Placement de slice 5G économe en énergie

Contexte

Dans les réseaux 5G, les concepts de slicing et de virtualisation des fonctions réseau offrent aux opérateurs de réseaux la possibilité d’automatiser la création et la gestion des services réseau de manière dynamique.

Pour ce faire, ils ont besoin d’algorithmes de placement efficaces, capables de prendre en compte diverses contraintes (qualité de service, coût, consommation d’énergie, etc.) [MTC+20] et d’une architecture de réseau potentiellement complexe composée d’infrastructures virtuelles et de centres de données de différents fournisseurs de réseau [MTC+19].

Cependant, dans les réseaux 5G, les services de réseau doivent être déployés non seulement dans les grands centres de données, mais aussi à la périphérie. En particulier, le placement des fonctions de réseau virtuelles (VNF) impliquées dans les slices ou les services de réseau à un emplacement approprié pour réduire les coûts d’énergie et de communication devient un défi dans les systèmes périphériques [TOD+21] en raison de la rareté de leurs ressources.

Le coût énergétique du système doit être bien évalué pour prendre en compte les différentes facettes impliquées : la consommation du côté de l’utilisateur et de l’infrastructure, et le coût de migration pour le remplacement ou la mise à l’échelle des VNF [GGJM21].

Approche et travail de la thèse

Dans cette thèse, nous proposons d’étudier l’optimisation de la consommation énergétique globale du réseau, sur la base d’un modèle énergétique réaliste en fonction de la charge de chaque nœud.

L’optimisation du placement implique la prise en compte des paramètres de gestion du réseau, et l’analyse minutieuse des chaînes de fonctions pour atteindre l’objectif visé.

Dans [MTC+19], nous avons déjà proposé un modèle mathématique et des algorithmes de résolu- tion pour le problème de placement des chaînes de fonctions du réseau virtuel afin de répondre au plus grand nombre de demandes possible.

Dans cette thèse, nous souhaitons aborder le placement de slices et de services de réseau plus complexes, mais aussi améliorer le placement en tenant compte à la fois de la maximisation du nombre de demandes acceptées et de la minimisation de la consommation d’énergie du réseau [MDZ+21]. Par conséquent, nous devons intégrer un modèle énergétique précis comme mentionné ci-dessus et dériver des solutions optimales, des approxima- tions ou des heuristiques estimant les limites théoriques que nous pouvons atteindre pour une gestion optimale du réseau.