В МГУ предложили новый метод управления сетевым трафиком
Ключевые элементы систем должны работать как отдельные агенты. Это позволяет более эффективно распределять нагрузку.
Ученые постоянно экспериментируют над тем, чтобы улучшить существующие методы передачи данных. Любой успех в этом направлении может отразиться на развитии целого ряда отраслей экономики. Это прекрасно понимают и в России, поэтому изыскания не прекращаются.
Централизованные методы управления сетью несовершенны
На днях стало известно, что специалисты факультета вычислительной математики и кибернетики МГУ предложили новый подход к управлению и распределению трафика в сетях передачи данных. Он направлен на снижение перегрузки каналов за счет координации между сетевыми узлами.
«В современных сетях передачи данных важно правильно распределять потоки информации между доступными маршрутами, чтобы избежать перегрузки отдельных каналов. Одним из ключевых показателей в этой задаче является максимальная загрузка каналов (MLU), отражающая, насколько сильно перегружен самый загруженный участок сети», – поясняют разработчики.
Сейчас чаще всего применяются централизованные методы управления сетью. Они позволяют достичь показателей работы, которые близки к оптимальным. Однако с этим связаны и определенные недостатки. Реакция на изменения сопровождается существенными задержками. Это объясняется необходимостью сбора информации со всех узлов. Альтернативой является децентрализованное управление, при котором решения принимаются на уровне отдельных узлов, но такие подходы часто оказываются менее эффективными из-за ограниченности доступной информации.
Нужна золотая середина
Ученые МГУ активно занимаются поиском золотой середины. В своей работе они рассматривают децентрализованный подход, дополненный обменом информацией между узлами. Управление осуществляется с использованием мультиагентного обучения с подкреплением, при котором каждый узел действует как отдельный агент и принимает решения на основе доступных данных.
Специалисты разработали несколько методов взаимодействия агентов. В предлагаемых схемах обмен данными осуществляется в два этапа: сначала анализируется локальная информация, а затем – данные, полученные от соседних узлов. Это позволяет уменьшить объём обмена данными в случаях, когда локальной информации достаточно для принятия решения.
Эксперименты показали хорошие результаты
Теоретические выкладки уже проверены в ходе экспериментов. Ученые добились распределения трафика, близкого к оптимальному. В итоге ресурсы сети использовались значительно эффективнее.
Конечно, пока рано говорить о том, что новая разработка готова к внедрению в работу. Для этого предстоит проделать большой путь. Тем не менее, нет сомнений в том, что у нее есть достаточно большой потенциал. В частности, в ней наверняка будут заинтересованы операторы центров обработки данных и облачных сервисов. Там постоянно меняется нагрузка между узлами, а перегрузка отдельных соединений способна увеличивать задержки даже при наличии свободной пропускной способности на альтернативных маршрутах. Многоагентная система потенциально может автоматически перенаправлять потоки туда, где в данный момент больше свободных ресурсов.
Работа продолжается несколько лет
Важно отметить, что ученые МГУ уже несколько лет работают над новыми способами распределения данных. Еще 2024 году ассистент кафедры автоматизации систем вычислительных комплексов ВМК МГУ Евгений Степанов представил новый подход к балансировке транспортных потоков в наложенной сети с использованием многоагентного метода машинного обучения. Он называется Multi-Agent Routing using Hashing (MAROH).
«Экспериментальное исследование показало, что предложенный метод MAROH превосходит по эффективности классические алгоритмы балансировки, такие как ECMP (Equal-Cost Multi-Path) и UCMP (Unequal-Cost Multi-Path), а также показывает сопоставимые результаты с централизованным генетическим алгоритмом. При этом он обеспечивает лучшую сходимость и стабильность при высокой нагрузке в сети», – поясняли разработчики.
Крупные международные корпорации также ведут исследования. Еще в 2021 году Huawei и J’son& Partners рассказывали о переходе телеком-отрасли к автономным сетям, где ИИ должен самостоятельно анализировать состояние инфраструктуры и менять параметры сети. Разработка МГУ решает одну из конкретных задач на пути к данной модели – распределенное принятие решений о трафике.
В любом случае, новая методика столичных ученых потребует еще многих испытаний. Важно, чтобы работа не прекращалась. Тогда уже можно будет говорить о переходе лабораторных испытаний на стадию реального внедрения.
