Tổng quan về luận án
Sự bùng nổ của các ứng dụng Internet vạn vật (IoT), dịch vụ truyền thông đa phương tiện độ trễ thấp và mạng di động thế hệ mới (5G/6G) đang tạo ra áp lực chưa từng có lên cơ sở hạ tầng mạng viễn thông. Trong kiến trúc truyền thống, các chức năng mạng (Network Functions - NFs) như tường lửa (Firewall), bộ cân bằng tải (Load Balancer), hệ thống phát hiện xâm nhập (IDS) hay cổng phân giải địa chỉ (NAT) đều bị gắn chặt vào các thiết bị phần cứng chuyên dụng (middleboxes). Ràng buộc vật lý này dẫn đến chu kỳ nâng cấp kéo dài, chi phí đầu tư vốn (CapEx) và chi phí vận hành (OpEx) đắt đỏ, đồng thời gây ra hiện tượng cung cấp thừa tài nguyên (over-provisioning). Nhằm giải quyết triệt để các rào cản trên, công nghệ Ảo hóa Chức năng Mạng (Network Function Virtualization - NFV), theo định nghĩa chuẩn hóa của Viện Tiêu chuẩn Viễn thông Châu Âu (ETSI GS NFV 002), ra đời như một bước chuyển dịch mang tính cách mạng: "phương pháp và công nghệ cho phép thay thế các thiết bị mạng chuyên dụng bởi một hoặc nhiều chương trình phần mềm được triển khai trên các phần cứng máy tính chung và thực thi các chức năng mạng tương ứng".
Tuy nhiên, việc phần mềm hóa các chức năng mạng và ghép nối chúng thành chuỗi chức năng dịch vụ (Service Function Chaining - SFC) phân tán đặt ra hai thách thức khoa học cốt lõi mang tính NP-khó: điều khiển lưu lượng động (Traffic Steering) và đảm bảo độ tin cậy dịch vụ (Reliability Assurance) trong môi trường tài nguyên hạn chế của Điện toán biên (Mobile Edge Computing - MEC / NFV-enabled IoT). Luận án tiến sĩ chuyên ngành Mạng máy tính và Truyền thông dữ liệu (Mã số: 9480102.01) của nghiên cứu sinh Nguyễn Thị Thùy Liên, thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội dưới sự hướng dẫn của PGS. Hồ Sĩ Đàm và TS. Phạm Tuấn Minh, đã giải quyết thấu đáo các khoảng trống nghiên cứu này thông qua các mô hình toán học chính xác và các giải thuật xấp xỉ hiệu năng cao.
graph TD
subgraph Input ["Yêu cầu Dịch vụ Đầu vào & Hạ tầng"]
A["Tập yêu cầu dịch vụ SFC D"] --> C["Khung Kiến trúc ETSI NFV MANO"]
B["Hạ tầng Phần cứng Phân tán G=(V,E)"] --> C
end
subgraph Phase1 ["Đóng góp 1: Điều khiển Lưu lượng Đa chiều"]
C --> D["Mô hình EDP: Phân loại Yêu cầu (ED) & Đa Chu kỳ Thời gian (EP)"]
D --> E["Tối ưu hóa Trọng số Liên kết w & Phân bổ Định tuyến Đa đường ECMP"]
end
subgraph Phase2 ["Đóng góp 2: Đảm bảo Độ tin cậy Hai Giai đoạn"]
C --> F["Giai đoạn 1: Triển khai Primary & Full-Backup VNF (Giải thuật SAN)"]
F --> G["Giai đoạn 2: Bổ sung Bản sao Dự phòng Chọn lọc (Chỉ số CRM)"]
end
subgraph Output ["Hiệu năng Đột phá"]
E --> H["Tối đa hóa Lưu lượng & Tối thiểu Hóa Chi phí Mạng"]
G --> I["Tiết kiệm 30-40% Chi phí Dự phòng & Đạt Chuẩn SLA"]
end
Các câu hỏi nghiên cứu và giả thuyết khoa học của luận án được xác lập chặt chẽ:
- Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để điều khiển và phân bổ lưu lượng SFC tối ưu qua kỹ thuật định tuyến đa đường khi mạng phải đồng thời xử lý các loại yêu cầu dịch vụ khác nhau và sự biến động lưu lượng theo chu kỳ thời gian?
- Giả thuyết 1 (H1): Việc tích hợp mô hình phân loại yêu cầu (phục vụ toàn bộ hoặc một phần) với mô hình đa chu kỳ thời gian (EDP) thông qua tối ưu hóa hệ thống trọng số liên kết sẽ tối đa hóa tỷ lệ phục vụ dịch vụ và giảm thiểu chi phí định tuyến so với định tuyến đơn đường hoặc định tuyến tĩnh.
- Câu hỏi nghiên cứu 2 (RQ2): Làm thế nào để triển khai chuỗi chức năng mạng ảo và phân bổ dung lượng dự phòng trên các nút biên IoT nhằm bảo vệ hệ thống trước lỗi đơn máy chủ (single server failure) và lỗi phần mềm với chi phí triển khai nhỏ nhất?
- Giả thuyết 2 (H2): Khung giải pháp hai giai đoạn kết hợp giải thuật mô phỏng luyện kim (Simulated Annealing - SAN) với chiến lược đánh giá chi phí - độ tin cậy biên (Cost-Reliability Metric - CRM) sẽ cho phép đạt được nghiệm tiệm cận tối ưu MILP và giảm từ 30% đến 40% chi phí dự phòng so với các giải thuật tham lam truyền thống.
Phạm vi thực nghiệm của luận án bao quát 4 bộ cấu trúc mạng chuẩn quốc tế (Internet2, Bcube, Geant, Two-tier) và các kịch bản mạng biên IoT mô phỏng ngẫu nhiên (quy mô từ 5 đến 650 yêu cầu dịch vụ) với 50 lần lặp độc lập nhằm kiểm chứng tính vững chắc của giải pháp.
Literature Review và Positioning
Nghiên cứu về NFV và SFC trong thập kỷ qua tập trung vào ba luồng học thuật chính:
Luồng thứ nhất nghiên cứu bài toán Điều khiển lưu lượng và Định tuyến SFC (Traffic Steering & SFC Routing). Các nghiên cứu nền tảng của McKeown et al. về OpenFlow [48] và Halpern & Pignataro (RFC 7665) [37] đã đặt cơ sở cho việc lập trình luồng gói tin qua chuỗi VNF. Nhiều nghiên cứu sau đó tập trung vào tối đa hóa thông lượng (Ghaznavi et al. [44]), cân bằng tải (Agarwal et al. [68], [69]) và giảm độ trễ (Tafazzoli et al. [92]). Tuy nhiên, phần lớn các công trình này chỉ xem xét lưu lượng tĩnh tại một thời điểm hoặc giả định tất cả yêu cầu dịch vụ đều có tính chất đồng nhất, bỏ qua đặc thù thực tế là các luồng dữ liệu có thể chấp nhận phục vụ linh hoạt (phục vụ một phần lưu lượng khi mạng nghẽn).
Luồng thứ hai tập trung vào Đặt vị trí VNF và Quản lý tài nguyên (VNF Placement & Resource Allocation). Các công trình của Addis et al. [79], Mijumbi et al. [35] và Cohen et al. [20] đã chứng minh bài toán ánh xạ SFC lên hạ tầng vật lý thuộc lớp bài toán NP-hard. Các giải pháp quy hoạch nguyên hỗn hợp (MILP) chỉ giải được cho mạng quy mô nhỏ, trong khi các heuristic kinh điển thường bị mắc kẹt tại cực trị cục bộ khi không gian tìm kiếm mở rộng trên môi trường phân tán.
Luồng thứ ba khảo sát cơ chế Đảm bảo độ tin cậy và Triển khai dự phòng SFC (Reliability & Redundancy Provisioning). ETSI đưa ra chuẩn báo cáo mô hình độ tin cậy ETSI GS NFV-REL 003 [6], xác định độ tin cậy của chuỗi phụ thuộc vào cấu trúc nối tiếp hoặc song song của các VNF và nút vật lý. Dựa trên khung này, hai trường phái tranh luận đối lập xuất hiện trong y văn:
- Trường phái Dự phòng mức Dịch vụ toàn phần (1+1 Full Service Duplication): Điển hình trong các nghiên cứu của Marotta et al. [75] và Qu et al. [73], tạo một chuỗi SFC dự phòng độc lập hoàn toàn cho mỗi SFC chính. Giải pháp này đảm bảo khả năng phục hồi tức thì nhưng gây lãng phí tài nguyên nghiêm trọng, không thể áp dụng cho tầng biên IoT nơi tài nguyên xử lý của nút mạng rất hạn chế.
- Trường phái Dự phòng mức VNF chọn lọc (Selective Component Redundancy): Đại diện tiêu biểu là giải thuật GREP của Fan et al. (2015) [30] và mô hình RABA của Engelmann et al. (2019) [97]. GREP ưu tiên sao lưu các VNF có độ tin cậy nội tại $r_f$ thấp nhất. Tuy nhiên, điểm yếu cốt tử của GREP là tách rời độ tin cậy của VNF khỏi độ tin cậy phần cứng của nút vật lý $r_k$ và không định lượng mức tiêu hao tài nguyên tính toán $\alpha_{fk}$. Do đó, GREP có thể chọn sao lưu một VNF tiêu tốn quá nhiều tài nguyên tại nút có độ tin cậy phần cứng kém, dẫn đến suy giảm hiệu quả chi phí toàn hệ thống.
quadrantChart
title Định vị Nghiên cứu (Positioning Matrix)
x-axis "Hiệu quả Chi phí Tài nguyên Thấp" --> "Hiệu quả Chi phí Tài nguyên Cao"
y-axis "Mô hình Mạng Đơn giản / Tĩnh" --> "Mô hình Đa Chiều / Động & Độ Tin cậy Kép"
quadrant-1 "Đỉnh cao Đột phá (Luận án: EDP & CRM-SAN)"
quadrant-2 "Phức tạp nhưng Tốn kém (1+1 Full Duplication)"
quadrant-3 "Truyền thống (ECMP tĩnh, Middlebox)"
quadrant-4 "Heuristic Đơn lẻ (GREP, RABA)"
"ECMP Tĩnh [89]": [0.25, 0.2]
"Marotta et al. [75] (1+1 Backup)": [0.2, 0.75]
"Fan et al. [30] (GREP)": [0.65, 0.45]
"Engelmann et al. [97] (RABA)": [0.7, 0.55]
"Luận án - Đóng góp 1 (EDP)": [0.88, 0.82]
"Luận án - Đóng góp 2 (CRM-SAN)": [0.92, 0.9]
Luận án của NCS. Nguyễn Thị Thùy Liên định vị chính xác vào giao điểm của các khoảng trống học thuật: vừa tích hợp điều khiển lưu lượng đa khoảng thời gian với định tuyến đa đường (EDP), vừa thiết lập chỉ số tối ưu hóa đa chiều CRM kết hợp đồng thời độ tin cậy phần mềm ($r_f$), phần cứng ($r_k$) và chi phí xử lý tài nguyên ($\alpha_{fk}$).
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án tạo ra những bước tiến quan trọng trong việc mở rộng và kết hợp các lý thuyết nền tảng:
- Mở rộng Lý thuyết Điều khiển Lưu lượng Mạng (Traffic Engineering Theory): Xây dựng mô hình toán học tổng quát cho bài toán điều khiển lưu lượng trong môi trường NFV dưới ba biến thể: (i) Điều khiển lưu lượng xem xét sự đa dạng loại yêu cầu dịch vụ (ED - Traffic Engineering under differentiated Demands), chia tập yêu cầu thành nhóm bắt buộc phục vụ 100% lưu lượng ($D_1$) và nhóm phục vụ linh hoạt ($D_2$); (ii) Điều khiển lưu lượng theo nhiều khoảng thời gian (EP - Traffic Engineering under multiple time Periods); (iii) Mô hình hợp nhất EDP kết hợp tối ưu trọng số liên kết $w = {w_e : e \in E}$ để phân bổ luồng qua kỹ thuật định tuyến đa đường Equal-Cost Multipath (ECMP).
- Phát triển Lý thuyết Độ tin cậy Hệ thống Phức hợp (System Reliability Theory): Dựa trên chuẩn ETSI GS NFV-REL 003, luận án đã hình thức hóa hàm độ tin cậy của một chuỗi chức năng mạng ảo $SFC$ được triển khai trên tập nút vật lý $V_k$ dưới dạng xác suất toán học chính xác:
$$R_{SFC} = 1 - \prod_{k \in V_k} \left(1 - r_k \prod_{f \in F_d} r_f\right)$$
Mô hình đã chứng minh được tính phụ thuộc lẫn nhau giữa độ sẵn sàng phần cứng (đo lường qua MTBF) và độ ổn định của phần mềm ảo hóa, khắc phục giả định đơn giản hóa phi thực tế của các nghiên cứu trước đây.
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp ba trụ cột lý thuyết: Kiến trúc NFV MANO (ETSI), Lý thuyết Quy hoạch tuyến tính nguyên hỗn hợp (MILP), và Lý thuyết Meta-heuristic Mô phỏng luyện kim (Simulated Annealing - Hwang & Chii-Ruey, 1988 [41]).
flowchart TD
subgraph InputData ["Dữ liệu Đầu vào"]
Req["Yêu cầu SFC: Nguồn, Đích, Băng thông, Chuỗi VNF, Độ tin cậy mục tiêu"]
Topo["Hạ tầng Mạng: Nút biên, Liên kết, Năng lực tính toán, Băng thông"]
end
subgraph TwoPhaseFramework ["Khung Phân tích Dự phòng Hai Giai đoạn (Two-Phase Framework)"]
subgraph Phase1 ["Giai đoạn 1: Tối ưu Vị trí Primary & Full-Backup"]
MILP1["Mô hình Tối ưu MILP (IBM CPLEX)"]
SAN1["Giải thuật Xấp xỉ Mô phỏng Luyện kim (SAN)"]
Decision1{"Quy mô Mạng?"}
Decision1 -->|Mạng Nhỏ| MILP1
Decision1 -->|Mạng Lớn| SAN1
SAN1 --> Out1["Phương án Y (Primary) & B (Full-Backup) Kháng Lỗi Đơn"]
MILP1 --> Out1
end
subgraph Phase2 ["Giai đoạn 2: Bổ sung Bản sao Dự phòng Chọn lọc"]
Eval["Đánh giá Độ tin cậy Đạt được R_SFC so với R_target"]
Out1 --> Eval
CRM_Calc["Tính Chỉ số CRM: Chi phí / Mức tăng Độ tin cậy Biên"]
Eval -->|Chưa đạt SLA| CRM_Calc
CRM_Calc --> RedundantAlloc["Bổ sung Bản sao VNF tối ưu"]
RedundantAlloc --> Eval
Eval -->|Đạt SLA| Finish["Phương án Triển khai Cuối cùng Tiết kiệm 30-40% Chi phí"]
end
end
InputData --> TwoPhaseFramework
Khung giải pháp phân bổ dự phòng hai giai đoạn được cấu trúc như sau:
- Giai đoạn 1 (Primary & Full-backup Placement): Tìm kiếm vị trí triển khai chuỗi chính (Primary SFC) và chuỗi dự phòng toàn phần (Full-backup SFC) trên các nút biên độc lập nhau nhằm loại bỏ hoàn toàn rủi ro từ sự cố đơn nút mạng ($y_g^k \cdot B_g^k = 0, \forall k$).
- Giai đoạn 2 (Incremental Component Redundancy): Đánh giá mức độ thiếu hụt độ tin cậy so với ràng buộc Service Level Agreement (SLA). Tại đây, chỉ số đột phá CRM ($CRM_{fg}$) được thiết lập để lượng hóa tỷ số giữa mức tiêu hao chi phí tài nguyên và mức tăng độ tin cậy biên:
$$CRM_{fg} = \frac{\Delta \text{Cost}{fg}}{\Delta R{SFC}} = \frac{c_k \cdot \alpha_{fk} \cdot h_g}{R_{SFC}^{\text{new}} - R_{SFC}^{\text{current}}}$$
Quy tắc quyết định: Luôn chọn VNF có giá trị $CRM_{fg}$ nhỏ nhất để nhân bản, đảm bảo mỗi đồng chi phí đầu tư tài nguyên đều mang lại mức tăng trưởng độ tin cậy cao nhất.
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Luận án theo đuổi thế giới quan thực chứng (Positivism) với thiết kế nghiên cứu định lượng nghiêm ngặt kết hợp giữa mô hình hóa giải tích (Analytical Mathematical Modeling) và thực nghiệm mô phỏng số diện rộng (Large-scale Numerical Simulation).
classDiagram
class NFV_System {
+Graph G(V, E)
+Set V_IoT
+Set V_Edge
+Set Links_E
+Capacity C_k
+Bandwidth B_e
}
class SFC_Request {
+Node Source s_d
+Node Destination t_d
+Traffic_Volume h_d(t)
+VNF_Chain F_d
+Reliability_Target R_d
+Type D1_or_D2
}
class Optimization_Model {
+MILP_Formulation()
+SAN_Heuristic()
+Link_Weight_Tuning()
+CRM_Selection()
}
NFV_System "1" *-- "many" SFC_Request : Hosts
Optimization_Model ..> NFV_System : Optimizes
Optimization_Model ..> SFC_Request : Schedules
Hệ thống ký hiệu toán học và các biến trạng thái được chuẩn hóa:
- Đồ thị mạng có hướng $G = (V, E)$, với tập nút $V = V_a \cup V_k$ ($V_a$: nút IoT gateway, $V_k$: nút biên MEC) và tập liên kết $E$ có băng thông $B_e$.
- Tập yêu cầu dịch vụ $D = {1, 2, \dots, |D|}$, mỗi yêu cầu $d$ được định nghĩa bằng bộ thông số $(s_d, t_d, h_d(t), F_d, R_d^)$, trong đó $h_d(t)$ là lưu lượng tại chu kỳ $t \in T$, $F_d = {f_1, f_2, \dots}$ là chuỗi VNF tuần tự, và $R_d^$ là độ tin cậy tối thiểu bắt buộc.
- Biến quyết định nhị phân: $y_g^k \in {0, 1}$ (chỉ thị nút $k$ đặt Primary SFC), $B_g^k \in {0, 1}$ (chỉ thị nút $k$ đặt Full-backup SFC), $x_{epd}^t$ (phần lưu lượng của yêu cầu $d$ trên đường đi $p$ qua liên kết $e$ tại chu kỳ $t$).
Quy trình nghiên cứu rigorous
Quy trình giải thuật mô phỏng luyện kim (Simulated Annealing - SAN) trong luận án được thiết kế với tính chặt chẽ cao nhằm thoát khỏi các cực trị cục bộ:
- Khởi tạo: Thiết lập nhiệt độ ban đầu $T_0$, nhiệt độ đóng băng $T_{\text{min}}$, hệ số giảm nhiệt $\alpha \in (0, 1)$, và nghiệm ban đầu ngẫu nhiên thỏa mãn ràng buộc tài nguyên.
- Toán tử lân cận: Sinh cấu hình lân cận bằng cách hoán vị ngẫu nhiên vị trí triển khai VNF của một yêu cầu dịch vụ giữa các nút biên khả dụng.
- Tiêu chuẩn Metropolis: Chấp nhận nghiệm mới với xác suất:
$$P = \begin{cases} 1 & \text{nếu } \Delta E \le 0 \ e^{-\frac{\Delta E}{T}} & \text{nếu } \Delta E > 0 \end{cases}$$
trong đó $\Delta E = \text{Cost}(\text{Nghiệm mới}) - \text{Cost}(\text{Nghiệm cũ})$.
- Lịch làm nguội (Cooling Schedule): Cập nhật nhiệt độ $T_{i+1} = \alpha \cdot T_i$ sau mỗi chu kỳ lặp nội chuẩn hóa.
stateDiagram-v2
[*] --> Initialization: Thiết lập T0, Tmin, alpha, Sinh nghiệm ban đầu S0
Initialization --> NeighborSearch: Sinh cấu hình lân cận S'
NeighborSearch --> CostEvaluation: Tính toán Delta E = Cost(S') - Cost(S)
CostEvaluation --> AcceptCheck: Delta E <= 0?
AcceptCheck --> AcceptState: Đúng (Nghiệm tốt hơn)
AcceptCheck --> MetropolisCheck: Sai (Nghiệm xấu hơn)
MetropolisCheck --> AcceptState: Xác suất random < exp(-Delta E / T)
MetropolisCheck --> RejectState: Xác suất random >= exp(-Delta E / T)
AcceptState --> UpdateBest: Cập nhật S = S'
RejectState --> LoopCheck: Giữ nguyên S
UpdateBest --> LoopCheck
LoopCheck --> NeighborSearch: Chưa đủ số lần lặp tại T
LoopCheck --> CoolDown: Đã đủ số lần lặp tại T
CoolDown --> TempCheck: T = alpha * T
TempCheck --> NeighborSearch: T > Tmin
TempCheck --> [*]: T <= Tmin (Xuất nghiệm xấp xỉ tối ưu)
Data và phân tích
Phần mềm và phần cứng thực nghiệm được xác định tường minh:
- Môi trường tính toán: Máy trạm PC x64, vi xử lý Intel Core i7-6600 2 lõi 2.6 GHz, 16 GB RAM.
- Công cụ giải toán tối ưu: IBM ILOG CPLEX Optimizer phiên bản thương mại [2] dùng để giải mô hình MILP chuẩn làm đối chứng (Ground Truth).
- Các bộ dữ liệu mạng chuẩn:
- Internet2: 12 nút, 15 liên kết mạng đường trục nghiên cứu của Mỹ.
- Geant: 22 nút, 36 liên kết mạng nghiên cứu liên châu Âu.
- Bcube: Cấu trúc mạng trung tâm dữ liệu module hiệu năng cao.
- Two-tier: Mô hình mạng phân tầng truyền thống gồm Core và Aggregation.
- Quy chuẩn thực nghiệm: Tất cả các kịch bản đều được chạy lặp 50 lần độc lập và lấy giá trị trung bình thống kê để triệt tiêu phương sai ngẫu nhiên.
Phát hiện đột phá và implications
Những phát hiện then chốt
Kết quả thực nghiệm đã đem lại 5 phát hiện mang tính đột phá với bằng chứng số liệu thuyết phục:
gantt
title Tóm tắt Hiệu quả Tiết kiệm Chi phí & Tối ưu Hóa qua Thực nghiệm
dateFormat X
axisFormat %s
section SAN vs GREEDY
Medium Network (Tiết kiệm 18% - 30% Chi phí) :active, 0, 30
Large Network (Tiết kiệm 15% - 37% Chi phí) :crit, 0, 37
section CRM vs Các Heuristic Khác
CRM vs RELVNF-Node (Tiết kiệm 15% - 50% Chi phí) :done, 0, 50
CRM vs RELVNF (Tiết kiệm 16% - 40% Chi phí) :done, 0, 40
section Tổng hợp Chung
Hiệu quả Tiết kiệm Dự phòng Trung bình (30% - 40%) :active, 0, 40
-
Hiệu năng vượt trội của Điều khiển lưu lượng EDP:
Trên cả 4 bộ dữ liệu (Internet2, Bcube, Geant, Two-tier), giải pháp EDP tích hợp định tuyến đa đường ECMP và tối ưu hóa trọng số liên kết $w_e$ luôn vượt trội hơn hẳn các phương án điều khiển đơn khoảng thời gian hoặc không phân loại dịch vụ. Tỷ lệ lưu lượng dữ liệu được phục vụ đạt tiệm cận 100% trong khi chi phí định tuyến giảm từ 22% đến 35% so với định tuyến đường ngắn nhất truyền thống.
-
Tính tiệm cận tối ưu và tốc độ xử lý của giải thuật SAN:
Khi so sánh với solver tối ưu tuyệt đối IBM ILOG CPLEX trên kịch bản small network (5 đến 30 yêu cầu), giải thuật SAN đạt được độ tin cậy nhỏ nhất và tổng chi phí triển khai gần như trùng khít với đường cong nghiệm tối ưu của CPLEX (Hình 3.6a, 3.6b). Đột phá nằm ở thời gian thực thi: trong khi thời gian giải của CPLEX tăng bùng nổ theo hàm mũ khi số lượng yêu cầu dịch vụ tăng lên 30, thời gian của SAN chỉ tăng tuyến tính ở mức milli-giây (Hình 3.6d), chứng minh tính khả thi tuyệt đối cho các hệ thống thời gian thực.
-
Cắt giảm chi phí vượt trội so với giải thuật tham lam (GREEDY):
Trong kịch bản medium network, SAN giúp tiết kiệm từ xấp xỉ 18% đến 30% tổng chi phí triển khai so với GREEDY (Hình 3.3c). Trong kịch bản large network (lên tới 650 yêu cầu), SAN giảm từ 15% đến 37% chi phí triển khai (Hình 3.4c), trong khi vẫn bảo toàn số lượng yêu cầu dịch vụ được chấp nhận và độ tin cậy trung bình của chuỗi SFC tương đương GREEDY.
-
Đột phá của Chiến lược CRM trong triển khai dự phòng bổ sung:
Thực nghiệm đối đầu giữa ba chiến lược lựa chọn VNF (CRM, RELVNF và RELVNF-Node) cho thấy CRM là chiến lược tối ưu nhất. Với kịch bản medium network, CRM giúp tiết kiệm từ 15% đến 50% chi phí triển khai dự phòng so với RELVNF-Node và từ 16% đến 40% so với RELVNF (Hình 3.7a). Tính chung trên toàn bộ các kịch bản thực nghiệm, CRM mang lại mức tiết kiệm tổng thể từ 30% đến 40% chi phí sao lưu bổ sung.
-
Hiện tượng phi tuyến khi tài nguyên biên bị bão hòa (Negative/Counter-intuitive Finding):
Khi thực hiện thử nghiệm giảm năng lực tính toán của các nút biên từ 100 MHz xuống 40 MHz (Hình 3.5), khoảng cách chi phí giữa SAN và GREEDY có xu hướng thu hẹp khi tải yêu cầu vượt ngưỡng 110 requests. Đặc biệt, đồ thị chi phí dự phòng bổ sung (Hình 3.8a) xuất hiện các điểm cực trị không đơn điệu tại các mốc 150, 200 và 300, 400 yêu cầu. Lý giải khoa học: khi tải tăng, tài nguyên biên bị vắt kiệt ngay từ Giai đoạn 1 (Primary & Full-backup), khiến Giai đoạn 2 không còn đủ tài nguyên để chèn thêm các bản sao VNF bổ sung, dẫn đến tỷ lệ chấp nhận dịch vụ suy giảm cục bộ.
| Tiêu chí So sánh |
Giải pháp Luận án (SAN + CRM) |
Giải thuật Tham lam (GREEDY) |
Giải thuật GREP (Fan et al. [30]) |
Phương pháp Chuẩn (MILP CPLEX) |
| Chất lượng lời giải |
Tiệm cận tối ưu (Sai số < 2.5%) |
Dưới tối ưu (Sub-optimal) |
Kém hiệu quả chi phí |
Nghiệm tối ưu tuyệt đối |
| Độ phức tạp thời gian |
Đa thức tuyến tính $O(n)$ |
Đa thức cực nhanh |
Đa thức nhanh |
Hàm mũ phi tuyến $O(2^n)$ |
| Tiết kiệm chi phí triển khai |
18% – 37% so với GREEDY |
Cơ sở so sánh (Baseline) |
Kém hơn CRM 16% – 40% |
Tối đa (nhưng không scale được) |
| Khả năng mở rộng (Scale) |
Rất cao (> 650 requests) |
Rất cao |
Cao |
Rất thấp ($\le 30$ requests) |
| Mô hình lỗi bao quát |
Lỗi kép: Phần cứng nút & VNF |
Chỉ xét ràng buộc vị trí |
Chỉ xét độ tin cậy VNF $r_f$ |
Tùy thuộc ràng buộc mô hình |
Implications đa chiều
- Về mặt học thuật: Khẳng định tính tất yếu của việc tích hợp đồng thời độ tin cậy phần cứng và phần mềm trong không gian tối ưu hóa SFC, đặt nền móng cho các nghiên cứu về hệ thống tự lành (self-healing softwarized networks).
- Về mặt phương pháp luận: Cung cấp công thức chỉ số CRM như một độ đo chuẩn mực (benchmark metric) có thể ứng dụng rộng rãi trong các bài toán phân bổ tài nguyên ảo hóa trên nền Kubernetes, OpenStack, và Open Source MANO (OSM).
- Về mặt ứng dụng thực tiễn: Giúp các nhà khai thác viễn thông (như VNPT, Viettel, MobiFone) tối ưu hóa kiến trúc mạng lõi 5G (vEPC, 5G Core) và mạng biên di động, tiết kiệm hàng triệu USD chi phí mua sắm máy chủ thương mại COTS (Commercial Off-The-Shelf) mà vẫn đảm bảo cam kết SLA đạt 99.999% tính sẵn sàng.
Limitations và Future Research
Nhằm duy trì tính khách quan khoa học, luận án thẳng thắn chỉ ra các giới hạn nghiên cứu:
- Mô hình lỗi phần cứng: Luận án tập trung giải quyết bài toán chống lỗi đơn nút mạng (Single server failure) tại mỗi thời điểm. Mặc dù lỗi đơn chiếm hơn 85% sự cố thực tế trong trung tâm dữ liệu, mô hình chưa bao quát kịch bản lỗi đồng thời nhiều nút do thiên tai hoặc sự cố nguồn điện diện rộng (Correlated/Cascading failures).
- Mô hình trễ mạng: Hàm chi phí định tuyến chủ yếu dựa trên trọng số liên kết và băng thông tiêu thụ, chưa tích hợp mô hình hàng đợi động $M/M/1$ hoặc $M/G/1$ để lượng hóa chi tiết độ trễ biến thiên từng gói tin (packet jitter) trong điều kiện nghẽn mạng cực hạn.
- Môi trường thực nghiệm: Các kết quả được kiểm chứng thông qua mô phỏng toán học và tính toán số trên dữ liệu chuẩn, chưa được thử nghiệm trên môi trường mạng thực tế quy mô lớn (Physical Testbed với OpenFlow Switch phần cứng).
Chương trình nghiên cứu 10 năm tới mở ra 4 hướng đi chiến lược:
- Hướng 1: Nghiên cứu cơ chế chia sẻ tài nguyên dự phòng (Shared Backup Allocation) giữa nhiều chuỗi SFC của các nhà cung cấp dịch vụ khác nhau (Multi-tenant) để nâng cao hơn nữa hiệu suất sử dụng phần cứng.
- Hướng 2: Ứng dụng các kỹ thuật định tuyến đa đường thông minh thích ứng động vượt trên ECMP, kết hợp mạng nơ-ron học tăng cường sâu (Deep Reinforcement Learning) để điều khiển lưu lượng thời gian thực.
- Hướng 3: Mở rộng bài toán phân bổ SFC trên kiến trúc nhiều trung tâm dữ liệu biên liên kết (Federated Multi-Access Edge Computing).
- Hướng 4: Tích hợp ràng buộc tiêu thụ năng lượng xanh (Green Computing) và phát thải carbon vào mô hình tối ưu hóa vị trí VNF.
Tác động và ảnh hưởng
Các kết quả nghiên cứu trong luận án đã được công bố trên các diễn đàn khoa học quốc tế uy tín, khẳng định giá trị học thuật đỉnh cao:
- 01 bài báo Hội nghị Quốc tế: IEEE ICCE 2018 (Hue, Vietnam - Scopus indexed) [C1].
- 02 bài báo Tạp chí Quốc tế uy tín: 01 bài trên Tạp chí quốc tế chuyên ngành (SCIE Q1) [J1] và 01 bài trên Journal of Network and Systems Management (Springer, SCIE Q2) [J2].
- Ngoài ra, các công trình mở rộng liên quan của nhóm tác giả đã được xuất bản trên IEEE Access (SCIE Q1) [J3] và Computer Networks (Elsevier, SCIE Q1) [J4].
pie title Phân bổ Công trình Khoa học Công bố
"Tạp chí SCIE Q1 (J1, J3, J4)" : 3
"Tạp chí SCIE Q2 (J2 - JNSM)" : 1
"Hội nghị Quốc tế Scopus (C1 - IEEE ICCE)" : 1
Về mặt chuyển giao công nghệ và chính sách, luận án đóng góp cơ sở dữ liệu và thuật toán then chốt cho tiến trình hiện đại hóa hạ tầng số quốc gia, phục vụ chiến lược chuyển đổi số của các cơ quan quản lý viễn thông và thúc đẩy xây dựng đô thị thông minh (Smart Cities), hệ thống giao thông thông minh (ITS) và chăm sóc sức khỏe từ xa (Tele-health).
Đối tượng hưởng lợi
- Nghiên cứu sinh và Giới học thuật: Tiếp cận mô hình toán học giải tích chuẩn xác về NFV-SFC, kế thừa mã nguồn giải thuật SAN và công thức chỉ số CRM để mở rộng sang các hệ thống mạng 6G và điện toán lượng tử.
- Kỹ sư R&D Viễn thông & Đám mây: Sở hữu bộ quy tắc tối ưu hóa có thể tích hợp trực tiếp vào các bộ điều phối NFV MANO mã nguồn mở (như OSM, ONAP) để tự động hóa cấu hình dịch vụ mạng.
- Nhà khai thác Mạng (Telecom Operators & ISPs): Giảm thiểu từ 30% đến 40% chi phí phần cứng đầu tư cho các bản sao lưu dự phòng, tối ưu hóa băng thông truyền tải và nâng cao chỉ số trải nghiệm khách hàng (Quality of Experience - QoE).
- Cơ quan Hoạch định Chính sách Viễn thông: Có luận cứ khoa học định lượng vững chắc để xây dựng các tiêu chuẩn quốc gia về độ an toàn, độ tin cậy và định mức kỹ thuật cho hạ tầng điện toán đám mây và biên.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nào?
Đóng góp lý thuyết độc đáo nhất là việc thiết lập Chỉ số Chi phí - Độ tin cậy biên (Cost-Reliability Metric - CRM) tích hợp trong mô hình tối ưu độ tin cậy hai giai đoạn. Đóng góp này mở rộng trực tiếp Lý thuyết Độ tin cậy Hệ thống Phức hợp trong Tiêu chuẩn ETSI GS NFV-REL 003 và Lý thuyết Phân bổ Tài nguyên Ảo hóa. Khác với các mô hình kinh điển chỉ tối ưu hóa cục bộ một chiều, CRM đồng thời lượng hóa: (1) Độ tin cậy phần mềm VNF ($r_f$), (2) Độ tin cậy phần cứng máy chủ biên ($r_k$), và (3) Mức tiêu tốn năng lực tính toán ($\alpha_{fk}$).
2. Sự đổi mới về mặt phương pháp luận so sánh với ít nhất 2 nghiên cứu quốc tế tiền nhiệm?
So với nghiên cứu GREP của Fan et al. (2015) [30], luận án khắc phục nhược điểm chọn VNF sao lưu mù quáng theo độ tin cậy thấp mà không màng tới chi phí tài nguyên, giúp tiết kiệm từ 16% đến 40% chi phí dự phòng. So với giải pháp RABA của Engelmann et al. (2019) [97] và mô hình 1+1 Backup của Marotta et al. (2017) [75], luận án không sao chép toàn bộ chuỗi dịch vụ một cách lãng phí mà áp dụng kiến trúc hai giai đoạn kết hợp thuật toán SAN, cho phép hệ thống vận hành linh hoạt ngay cả khi năng lực nút biên bị suy giảm nghiêm trọng từ 100 MHz xuống 40 MHz.
3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ?
Phát hiện bất ngờ nhất là sự xuất hiện của các đỉnh chi phí cục bộ phi tuyến tính và hiện tượng suy giảm chi phí dự phòng khi số lượng yêu cầu dịch vụ tăng cao (Hình 3.8a tại các điểm 150, 200 và 300, 400 requests). Về mặt trực quan, tải càng tăng thì chi phí dự phòng phải tăng đơn điệu. Tuy nhiên, dữ liệu thực nghiệm chỉ ra rằng do tài nguyên biên bị cạn kiệt bởi các chuỗi chính ở Giai đoạn 1, hệ thống buộc phải từ chối triển khai dự phòng bổ sung ở Giai đoạn 2 cho một số SFC, dẫn đến chi phí Giai đoạn 2 giảm xuống nhưng đánh đổi bằng việc sụt giảm tỷ lệ yêu cầu dịch vụ thỏa mãn SLA (Hình 3.8b).
4. Luận án có cung cấp giao thức tái lập thực nghiệm (Replication Protocol) không?
Có. Luận án cung cấp đầy đủ các thông số toán học, cấu hình phần cứng chuẩn xác (Intel Core i7-6600 2.6 GHz, 16 GB RAM), công cụ tối ưu hóa tiêu chuẩn (IBM ILOG CPLEX), các bộ dữ liệu topo mạng công khai (Internet2, Geant, Bcube, Two-tier), cùng mã giả chi tiết của các thuật toán (Thuật toán 3.2 GREEDY, Thuật toán SAN, Thuật toán 3.4 Lựa chọn CRM) và quy chuẩn lặp thực nghiệm 50 lần lấy giá trị trung bình.
5. Chương trình nghiên cứu 10 năm tiếp theo được vạch ra như thế nào?
Luận án vạch ra lộ trình 10 năm tập trung vào 4 trọng tâm: (1) Chuyển dịch từ cơ chế dự phòng chuyên biệt sang chia sẻ tài nguyên dự phòng đa người thuê (Multi-tenant Shared Redundancy); (2) Tích hợp Trí tuệ nhân tạo (AI/DRL) vào điều khiển lưu lượng động thời gian thực dưới mili-giây; (3) Tối ưu hóa chuỗi SFC trên nền tảng Multi-Access Edge Computing phân tán liên kết; (4) Tích hợp chỉ số trung hòa carbon và tối ưu hóa năng lượng xanh vào NFV MANO.
Kết luận
Luận án tiến sĩ của NCS. Nguyễn Thị Thùy Liên đã giải quyết trọn vẹn và xuất sắc các bài toán then chốt trong công nghệ Ảo hóa Chức năng Mạng với 5 đóng góp cốt lõi được lượng hóa rõ ràng:
- Xây dựng thành công mô hình toán học tổng quát EDP cho bài toán điều khiển lưu lượng, kết hợp đồng thời sự đa dạng về loại yêu cầu dịch vụ, tính biến thiên đa chu kỳ thời gian và định tuyến đa đường ECMP.
- Thiết lập khung giải pháp phân bổ dự phòng hai giai đoạn độc đáo, bảo vệ an toàn chuỗi SFC trước sự cố đơn nút mạng vật lý và lỗi phần mềm ảo hóa.
- Đề xuất giải thuật xấp xỉ SAN cho bài toán đặt vị trí VNF với thời gian chạy tuyến tính $O(n)$, tiệm cận nghiệm tối ưu CPLEX và tiết kiệm từ 15% đến 37% chi phí so với giải thuật GREEDY.
- Phát minh chỉ số tối ưu hóa đa chiều CRM, giúp tiết kiệm từ 30% đến 40% chi phí triển khai dự phòng bổ sung so với các chiến lược quốc tế tiền nhiệm (RELVNF, RELVNF-Node).
- Thực hiện hệ thống thực nghiệm quy mô lớn trên 4 cấu trúc mạng chuẩn và topo IoT biên với 50 lần lặp độc lập, cung cấp kho bằng chứng thực nghiệm vững chắc cho ngành mạng máy tính và truyền thông dữ liệu.
