Политики QoS — это основа для управления веб-трафиком и реализации качественного соединения (особенно на инфраструктуре операторов связи). Мы в VAS Experts предлагаем решение PCEF, которое отвечает за применение политик качества обслуживания и контроль сетевого поведения. Однако сама область QoS активно развивается: регулярно появляются улучшенные алгоритмы и подходы к управлению трафиком, так что системным и сетевым администраторам важно держать руку на пульсе. В этом материале разберем несколько свежих и необычных реализаций — от LLM-систем, позволяющих настраивать сеть текстовыми запросами, до алгоритма, основанного на поведении китов во время охоты.
Киты — мастера оптимизации
В 2024 году исследователь из Саудовской Аравии представил новый подход к управлению QoS на основе мультиагентных систем, подбирающих оптимальную композицию сервисов, отвечающих требованиям пользователей — MA-WOA. Композиция веб-сервисов (WSC) подразумевает объединение нескольких приложений для создания одного комплексного. Такой подход экономит время за счет интеграции уже существующих решений, однако разработчикам приходится следить за показателями QoS для каждого компонента системы в отдельности (которые могут произвольно меняться в зависимости от факторов среды).
В своей работе исследователь применил метаэвристический алгоритм WOA (Whale Optimization Algorithm), вдохновленный поведением китов, использующих для охоты «пузырьковые сети». Они оплывают косяк рыбы по спирали, выпуская изо рта пузырьки, сгоняющие добычу в центр «ловушки», а затем резко устремляются в центр и поедают замешкавшихся. Вот и в алгоритме WOA «киты» представляют собой решение задачи оптимизации, а «охота» — процесс поиска. Механизм спирального движения позволяет двигаться к оптимальному варианту постепенно, чтобы не пропустить менее очевидные альтернативы [как такой механизм реализуется на практике — с примерами кода и пояснениями — можно почитать в этой научной работе].
Чтобы доказать эффективность мультиагентного «китового» подхода в контексте оптимизации QoS, исследователь оценил его на практике, используя реальный (порядка 2,5 тыс. веб-сервисов) и синтетический (52 тыс. сервисов) датасеты. В тестах оценивалась пропускная способность, надежность и время отклика — по всем MA-WOA обошел альтернативные решения. Автор работы рассчитывает, что его подход будут применять для распределения ресурсов в сетевой инфраструктуре, но пока он остается лишь теоретической реализацией.
Один запрос — и все готово
Стремительное развитие LLM заметно ускорило эволюцию сетей с управлением на основе намерений (IBN). В такой модели администратор описывает, как должна выглядеть инфраструктура, а интеллектуальный помощник интерпретирует запрос и производит низкоуровневую настройку. Впрочем, на практике перевод пользовательских намерений в параметры управления трафиком часто требует ручной донастройки. В начале этого года специалисты из Оттавского университета представили фреймворк — Intent2QoS, способный в автоматическом режиме реализовать конфигурацию Linux tc без участия человека.
Конвейер Intent2QoS включает формирование семантической модели, обработку запроса администратора с помощью LLM с последующим составлением конфигураций tc и оценкой их корректности (ее проводит специально обученная система-критик).
Для обработки запросов на естественном языке исследователи задействовали несколько open source-моделей, в том числе Gemma 7B и Phi-2. Поскольку на момент публикации работы не существовало общедоступных тестов для оценки пар «намерение — tc-конфигурация», команда представила собственный бенчмарк и сформировала синтетический датасет из сотни запросов. Среди них были сценарии вроде: «Минимизируй задержку для голосового трафика в период с 20:00 до 01:00». Новый бенчмарк оценивал сразу несколько параметров: насколько корректно модель понимает смысл запроса, совпадает ли итоговая конфигурация с ожидаемой, соблюдена ли структура tc-настроек [лучшие результаты показала LLaMA3 8B].
Разработчики Intent2QoS предупреждают, что фреймворк не проверялся «в полевых условиях». Его тестировали в стабильной сети без сложных паттернов трафика. Но авторы проекта рассчитывают, что в Intent2QoS можно интегрировать с платформами оркестрации для управления сетевой инфраструктурой промышленного масштаба.
«Кошки» в поисках лучшего сервера
Аудитория стриминговых сервисов растет экспоненциально, неудивительно, что возникает необходимость в новых механизмах для обеспечения QoS. Один из таких в январе 2025 года предложила команда специалистов из Индии, Иордании, Малайзии и Венгрии.
Представленная ими клиент-серверная архитектура решения включает четыре компонента. Первый модуль занимается распределением ресурсов, другой является адаптивным диспетчером буфера, третий оценивает скорость потоковой передачи, а последний отвечает за выбор сервера с помощью метода оптимизации на основе кошачьих стай (cat-swarm). Подход cat-swarm относится к классу алгоритмов роевого интеллекта, где сложная система управляется не централизованно, а за счет взаимодействия множества автономных агентов. Изначально подобные методы вдохновлялись поведением насекомых, однако позднее появились вариации алгоритмов на основе поведения млекопитающих.
Cat-swarm был предложен в 2006 году. В естественной среде большую часть времени кошки остаются в состоянии покоя, оценивая окружающую обстановку, но стоит им заприметить добычу, они тут же устремляются в погоню. В вычислительных системах эта логика означает анализ состояния сервера: мониторинг загруженности процессора, оперативной памяти и трафика. Сервер «оглядывается по сторонам», чтобы найти оптимальные параметры или пути решения проблемы в непосредственной близости. Как только алгоритм находит производительный узел, начинается перераспределение ресурсов, чтобы максимизировать эффективность кластера.
Предложенный специалистами подход позволил обеспечить высокий уровень QoS. Разработчики провели пятиминутную симуляцию ns-2 с тысячей мобильных узлов, расположенных на расстоянии до одного километра. Каждый пакет передаваемых данных весил 512 байт, а скорость соединения тестировалась в четырех режимах: 500, 750, 1000 и 1250 Кбит/c. По результатам моделирования новый механизм сократил сквозную задержку на 10%, а пакеты начали теряться на 10% реже.
Найти «бутылочное горлышко»
Беспроводные сети — основа современной цифровой инфраструктуры, однако они могут работать нестабильно в местах с множеством одновременных пользователей и «плавающим» трафиком. Обеспечить высокий уровень QoS в таких сетях бывает непросто. Исследователи из Университета Страны Басков в феврале этого года представили новую модель контроля сети — QoXphere, работающую на базе методологии комплексного управления качеством (QoX). Подход основан на машинном обучении и совмещает в себе QoS, а также анализ пользовательского опыта (QoE) и бизнеса (QoBiz). QoXphere позволяет не просто отобразить метрики, а «объяснить», почему в той или иной сети плохой (или, наоборот, хороший) сигнал.
QoXphere строит модели регрессии, выполняет кластеризацию поведения пользователей — данные сравниваются и анализируются системами машинного обучения. На основе полученной информации специалисты могут сформировать дальнейшую стратегию для оптимизации сети.
Модель опробовали в полевых условиях во время перехода местной университетской сети со стандарта Wi-Fi 5 на Wi-Fi 6. Исследователи замерили показатели производительности старого Wi-Fi, а также изучили структуру трафика и отзывы 267 пользователей до и после миграции. Далее с помощью QoXphere экспериментаторы обнаружили ряд аномалий, например, в помещениях педагогического факультета сигнал терялся из-за акустической изоляции и неэффективного расположения точек доступа в коридорах. Найдя ошибки и «бутылочные горлышки» в сетевой инфраструктуре, специалисты внесли необходимые коррективы — в одном месте увеличили число передатчиков, в другом изменили схему радиопланирования. По словам исследователей, такая точечная оптимизация позволила на 34% сократить число обращений в службу поддержки по вопросам, связанным с работой Wi-Fi.
В планах авторов проекта масштабировать QoXphere — применить подход для анализа сетевой инфраструктуры всех зданий в Университете Страны Басков. Также команда планирует обращаться к разработанной методологии, чтобы формировать единую оценку качества по QoX для новых стандартов связи. Дополнительно в платформу QoXphere собираются внедрить системы на основе методов машинного обучения для прямого управления настройками сети.
Адаптировать сетевые политики «на лету»
Стандарты связи 5G и 6G постепенно приближаются к массовому внедрению. Однако для сетевой инфраструктуры с огромной пропускной способностью и объемами трафика необходима гибкость в настройке и при оптимизации сегментов сети. В большинстве реализаций программно-определяемых сетей высокое качество QoS обеспечивается статически — распределение ресурсов в инфраструктуре контролируют с помощью набора заранее написанных правил для механизмов переадресации. Чтобы реализовать динамическое управление сетевыми параметрами, ученые из Белградского университета, Нови-Садского университета и Сербского национального исследовательского института RT-RK в 2022 году предложили собственный механизм.
Подход сербских ученых подразумевает управление QoS через централизованный контроллер. Он собирает данные об имеющихся потоках и запросах сервисов, а затем изменяет очереди на коммутаторах или генерирует новые с помощью протоколов OpenFlow и OVSDB. Схожие сервисы объединяются в группы, каждой из которых задается уникальная сетевая политика для обеспечения QoS. А если в инфраструктуре изменяется нагрузка, то система автоматически перераспределяет ресурсы и выставляет новые приоритеты на передачу трафика.
Ученые построили тестовую SDN-систему и оценили подход в рамках пяти сценариев по распределению ресурсов между тремя типами трафика (они имитировали потоки веб-контента, мультимедиа и данных видеонаблюдения). Система динамически перераспределяла ресурсы в зависимости от приоритета. Однако исследователи предупреждают, что их механизм еще предстоит тщательно опробовать в боевом режиме, а не в симуляциях.
О чем еще мы пишем в нашем корпоративном блоге:
Как использовать QoS (Quality of Service) для обеспечения качества доступа в интернет. Говорим о моделях QoS: негарантированной доставке пакетов, моделях интегрированных и дифференцированных услуг. Еще в статье можно найти рекомендации по тому, как обеспечить высокий уровень QoS на домашнем роутере. Материал также поможет разобраться в том, какие виды приоритизации трафика существуют и как подобрать подходящий. Также перечислили показатели QoS, на которые стоит обращать внимание.
Интеллектуальное управление трафиком от VAS Experts. В этой статье расскажем, как методы машинного обучения и искусственного интеллекта помогают PCEF адаптироваться к изменениям в сети: в том числе, обнаруживать кибератаки.
Разметка сетевого трафика: что это, как работает и какие бывают классы. Материал для желающих разобраться в том, что такое классификация трафика и зачем она нужна оператору связи. Говорим о том, какой бывает классификация трафика, почему технология классификации DiffServ считается основной. Также показываем, как реализовано распределение пакетов и управление сетью в СКАТ DPI; продемонстрируем два сценария разметки и пример приоритизации по IP-заголовку.
3GPP compliance в действии: как PGW от VAS Experts восстановил 4G-роуминг в Австралии. Разбираем реальный кейс, как плановая модернизация сети местного провайдера обрушила 4G-связь для наших туристов. Рассказываем, как наша команда в спешке и дистанционно пыталась разобраться в проблемах соединения на другом континенте и почему ужесточение требований регулятора по отношению к протоколу GTPv2 помешало устанавливать сессии между SGW и PGW.