Fabio Farina

GARR-T si basa su caratteristiche innovative, tra le quali emergono programmabilità e reattività in tempo reale agli eventi, che si applicano a tutte le sue parti: la rete di trasporto ottico, la rete a pacchetto, i datacenter e il software. Ciascun sottosistema è costituito a sua volta da elementi con caratteristiche di programmabilità e dinamicità.
Per affrontare la complessità di questa gerarchia, e la complessità ancora maggiore derivante dall'interazione tra i sottosistemi, sono indispensabili strumenti come automazione, orchestrazione e analisi continua dei dati. Tuttavia l'applicazione dell'automazione ICT in forma diretta, tradizionale, potrebbe comportare sfide implementative significative.
Questo talk presenterà la via che GARR ha deciso di seguire per massimizzare il controllo sulla piattaforma, minimizzando al contempo la complessità architetturale, attraverso una strategia ispirata da specifiche metodologie di Intelligenza Artificiale. Discuteremo come i modelli di AI multi-agente e di controllo di sistemi complessi hanno guidato le linee di progettazione, ispirando le scelte di ingegneria dei sistemi distribuiti.
Infine, introdurremo alcune delle metodologie ML che supporteranno il processo di verifica e validazione dello stato operativo di GARR-T.

GARR-T is based on innovative features among which programmability and real-time reactivity emerge in all its constituent parts: the optical transport network, the packet network, the datacenters, and the software. Each subsystem is itself made of a multitude of elements, each exhibiting programmability and control characteristics.
The keys to face the complexity of this hierarchy and the even greater complexity resulting from the interaction between subsystems are automation, orchestration and telemetry analysis. However, applying a traditional and naive automation approach could entail arduous implementation challenges.
This talk will present the choice that GARR made to maximize the control on the platform while minimizing the architectural complexity. We will discuss how models coming from the multi-agent AI ​​and complex systems control theory, together with distributed systems engineering best practices, have been adopted to design the network orchestration stack.
Finally, we will introduce some of the ML methodologies that will support the verification and validation process of GARR-T status.