Analisis Performansi NRM-VNE dan VNE-MGA pada Virtual Network Embedding
Abstract
Di kehidupan kita sehari-hari, penggunaan internet menjadi bagian yang tidak dapat dipisahkan dari kebutuhan zaman modern yang akan melibatkan lebih banyak elemen jaringan dan end-users, volume traffic yang lebih besar dan fitur yang lebih beragam. Untuk memenuhi kebutuhan demand ini maka Network Virtualization (NV) muncul sebagai jawaban namun diikuti juga dengan permasalahan Virtual Network Embedding (VNE) yang memiliki tujuan utama untuk mencapai efektifitas dan efisiensi dalam sebuah jaringan virtual. Penelitian ini ingin melakukan perbandingan performa antara dua algoritma Virtual Network Embedding (VNE) yaitu metode NRM-VNE dan VNE MGA melalui tiga nilai metriks evaluasi yaitu long-term average revenue, acceptance ratio dan revenue to cost. Metode NRM-VNE menggunakan algoritma Node Ranking Metrics (NRM) dimana algoritma ini menghitung nilai ranking untuk semua node dan link virtual yg kemudian diurutkan sesuai dengan ranking tertinggi sedangkan metode VNE-MGA menggunakan algoritma modifikasi genetika yang melalui beberapa operasi tertentu untuk mencapai solusi yang optimal. Dari hasil simulasi yang telah dilakukan didapatkan bahwa metode VNE-MGA memiliki performa yang lebih baik dibandingkan dengan metode NRM-VNE di tiga metriks evaluasi namun metode NRM-VNE lebih baik dari aspek total time cost yang dibutuhkan untuk menjalankan simulasi. Hal ini terjadi karena metode NRM-VNE melakukan pemusatan kinerja pada node dan link dengan ranking tertinggi di jaringan substrat sehingga mempengaruhi nilai metriks evaluasi yang didapatkan sedangkan metode VNE-MGA melakukan operasi pengecekan untuk menilai apakah pemerataan kinerja telah mencapai nilai optimal di setiap node dan link sehingga ini membuat nilai metriks evaluasi jadi lebih baik dibandingkan metode sebelumnya.
Kata kunci— Metriks Evaluasi, Network Virtualization (NV), NRM-VNE, Virtual Network Embedding (VNE), VNE-MGA.
References
R. Mulyawan, "Network Virtualization," 4 September 2019. [Online]. Available: https://rifqimulyawan.com/literasi/network-virtualization/. [Accessed Agustus 2024]. 23
H. Wu, F. Zhou, Y. Chen and R. Zhang, "On Virtual Network Embedding: Paths and Cycles," in IEEE Transactions on Network and Service Management, vol. 17, no. 3, pp. 1487-1500, Sept. 2020, doi: 10.1109/TNSM.2020.3002849.
R. Mulyawan, "Genetic Algorithm," Agustus 2024. [Online]. Available: https://rifqimulyawan.com/literasi/genetic-algorithm/. [Accessed 27 Agustus 2024].
S. Akhila and Hemavathi, "5G Ultra-Reliable Low-Latency Communication: Use Cases, Concepts and Challenges," 2023 10th International Conference on Computing for Sustainable Global Development (INDIACom), New Delhi, India, 2023, pp. 53-58.
P. Marsch et al., "5G Radio Access Network Architecture: Design Guidelines and Key Considerations," in IEEE Communications Magazine, vol. 54, no. 11, pp. 24-32, November 2016, doi: 10.1109/MCOM.2016.1600147CM.
Antenova Ltd, "URLLC: What it is and how it works," 30 Januari 2024. [Online]. Available: https://blog.antenova.com/urllc-what-it-is-and-how-it works. [Accessed 20 Agustus 2024].
P. Popovski, K. F. Trillingsgaard, O. Simeone and G. Durisi, "5G Wireless Network Slicing for eMBB, URLLC, and mMTC: A Communication-Theoretic View," in IEEE Access, vol. 6, pp. 55765-55779, 2018, doi: 10.1109/ACCESS.2018.2872781.
S. Wu, N. Chen, A. Xiao, P. Zhang, C. Jiang and W. Zhang, "AI-Empowered Virtual Network Embedding:A Comprehensive Survey," in IEEE Communications Surveys & Tutorials, doi: 10.1109/COMST.2024.3424533.
A. Fischer, J. F. Botero, M. T. Beck, H. de Meer and X. Hesselbach, "Virtual Network Embedding: A Survey," in IEEE Communications Surveys & Tutorials, vol. 15, no. 4, pp. 1888-1906, Fourth Quarter 2013, doi: 10.1109/SURV.2013.013013.00155.
Cheng, Xiang & Su, Sen & Zhang, Zhongbao & Shuang, Kai & Yang, Fangchun & Luo, Yan & Wang, Jie. (2012). Virtual Network Embedding through topology awareness and optimization. Computer Networks. 56. 1797–1813. 10.1016/j.comnet.2012.01.022.
P. Zhang, H. Yao and Y. Liu, "Virtual Network Embedding Based on Computing, Network, and Storage Resource Constraints," in IEEE Internet of Things Journal, vol. 5, no. 5, pp. 3298-3304, Oct. 2018, doi: 10.1109/JIOT.2017.2726120.
"What Is the Genetic Algorithm?" Mathworks, 2024. [Online]. Available: https://www.mathworks.com/help/gads/what-is-the-genetic-algorithm.html. [Accessed 17 Agustus 2024].
Zhang, Peiying & Yao, Haipeng & Li, Maozhen & Liu, Yunjie. (2019). Virtual Network Embedding based on modified genetic algorithm. Peer-to-Peer Networking and Applications. 12. 10.1007/s12083-017-0609-x.
C. Zhao, S. Zhou, J. Yang and Y. Li, "A Strategy for Performance Evaluation on Virtual Network Embedding Algorithms," 2019 IEEE 19th International Conference on Communication Technology (ICCT), Xi'an, China, 2019, pp. 1327-1331, doi: 10.1109/ICCT46805.2019.8947125.
