Отримано 24.12.2024, Доопрацьовано 04.03.2025, Прийнято 24.04.2025

Порівняльний аналіз методів балансування навантаження на основі SDN/NFV

Олександр Берестовенко

Метою дослідження було визначення переваг та недоліків застосування методів балансування навантаження в мережах на основі технологій Software-Defined Networking та Network Functions Virtualization. Окрему увагу було приділено порівнянню ефективності різних підходів до балансування, зокрема централізованих та дистрибутивних методів, а також використанню інтелектуальних алгоритмів для прогнозування навантаження. Аналіз дозволив визначити переваги та недоліки кожного з методів, а також їхні можливості для адаптації до змінних умов мережевого трафіку, з урахуванням таких параметрів, як пропускна здатність, затримки, втрата пакетів та енергоефективність. У роботі розглянуто методи балансування навантаження в мережах на основі технологій Software-Defined Networking та Network Functions Virtualization, які є важливими для забезпечення ефективності, масштабованості та адаптивності сучасних мереж. Описано ключові виклики, з якими стикаються ці технології, такі як динамічність і непередбачуваність трафіку, оптимізація ресурсів, енергоефективність, а також інтеграція інтелектуальних алгоритмів для прогнозування навантаження і зменшення енергоспоживання. У дослідженні представлено порівняння різних методів балансування навантаження, включаючи централізоване та дистрибутивне управління трафіком, а також використання віртуальних балансувальників і адаптивних алгоритмів переспрямування трафіку. Особливу увагу приділено аналізу впливу цих методів на пропускну здатність, затримки, втрати пакетів і енергоефективність у різних умовах трафіку. Розглянуто роль машинного навчання в оптимізації процесів балансування навантаження, а також можливості інтеграції SoftwareDefined Networking та Network Functions Virtualization у гібридні мережі. Згідно з результатами дослідження, використання методів балансування на основі Software-Defined Networking/Network Functions Virtualization дозволяє значно підвищити ефективність мереж, зменшити затримки та збільшити пропускну здатність, при цьому знижуючи енергоспоживання в умовах високих навантажень. Виведено ключові результати для України, де інтеграція Software-Defined Networking/Network Functions Virtualization у телекомунікаційну інфраструктуру може стати основою для підвищення якості послуг, оптимізації витрат та забезпечення високого рівня безпеки в умовах цифрової трансформації та модернізації інфраструктури

віртуалізація функцій мережі; інтелектуальні алгоритми; оптимізація ресурсів; гібридні структури; енергоефективність
124-133
Berestovenko, O. (2025). Comparative analysis of load balancing methods based on SDN/NFV. Information Technologies and Computer Engineering, 22(1), 124-133. https://doi.org/10.63341/vitce/1.2025.124

Використані джерела

[1] Adoga, H.U., & Pezaros, D.P. (2022). Network function virtualization and service function chaining frameworks: A comprehensive review of requirements, objectives, implementations, and open research challenges. Future Internet, 14(2), 59. doi: 10.3390/fi14020059.

[2] Alenezi, M., Almustafa, K., & Meerja, K.A. (2019). Cloud based SDN and NFV architectures for IoT infrastructure. Egyptian Informatics Journal, 20(1), 1-10. doi: 10.1016/j.eij.2018.03.004.

[3] Billingsley, J., Miao, W., Li, K., Min, G., & Georgalas, N. (2020). Performance analysis of SDN and NFV enabled mobile cloud computing. In GLOBECOM 2022 – 2022 IEEE Global Communications Conference (pp. 1-6). Taipei: IEEE. doi: 10.1109/globecom42002.2020.9322530.

[4] Bonfim, M.S., Dias, K.L., & Fernandes, S.F. (2019). Integrated NFV/SDN architectures: A systematic literature review. ACM Computing Surveys (CSUR), 51(6), article number 114. doi: 10.1145/3172866.

[5] Buyakar, T.V.K., Agarwal, H., Tamma, B.R., & Franklin, A.A. (2019). Prototyping and load balancing the Service Based Architecture of 5G core using NFV. In 2019 IEEE Conference on Network Softwarization (pp. 228-232). Paris: IEEE. doi: 10.3233/jifs-189706.

[6] Chahlaoui, F., & Dahmouni, H. (2020). A taxonomy of load balancing mechanisms in centralized and distributed SDN architectures. SN Computer Science, 1, article number 268. doi: 10.1007/s42979-020-00288-8.

[7] Das, A., Nanda, P., Jain, R., Saini, T., Bhaskar, S., & Mohapatra, H. (2025). Security considerations of SDN networks during DDoS Attacks in load balancing. In Human impact on security and privacy: Network and human security, social media, and devices (pp. 123-140). Hershey: IGI Global. doi: 10.4018/979-8-3693-9235-5.ch007.

[8] Filali, A., Mlika, Z., Cherkaoui, S., & Kobbane, A. (2020). Preemptive SDN load balancing with machine learning for delay sensitive applications. IEEE Transactions on Vehicular Technology, 69(12), 15947-15963. doi: 10.1109/ TVT.2020.3038918.

[9] George, J. (2022). Optimizing hybrid and multi-cloud architectures for real-time data streaming and analytics: Strategies for scalability and integration. World Journal of Advanced Engineering Technology and Sciences, 7(1), 174-185. doi: 10.30574/wjaets.2022.7.1.0087.

[10] Giri, N., Kukreja, V., Panchi, D., Sajnani, J., & Seedani, H. (2018). Performance evaluation of load balancing algorithms for SDN. In 2018 Fourth international conference on computing communication control and automation (pp. 1-4). Pune: IEEE. doi: 10.1109/ICCUBEA.2018.8697762.

[11] Ibrahim, A.A., Hashim, F., Noordin, N.K., Sali, A., Navaie, K., & Fadul, S.M. (2020). Heuristic resource allocation algorithm for controller placement in multi-control 5G based on SDN/NFV architecture. IEEE Access, 9, 2602-2617. doi: 10.1109/ACCESS.2020.3047210.

[12] Jena, U.K., Das, P.K., & Kabat, M.R. (2022). Hybridization of meta-heuristic algorithm for load balancing in cloud computing environment. Journal of King Saud University-Computer and Information Sciences, 34(6), 2332-2342. doi: 10.1016/j.jksuci.2020.01.012.

[13] Jiang, X., Yang, H., Yang, Y., & Chen, Z. (2021). Cluster load balancing algorithm based on dynamic consistent hash. Journal of Intelligent & Fuzzy Systems, 41(3), 4461-4468. doi: 10.3233/jifs-189706.

[14] Kaur, K., Mangat, V., & Kumar, K. (2020). A comprehensive survey of service function chain provisioning approaches in SDN and NFV architecture. Computer Science Review, 38, article number 100298. doi: 10.1016/j.cosrev.2020.100298.

[15] Lakhani, G., & Kothari, A. (2020). Fault administration by load balancing in distributed SDN controller: A review. Wireless Personal Communications, 114(4), 3507-3539. doi: 10.1007/s11277-020-07545-2.

[16] Liang, S., Jiang, W., Zhao, F., & Zhao, F. (2020). Load balancing algorithm of controller based on SDN architecture under machine learning. Journal of Systems Science and Information, 8(6), 578-588. doi: 10.21078/JSSI-2020-578-11.

[17] Monir, M.F., & Pan, D. (2021). Exploiting a virtual load balancer with SDN-NFV framework. In 2021 IEEE international Black Sea conference on communications and networking (pp. 1-6). Bucharest: IEEE. doi: 10.1109/ BlackSeaCom52164.2021.9527807.

[18] Moosavi, R., Parsaeefard, S., Maddah-Ali, M.A., Shah-Mansouri, V., Khalaj, B.H., & Bennis, M. (2021). Energy efficiency through joint routing and function placement in different modes of SDN/NFV networks. Computer Networks, 200, article number 108492. doi: 10.1016/j.comnet.2021.108492.

[19] Nawaz, H., Ali, M.A., Rai, S.I., & Maqsood, M. (2024). Comparative analysis of cloud based SDN and NFV in 5g Networks. The Asian Bulletin of Big Data Management, 4(1), 206-216. doi: 10.62019/abbdm.v4i1.114.

[20] Nezami, Z., Zamanifar, K., Djemame, K., & Pournaras, E. (2021). Decentralized edge-to-cloud load balancing: Service placement for the Internet of Things. IEEE Access, 9, 64983-65000. doi: 10.1109/ACCESS.2021.3074962.

[21] Pidpalyi, O. (2024). Future prospects: AI and machine learning in cloud-based SIP trunking. Bulletin of Cherkasy State Technological University, 29(1), 24-35. doi: 0.62660/bcstu/1.2024.24. 

[22] Ray, P.P., & Kumar, N. (2021). SDN/NFV architectures for edge-cloud oriented IoT: A systematic review. Computer Communications, 169, 129-153. doi: 10.1016/j.comcom.2021.01.018.

[23] Rout, S., Patra, S.S., Patel, P., & Sahoo, K.S. (2020). Intelligent load balancing techniques in software defined networks: A systematic review. In 2020 IEEE international symposium on sustainable energy, signal processing and cyber security (pp. 1-6). Gunupur Odisha: IEEE. doi: 10.1109/iSSSC50941.2020.9358873.

[24] Song, Z., Sun, Y., Wan, J., Huang, L., & Zhu, J. (2019). Smart e-commerce systems: Current status and research challenges. Electronic Markets, 29, 221-238. doi: 10.1007/s12525-017-0272-3.

[25] Tache, M.D., Păscuțoiu, O., & Borcoci, E. (2024). Optimization algorithms in SDN: Routing, load balancing, and delay optimization. Applied Sciences, 14(14), article number 5967. doi: 10.3390/app14145967.

[26] Thajeel, T.G., & Abdulhassan, A. (2021). A comprehensive survey on software-defined networking load balancers. In 2021 4th international Iraqi conference on engineering technology and their applications (pp. 1-7). Najaf: IEEE. doi: 10.1109/IICETA51758.2021.9717919.

[27] Tipantuna, C., & Hesselbach, X. (2020). NFV/SDN enabled architecture for efficient adaptive management of renewable and non-renewable energy. Open Journal of the Communications Society, 1, 357-380. doi: 10.1109/ OJCOMS.2020.2984982.

[28] Zarca, A.M., Bernabe, J.B., Trapero, R., Rivera, D., Villalobos, J., Skarmeta, A., & Gouvas, P. (2019). Security management architecture for NFV/SDN-aware IoT systems. IEEE Internet of Things Journal, 6(5), 8005-8020. doi: 10.1109/ JIOT.2019.2904123.

[29] Zhou, Q., Yu, J., & Li, D. (2021). A dynamic and lightweight framework to secure source addresses in the SDN-based networks. Computer Networks, 193, article number 108075. doi: 10.1016/j.comnet.2021.108075. 

[30] Zhu, L., Karim, M.M., Sharif, K., Xu, C., Li, F., Du, X., & Guizani, M. (2020). SDN controllers: A comprehensive analysis and performance evaluation study. ACM Computing Surveys (CSUR), 53(6), article number 133. doi: 10.1145/3421764.