Optimisation par colonie de fourmis

Les algorithmes de colonies de fourmis sont des métaheuristiques basées sur l’ob-servation de vraies colonies de fourmis qui furent menées par des biologistes [36], et sur la formalisation faite par Marco Dorigo dans [38] et [39]. Ces métaheuristiques re-produisent le comportement collectif des fourmis, qui utilisent une forme d’intelligence collective basée sur un dépôt de phéromones. Chaque individu explore l’espace de re-cherche d’une manière aléatoire qui dépend directement du taux de phéromones déposés par ses congénères. Ces techniques sont reconnues comme pouvant être efficaces sur des problèmes nécessitant de trouver de bons chemins dans un graphe. Nous aborderons cette méthode plus en détails dans le chapitre5, où nous avons pu utiliser un algorithme qui s’en inspire directement.

4

Optimisation dynamique des réseaux OSPF

4.1 Introduction

Avec la popularité croissante des applications gourmandes en bande passante (strea-ming multimédia, vidéo à la demande, partage de fichier pair à pair [102], etc. . . ), les trafics réseau deviennent de plus en plus volatiles. Une conséquence de cette haute va-riabilité du trafic est qu’il n’est plus crédible de concevoir un réseau uniquement sur la base d’une matrice de trafic en "heure de pointe". Une telle approche peut mener à de mauvaises performances du réseau si à un moment donné la matrice de trafic s’éloigne suffisamment de celle utilisée pour l’ingénierie du trafic. Une alternative bien connue pour gérer les variations de trafic consiste à superviser dynamiquement le trafic, pour adapter l’utilisation des ressources lorsque des changements sont observés. Un des mé-canismes fondamentaux pour contrôler les performances réseau est l’optimisation du routage, qui permet d’utiliser plus efficacement les ressources en adaptant les routes au trafic courant transporté. Cependant, plusieurs difficultés émergent lorsque l’on cherche à concevoir et implémenter un routage adaptatif dans les réseaux IP.

La première difficulté est liée aux protocoles de routage intra-domaine (IGP), les plus utilisés étant OSPF et IS-IS [78,80]. Chaque flux de trafic y est routé le long du plus court chemin, tout en procédant à un partage de charge équitable des flux lorsque plusieurs liens sortants d’un nœud se trouvent sur des plus courts chemins jusqu’à la destination. Bien qu’habituellement mis à 1, le poids des liens, et donc les plus courts chemins, peuvent être changés par l’opérateur réseau. Si l’on considère un ensemble de demandes de trafic entre des paires origine/destination (OD), le problème d’optimisation

36 OPTIMISATION DYNAMIQUE DES RÉSEAUX OSPF

des poids des liens consiste à trouver l’ensemble de poids des liens optimisant une mesure de performance donnée, telle que le taux maximum d’utilisation des liens (voir [49, 46, 114,50]). S A D B +1 for metric of link (S,B) S A D B

Figure 4.1 – Exemple d’optimisation de métriques OSPF.

Un exemple est présenté en Figure 4.1, où un unique flux de demande 8 Mbps doit être routé du nœud S vers le nœud D. Toutes les capacités des liens sont fixées à 10 Mbps, à l’exception du lien S-B dont la capacité vaut 8 Mbps.

Si des poids unitaires sont utilisés pour chaque lien, le flux est routé sur le chemin S-B-D, ce qui conduit à un taux maximum d’utilisation sur le réseau égal à 100%. Mais, si le poids du lien S-B est incrémenté de 1, la moitié du trafic est dévié sur le chemin S-A-B-D, réduisant ainsi le taux maximum d’utilisation à 80% sur le lien B-D (tandis que les autres liens restent congestionnés à moins de 50%).

On peut noter que le problème d’optimisation des poids des liens est connu comme étant NP-difficile [48].

La deuxième difficulté réside dans la surveillance des demandes des trafics origine-destination. Les méthodes traditionnelles d’optimisation des poids de liens ont été conçues à des fins de planification : elles supposent qu’une demande en trafic est prédite pour chaque paire origine - destination dans le réseau, de manière exacte ou bien avec une forme d’incertitude [81, 12, 13, 29]. En pratique, les demandes en trafic ne peuvent pas être directement mesurées dans les réseaux de grande taille en raison du surcoût important induit par l’utilisation des solutions actuelles de surveillance/mesure réseau telles que Netflow [32,31]. Une approche alternative consiste à utiliser les "links counts"

4.1 INTRODUCTION 37

(quantité de trafic transmise sur un lien pendant une période de 5 minutes) fournis par le protocole Simple Network Management Protocol (SNMP) afin de déterminer une approximation des demandes transitant réellement sur le réseau. Mais, comme il y a sou-vent plus de flux réseau que de mesures de charge sur les liens, cela revient à considérer un problème inverse mal posé qui ne peut être résolu sans information supplémentaire (voir par exemple [121,106,84,47,107,89] et les références qui s’y trouvent). Il est éga-lement important de noter que ces mesures fournissent une forme d’information sur des trafics passés, alors que les décisions de routage doivent être prises pour les demandes futures.

Enfin, il existe certaines difficultés liées aux contraintes opérationnelles. La première d’entre elles est que les changements de routage doivent être limités en nombre, pour évi-ter de changer continuellement les routes du réseau. Ces modifications doivent aussi être incrémentales : la stratégie de routage courante doit être améliorée de façon incrémentale en modifiant le poids d’un seul lien à la fois. De plus, les décisions de reconfiguration doivent être prises en temps-réel. Si l’on considère que les mesures de charge sur les liens sont disponibles toutes les 5 minutes, et que les protocoles de routage intra-domaines requièrent quelques dizaines de secondes pour converger vers les nouvelles routes, cela si-gnifie que le processus de décision ne devrait durer que quelques secondes. Ces contraintes opérationnelles ont un impact important sur la complexité de l’algorithme d’optimisation que l’on peut utiliser.

Dans ce chapitre, nous nous intéressons à une méthode pour dynamiquement recon-figurer les poids des liens pour les adapter au trafic courant. Un problème similaire a été considéré dans [119], mais, contrairement au travail présenté ici, les auteurs supposent que la moyenne et la variance des trafics agrégés entre chaque routeur source et chaque routeur destination est disponible périodiquement.

Une autre référence étroitement liée est [24], où les auteurs considèrent le même problème que nous, mais proposent une approche ne pouvant faire face à des contraintes temps-réel.

Nous proposons un algorithme de reconfiguration dynamique des routes intra-domaine pour optimiser les charges des liens dans les cœurs de réseaux IP. Cet algorithme uti-lise le protocole SNMP pour collecter périodiquement des informations de charges des liens, à partir desquelles un ensemble de matrices de trafic compatibles est déterminé. Une heuristique d’optimisation robuste est ensuite utilisée pour minimiser le taux de congestion du réseau, i.e., le taux d’utilisation du lien le plus congestionné. Les résultats de simulation, comme les résultats obtenus à partir de vraies données de trafic réseau montrent que la méthode proposée, malgré sa simplicité apparente, autorise une impor-tante amélioration des performances du réseau, tout en conservant des temps d’exécution compatibles avec un fonctionnement en ligne.

On note que l’algorithme dynamique proposé peut aider à limiter les effets d’oscilla-tion de routes (route flapping) dans les réseaux OSPF. Si un routeur OSPF ne reçoit pas

38 OPTIMISATION DYNAMIQUE DES RÉSEAUX OSPF

4 paquets hello consécutifs depuis un voisin, il considère que ce voisin n’est plus acces-sible (lien mort) et purge de sa table de routage toutes les routes qui étaient accesacces-sibles via ce voisin. Un lien ne répondant plus à cause d’une congestion trop importante (tous les paquets hello sont perdus) peut engendrer un transfert de trafic massif d’une route vers une autre. Le lien d’origine se stabilise alors car le trafic (et donc la congestion) s’est déplacé vers un autre lien, et redevient rapidement disponible. Alors qu’il récupère à nouveau son trafic d’origine, il redevient à nouveau congestionné, ce qui recommence le cycle. Ce phénomène de transfert répété des trafics peut sembler sans solution évi-dente. Le processus dynamique que nous proposons pourrait aider à limiter les effets de ce phénomène en répartissant la charge réseau entre les routes avant qu’une congestion réseau n’apparaisse.

Le chapitre est organisé comme suit. La section 4.2 est consacrée à la formulation mathématique du problème. L’algorithme proposé et ses détails sont décrits dans la section4.3. Les résultats sur des trafics simulés et sur des trafics mesurés sur un réseau opérationnel sont exposés dans la section4.4. Enfin, des conclusions sont présentées dans la section4.5.