Sur la gestion de la QoS dans les plates-formes IoT compatibles NFV

On QoS Management in NFV-enabled IoT Platforms

• Auteur / Autrice : Clovis Anicet Ouedraogo
• Direction : Christophe Chassot, Samir Medjiah, Khalil Drira
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 07/07/2021
• Etablissement(s) : Toulouse, INSA
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
• Partenaire(s) de recherche : Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes - Laboratoire d'analyse et d'architecture des systèmes / LAAS
• Jury : Président / Présidente : Valérie Issarny
• Jury : Examinateurs / Examinatrices : Christophe Chassot, Samir Medjiah, Khalil Drira, Gladys Diaz, Didier Donsez, Pascale Vicat-Blanc, Frédéric Desprez
• Jury : Rapporteurs / Rapporteuses : Gladys Diaz, Didier Donsez

Mots clés

Mots clés contrôlés

Internet des objets

Mots clés libres

Quality of Service (QoS)

Internet of Things (IoT)

Network Functions Virtualization (NFV)

Genetic Algorithm

Multi-Objective Optimization

Machine Learning (ML)

Résumé

L'Internet des objets (IoT) devra répondre aux besoins de qualité de service (QoS) des nouvelles applications métier dans divers domaines tels que la supervision à distance, l'assistance à la personne et le transport. Pour ce faire, les interactions entre les applications IoT et les objets communicants reposent sur des réseaux de communication et plateforme (ou middleware) équipés de nouvelles fonctionnalités configurables, programmables et déployables dynamiquement sur les deux entités physiques, c'est-à-dire préexistantes, mais aussi virtuel, c'est-à-dire créé dynamiquement en fonction du besoin. Dans ce nouvel écosystème, répondre aux besoins QoS de bout en bout des applications IoT reste un défi majeur. Les enjeux se situent à la fois au niveau des entités intermédiaires de la plateforme IoT, et au niveau des réseaux IP interconnectant ces entités, pour lesquels les solutions proposées se multiplient de manière indépendante. Dans ce contexte problématique, l'approche générale que nous considérons dans cette thèse consiste à concevoir, développer et expérimenter des modèles comportementaux pour une gestion autonome de la QoS dans les plateformes IoT: i) en tirant parti des opportunités technologiques offertes dans les infrastructures de type Cloud (par exemple, déploiement dynamique de fonctions réseau, réseaux programmables), ii) en tirant parti des opportunités technologiques offertes par le déploiement dynamique de composants logiciels, iii) en prenant en compte les solutions d'hétérogénéité de fait déployées, vi) et en s'appuyant sur l’Autonomic Computing.Suivant cette approche, les trois contributions principales sont apportées à cette thèse. Au-delà et en complément du concept classique de fonction de réseau virtualisé (VNF), nous proposons d'abord le concept de fonction de réseau d'application (ANF), qui repose sur un niveau de technique d'isolement (c'est-à-dire au niveau logiciel). Les ANF permettent le déploiement de fonctions réseau dans des environnements à ressources limitées, généralement sur les passerelles d'extrémité des plates-formes IoT. Ils conduisent également à une utilisation optimale des ressources disponibles. Sur cette base et pour maintenir au meilleur niveau la qualité de service requise par les applications IoT, nous avons conçu un ensemble de fonctions de contrôle du trafic IoT (TCF) implémentées en tant que VNF et ANF. Pour parvenir à un déploiement optimal de ces TCFs, notre deuxième contribution consiste en la formulation d'un problème d'optimisation multi-objectifs. La solution proposée et mise en œuvre prend en compte à la fois le déploiement des TCF et les actions de mise à l’échelle, visant à optimiser la QoS des applications IoT. L'algorithme proposé repose sur les goulots d'étranglement (CPU, RAM, etc.) des nœuds de la plateforme, d'abord fournis manuellement par un administrateur humain. Dans une troisième contribution, nous nous tournons vers l'identification automatisée de ces goulots d'étranglement. Pour ce faire, nous proposons une approche d'identification adaptative qui prend en compte le coût associé à la surveillance de la plateforme IoT. En effet, il n'est pas souhaitable que la surcharge générée par le système de surveillance lui-même provoque des problèmes de QoS dans la plateforme IoT. Pour ce faire, nous modélisons le problème de l'identification de plusieurs goulots d'étranglement par un problème de classification multi-label. Différents algorithmes d'apprentissage supervisé sont étudiés pour résoudre ce problème. Enfin, nous proposons un algorithme de sélection des métriques à surveiller dans les plateformes IoT en fonction des coûts qu'elles génèrent.

The Internet of Things (IoT) will have to meet the quality of service (QoS) needs of new business applications in various fields such as remote supervision, personal assistance, and transport. To do this, the interactions between the underlying application software and the communicating objects are based on communication networks and middleware (or platform) equipped with new, configurable, programmable, and dynamically deployable functionalities on both physical entities, i.e. pre-existing, but also virtual, ie created dynamically according to the need in Cloud Computing or its derivatives. In this new ecosystem, meeting the end-to-end QoS needs of IoT applications remains a major challenge. The challenges lie both at the level of the intermediary entities under the IoT platform, and at the level of the IP networks interconnecting these entities, for which the solutions being proposed are multiplying independently. In this problematic context, the general approach that we consider in this thesis consists in designing, developing, and experimenting with behavioral models for autonomous management of QoS in IoT platforms: i) by taking advantage of the technological opportunities offered in the Cloud-like infrastructures (i.e. dynamic deployment of network functions, programmable networks), ii) by taking advantage of the technological opportunities offered by the dynamic deployment of software components, iii) by taking into account the de facto heterogeneity solutions deployed, vi) and relying on Autonomic Computing.Following this approach, the three main contributions are made in this thesis. Beyond and in addition to the classic concept of virtualized network function (VNF), we first propose the concept of Application Network Function (ANF), which is based on a level of isolation technique (i.e software level). ANFs allow the deployment of network functions in resource-constrained environments, typically on end gateways of IoT platforms. They also lead to optimal use of available resources. On this basis and to maintain at the best level the QoS required by IoT applications, we have designed a set of IoT traffic control (TCF) functions implemented as VNF and ANF. To achieve optimal deployment of these TCFs, our second contribution consists in the formulation of a multi-objective optimization problem. The proposed and the implemented solution takes into account both the deployment of TCFs and scaling actions, intending to optimize the QoS of IoT applications. The proposed algorithm relies on the bottlenecks (CPU, RAM, etc.) of the platform nodes, first provided manually by a human administrator. In a third contribution, we then turn to the automated identification of these bottlenecks. To do this, we propose an adaptive identification approach that takes into account the cost associated with the monitoring of the IoT platform. Indeed, it is not desirable that the overload generated by the monitoring system itself causes QoS problems in the IoT platform. To do this, we model the problem of identifying multiple bottlenecks by a multi-label classification problem. Different supervised learning algorithms are studied to solve this problem. Finally, we propose an algorithm for selecting metrics to monitor in IoT platforms according to the costs they generate.