Il corso affronta due argomenti principali: i) il trasporto di dati su reti intelligenti, considerando la gestione, il progetto, la pianificazione e la capacità di fornire qualità del servizio a servizi eterogeni come la base per creare una infrastruttura intelligente ii) tecniche di distribuzione dei dati e architetture per il cloud computing per gestire l’enorme quantità di dati oggi disponibile (big data). Si approfondiranno sia tecniche analitiche sia tecniche simulative applicandole a casi di studio reali per progettare e valutare le prestazioni i reti intelligenti. Durante le lezioni sono presentate le tecniche necessarie per il supporto di traffico eterogeneo (voce, video, dati) su una infrastruttura di rete integrata condivisa da molti servizi e si confrontano le strategie di distribuzione dei dati. I laboratori sono principalmente rivolti allo sviluppo di simulatori per l’analisi delle prestazioni.

• Conoscenza delle architetture di reti intelligenti
• Conoscenza dei sistemi di distribuzione dei dati
• Conoscenza degli algoritmi e delle tecnologie necessarie a progettare reti intelligenti
• Conoscenza degli strumenti metodologici utilizzati per progettare reti intelligenti e valutarne le prestazioni
• Conoscenza degli elementi principali di un simulatore
• Capacità di analizzare in modo critico i diversi standard di rete, comprendendo le motivazioni di specifiche scelte di progetto negli enti di standardizzazione.
• Capacità di valutare le prestazioni di una rete intelligente mediante simulazione
• Capacità di creare modelli di sorgenti di traffico
• Capacità di comprendere gli elementi fondamentali del funzionamento di una rete intelligente quali la stabilità, la presenza di perdite, l’identificazione dei collidi bottiglia
• Capacità di selezionare in modo adeguato l’insieme degli algoritmi e delle tecnologie per fornire un determinato livello di qualità
• Capacità di identificare vantaggi e svantaggi degli algoritmi utilizzati

L'esame finale richiede una spiccata capacità di discutere i vantaggi e gli svantaggi dei vari algoritmi; tale capacità critica sarà sviluppate mediante discussioni di gruppo durante le lezioni. La capacità di applicare le conoscenze acquisite sarà verificata mediante discussioni ed esercitazioni in aula, e nella fase di esame orale. L'esame orale permetterà anche di migliorare le capacità di comunicazione.

Conoscenze di base sulle reti di calcolatori e di telecomunicazione, sulle tecniche di elaborazione dei segnali e di programmazione.

Cloud computing (4h)
• Introduzione alle architetture per cloud computing
• Modelli IaaS, PaaS, SaaS (Infrastructure, Platform, Software as a Service) models

Data centers and CDNs (6h)
• Architetture per Data center e per reti di distribuzione dei contenuti
• SDN e virtualizzazione
• Migrazione di macchine virtuali

Elementi fondamentali per fornire qualità del servizo in reti intelligenti (10h)
• Elementi di rete, topologie, tecniche di commutazione e multiplazione/accesso multiplo, congestione, tecniche di instradamento, protocolli e architetture di rete

Qualità del servizio e caratterizzazione del traffico dati, video, voce e multimediale (6h)

Algoritmi per la qualità del servizio (32h)
• Standard proposti per il supporto della qualità del servizio: ATM, Ethernet, Internet and wireless LANs (4h)
• Pianificazione delle risorse di rete (4h)
• Tecniche di controllo di ammissione delle chiamate e instradamento per la qualità di servizio (4h)
• Sagomatura e verifica di conformità: leaky bucket, token bucket (2h)
• Algoritmi di schedulazione: FIFO, priorità, PS, RR, DRR, GPS, WRR, WFQ (6h)
• Controllo di congestione e allocazione equa di risorse trasmissive (equità max-min) (6h)
• Politiche di scarto e tecniche di gestione attiva di code (Active Queue Management) (2h)
• Protezione e riconfigurazione (4h)

Concetti fondamentali nei sistemi a coda: (10h)
• Sistemi a coda (2h)
• Carico e stabilità dei sistemi a coda (2h)
• Legge di Little (2h)
• Reti di code e stabilità (4h)

Metodologie per l’analisi delle prestazioni (26h)
• Modelli analitici (2h)
• Tecniche di misura (4h)
• Simulazione ad eventi discreti (10h)
• Fitting di distribuzioni empiriche (4h)
• Simulazione di sorgenti di traffico (2h)
• Analisi dei risultati di simulazione (2h)
• Identificazione dei transitori (2h)

Laboratorio (26h)
• Analisi delle prestazioni si reti intelligenti mediante simulazione

Il corso è organizzato prevalentemente con lezioni frontali di tipo tradizionale. Sono previste esercitazioni e discussioni in aula per approfondire gli aspetti di realizzazione pratica di alcuni algoritmi visti a lezione.

Il materiale didattico sarà fornito dal docente titolare dell'insegnamento e messo a disposizione sul sito web del portale della didattica.

Esame scritto sui modelli di simulazione. Esame orale su tutti gli argomenti del corso, comprese le esercitazioni di laboratorio. L’esame ha una durata variabile tra 15 e 30 minuti e prevede sia domande teoriche sugli argomenti presentati a lezione e/o in laboratorio, sia la discussione di brevi esercizi e/o esempi volti a comprendere la capacità dello studente di tradurre in pratica le nozioni assimilate.