ترجمه فارسی مقاله یک سیستم شبکه‌ای آگاه از تقاضا با استفاده از تله‌متری و یادگیری ماشین با ReactNET

چکیده

Emerging network applications ranging from video streaming to virtual/augmented reality need to provide stringent quality-of-service (QoS) guarantees in complex and dynamic environments with shared resources. A promising approach to meeting these requirements is to automate complex network operations and create self-adjusting networks. These networks should automatically gather contextual information, analyze how to efficiently ensure QoS requirements, and adapt accordingly. This paper presents ReactNET, a self-adjusting networked system designed to achieve this vision by leveraging emerging network programmability and machine learning techniques. Programmability empowers ReactNET by providing fine-grained telemetry information, while machine learning-based classification techniques enable the system to learn and adjust the network to changing conditions. Our preliminary implementation of ReactNET in P4 and Python demonstrates its effectiveness in video streaming applications.

چکیده به فارسی (ترجمه ماشینی)

برنامه های شبکه نوظهور اعم از پخش ویدیو گرفته تا واقعیت مجازی/افزودنی نیاز به ارائه تضمین های دقیق کیفیت خدمات (QoS) در محیط های پیچیده و پویا با منابع مشترک دارد.یک رویکرد امیدوار کننده برای برآورده کردن این الزامات ، خودکار سازی عملیات پیچیده شبکه و ایجاد شبکه های خود تنظیم است.این شبکه ها باید به طور خودکار اطلاعات متنی را جمع آوری کنند ، نحوه اطمینان از نیازهای QoS را به طور مؤثر تجزیه و تحلیل کنند و مطابق آن سازگار شوند.در این مقاله Reactnet ، یک سیستم شبکه ای خود تنظیم شده برای دستیابی به این دیدگاه با استفاده از تکنیک های نوظهور شبکه و تکنیک های یادگیری ماشین طراحی شده است.قابلیت برنامه نویسی با ارائه اطلاعات از راه دور ریز دانه ، واکنش نشان می دهد ، در حالی که تکنیک های طبقه بندی مبتنی بر یادگیری ماشین ، سیستم را قادر می سازد تا شبکه را با شرایط تغییر می آموزد و تنظیم می کند.اجرای اولیه ما از ReactNet در P4 و پایتون اثربخشی آن در برنامه های پخش ویدیو را نشان می دهد.