Resumo:
A nova geração de telecomunicações móveis (5G) está em vias de ser implantada em todo o mundo, contudo diversos aspectos da sua implementação estão em aberto. Essa nova geração tem como principal objetivo atender a realidade que está por vir, i.e., alavancada pelos dispositivos IoT, com previsão para 2025 de mais de 79,4 zettabytes trafegados por ano e cerca de 41,6 bilhões de dispositivos conectados. Pensando nesses aspectos e visando estar preparado para essa nova realidade, o 3GPP lançou a Release 15. Um dos itens de adequação é a arquitetura baseada em serviços para o núcleo que, dentre outras características, desacopla os serviços de forma que cada um tenha uma responsabilidade específica, facilitando a multiplicação de serviços para atender os mais diversos e dinâmicos cenários. Nesse trabalho é apresentado um modelo para aumentar a capacidade de atendimento aos dispositivos e melhorar a utilização de recursos computacionais do próprio núcleo. Para isso, é proposta uma arquitetura que provê elasticidade horizontal proativa ao núcleo. Essa arquitetura tem como principais componentes (i) um balanceador de carga, que distribui todas as comunicações entre a rede de acesso e o núcleo que forem relacionadas aos equipamentos dos usuários para todas as funções de gerenciamento de mobilidade disponíveis e, (ii) um gerenciador de elasticidade, que realiza a alocação/desalocação dessas funções, utilizando a predição da carga de processamento das funções de gerenciamento de mobilidade. Essa predição é calculada com base na tendência das medições históricas, utilizando séries temporais, mais especificamente um modelo auto-regressivo integrado de médias móveis. Para evidenciar os resultados, este modelo foi submetido a 3 padrões de carga. Com a utilização desse modelo foi possível obter uma redução de até 38,28% no esforço computacional e um aumento de até 33,22% na capacidade de atendimento. Desta forma, foi possível evidenciar que com a replicação de funções de rede é viável o aumento na capacidade de atendimento e, através da utilização de elasticidade proativa, reduzir drasticamente o uso de recursos computacionais.