Bringing cognition to multilayer transport networks

Abstract

Operator’s transport networks are becoming increasingly more complex due to the large number of network layers needed to support the ever increasing number of new services (e.g., video-on-demand, social media, on-line gaming, or video and voice calls) with stringent requirements like very low latency and high throughput, as well as the number of users of those services. As a result, innovative approaches for operating the networks is mandatory in order to fulfill those tight requirements, while reducing costs. The main objective of this PhD thesis is improving network operation by introducing autonomic networking capabilities. To this end, we study algorithms targeting network healthiness by monitoring both, the optical (L0) and the packet (L2) layers. An in depth study concerning centralized vs distributed architectures is carried out for anticipating anomaly or degradation detection before enough to give time to re-optimization algorithms. This will allow to plan the most adequate re-optimization that will end in, e.g., re-routing those affected demands according to their Service Level Agreement (SLAs) aiming at reducing the traffic affected by the detected degradation. This main goal is achieved by the following five specific goals: i) Traffic Anomalies at the packet layer. A score-based anomaly detection method is proposed for improving single Origin-Destination (OD) traffic anomalies detection. In addition, a method is devised to deal with the case of multiple related traffic anomalies triggered by an external event. By anticipating whether other ODs are anomalous after detecting one anomalous OD pair, the number of network reconfigurations, total reconfiguration time, as well as traffic losses are improved. ii) Failure detection and localization/identification at the optical layer based on BER monitoring. BANDO and LUCIDA algorithms are proposed to, first, detect significant BER changes in optical connections, and then, to identify the most probable failure pattern. Devoted to soft failure localization, two techniques for active monitoring during commissioning testing and for passive in-operation monitoring are proposed. iii) Network Reconfiguration. Two reconfiguration algorithms were devised after anomalies at L2 and degradation at L0 are detected. The ODEON optimization problem is proposed to reconfigure the VNT, whereas the SCULPTOR algorithm is proposed to be triggered for demand re-routing after receiving certain BANDO notifications regarding significant BER change. iv) Cognitive Architecture. A monitoring and data analytics (MDA) architecture is devised aiming to reduce the amount of data to be conveyed and to minimize anomaly and degradation detection times. Representative use cases for autonomic networking in multilayer scenarios experimentally validate the distributed MDA architecture presented in this PhD thesis. v) Visualization Techniques. An overwhelming amount of monitoring data is available, yet to be analyzed, it needs to be previously pre-processed. Visualization techniques with specific task-oriented charts are proposed to help operators during failure localization procedures.

Las redes de transporte de los operadores son cada vez más complejas debido al gran número de capas que son necesarias en la red para poder dar soporte tanto al creciente número de servicios (por ejemplo, video bajo demanda, redes sociales) que requieren estrictos valores de baja latencia o alta conectividad, así como la creciente cantidad de usuarios que reclaman estos nuevos servicios. Por lo tanto, para poder satisfacer estos rigurosos requisitos y reducir costes, es necesario desarrollar enfoques innovadores para la operación de estas redes. El objetivo principal de esta tesis doctoral se centra en mejorar la operación de la red mediante la introducción de capacidades autónomas. Con este objetivo, se proponen algoritmos para evaluar el estado de la red mediante la monitorización tanto de la capa óptica (L0), como de la capa de paquetes (L2). Asimismo, se compara el uso de una arquitectura centralizada frente a una distribuida para anticipar la detección de anomalías o degradaciones con suficiente antelación, de forma que se disponga de tiempo suficiente para poder aplicar algoritmos de re-optimización, permitiendo planificar la re-optimización en el mejor momento resultando en, por ejemplo, el re-enrutamiento de las demandas en función del Acuerdo de Nivel de Servicio (SLA), de forma que se reduzca significativamente el tráfico afectado por la degradación detectada.Este objetivo principal se logra mediante los cinco objetivos específicos: i) Anomalías de tráfico en la capa de paquetes. Se propone un método de detección de anomalías basado en puntuaciones para mejorar la detección de anomalías de tráfico Origen-Destino (OD). Además, se diseña un método para tratar el caso de múltiples anomalías de tráfico relacionadas y desencadenadas por un evento externo. Al ser capaces de anticipar otros OD también anómalos después de haber detectado un primer par OD anómalo, se puede rebajar el número de reconfiguraciones a realizar en la red, con la consiguiente reducción del tiempo total de reconfiguración, minimizando las pérdidas de tráfico. ii) La detección de fallos y localización/identificación en la capa óptica se basa en la monitorización de tasa de error de bits (BER). Para abordar este objetivo se proponen dos algoritmos, donde en primer lugar BANDO detecta cambios de BER significativos en las conexiones ópticas, y luego LÚCIDA identifica el patrón más probable de los fallos. Para detectar estos fallos, se proponen dos técnicas para dos momentos diferentes en la vida de una conexión óptica. La primera, basada en monitorización activa y está indicada para el momento de puesta en servicio de una conexión. La segunda, se centra en la monitorización pasiva durante el tiempo en que la conexión está operativa en la red. iii) Reconfiguración de la Red. Se han diseñado dos algoritmos para ser ejecutados cuando se detectan anomalías (L2) o degradaciones (L0). Se propone el problema de optimización para reconfigurar la topología de red virtual, denominado ODEON, y el re-enrutamiento de las demandas cuando se hayan recibido ciertas notificaciones del algoritmo BANDO tras la detección de un cambio significativo en la BER algoritmo, denominado SCULPTOR. iv) Arquitectura Cognitiva. Se diseña una arquitectura de monitorización y análisis de datos (MDA) con el doble objetivo de reducir la cantidad de datos que se tienen que enviar al repositorio central y a la vez minimizar los tiempos de detección de anomalías y degradaciones. Se proponen casos de uso en escenarios multicapa para redes autónomas y que se utilizan para validar experimentalmente la arquitectura MDA distribuida presentada en esta tesis doctoral. v) Técnicas de Visualización. Se proponen técnicas de visualización que incluyen gráficas diseñadas para tareas específicas, a fin de guiar a los operadores.Para que estas técnicas sean útiles, se han de procesar una abrumadora cantidad de datos de monitorización. Un caso de uso de localización de fallos se utiliza como hilo conductor.