης σε σχέση με τις πολιτικές του διαχειριστή για δίκτυα κορμού. Ο δεύτερος μηχανισμός αναθέτει το φορτίο της κίνησης στα πιο ενεργειακά αποδοτικά οπτικά μονοπάτια σε οπτικά δίκτυα κορμού. Ο τρίτος μηχανισμός αποφασίζει δυναμικά βέλτιστες συνθέσεις αντικειμένων για παροχή υπηρεσιών σύμφωνα με τις απαιτήσεις των τελικών χρηστών. Ο στόχος αυτής της διατριβής είναι να επικυρώσει ότι τα αυτόνομα συστήματα διαχείρισης είναι κατάλληλα να αντιμετωπίσουν τις προκλήσεις του μελλοντικού Διαδικτύου.

scholarly journals Designing Autonomic Management Systems by Using Reactive Control Techniques

2016 ◽  
Vol 42 (7) ◽  
pp. 640-657 ◽  
Author(s):  
Nicolas Berthier ◽  
Eric Rutten ◽  
Noel De Palma ◽  
Soguy Mak-Kare Gueye
Keyword(s):  
Management Systems ◽  
Reactive Control ◽  
Autonomic Management ◽  
Control Techniques

scholarly journals CPU based prediction with Self Organizing Map in Dynamic Cloud Data Centers

2020 ◽  
Vol 10 ◽  
Author(s):  
Nabila Djennane ◽  
Meziane Yacoub ◽  
Rachida Aoudjit ◽  
Samia Bouzefrane
Keyword(s):  
Resource Management ◽  
Cost Effective ◽  
Resource Provisioning ◽  
Management Systems ◽  
Self Organizing Map ◽  
Self Organizing Maps ◽  
Cloud Data ◽  
Demand Prediction ◽  
The Future ◽  
Self Organizing

Backgroud: The major objective of resource management systems in the cloud environments is to assist providers in making consistent and cost-effective decisions related to the dynamic resource allocation. However, because of the demand changes of the applications and the exponential evolution of the cloud, the resource management systems are constantly called into question with regard to their ability to guarantee an effective resource provisioning. Objective: To tackle these challenges, the future demand prediction is a practical solution that has been adopted in the literature. The prediction has widely relied on the CPU utilization since it is considered as a leading cause of the Quality of Service dropping. Method: The successful application of artificial intelligence techniques in forecasting problems motivated us to use the Kohonen Self Organizing Maps that tries to capture the gathered empirical CPU load time series in regular behaviors to perform an accurate forecast. The proposed solution is a two-step approach that first classifies the collected data and then predicts the future CPU load. Results and conclusion: The experimental results show that our proposed system outperforms other models reported in the literature. In addition, we proved that Self Organizing Maps known for its strength in classification is also effective for prediction.

Sign in / Sign up

Export Citation Format

Share Document