ارائه يك الگوريتم‌ تعادل بار مبتني بر پيش‌بيني در شبكه‌هاي نرم‌افزارمحور

شبكه‌هاي نرم‌افزارمحور يك معماري جديد در شبكه است كه لايه كنترل را از لايه داده جدا مي‌سازد. در اين رويكرد مسئوليت لايه كنترل به نرم‌افزار كنترلر واگذار مي‌شود تا رفتار كل شبكه را به طور پويا تعيين نمايد. نتيجه اين امر، ايجاد يك شبكه‌ بسيار منعطف با مديريت متمركز است كه در آن مي‌توان پارامترهاي شبكه را به خوبي كنترل كرد. با توجه به افزايش روزافزون كاربران، ظهور فناوري‌هاي جديد، رشد انفجاري ترافيك در شبكه، برآورده‌سازي الزامات كيفيت خدمات و جلوگيري از كم‌باري يا پرباري منابع، تعادل بار در شبكه‌هاي نرم‌افزارمحور ضروري مي‌باشد. عدم تعادل بار باعث بالارفتن هزينه، كاهش مقياس‌پذيري، انعطاف‌پذيري، بهره‌وري و تأخير در سرويس‌دهي شبكه مي‌شود. تا كنون الگوريتم‌هاي مختلفي براي بهبود عملكرد و تعادل بار در شبكه ارائه شده‌اند كه معيارهاي متفاوتي مانند انرژي مصرفي و زمان پاسخ سرور را مد نظر قرار داده‌اند، اما اغلب آنها از ورود سيستم به حالت عدم تعادل بار جلوگيري نمي‌كنند و خطرات ناشي از عدم تعادل بار را كاهش نمي‌دهند. در اين مقاله، يك روش تعادل بار مبتني بر پيش‌بيني براي جلوگيري از ورود سيستم به حالت عدم تعادل بار با بهره‌گيري از الگوريتم ماشين يادگيري افراطي پيشنهاد مي‌شود. نتايج ارزيابي روش پيشنهادي نشان مي‌دهد كه از نظر تأخير پردازش كنترل‌كننده، ميزان تعادل بار و زمان پاسخ‌گويي به علت تعادل بار بهينه نسبت به روش‌هاي CDAA و PSOAP عملكرد بهتري دارد.