{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2921046"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2921046","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Addressing the elasticity functionality of a NFV/VNF solution in a proactive way, based on monitoring certain application level KPIs.","abstract":"Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της ελαστικότητας μιας VNF/NFV λύσης σε ένα προληπτικό πλαίσιο. Ειδικότερα, η ελαστικότητα είναι η ικανότητα ενός συστήματος να αλλάζει τους εικονικούς πόρους της, οι οποίοι έχουν δεσμευτεί σε ένα VNF. H ιδιότητα αυτή είναι ένα βασικό χαρακτηριστικό αρχιτεκτονικών νέφους που έχει ως σκοπό την όσο τον δυνατόν καλύτερη αξιοποίηση των πόρων της VNF υποδομής. Γενικότερα, υπάρχουν δύο είδη ελαστικότητας, η οριζόντια και η κάθετη. Στην περίπτωση της οριζόντιας ελαστικότητας νέα εικονικές μηχανές δημιουργούνται ώστε να εξυπηρετηθούν οι αυξημένες ανάγκες (scale-out), είτε εικονικές μηχανές αποδεσμεύονται από το σύστημα (scale-in) ώστε να εξυπηρετηθούν οι μειωμένες ανάγκες της VNF/NFV λύσης. Αντίθετα, στην κάθετη ελαστικότητα, στις ήδη υπάρχουσες εικονικές μηχανές οι οποίες είναι δεσμευμένες από μια VNF/NFV λύση κατανέμονται (scale-up) ή από-κατανέμονται (scale-down) πόροι όπως εικονικοί επεξεργαστές, εικονικές μνήμες ή και εικονικοί δίσκοι με προφανή σκοπό να διευθετηθούν οι αυξανόμενες/μειούμενες ανάγκες του συστήματος. Ο πιο συνήθης τρόπος για την ανάπτυξη της ελαστικότητας είναι μέσω της παρακολούθησης συγκεκριμένων δεικτών της εφαρμογής (KPIs) και βασιζόμενοι στην εξέλιξη αυτών των δεικτών οι απαραίτητες ενέργειες σχετικά με την ιδιότητα της ελαστικότητας λαμβάνουν χώρα. Ένας διαχειριστής VNF (VNFM) εμπλέκεται λόγω ότι ο κύκλος ζωής των VNF επηρεάζεται από την ελαστικότητα. Επιπρόσθετα, ένας ενορχηστρωτής ελέγχει την ελαστικότητα στο επίπεδο υπηρεσίας της NFV λύσης. Η κατά ETSI, NFV αρχιτεκτονική αναπαρίσταται στο ακόλουθο σχήμα: Εικόνα: Σφαιρική προγραφή της NFV αρχιτεκτονικής καθώς και των NFV στοιχείων Το μειονέκτημα του παραδοσιακού μοντέλου είναι ότι λειτουργεί παθητικά και ενεργεί μόνο όταν γίνει εμφανής η έλλειψη των πόρων του συστήματος. Σαν συνέπεια, μιας και οι οποιεσδήποτε ενέργειες σχετικά με την ελαστικότητα χρειάζονται κάποιο χρόνο μέχρι να γίνουν εμφανείς στο σύστημα, παρατηρείται η διάσπαση ακόμα και η διακοπή της παρεχόμενης υπηρεσίας. Η παρούσα εργασία εξετάζει την δυνατότητα ενεργειών σχετικές με την ελαστικότητα σε προληπτικό επίπεδο χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων (big data analytics) και γνωστικής λειτουργίας (cognition). Καίριοι δείκτες απόδοσης σχετικοί με την συγκεκριμένη εφαρμογή συλλέγονται και αναλύονται στοχεύοντας στον εντοπισμό μοτίβων από την ανάλυση των μεγάλων σε όγκο δεδομένων. Τα μοτίβα αυτά στην συνέχεια χρησιμοποιούνται σαν προβλέψεις ώστε ενέργειες να δρομολογηθούν στο επίπεδο του ενορχηστρωτή, ο οποίος με την σειρά του επεμβαίνει προληπτικά στην ιδιότητα της ελαστικότητας μέσω των VNF διαχειριστών, πριν οι καίριοι δείκτες απόδοσης (KPIs) υποδείξουν την πιθανή έλλειψη πόρων. Με αυτό τον τρόπο η παράταξη του νέφους είναι έτοιμη να αντιμετωπίσει κάθε πιθανή διακύμανση ώστε να επιτύχει την μέγιστη δυνατή χρησιμοποίηση των πόρων με τον καλύτερο δυνατό τρόπο. Η πεμπτουσία της διπλωματικής αυτής εργασίας είναι η χρήση αλγορίθμων σε μεγάλα δεδομένα με σκοπό τον εντοπισμό μοτίβων. Ιδιαίτερη σημασία δίνεται στην διαχείριση τιμών που αποτελούν θόρυβο ώστε να μην επηρεάσουν τις τελικές ενέργειες με προβληματικό τρόπο. Τα Evolved Packet Core (EPC) gateways (GWs) χρησιμοποιούνται σαν παράδειγμα εφαρμογής της διπλωματικής εργασίας.","abstract_html":"Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της ελαστικότητας μιας VNF/NFV λύσης σε ένα προληπτικό πλαίσιο. Ειδικότερα, η ελαστικότητα είναι η ικανότητα ενός συστήματος να αλλάζει τους εικονικούς πόρους της, οι οποίοι έχουν δεσμευτεί σε ένα VNF. H ιδιότητα αυτή είναι ένα βασικό χαρακτηριστικό αρχιτεκτονικών νέφους που έχει ως σκοπό την όσο τον δυνατόν καλύτερη αξιοποίηση των πόρων της VNF υποδομής. Γενικότερα, υπάρχουν δύο είδη ελαστικότητας, η οριζόντια και η κάθετη. Στην περίπτωση της οριζόντιας ελαστικότητας νέα εικονικές μηχανές δημιουργούνται ώστε να εξυπηρετηθούν οι αυξημένες ανάγκες (scale-out), είτε εικονικές μηχανές αποδεσμεύονται από το σύστημα (scale-in) ώστε να εξυπηρετηθούν οι μειωμένες ανάγκες της VNF/NFV λύσης. Αντίθετα, στην κάθετη ελαστικότητα, στις ήδη υπάρχουσες εικονικές μηχανές οι οποίες είναι δεσμευμένες από μια VNF/NFV λύση κατανέμονται (scale-up) ή από-κατανέμονται (scale-down) πόροι όπως εικονικοί επεξεργαστές, εικονικές μνήμες ή και εικονικοί δίσκοι με προφανή σκοπό να διευθετηθούν οι αυξανόμενες/μειούμενες ανάγκες του συστήματος. Ο πιο συνήθης τρόπος για την ανάπτυξη της ελαστικότητας είναι μέσω της παρακολούθησης συγκεκριμένων δεικτών της εφαρμογής (KPIs) και βασιζόμενοι στην εξέλιξη αυτών των δεικτών οι απαραίτητες ενέργειες σχετικά με την ιδιότητα της ελαστικότητας λαμβάνουν χώρα. Ένας διαχειριστής VNF (VNFM) εμπλέκεται λόγω ότι ο κύκλος ζωής των VNF επηρεάζεται από την ελαστικότητα. Επιπρόσθετα, ένας ενορχηστρωτής ελέγχει την ελαστικότητα στο επίπεδο υπηρεσίας της NFV λύσης. Η κατά ETSI, NFV αρχιτεκτονική αναπαρίσταται στο ακόλουθο σχήμα: Εικόνα: Σφαιρική προγραφή της NFV αρχιτεκτονικής καθώς και των NFV στοιχείων Το μειονέκτημα του παραδοσιακού μοντέλου είναι ότι λειτουργεί παθητικά και ενεργεί μόνο όταν γίνει εμφανής η έλλειψη των πόρων του συστήματος. Σαν συνέπεια, μιας και οι οποιεσδήποτε ενέργειες σχετικά με την ελαστικότητα χρειάζονται κάποιο χρόνο μέχρι να γίνουν εμφανείς στο σύστημα, παρατηρείται η διάσπαση ακόμα και η διακοπή της παρεχόμενης υπηρεσίας. Η παρούσα εργασία εξετάζει την δυνατότητα ενεργειών σχετικές με την ελαστικότητα σε προληπτικό επίπεδο χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων (big data analytics) και γνωστικής λειτουργίας (cognition). Καίριοι δείκτες απόδοσης σχετικοί με την συγκεκριμένη εφαρμογή συλλέγονται και αναλύονται στοχεύοντας στον εντοπισμό μοτίβων από την ανάλυση των μεγάλων σε όγκο δεδομένων. Τα μοτίβα αυτά στην συνέχεια χρησιμοποιούνται σαν προβλέψεις ώστε ενέργειες να δρομολογηθούν στο επίπεδο του ενορχηστρωτή, ο οποίος με την σειρά του επεμβαίνει προληπτικά στην ιδιότητα της ελαστικότητας μέσω των VNF διαχειριστών, πριν οι καίριοι δείκτες απόδοσης (KPIs) υποδείξουν την πιθανή έλλειψη πόρων. Με αυτό τον τρόπο η παράταξη του νέφους είναι έτοιμη να αντιμετωπίσει κάθε πιθανή διακύμανση ώστε να επιτύχει την μέγιστη δυνατή χρησιμοποίηση των πόρων με τον καλύτερο δυνατό τρόπο. Η πεμπτουσία της διπλωματικής αυτής εργασίας είναι η χρήση αλγορίθμων σε μεγάλα δεδομένα με σκοπό τον εντοπισμό μοτίβων. Ιδιαίτερη σημασία δίνεται στην διαχείριση τιμών που αποτελούν θόρυβο ώστε να μην επηρεάσουν τις τελικές ενέργειες με προβληματικό τρόπο. Τα Evolved Packet Core (EPC) gateways (GWs) χρησιμοποιούνται σαν παράδειγμα εφαρμογής της διπλωματικής εργασίας.","abstract_has_math":false,"creators":["Χατζής Χρήστος","Chatzis Christos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:39:19Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2921046"],"render_values":[{"text":"uoadl:2921046","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2921046","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2921046","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2921046","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χατζής Χρήστος","Chatzis Christos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2921046","https://pergamos.lib.uoa.gr/uoa/dl/object/2921046"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της ελαστικότητας μιας VNF/NFV λύσης σε ένα προληπτικό πλαίσιο. Ειδικότερα, η ελαστικότητα είναι η ικανότητα ενός συστήματος να αλλάζει τους εικονικούς πόρους της, οι οποίοι έχουν δεσμευτεί σε ένα VNF. H ιδιότητα αυτή είναι ένα βασικό χαρακτηριστικό αρχιτεκτονικών νέφους που έχει ως σκοπό την όσο τον δυνατόν καλύτερη αξιοποίηση των πόρων της VNF υποδομής. Γενικότερα, υπάρχουν δύο είδη ελαστικότητας, η οριζόντια και η κάθετη. Στην περίπτωση της οριζόντιας ελαστικότητας νέα εικονικές μηχανές δημιουργούνται ώστε να εξυπηρετηθούν οι αυξημένες ανάγκες (scale-out), είτε εικονικές μηχανές αποδεσμεύονται από το σύστημα (scale-in) ώστε να εξυπηρετηθούν οι μειωμένες ανάγκες της VNF/NFV λύσης. Αντίθετα, στην κάθετη ελαστικότητα, στις ήδη υπάρχουσες εικονικές μηχανές οι οποίες είναι δεσμευμένες από μια VNF/NFV λύση κατανέμονται (scale-up) ή από-κατανέμονται (scale-down) πόροι όπως εικονικοί επεξεργαστές, εικονικές μνήμες ή και εικονικοί δίσκοι με προφανή σκοπό να διευθετηθούν οι αυξανόμενες/μειούμενες ανάγκες του συστήματος. Ο πιο συνήθης τρόπος για την ανάπτυξη της ελαστικότητας είναι μέσω της παρακολούθησης συγκεκριμένων δεικτών της εφαρμογής (KPIs) και βασιζόμενοι στην εξέλιξη αυτών των δεικτών οι απαραίτητες ενέργειες σχετικά με την ιδιότητα της ελαστικότητας λαμβάνουν χώρα. Ένας διαχειριστής VNF (VNFM) εμπλέκεται λόγω ότι ο κύκλος ζωής των VNF επηρεάζεται από την ελαστικότητα. Επιπρόσθετα, ένας ενορχηστρωτής ελέγχει την ελαστικότητα στο επίπεδο υπηρεσίας της NFV λύσης. Η κατά ETSI, NFV αρχιτεκτονική αναπαρίσταται στο ακόλουθο σχήμα: Εικόνα: Σφαιρική προγραφή της NFV αρχιτεκτονικής καθώς και των NFV στοιχείων Το μειονέκτημα του παραδοσιακού μοντέλου είναι ότι λειτουργεί παθητικά και ενεργεί μόνο όταν γίνει εμφανής η έλλειψη των πόρων του συστήματος. Σαν συνέπεια, μιας και οι οποιεσδήποτε ενέργειες σχετικά με την ελαστικότητα χρειάζονται κάποιο χρόνο μέχρι να γίνουν εμφανείς στο σύστημα, παρατηρείται η διάσπαση ακόμα και η διακοπή της παρεχόμενης υπηρεσίας. Η παρούσα εργασία εξετάζει την δυνατότητα ενεργειών σχετικές με την ελαστικότητα σε προληπτικό επίπεδο χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων (big data analytics) και γνωστικής λειτουργίας (cognition). Καίριοι δείκτες απόδοσης σχετικοί με την συγκεκριμένη εφαρμογή συλλέγονται και αναλύονται στοχεύοντας στον εντοπισμό μοτίβων από την ανάλυση των μεγάλων σε όγκο δεδομένων. Τα μοτίβα αυτά στην συνέχεια χρησιμοποιούνται σαν προβλέψεις ώστε ενέργειες να δρομολογηθούν στο επίπεδο του ενορχηστρωτή, ο οποίος με την σειρά του επεμβαίνει προληπτικά στην ιδιότητα της ελαστικότητας μέσω των VNF διαχειριστών, πριν οι καίριοι δείκτες απόδοσης (KPIs) υποδείξουν την πιθανή έλλειψη πόρων. Με αυτό τον τρόπο η παράταξη του νέφους είναι έτοιμη να αντιμετωπίσει κάθε πιθανή διακύμανση ώστε να επιτύχει την μέγιστη δυνατή χρησιμοποίηση των πόρων με τον καλύτερο δυνατό τρόπο. Η πεμπτουσία της διπλωματικής αυτής εργασίας είναι η χρήση αλγορίθμων σε μεγάλα δεδομένα με σκοπό τον εντοπισμό μοτίβων. Ιδιαίτερη σημασία δίνεται στην διαχείριση τιμών που αποτελούν θόρυβο ώστε να μην επηρεάσουν τις τελικές ενέργειες με προβληματικό τρόπο. Τα Evolved Packet Core (EPC) gateways (GWs) χρησιμοποιούνται σαν παράδειγμα εφαρμογής της διπλωματικής εργασίας.","The purpose of the current master thesis is to address the topic of the elasticity functionality of a VNF/NFV solution in a proactive way. Elasticity functionality means the ability to change the virtualized resources assigned to a VNF, a key feature of every cloud deployment to maximize the optimum resource usage of the NFV Infrastructure. In general there are two dimensions the horizontal and the vertical elasticity. In more details in the context of the horizontal elasticity new VMs are spawned (scale-out) for the VNF/NFV solution - to address increasing needs of the VNF/NFV solution-, or existing VMs of the VNF/NFV solution are un-deployed (scale-in) to address decreasing needs of the VNF/NFV solution. In the context of the vertical elasticity the existing VMs assigned to a VNF/NFV solution are allocated (scale-up) or de-allocated (scale-down) more resources like vCPUs, vMemory, vDisk to address increasing or decreasing needs, respectively, of the VNF/NFV solution. The traditional way to implement the elasticity functionality is via monitoring certain application level KPIs and based on these and certain logic make elasticity decisions. A VNFM is involved, as the elasticity functionality affects the lifecycle of VNFs, and an NFVO cloud application is also involved to control the elasticity functionality at an NFV service solution level. The relevant ETSI NFV architecture is the one depicted in the aforementioned image. The disadvantage of the traditional approach is that it is passive and only reacts when the KPIs indicate shortage of resources. As the elasticity functionality and the integration of any actions to the full deployment requires some time, service degradation might be observed before the static elasticity is in place to address the problem. The current master thesis explores proactive elasticity solutions via integrating in the ETSI NFV architecture the big data functionality, analytics and cognition. Application KPIs are collected and analyzed aiming at extracting out of the big data patterns. The patterns are used for forecasting and cognitive actions are injected to NFVO which proceeds via the VNFMs to elasticity operations on the VNFs proactively, i.e. before the KPIs indicate resource shortages. This way the cloud deployment is in advance prepared to face any needs’ fluctuations of the various VNFs/NFV solution while maximizing the optimum resource utilization. The quintessence of the thesis is on the algorithmic patterns used to analyze the big data in order to extract patterns. Special attention is paid on how to absorb “noise” which might lead to wrong decisions. EPC GWs are used as a concrete example to apply the developments in the current thesis. A potential framework is proposed on how to apply the logic on a cloudified EPC GW."]},{"key":"dc:title","label":"Title","values":["Addressing the elasticity functionality of a NFV/VNF solution in a proactive way, based on monitoring certain application level KPIs."]}]}],"canonical_facts":{"dc:creator":["Χατζής Χρήστος","Chatzis Christos"],"dc:date":["2020"],"dc:description":["Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της ελαστικότητας μιας VNF/NFV λύσης σε ένα προληπτικό πλαίσιο. Ειδικότερα, η ελαστικότητα είναι η ικανότητα ενός συστήματος να αλλάζει τους εικονικούς πόρους της, οι οποίοι έχουν δεσμευτεί σε ένα VNF. H ιδιότητα αυτή είναι ένα βασικό χαρακτηριστικό αρχιτεκτονικών νέφους που έχει ως σκοπό την όσο τον δυνατόν καλύτερη αξιοποίηση των πόρων της VNF υποδομής. Γενικότερα, υπάρχουν δύο είδη ελαστικότητας, η οριζόντια και η κάθετη. Στην περίπτωση της οριζόντιας ελαστικότητας νέα εικονικές μηχανές δημιουργούνται ώστε να εξυπηρετηθούν οι αυξημένες ανάγκες (scale-out), είτε εικονικές μηχανές αποδεσμεύονται από το σύστημα (scale-in) ώστε να εξυπηρετηθούν οι μειωμένες ανάγκες της VNF/NFV λύσης. Αντίθετα, στην κάθετη ελαστικότητα, στις ήδη υπάρχουσες εικονικές μηχανές οι οποίες είναι δεσμευμένες από μια VNF/NFV λύση κατανέμονται (scale-up) ή από-κατανέμονται (scale-down) πόροι όπως εικονικοί επεξεργαστές, εικονικές μνήμες ή και εικονικοί δίσκοι με προφανή σκοπό να διευθετηθούν οι αυξανόμενες/μειούμενες ανάγκες του συστήματος. Ο πιο συνήθης τρόπος για την ανάπτυξη της ελαστικότητας είναι μέσω της παρακολούθησης συγκεκριμένων δεικτών της εφαρμογής (KPIs) και βασιζόμενοι στην εξέλιξη αυτών των δεικτών οι απαραίτητες ενέργειες σχετικά με την ιδιότητα της ελαστικότητας λαμβάνουν χώρα. Ένας διαχειριστής VNF (VNFM) εμπλέκεται λόγω ότι ο κύκλος ζωής των VNF επηρεάζεται από την ελαστικότητα. Επιπρόσθετα, ένας ενορχηστρωτής ελέγχει την ελαστικότητα στο επίπεδο υπηρεσίας της NFV λύσης. Η κατά ETSI, NFV αρχιτεκτονική αναπαρίσταται στο ακόλουθο σχήμα: Εικόνα: Σφαιρική προγραφή της NFV αρχιτεκτονικής καθώς και των NFV στοιχείων Το μειονέκτημα του παραδοσιακού μοντέλου είναι ότι λειτουργεί παθητικά και ενεργεί μόνο όταν γίνει εμφανής η έλλειψη των πόρων του συστήματος. Σαν συνέπεια, μιας και οι οποιεσδήποτε ενέργειες σχετικά με την ελαστικότητα χρειάζονται κάποιο χρόνο μέχρι να γίνουν εμφανείς στο σύστημα, παρατηρείται η διάσπαση ακόμα και η διακοπή της παρεχόμενης υπηρεσίας. Η παρούσα εργασία εξετάζει την δυνατότητα ενεργειών σχετικές με την ελαστικότητα σε προληπτικό επίπεδο χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων (big data analytics) και γνωστικής λειτουργίας (cognition). Καίριοι δείκτες απόδοσης σχετικοί με την συγκεκριμένη εφαρμογή συλλέγονται και αναλύονται στοχεύοντας στον εντοπισμό μοτίβων από την ανάλυση των μεγάλων σε όγκο δεδομένων. Τα μοτίβα αυτά στην συνέχεια χρησιμοποιούνται σαν προβλέψεις ώστε ενέργειες να δρομολογηθούν στο επίπεδο του ενορχηστρωτή, ο οποίος με την σειρά του επεμβαίνει προληπτικά στην ιδιότητα της ελαστικότητας μέσω των VNF διαχειριστών, πριν οι καίριοι δείκτες απόδοσης (KPIs) υποδείξουν την πιθανή έλλειψη πόρων. Με αυτό τον τρόπο η παράταξη του νέφους είναι έτοιμη να αντιμετωπίσει κάθε πιθανή διακύμανση ώστε να επιτύχει την μέγιστη δυνατή χρησιμοποίηση των πόρων με τον καλύτερο δυνατό τρόπο. Η πεμπτουσία της διπλωματικής αυτής εργασίας είναι η χρήση αλγορίθμων σε μεγάλα δεδομένα με σκοπό τον εντοπισμό μοτίβων. Ιδιαίτερη σημασία δίνεται στην διαχείριση τιμών που αποτελούν θόρυβο ώστε να μην επηρεάσουν τις τελικές ενέργειες με προβληματικό τρόπο. Τα Evolved Packet Core (EPC) gateways (GWs) χρησιμοποιούνται σαν παράδειγμα εφαρμογής της διπλωματικής εργασίας.","The purpose of the current master thesis is to address the topic of the elasticity functionality of a VNF/NFV solution in a proactive way. Elasticity functionality means the ability to change the virtualized resources assigned to a VNF, a key feature of every cloud deployment to maximize the optimum resource usage of the NFV Infrastructure. In general there are two dimensions the horizontal and the vertical elasticity. In more details in the context of the horizontal elasticity new VMs are spawned (scale-out) for the VNF/NFV solution - to address increasing needs of the VNF/NFV solution-, or existing VMs of the VNF/NFV solution are un-deployed (scale-in) to address decreasing needs of the VNF/NFV solution. In the context of the vertical elasticity the existing VMs assigned to a VNF/NFV solution are allocated (scale-up) or de-allocated (scale-down) more resources like vCPUs, vMemory, vDisk to address increasing or decreasing needs, respectively, of the VNF/NFV solution. The traditional way to implement the elasticity functionality is via monitoring certain application level KPIs and based on these and certain logic make elasticity decisions. A VNFM is involved, as the elasticity functionality affects the lifecycle of VNFs, and an NFVO cloud application is also involved to control the elasticity functionality at an NFV service solution level. The relevant ETSI NFV architecture is the one depicted in the aforementioned image. The disadvantage of the traditional approach is that it is passive and only reacts when the KPIs indicate shortage of resources. As the elasticity functionality and the integration of any actions to the full deployment requires some time, service degradation might be observed before the static elasticity is in place to address the problem. The current master thesis explores proactive elasticity solutions via integrating in the ETSI NFV architecture the big data functionality, analytics and cognition. Application KPIs are collected and analyzed aiming at extracting out of the big data patterns. The patterns are used for forecasting and cognitive actions are injected to NFVO which proceeds via the VNFMs to elasticity operations on the VNFs proactively, i.e. before the KPIs indicate resource shortages. This way the cloud deployment is in advance prepared to face any needs’ fluctuations of the various VNFs/NFV solution while maximizing the optimum resource utilization. The quintessence of the thesis is on the algorithmic patterns used to analyze the big data in order to extract patterns. Special attention is paid on how to absorb “noise” which might lead to wrong decisions. EPC GWs are used as a concrete example to apply the developments in the current thesis. A potential framework is proposed on how to apply the logic on a cloudified EPC GW."],"dc:identifier":["uoadl:2921046","https://pergamos.lib.uoa.gr/uoa/dl/object/2921046"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Addressing the elasticity functionality of a NFV/VNF solution in a proactive way, based on monitoring certain application level KPIs."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:39:19Z"}