В данной исследовательской работе рассматривается инновационная область оптимизации распределения нагрузки в сетях центров обработки данных (ЦОД) за счет интеграции возможностей программно-определяемых сетей (SDN) и алгоритмов машинного обучения.

Традиционные архитектуры ЦОД сталкиваются со значительными трудностями при обработке непредсказуемых схем трафика, что приводит к возникновению узких мест, перегрузке сети и неоптимальному использованию ресурсов. В исследовании предлагается новая платформа, объединяющая гибкость и программируемость SDN с прогностическими и аналитическими возможностями машинного обучения.