Cloud Radio Access Network dimensioning

Show simple item record

dc.contributor Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta, Fysiikan laitos fi
dc.contributor University of Helsinki, Faculty of Science, Department of Physics en
dc.contributor Helsingfors universitet, Matematisk-naturvetenskapliga fakulteten, Institutionen för fysik sv
dc.contributor.author Kylliäinen, Joonas
dc.date.issued 2017
dc.identifier.uri URN:NBN:fi-fe2017112251867
dc.identifier.uri http://hdl.handle.net/10138/229080
dc.description.abstract As the data traffic, as well as the speed demands, increases, the mobile networks require means for economically fulfil these demands. The solution comes from the cloud. In order to move the processing to the cloud, it must be carefully dimensioned to know how much resources each situation requires. This means there must be a way to calculate from the traffic the virtual machines required and the hardware resources the virtual machines need, when the cloud infrastructure used is OpenStack. This thesis provides two methods for calculating the virtual machines from the traffic profile. The first one is based on performance testing of the virtual network functions and the second one is based on machine learning technique called multiple linear regression analysis. Furthermore in this work, approximation algorithms are being used in order to solve multidimensional variates of classical optimization problems such as bin packing problem and subset sum problem. These algorithms are used to dimension required resources from the virtual machines to hardware and vice versa. The algorithms are bundled to a program with a graphical user interface to make as user friendly as possible. en
dc.description.abstract Liikenteen määrän ja sen vaatiman nopeuden kasvaessa mobiiliverkoissa, on löydettävä tapoja, joilla nämä vaatimukset voidaan taloudellisesti täyttää. Pilviteknologian käyttöönotto mobiiliverkoissa tulee olemaan osa ratkaisua. Jotta laskentaa voidaan siirtää pilveen, on sen vaativuudet kuitenkin määriteltävä tarkasti. On siis oltava olemassa tapa laskea vallitsevasta liikenteestä tarvittavien virtuaalikoneiden määrä, sekä niiden tarvitsemat resurssit laitteistolta kun pilven infrastruktuurina käytetään OpenStack-ohjelmistoa. Tämä tutkielma tarjoaa menetelmiä virtuaalikoneiden laskemiseen liikenteestä. Toinen menetelmistä perustuu suorituskykymittauksiin ja toinen koneoppimismenetelmään, joka tunnetaan useamman muuttujan lineaarisena regressioanalyysiina. Tässä työssä käytetään myös approksimointialgoritmeja useampiulotteisten optimointiongelmien nopeaan ratkaisemiseen. Näitä algoritmeja käytetään virtuaalikoneiden laitteistolta tarvitsemien resurssien määrän laskemiseen, sekä virtuaalikoneiden maksimimäärän selvittämiseen kun laitteisto tiedetään. Nämä algoritmit on koottu ohjelmaksi graafisella käyttöliitymällä, jotta sen käyttö olisi mahdollisimman helppoa. fi
dc.language.iso eng
dc.publisher Helsingfors universitet sv
dc.publisher University of Helsinki en
dc.publisher Helsingin yliopisto fi
dc.title Cloud Radio Access Network dimensioning en
dc.type.ontasot pro gradu-avhandlingar sv
dc.type.ontasot pro gradu -tutkielmat fi
dc.type.ontasot master's thesis en
dc.subject.discipline Physics en
dc.subject.discipline Fysiikka fi
dc.subject.discipline Fysik sv
dct.identifier.urn URN:NBN:fi-fe2017112251867

Files in this item

Files Size Format View
gradu.pdf 1.975Mb application/pdf View/Open

This item appears in the following Collection(s)

Show simple item record