TY  - THES
AB  - Moderne Dienste bestehen aus miteinander verbundenen Komponenten, die in Software implementiert sind. Dadurch können sie je nach Bedarf auf verfügbaren Rechenknoten im Netzwerk gestartet, gestoppt und skaliert werden. Durch diese erhöhte Flexibilität können die Kosten gesenkt und trotzdem die Dienstqualität verbessert werden. Gleichzeitig erfordert diese Flexibilität eine dynamische Skalierung und Platzierung von Diensten im Netzwerk sowie eine Zuweisung von Anfragen in Echtzeit. Eine solche dynamische Koordination ist eine zentrale Herausforderung in aktuellen und zukünftigen Anwendungen wie Netzwerk-Virtualisierung, Edge- und Cloud-Computing, 5G und 6G. Diese Dissertation motiviert und beschreibt das Koordinationsproblem, diskutiert Praxis-Anwendungen und präsentiert verschiedene Ansätze, die das Problem lösen. Teil I stellt drei konventionelle Koordinationsansätze vor. Diese sind ideal für bekannte Szenarien mit vorhandenem Expertenwissen, da sie auf vordefinierten Algorithmen oder Formalisierungen basieren. Teil II präsentiert vier weitere, lernende Koordinationsansätze. Diese Ansätze unterstützen entweder konventionelle Koordinationsansätze oder ersetzen diese vollständig durch selbstständiges Lernen. Dank maschinellen Lernens stützen sich die Ansätze weniger auf detailliertes Expertenwissen, sondern nutzen stattdessen verfügbare Daten, um Koordination zu lernen und sich an unterschiedliche Szenarien anzupassen. Die vorgeschlagenen Ansätze optimieren mehrere Ziele, reichen von zentralisierten bis zu verteilten Architekturen, konzentrieren sich auf verschiedene Aspekte und ergänzen sich gegenseitig. Insgesamt ermöglichen sie eine automatisierte und hochgradig optimierte Netz- und Dienstkoordination, die zu höherer Qualität und Effizienz führt.
AU  - Schneider, Stefan
CY  - Paderborn
DA  - 2022
DO  - 10.17619/UNIPB/1-1276
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 28.01.2022
N1  - Universität Paderborn, Dissertation, 2022
PB  - Veröffentlichungen der Universität
PY  - 2022
SP  - 1 Online-Ressource (x, 214 Seiten)
T2  - Institut für Informatik
TI  - Network and service coordination: conventional and machine learning approaches
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-40355
Y2  - 2025-02-10T04:37:37
ER  -