تطوير خوارزمية لموازنة حمل الخوادم في بيئة الشبكات المعرفة برمجياً باستخدام التعلم الآلي

الملخص

تعد الشبكات المعرَفة بالبرمجيات (SDN) إطاراً مرناً وفعالاً لإدارة موارد الشبكة وتوجيه حركة البيانات، مما يجعلها بيئة مثالية لتطبيق استراتيجيات موازنة الحمل بين الخوادم، ومع تطور تقنيات الذكاء الاصطناعي أصبح دمج التعلم الآلي مع SDN خطوة متقدمة نحو تحسين القرارات الشبكية بشكل ذاتي وتنبؤي. هذا الدمج يفتح المجال لشبكات أكثر ذكاءً وتكيفاً قادرة على مواجهة التغيرات اللحظية في الحمل الشبكي. وانطلاقاً من ذلك، تقترح هذه الدراسة خوارزمية جديدة لموازنة الحمل بين الخوادم في بيئة SDN، تعتمد على التنبؤ بزمن استجابة الخوادم باستخدام تقنيات التعلم الآلي بناءً على مؤشرات أداء الخوادم النشطة، مثل استخدام وحدة المعالجة المركزية، استخدام الذاكرة، عرض النطاق الترددي، وعدد الاتصالات النشطة بهدف اختيار الخادم الأمثل الذي يُتوقع أن يقدم أقل زمن استجابة. تم تقييم أداء الخوارزمية المقترحة ضمن بيئة ديناميكية وباختبارات متنوعة ومقارنتها مع خوارزميات Traditional Least Response، Least Bandwidth، Round Robin، وخوارزمية Naive Bayes، ثم تم تحليل النتائج إحصائياً، وقد أظهرت النتائج تفوق الخوارزمية المقترحة على جميع الخوارزميات المُقارن معها.