Bài viết Sử dụng công nghệ SD-WAN để cải thiện chất lượng truyền tải trong hệ thống mạng thế hệ mới đề xuất một hệ thống định tuyến nâng cao, điều khiển việc chọn đường đi tối ưu cho SD-WAN bằng cách đánh giá nhiều đặc tính kết nối WAN gồm độ trễ, độ mất gói, thông lượng trong thời gian thực.
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 20, NO 7, 2022 29 SỬ DỤNG CÔNG NGHỆ SD-WAN ĐỂ CẢI THIỆN CHẤT LƯỢNG TRUYỀN TẢI TRONG HỆ THỐNG MẠNG THẾ HỆ MỚI USING SD-WAN TECHNOLOGY TO IMPROVE QUALITY OF TRANSMISSION IN THE NEW GENERATION NETWORK Võ Ngọc Tiến*, Tăng Anh Tuấn Trường Đại học Bách khoa - Đại học Đà Nẵng1 *Tác giả liên hệ: vongoctien.vn@gmail.com (Nhận bài: 26/4/2022; Chấp nhận đăng: 30/5/2022) Tóm tắt - Mạng diện rộng định nghĩa phần mềm (SDWAN) cho phép điều khiển quản lý mạng thông minh, đồng thời sử dụng hiệu tài nguyên mạng thông qua kỹ thuật điều khiển lưu lượng thời gian thực để có mạng WAN hiệu suất cao hơn, đáp ứng yêu cầu chất lượng truyền tải mà khách hàng mong muốn Bài báo đề xuất hệ thống định tuyến nâng cao, điều khiển việc chọn đường tối ưu cho SD-WAN cách đánh giá nhiều đặc tính kết nối WAN gồm độ trễ, độ gói, thơng lượng thời gian thực Hệ thống theo dõi liệu để chọn tuyến đường giúp truyền tải gói độ trễ mạng thấp tính khả dụng độ tin cậy cao Nhóm tác giả đánh giá hệ thống mơ hình lab giả lập với thiết bị SD-WAN hãng Fortigate Kết thử nghiệm cho thấy cách tiếp cận nhóm tác giả chứng minh khả lựa chọn đường tối ưu cách áp dụng lập trình SDN cho mạng WAN Abstract - Software-defined Wide Area Network (SD-WAN) enables intelligent network control and management, and efficient use of network resources through real-time traffic control techniques for higher network efficiency, meeting the quality transmission requirements that customers want This paper proposes an advanced routing system that controls the selection of the optimal path for SD-WAN by evaluating necessary WAN connection characteristics including latency, packet loss, throughput to choose the most optimal path in real time The system keeps track of these network status values in real time to provide less packet loss and low network latency along with high availability and reliability The author evaluate our system in a lab model with the Fortigate SD-WAN devices The test results show that our approach has successfully demonstrated the ability to choose a more optimal path by applying the programmability of SDN to the WAN network Từ khóa - Mạng diện rộng định nghĩa phần mềm (SD-WAN); Kỹ thuật điều khiển lưu lượng; độ trễ; độ gói; thơng lượng Key words - Software-defined Wide Area Network (SD-WAN); Traffic Engineering; latency; packet loss; throughput Giới thiệu chung Ngày nay, mở rộng nhanh chóng mạng lưới xuất ứng dụng ảo hóa, IoT (Internet vạn vật), yêu cầu hoạt động dựa đám mây cần đáp ứng nhanh chóng, thuận tiện làm gia tăng thêm đòi hỏi ngày lớn mạng WAN Nhưng chi phí xây dựng, quản lý xử lý lỗi mạng WAN cao mạng diện rộng truyền thống gặp khó việc nâng cấp mạng nên việc xây dựng mạng diện rộng với thiết kế cần thiết [1] Mặc dù, công nghệ chuyển mạch nhãn đa giao thức (MPLS - Multiprotocol Label Switching) mạng WAN đảm bảo chất lượng dịch vụ (QoS – Quality of Service), đưa số thách thức, chẳng hạn chi phí băng thơng cao, khơng thể triển khai cấu hình tập trung, thời gian cần thiết để chuyển đổi/nâng cấp mạng hữu Mạng diện rộng định nghĩa phần mềm (SD-WAN – Software-Defined Wide Area Network) coi kiến trúc đầy hứa hẹn mạng diện rộng hệ tiếp theo, thiết kế để thay cho mạng WAN dựa MPLS truyền thống Với SD-WAN, doanh nghiệp sử dụng dịch vụ linh hoạt hơn, dễ dự đốn với chi phí thấp thời gian ngắn so với dịch vụ MPLS Thiết lập mạng trở nên nhanh chóng hơn; tận dụng dịch vụ đường truyền liệu có sẵn MPLS, truy cập Internet chuyên dụng (DIA - Dedicated Internet Access), băng thông rộng FTTH (Fiber To The Home) khơng dây 4G/5G; Và cấu hình tự động khu vực từ xa SD-WAN cung cấp cải tiến tính dự phịng tính khả dụng vượt trội so với MPLS Doanh nghiệp chuyển đổi nhà cung cấp dịch vụ Internet, dùng chung hay kết hợp nhà cung cấp dịch vụ khác tạo mạng SD-WAN/ MPLS kết hợp để định tuyến lưu lượng qua chế truyền tải khác trường hợp có kết nối ngừng hoạt động [2] Hình Mơ hình chung mạng SD-WAN [3] SD-WAN hình thành cách thiết lập đường hầm mã hóa (“lớp phủ”) khu vực Mỗi khu vực trang bị thiết bị SD-WAN The University of Danang - University of Science and Technology (Vo Ngoc Tien, Tang Anh Tuan) Võ Ngọc Tiến, Tăng Anh Tuấn 30 Hình Mỗi thiết bị SD-WAN kết nối với tập hợp dịch vụ mạng (thường MPLS số dịch vụ Internet) giám sát tính khả dụng hiệu suất dịch vụ Lưu lượng định tuyến theo đường dẫn tối ưu dựa sách ứng dụng điều kiện mạng theo thời gian thực [4-6] Bài báo đề cập đến xây dựng hệ thống định tuyến gọi định tuyến nâng cao (Advanced Routing) SD-WAN Hệ thống liên tục theo dõi trạng thái mạng thông qua máy chủ cục kết nối với thiết bị SD-WAN thông tin mạng thời gian thực dựa SDN Nhóm tác giả thiết kế thuật tốn học có giám sát (supervised learning) dựa thơng số đường truyền (độ trễ) thông số độ tin cậy (mất gói tin, thơng lượng) Ngồi ra, đề xuất sử dụng mơ hình SARIMA (Seasonal Autoregressive Integrated Moving Average) dự báo lưu lượng kết nối WAN nhằm mục đích dự đốn thời điểm xảy nghẽn hệ thống mạng để xử lý tính tốn kế hoạch cho việc nâng cấp, mở rộng mạng lưới tương lai Đề xuất phương pháp điều khiển lưu lượng mạng SD-WAN Chương trình với tên gọi định tuyến nâng cao SDWAN đề xuất áp dụng Về chi tiết thành phần khung chương trình Hình 2: Thành phần Giám sát mạng (Network Monitoring) Quyết định đường (Decision Making) Thuật toán định tuyến đề xuất cần tập hợp tham số đầu vào đầu để xác định đường dẫn tối ưu Các đầu vào cho thuật tốn hình thành với trợ giúp mô-đun Giám sát mạng, thu thập số liệu thống kê từ thông tin cấu trúc mạng WAN gồm tham số đường truyền (độ trễ) tham số độ tin cậy độ (mất gói tin, thơng lượng) [7-8] Hình Đề xuất mơ hình điều khiển lưu lượng Giao thức kết nối truy xuất liệu chương trình tới thiết bị SD-WAN Controller sử dụng Application Programming Interface - API API tập hợp quy trình, giao thức cơng cụ để xây dựng ứng dụng phần mềm, quy định cách thành phần phần mềm tương tác chia sẻ thông tin với Ở máy chủ SDWAN Controller máy khách chương trình Advanced Routing sử dụng tập lệnh ngôn ngữ Python Tập hợp liệu đầu vào gửi đến module Quyết định đường để tính tốn theo thuật tốn nhằm đưa đường tối ưu theo nhu cầu sử dụng Tiếp theo, chương trình sử dụng giao thức API để gửi yêu cầu thực thi sách đường mong muốn theo dạng Flow Rule tới thiết bị SD-WAN Controller Như vậy, toàn trình thực cách tự động theo thời gian thực, khách hàng định tuyến chuyển tiếp gói tin theo yêu cầu chất lượng dịch vụ tới đích đến mong muốn Thuật toán đề xuất 3.1 Ngưỡng cứng (Hard thresholding) Đầu tiên, ta định khoản thời gian ban đầu để thu thập liệu quan sát độ trễ, gói, thơng lượng tất kết nối WAN từ mạng SD-WAN tính tốn giá trị trung bình độ trễ/độ gói để thiết lập giá trị ngưỡng độ trễ/độ gói cho hệ thống Sau đó, với chu kỳ thời gian thiết lập từ người quản trị, giá trị trung bình kết nối WAN tính tốn lại so sánh với ngưỡng WAN có độ trễ/mất gói nhỏ ngưỡng chọn làm đường đi, cụ thể yêu cầu thuật toán sau: • Tự động tính tốn thiết lập giá trị ngưỡng hệ thống độ trễ/độ gói cho hệ thống • Lưu lượng san tải qua WAN có giá trị độ trễ/ tỷ lệ gói thấp (hoặc bằng) mức ngưỡng hệ thống Nếu kết nối WAN thỏa điều kiện trên, tùy chọn san tải kết nối WAN chọn WAN có độ trễ/độ gói thấp • Thơng lượng WAN chọn đạt tới mức nghẽn (mặc định cấu hình 90% băng thơng WAN) lưu lượng tự động san tải sang kết nối cịn lại Ngồi ra, thuật tốn cịn có tùy chọn kết hợp mức độ ưu tiên theo độ trễ độ gói theo yêu cầu để đạt đồng thời độ trễ độ gói tốt có thể: • Lưu lượng san tải qua WAN phải đồng thời vừa có độ gói nhỏ (hoặc bằng) ngưỡng gói có độ trễ nhỏ (hoặc bằng) ngưỡng độ trễ hệ thống Nếu khơng có kết nối WAN thỏa điều kiện thì: - Lựa chọn 1: (Nếu độ gói ưu tiên hơn) WAN có tỷ lệ gói nhỏ chọn làm tuyến đường Nếu có nhiều kết nối WAN giá trị tỷ lệ gói kết nối WAN có độ trễ nhỏ chọn - Lựa chọn 2: (Nếu độ trễ ưu tiên hơn) WAN có độ trễ nhỏ chọn Nếu có nhiều kết nối WAN giá trị độ trễ kết nối WAN có tỷ lệ gói nhỏ chọn 3.2 Trung bình trượt (Moving Average) Đường trung bình trượt yêu cầu định kích thước cửa sổ gọi chiều rộng cửa sổ Điều xác định số lượng quan sát thơ sử dụng để tính tốn giá trị trung bình trượt Phần di chuyển đường trung bình đề cập đến thực tế cửa sổ xác định chiều rộng cửa sổ trượt dọc theo chuỗi thời gian để tính tốn giá trị trung bình chuỗi Trong thuật tốn ta áp dụng theo loại Đường trung bình trượt theo sau (Trailing Moving Average) [9] Giá trị thời điểm (t) tính giá trị trung bình quan sát thô (t) trước thời điểm (t) Ví dụ: Một đường trung bình trượt theo sau có cửa sổ tính sau: ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 20, NO 7, 2022 𝑇𝑟𝑎𝑖𝑙_𝑀𝐴(𝑡) = 𝑚𝑒𝑎𝑛(𝑜𝑏𝑠(𝑡 − 2), 𝑜𝑏𝑠(𝑡 − 1), 𝑜𝑏𝑠(𝑡)) (1) Từ đó, WAN có độ trễ/mất gói nhỏ chọn, cụ thể yêu cầu thuật tốn sau: • Tự động tính tốn độ trễ/độ gói theo thuật tốn Moving Average lựa chọn kết nối WAN có độ trễ/độ gói thấp làm tuyến đường • Lưu lượng san tải qua WAN có giá trị độ trễ/độ gói thấp • Thơng lượng WAN chọn đạt tới mức nghẽn (mặc định cấu hình 90% băng thơng WAN) lưu lượng tự động san tải sang kết nối cịn lại Ngồi ra, thuật tốn cịn có tùy chọn kết hợp mức độ ưu tiên theo độ trễ độ gói theo yêu cầu để đạt đồng thời độ trễ độ gói tốt có thể: • Kết hợp mức độ ưu tiên theo độ trễ độ gói: - Lựa chọn 1: (nếu độ gói ưu tiên hơn) WAN có độ gói nhỏ chọn làm tuyến đường Nếu có nhiều kết nối WAN giá trị độ gói kết nối WAN có độ trễ nhỏ chọn - Lựa chọn 2: (nếu độ trễ ưu tiên hơn) WAN có độ trễ nhỏ chọn Nếu có nhiều kết nối WAN giá trị độ trễ kết nối WAN có tỷ lệ gói nhỏ chọn 3.3 Mơ hình SARIMA Dự báo yêu cầu băng thông phần quan trọng thiết kế mạng lập kế hoạch dịch vụ Đảm bảo đủ băng thông mạng họ từ lõi đến sở khách hàng thách thức thường xuyên nhà khai thác mạng nhà cung cấp dịch vụ Trong bối cảnh này, dự báo băng thơng kịp thời xác hữu ích để lập kế hoạch tài nguyên mạng, mở rộng nâng cấp kịp thời để tránh tắc nghẽn suy giảm chất lượng dịch vụ QoS Trong nhu cầu sử dụng lưu lượng ngày người dùng, hành vi sử dụng băng thông tăng cao tập trung phần lớn vào cao điểm, thời gian làm việc ban ngày [10-12] Ngoài ra, thời đại bùng nổ thông tin nội dung số, đáp ứng nhu cầu giải trí cá nhân vào nghỉ ngơi buổi tối dẫn đến lưu lượng tăng cao Đối với liệu chuỗi thời gian lưu lượng truyền tải từ người dùng có đặc tính lặp lại theo chu kỳ nên ta áp dụng mơ hình SARIMA (tức ARIMA theo mùa) để phù hợp dự báo lưu lượng mạng Tác giả George Box cộng [13] giới thiệu phương pháp ARIMA Phương pháp đại diện cho công cụ mơ hình chuỗi thời gian đơn biến sử dụng thường xun Mơ hình ARIMA(p, d, q) dựa mơ hình hồi quy tự động (AR Autoregressive), mơ hình trung bình trượt (MA – Moving Average) kết hợp AR MA, mơ hình ARMA [14], q trình hồi qui tuyến tính giá trị theo giá trị khứ sai số nhiễu trắng với chuyển hóa chuỗi sang chuỗi dừng cách lấy sai phân bậc d biểu diễn công thức: ∆𝑑 𝑋𝑡 = 𝜇 + 𝜙1 ∆𝑑 𝑋𝑡−1 + ⋯ + 𝜙𝑝 ∆𝑑 𝑋𝑡−𝑝 + 𝜀𝑡 +𝜃1 𝜀𝑡−1 + ⋯ + 𝜃𝑞 𝜀𝑡−𝑞 (2) 𝑑 Trong đó, 𝑋𝑡 chuỗi thời gian, ∆ bậc sai phân d, 𝜀𝑡 nhiễu trắng, p = bậc thành phần AR, 𝜙𝑖 tham số 31 AR, q = bậc thành phần MA, 𝜃𝑖 tham số MA [15] Khi xử lý hiệu ứng theo mùa, nhóm tác giả sử dụng ARIMA theo mùa, ký hiệu ARIMA (p, d, q)(P, D, Q)s Ở đây, (p, d, q) tham số không theo mùa, (P, D, Q) theo định nghĩa áp dụng cho thành phần theo mùa chuỗi thời gian Thuật ngữ s chu kỳ chuỗi thời gian (ví dụ: 24 cho khoảng thời gian hàng ngày, 12 cho khoảng thời gian hàng năm, v.v.) Mơ hình SARIMA biểu diễn bởi: (1 − 𝜙1 𝐵 − ⋯ − 𝜙𝑝 𝐵 𝑝 )((1 − Φ1 𝐵 𝑠 − ⋯ − Φ𝑝 𝐵 𝑃𝑠 ) × (1 − 𝐵 𝑠 )𝐷 𝑦𝑡 = (1 − 𝜃1 𝐵 − ⋯ − 𝜃𝑞 𝐵 𝑞 )(1 − Θ1 𝐵 𝑠 − ⋯ − Θ𝑄 𝐵 𝑄𝑠 )𝜀𝑡 (3) Trong đó, 𝜙𝑖 , 𝜃𝑖 , Φ𝑖 , Θ𝑖 tương ứng tham số AR, MA, AR theo mùa, MA theo mùa, B toán tử lùi với Bxt = xt-1 Phần theo mùa mơ hình bao gồm thuật ngữ tương tự thành phần không theo mùa mơ hình, liên quan đến dịch chuyển ngược giai đoạn theo mùa [16] Bản chất ARIMA mơ hình hồi qui tuyến tính mối quan hệ tuyến tính thường khơng giải thích tốt chuỗi trường hợp chuỗi xuất yếu tố mùa vụ Chính thế, cách tìm chu kì qui luật mùa vụ loại bỏ khỏi chuỗi ta dễ dàng hồi qui mơ hình theo phương pháp ARIMA Kết thử nghiệm 4.1 Thiết lập mơi trường lab Thiết lập mơ hình lab SD-WAN Hình với nút mạng điều khiển kết nối WAN chạy thiết bị hãng Fortigate Chương trình Advanced Routing xây dựng ngơn ngữ Python chạy hệ thống máy chủ Server hoạt động 24/24h giúp thu thập thơng tin tình trạng mạng SD-WAN nơi xử lý để đưa định đường lưu lượng truyền tải lệnh thực thi tới thiết bị điều khiển SD-WAN Hình Mơ hình cấu trúc lab SD-WAN Nhóm tác giả trước tiên tự đánh giá hiệu thuật toán sau so sánh với hệ thống TE mặc định thiết bị SD-WAN Fortigate: San tải WAN (loadbalancing) lựa chọn theo đường có chất lượng tốt độ trễ/ độ gói (Best Quality) Kết đo kiểm từ người dùng User_LAN1 công cụ ping thể hiển giá trị độ trễ/độ gói kết nối đến điểm đích cần đo qua hệ thống SD-WAN sử dụng thuật toán mặc định thiết bị Fortigate áp dụng thuật toán Advanced Routing Riêng mơ hình SARIMA, nhóm tác giả tự đánh giá dựa vào liệu lưu lượng thực tế khách hàng thuê kênh WAN từ nhà cung cấp dịch vụ ISP VNPT 4.1.1 Kết với ngưỡng cứng (Hard thresholding) Khởi tạo chương trình Advanced Routing với TE Hard thresholding, để truy vấn tính giá trị ngưỡng hệ thống ta Võ Ngọc Tiến, Tăng Anh Tuấn 32 tùy chọn cấu hình thời gian thu thập (span) giá trị độ trễ/độ gói hướng WAN đưa giá trị ngưỡng tương ứng Ví dụ, với span = 10 (tương ứng 10 giá trị ban đầu 10 giây đầu tiên) sau chu kỳ interval = 5s tính giá trị độ trễ WAN so sánh với ngưỡng để cập nhật lại tuyến đường Việc chọn giá trị span đảm bảo vừa đủ hợp lý tránh ngắn dài không phản ánh xác thơng số kết nối WAN, tương tự lựa chọn interval giúp hệ thống xử lý hiệu tránh tăng tải xử lý chậm có thay đổi a) b) a) c) Hình Độ gói kết nối WAN (a), Độ gói dùng TE mặc định hệ thống (b), Độ gói dùng Ngưỡng cứng (c) a) c) Hình Độ trễ kết nối WAN (a), Độ trễ dùng TE mặc định (b), Độ trễ dùng Hardthresholding (c) Hình 4a miêu tả độ trễ WAN thay đổi trình đo kiểm Hình 4b rõ hệ thống mặc định định lưu lượng người dùng san tải nên có kết dao động lớn tương ứng với ba hướng WAN Hình 4c thể kết sau áp dụng thuật tốn Ngưỡng cứng Trong đó, khoảng 10 giây (span = 10) hệ thống thu thập để tính giá trị ngưỡng nên tồn kết nối WAN chọn làm tuyến đường đi, độ trễ lúc dao động cao qua ba hướng WAN Sau giây giá trị độ trễ đại diện cho WAN tính tốn để so sánh với ngưỡng tìm WAN tối ưu để cập nhật lại tuyến đường tối ưu Từ giây thứ 10 đến giây 30, WAN1 chọn Nhưng sau đó, khơng có kết nối thỏa ngưỡng nên chọn cấu hình WAN có độ trễ thấp nhất, hệ thống tính trung bình giá trị gần (interval=5) WAN để so sánh chọn đường từ giây 31 đến giây 65 Trong từ giây 31 đến giây 35 độ trễ tăng cao theo WAN1 WAN1 chọn làm tuyến khoảng thời gian phải chờ giây (interval = 5) để thuật tốn tính tốn theo cơng thức (3) đưa WAN tốt Các khoảng thời gian từ giây 100 sau lưu lượng san tải qua hai WAN1,3 thỏa điều kiện ngưỡng hệ thống Thật vậy, kiểm nghiệm áp dụng thuật toán ngưỡng cứng (Hình 4) giúp độ trễ từ người dùng cải thiện từ trung bình 32.375 ms xuống 28.387 ms Tương tự Hình tỷ lệ gói, hệ thống sau áp dụng thuật toán Ngưỡng cứng giúp giảm tỷ lệ gói sử dụng hệ thống SD-WAN b) b) c) Hình Độ trễ kết nối WAN (a), Độ gói kết nối WAN (b), Độ trễ (ưu tiên hơn) dùng Ngưỡng cứng (c) a) b) c) Hình Độ gói kết nối WAN (a), Độ trễ kết nối WAN (b), Độ gói (ưu tiên hơn) dùng Ngưỡng cứng (c) Với tùy chọn kết hợp độ trễ (ưu tiên hơn) độ gói WAN Hình 6a, 6b, từ giây 91 độ trễ ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 20, NO 7, 2022 WAN1,3 thấp (vượt ngưỡng cứng), WAN1 chọn có độ gói thấp WAN3 dẫn đến kết ping Hình 6c Tương tự, WAN1,3 có độ gói Hình 7a, độ trễ WAN1,3 vượt ngưỡng cứng Hình 7b, nên WAN3 chọn đạt kết ping Hình 7c 4.1.2 Kết với Trung bình trượt (Moving Average) Đối với thuật tốn Moving Average giá trị ngưỡng tính tốn lại sau chu kỳ tùy theo u cầu người sử dụng Ví dụ, cấu hình kích thước cửa sổ span = tương ứng giá trị độ trễ/độ gói gần để tính tốn giá trị WAN tốt nhất, chu kỳ interval = 1s để lặp lại trình này, so sánh cập nhật đường Do vậy, Hình 8a thuật toán lựa chọn đường tối ưu theo kết nối WAN có độ trễ nhỏ Hình 8c chứng tỏ thuật toán Moving Average giúp cải thiện độ trễ tốt nhiều so với hệ thống mặc định đạt hiệu tương tự tính Best Quality Fortigate (xấp xỉ 20,8 ms so với 20,5 ms) Hơn nữa, có kết nối có giá trị độ trễ sử dụng san tải giúp tối ưu tài nguyên hệ thống Trong đó, tính Best Quality hệ thống mặc định SD-WAN ln chọn kết nối có thể, dẫn tới lưu lượng dễ dồn hết kết nối gây nghẽn 33 Hình 10a từ giây 123 trở đi, WAN1 WAN3 có độ trễ nhau, WAN3 có độ gói thấp độ gói WAN1 nên WAN3 lựa chọn tuyến đường Do vậy, kết ping độ trễ, độ gói từ giây tương ứng theo WAN3 a) b) c) Hình 10 Độ trễ kết nối WAN (a), Độ gói kết nối WAN (b), Độ trễ (ưu tiên hơn) độ gói kết hợp dùng Moving Average (cấu hình span=3, interval=3) (c) a) b) a) c) Hình Độ trễ kết nối WAN (a), Độ trễ dùng TE “Best Quality” (b), Độ trễ dùng Moving Average (c) Kết thử nghiệm độ gói đạt kết tương tự, lựa chọn đường tốt (Hình 9) a) b) Hình Độ gói kết nối WAN (a), Độ gói dùng Moving Average (b) Với tùy chọn thử nghiệm kết hợp độ trễ độ gói, trường hợp độ trễ ưu tiên hơn, b) c) Hình 11 Độ trễ kết nối WAN (a), Độ gói kết nối WAN (b), Độ trễ độ gói (ưu tiên hơn) kết hợp dùng Moving Average (cấu hình span=3, interval=3) (c) Tương tự, độ gói cấu hình ưu tiên hơn, kết Hình 11 thể đường tốt theo WAN3 có độ gói nhỏ nhất, thời điểm có WAN1 có độ gói tốt WAN3 độ trễ xét đến lưu lượng định tuyến theo WAN1 Nhờ vậy, tùy thời điểm lưu lượng định tuyến WAN có độ gói tốt độ trễ tối ưu Trong tất trường hợp Hardthresholding Moving Average, kết nối chọn có khả bị nghẽn tất lưu lượng đổ dồn kết nối ưu tiên này, nên Advanced Routing tích hợp thêm tính giám sát lưu lượng vượt 90% băng thông kết nối WAN (có thể tùy chỉnh mức nghẽn này) 34 san tải lưu lượng qua kết nối khác, tránh ảnh hưởng dịch vụ 4.1.3 Mơ hình SARIMA Tập liệu lưu lượng truyền tải qua kết nối WAN lấy thực tế từ khách hàng thuê kênh WAN từ nhà cung cấp dịch vụ ISP VNPT để làm liệu đầu vào kiểm nghiệm cho thuật toán Dữ liệu ban đầu xử lý lấy giá trị trung bình mẫu 1h thành giá trị đại diện cho khung để giúp đơn giản tập liệu xử lý sau Có thể thấy, thơng tin xu hướng (trend) tính theo mùa (seasonal) trích xuất từ chuỗi liệu rõ ràng tường minh Phân tích biểu đồ Hình 12 ta thấy, chuỗi thời gian có mơ hình theo mùa, lặp lại sau chu kỳ 24h với hai thời điểm lưu lượng cao 11h-12h 20h21h, tương ứng với hai khoảng cao điểm hành vi người dùng ngày, kết hợp với xu hướng tăng dần tuyến tính lưu lượng sử dụng từ người dùng Hình 12 Phân rã chuỗi thời gian thành thành phần mức độ, xu hướng, tính thời vụ phần dư (nhiễu) Bây nhóm tác giả sử dụng ba tham số xác định để tự động hóa q trình đào tạo đánh giá mơ hình ARIMA tổ hợp khác Trong thống kê học máy, trình gọi tìm kiếm lưới (hoặc tối ưu hóa siêu tham số) để lựa chọn mơ hình AIC (Akaike Information Criterion) đo lường mức độ phù hợp mơ hình với liệu tính đến độ phức tạp tổng thể mơ hình Một mơ hình phù hợp với liệu tốt sử dụng nhiều tính định điểm AIC lớn so với mơ hình sử dụng tính để đạt mức độ phù hợp [17] Do đó, nhóm tác giả quan tâm đến việc tìm kiếm mơ hình mang lại giá trị AIC thấp nhất, q trình xử lý khoảng thời gian Qua thực nghiệm mơ kết tốt ARIMA (1, 1, 1) x (0, 1, 1, 24) tương ứng giá trị AIC thấp 1222,92 Hình 13 Biểu đồ giá trị thực dự báo chuỗi liệu Chia ngày cuối liệu đầu vào (8 ngày) để làm liệu kiểm tra đánh giá dự đốn, cịn liệu ngày trước (7 ngày) đầu vào cho việc dự đoán lưu lượng tương lai Võ Ngọc Tiến, Tăng Anh Tuấn Kết Hình 13 thể so sánh dự báo lưu lượng ngày nhóm tác giả phù hợp với giá trị thực, cho thấy xu hướng tăng giảm tổng thể Hình 14 Biểu đồ dự đốn chuỗi liệu tương lai Cuối cùng, nhóm tác giả tận dụng mơ hình chuỗi liệu thời gian ARIMA theo mùa để dự báo giá trị tương lai Như Hình 14, sau chạy thuật toán để dự đoán lưu lượng cho bốn ngày tiếp theo, kênh truyền WAN thuê với băng thơng 400Mb/s vào khoảng ngày lưu lượng đạt đến mức băng thơng tối đa Kết dự đốn sở để điều chỉnh lưu lượng tránh nghẽn có kế hoạch nâng cấp mạng để đảm bảo chất lượng truyền tải dịch vụ thời gian tới 4.2 Đánh giá Kết thực nghiệm môi trường lab đáp ứng yêu cầu từ thuật toán Định tuyến nâng cao đề xuất để cải thiện chất lượng truyền tải lưu lượng mạng SD-WAN Đối với thuật toán mặc định hệ thống SD-WAN cân tải, tất hướng WAN sử dụng q trình truyền tải lưu lượng giúp tăng tính khả dụng dự phòng cao dẫn đến chất lượng dịch vụ QoS bị giảm sút có kết nối chất lượng độ trễ/độ gói cao Có thể sử dụng tính “Best Quality” SD-WAN Fortigate lưu lượng truyền tải hướng WAN có độ trễ độ gói tốt để đạt QoS cao, dẫn đến thời điểm có kết nối sử dụng dễ gây nghẽn Các vấn đề xử lý tối ưu áp dụng hệ thống Advanced Routing vừa tận dụng đường tối ưu san tải sang kết nối tốt khác đáp ứng đủ điều kiện kết hợp theo dõi lưu lượng đạt mức Với thuật tốn ngưỡng cứng, phải có khoản thời gian theo dõi đủ dài, 24 đến ngày để có nhìn tổng quan đầy đủ trạng thái kết nối mạng để tự đưa mức ngưỡng tốt Sau đó, có chu kỳ cập nhật lại có kết nối tốt mức ngưỡng chọn làm tuyến đường đi, cịn khơng kết nối thỏa điều kiện có tùy chọn tuyến đường tốt Với thuật tốn Trung bình trượt, nhằm đáp ứng cho dịch vụ yêu cầu khắt khe chất lượng, đảm bảo dịch vụ truyền tải hướng WAN tốt có thể, đồng thời tuyến đường tốt ln kiểm tra cập nhật lại liên tục kèm theo san tải sang tuyến đường tốt tương đương có Hơn nữa, tính dự báo lưu lượng dựa theo mơ hình SARIMA giúp hỗ trợ lập kế hoạch mở rộng nâng cấp mạng kịp thời để tránh tắc nghẽn mà hệ thống SD-WAN mặc định ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 20, NO 7, 2022 Khả khả thi thuật toán thực kiểm chứng môi trường lab Do đó, hướng phát triển tương lai triển khai áp dụng lên hệ thống thực để kiểm nghiệm thêm tính hiệu thuật tốn [18-19] Kết luận Mạng xác định phần mềm mơ hình lên nhanh chóng mạng cục trở nên phổ biến mạng công ty lớn Khái niệm SDN phân tách mặt phẳng liệu mặt phẳng điều khiển mạng, điều làm tăng khả kiểm sốt mạng lập trình thiết kế linh hoạt SDN cung cấp mạng WAN với tính linh hoạt lập trình khả cấu hình cấu hình mạng khác rộng rãi, điều đạt theo cách thủ công mạng WAN truyền thống Trong đề xuất này, nhóm tác giả sử dụng lợi SD-WAN để định cấu hình tuyến đường WAN cách tự động theo cách tránh thời điểm hoạt động kết nối WAN cách đó, tác động truyền tải lưu lượng ảnh hưởng đến QoS giảm thiểu Đây sở tham khảo triển khai mạng SD-WAN thực tế cho doanh nghiệp Lời cảm ơn: Nghiên cứu tài trợ Quỹ Phát triển Khoa học Công nghệ - Đại học Đà Nẵng đề tài có mã số B2021-DN02-06 TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] Z Yang, Y Cui, B Li, Y Liu and Y Xu, "Software-Defined Wide Area Network (SD-WAN): Architecture, Advances and Opportunities”, 2019 28th International Conference on Computer Communication and Networks (ICCCN), 2019, pp 1-9 Cléo Luciani, From MPLS to SD-WAN: Opportunities, Limitations and Best Practices, 2019 KTH, School of Electrical Engineering and Computer Science (EECS), 2019 Silver-peak, "Everything you need to know about SD-WAN", Silverpeak.com, 2021, [Online] https://www.silver-peak.com/everythingyou-need-to-know-about-sd-wan, 10-Aug- 2021 S Troia, F Sapienza, L Varé and G Maier, "On Deep Reinforcement Learning for Traffic Engineering in SD-WAN", Journal on Selected Areas in Communications, Vol 39, No 7, 2021, pp 2198-2212 L Liu, L Chen, H Xu and H Shao, "Automated Traffic Engineering in SDWAN: Beyond Reinforcement Learning", IEEE [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] 35 INFOCOM 2020 - IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 2020, pp 430-435 Pavan Iddalagi, “SDWAN – Its Impact and The Need of Time”, Journal of Ubiquitous Computing and Communication Technologies (UCCT), Vol 02, No 04, 2020, pp 197-202 K Golani, K Goswami, K Bhatt and Y Park, "Fault Tolerant Traffic Engineering in Software-defined WAN”, 2018 IEEE Symposium on Computers and Communications (ISCC), 2018, pp 01205-01210 S Troia, L Zorello, A Maralit, and G Maier, “Sd-wan: an opensource implementation for enterprise networking services”, 2020 22th International Conference on Transparent Optical Networks (ICTON), 2020, pp 1–4 Jason Brownlee, Introduction to Time Series Forecasting with Python: How to Prepare Data and Develop Models to Predict the Future, Machine Learning Mastery, 2017 K Thompson, G J Miller and R Wilder, "Wide-area Internet traffic patterns and characteristics", IEEE Network, Vol 11, No 6, pp 1023, 1997 Maier, G., Feldmann, A., Paxson, V., & Allman, M., “On dominant characteristics of residential broadband internet traffic”, Proceedings of the 9th ACM SIGCOMM Conference on Internet Measurement, 2009, pp 90-102 J L Garcia-Dorado, A Finamore, M Mellia, M Meo and M Munafo, "Characterization of ISP Traffic: Trends, User Habits, and Access Technology Impact", IEEE Transactions on Network and Service Management, Vol 9, No 2, 2012, pp 142-155 George E P Box, Gwilym M Jenkins, Gregory C Reinsel, Time series analysis: forecasting and control John Wiley & Sons, 2015 Suhartono, “Time series forecasting by using seasonal autoregressive integrated moving average: subset, multiplicative or additive model”, Journal of Mathematics and Statistics, Vol 7, No 1, 2011, 20-27 Hyndman, Rob J., George Athanasopoulos, Forecasting: principles and practice, OTexts, 2018 Fernandes, S., Teichrieb, V., Sadok, D., & Kelner, J., "Time series applied to network traffic prediction: A revisited approach.", International conference on applied modelling and simulationAMS, 2002 B Jason, Deep Learning for Time Series Forecasting: Predict the Future with MLPs, CNNs and LSTMs in Python, Machine Learning Mastery, 2018 J Xie, F R Yu, T Huang, R Xie, J Liu, C Wang, and Y Liu, “A survey of machine learning techniques applied to software defined networking (sdn): Research issues and challenges”, IEEE Communications Surveys & Tutorials, Vol 21, No 1, 2018, pp 393–430 R E Mora-Huiracocha, P L Gallegos-Segovia, P E Vintimilla-Tapia, J F Bravo-Torres, E J Cedillo-Elias, and V M Larios-Rosillo, “Implementation of a SD-WAN for the interconnection of two software defined data centers”, 2019 IEEE Colombian Conference on Communications and Computing (COLCOM), 2019, pp 1–6 ... đề xuất để cải thiện chất lượng truyền tải lưu lượng mạng SD-WAN Đối với thuật toán mặc định hệ thống SD-WAN cân tải, tất hướng WAN sử dụng trình truyền tải lưu lượng giúp tăng tính khả dụng dự... xác hữu ích để lập kế hoạch tài nguyên mạng, mở rộng nâng cấp kịp thời để tránh tắc nghẽn suy giảm chất lượng dịch vụ QoS Trong nhu cầu sử dụng lưu lượng ngày người dùng, hành vi sử dụng băng thông... đến chất lượng dịch vụ QoS bị giảm sút có kết nối chất lượng độ trễ/độ gói cao Có thể sử dụng tính “Best Quality” SD-WAN Fortigate lưu lượng ln truyền tải hướng WAN có độ trễ độ gói tốt để đạt