ORQUESTRAÇÃO COGNITIVA E DINÂMICA DA ALOCAÇÃO DE RECURSOS PARA REDES MPLS/DSTE

A concorrência por recursos de redes necessita ser arbitrada de acordo com as características de cada aplicação ou serviço para fornecer uma forma satisfatória, transparente e com um custo aceitável de utilização para os usuários. O atendimento às requisições de recursos de forma dinâmica, ou seja, sem prévia alocação (agendamento) do recursos para as aplicações e serviços, pode permitir o compartilhamento de destes visando uma melhor utilização da rede. Decorrente das heterogeneidade dos perfis de usuários, aplicações e serviços, o atendimento em tempo real às requisições de recursos tende a gerar uma concorrência dinâmica por recursos nas redes como um todo. Os modelos de alocação de banda possuem os atributos que permitem a definição de classes de aplicações e o controle da distribuição dos recursos entre as classes de forma intuitiva. Estes modelos podem ser alterados e/ou reconfigurados visando a otimização na utilização do recurso de forma a evoluir seus comportamentos em sintonia com o perfil de tráfego e requisitos de comunicação e de qualidade definido para rede. A definição do comportamento na arbitragem de recursos que reflita uma melhor eficiência dos requisitos de comunicação e de qualidade definidos para rede em um determinado perfil de tráfego é uma tarefa complexa. Esta complexidade pode tornar a intervenção humana como um ponto de falha. De forma geral, sistemas de gerência cognitiva são indicados para lidar com tarefas complexas onde a intervenção humana possa ser um ponto de falha. Estes sistemas são capazes de autoconfigurar-se autonomicamente, em resposta a mudanças ou falhas, de acordo com políticas de negócio, especificadas pelos administradores. Esta Tese propõe a orquestração cognitiva e dinâmica da alocação de recursos (largura de banda), baseado em BAM, para redes MPLS/DSTE. Para tal, apresenta um novo modelo de alocação de banda (GBAM - Generalized Bandwidth Allocation Model) que generaliza os comportamentos dos modelo clássicos e permite novas combinações de estratégias de forma configurável em tempo de execução; e um arcabouço cognitivo que aprende e orquestra dinamicamente o comportamento do GBAM em sintonia com o perfil de tráfego e requisitos de comunicação e de qualidade definido para rede