Improving Software Defined Networking with Machine Learning

Research Project

Project/Area Number	22KF0428
Project/Area Number (Other)	22F21732 (2022)
Research Category	Grant-in-Aid for JSPS Fellows
Allocation Type	Multi-year Fund (2023) Single-year Grants (2022)
Section	外国
Review Section	Basic Section 60060:Information network-related
Research Institution	Internet Initiative Japan Inc. (Research Laboratory)
Principal Investigator	長健二朗株式会社インターネットイニシアティブ(技術研究所), 技術研究所, 所長 (10561087)
Co-Investigator(Kenkyū-buntansha)	NOUGNANKE BENOIT 株式会社インターネットイニシアティブ(技術研究所), 技術研究所, 外国人特別研究員
Project Period (FY)	2023-03-08 – 2024-03-31
Project Status	Completed (Fiscal Year 2023)
Budget Amount *help	¥2,300,000 (Direct Cost: ¥2,300,000) Fiscal Year 2023: ¥1,100,000 (Direct Cost: ¥1,100,000) Fiscal Year 2022: ¥1,200,000 (Direct Cost: ¥1,200,000)
Keywords	マルチクラウド / Software Defined Network / データプレーンプログラミング / 機械学習 / Graph Neural Network
Outline of Research at the Start	現状、各クラウドサービスは独自のAPIを提供しているのでマルチクラウド環境でサービスを実現するのは容易ではない。さらに、マルチクラウド環境で低遅延などの高性能サービスの実現は難しい。そこで、本研究では、プログラマブルなSoftware Defined Networkベースのプラットフォームを構築して、クラウドサービス間の相違を吸収すると同時に、データプレーンプログラミングに機械学習を応用することで性能向上を実現する。
Outline of Annual Research Achievements	マルチテナントが利用するクラウドデータセンターにおいては、テナント間で効率よくクラウド資源を共有することでコストを抑えながら、各テナントの要求性能を担保する必要がある。計算性能に関しては技術がある程度確立されているものの、ネットワーク部分の性能保証が課題となっている。そこで、本研究では、クラウドネットワークのマネージメントプレーンに最新のグラフニューラルネットワークを応用し、学習と予測によるテナントレベルでの最適割当を行い、これをプログラマブルなSoftware Defined Networkベースのプラットフォームで実現する研究を行った。本研究では、まず、既存のネットワーク性能保証がパケットやフロー単位であったのに対し、クラウドのテナント単位で性能保証するマルチテナントクラウド向けの性能保証を提案した。次に、テナントレベルでのトラフィック需要を学習して予測するために最新のグラフニューラルネットワークを応用したgPerfsolを提案し、有効性を示した。さらに、プログラマブルスイッチTofino2を用いてP4言語による実験環境を構築し、高速転送性能と同時にテナント単位でトラフィック量を制御可能なePerfsolを提案、性能評価を行い実用性を示した。本研究の成果について、国際ジャーナルIEEE Transactions on Network and Service Managementに掲載、また、国際会議IEEE Conference on Innovation in Clouds, Internet and Networksで1件の発表を行った。