CC BY
125
ОПТИМИЗАЦИЯ УПРАВЛЕНИЯ ПЕРЕГРУЗКАМИ В СЕТИ LTE С ТРАФИКОМ МЕЖМАШИННОГО ВЗАИМОДЕЙСТВИЯ
Чукарин Алексей Валерьевич,
к.ф.-м.н., кафедры прикладной информатики и теории вероятностей, Российский Университет Дружбы Народов РУДН, Москва, Россия, chukarin@yandex.ru
Абаев Павел Ованесович,
к.ф.-м.н., кафедры прикладной информатики и теории вероятностей, Российский Университет Дружбы Народов РУДН, Москва, Россия, pabaev@sci.pfu.edu.ru
Зарипова Эльвира Ринатовна,
Старший преподаватель кафедры прикладной информатики и теории вероятностей, Российский Университет Дружбы Народов РУДН, Москва, Россия, pabaev@sci.pfu.edu.ru
Синицын Иван Эдуардович,
Студент кафедры прикладной информатики и теории вероятностей, Российский Университет Дружбы Народов РУДН, Москва, Россия, iesinitsyn@gmail.com
Исследование выполнено при финансовой поддержке РФФИ в рамках научных проектов № 15-07-03051-а, 15-07-0360-а.
Ключевые слова: межмашинный трафик, Интернет вещей, балансировка нагрузкой, пороговое управление, маршрутизация трафика, оптимизация.
Для повышения комфорта человек окружает себя всевозможными технологическими устройствами, своевременно обеспечивающими безопасность и информационное оповещение. Примерами таких устройств, подключенных к сети Интернет, являются всевозможные датчики и счетчики, обменивающиеся информацией в автоматическом режиме без участия человека, например, в здравоохранении, автоматизации городских служб, наблюдении и других областях. Множество устройств, подключенных к сети Интернет, обменивающихся между собой информацией, образует активно развивающийся сегмент Интернета вещей (англ., Internet of Things). Европейский институт по стандартизации ETSI (European Telecommunications Standards Institute) для обозначения такого рода связи использует термин "межмашинное взаимодействие" (M2M, Machine-to-Machine). При возникновении экстренных ситуаций и мгновенном срабатывании большого количества датчиков прогнозируется взрывной рост трафика, поступающего на обслуживание, при этом в различных элементах сети может возникнуть перегрузка. Обслуживание межмашинного трафика начинается на базовых станциях, связанных с узлами управления мобильностью (ММЕ, Mobility Management Entity). Узлы управления мобильностью отвечают за сигнализацию между ядром сети и пользовательскими устройствами и участвуют в процессах активации и дезактивации сетевых ресурсов. В случае обнаружения перегруженности узлов управления мобильностью необходимо своевременно балансировать и перенаправить трафик в другие узлы MME, тем самым, разгружая соответствующие элементы сети. Предлагается алгоритм оптимального распределения трафика между узлами управления мобильностью для случая, когда базовая станция связана более чем с одним узлом MME. Для упрощенной модели сегмента сети, обслуживающей межмашинный трафик, применен алгоритм оптимального распределения M2M-трафика, показано управление трафиком в случае перегрузки элементов сети. Балансировка нагрузкой осуществляется вероятностной стратегией маршрутизации трафика от каждой базовой станции, которая соединена с несколькими узлами MME. Важной оптимизационной задачей является определение промежутка времени коррекции и порога перегрузок, который указывает на загруженность узла управления мобильностью.
Для цитирования:
Чукарин А.В., Абаев П.О., Зарипова Э.Р., Синицын И.Э. Оптимизация управления перегрузками в сети LTE с трафиком межмашинного взаимодействия // T-Comm: Телекоммуникации и транспорт. - 2015. - Том 9. - №9. - С. 35-39.
For citation:
Chukarin A.V., Abaev P.O., Zaripova E.R., Sinitsyn I.E. Optimization of congestion control in LTE network with machine type communication. T-Comm. 2015. Vol 9. No.9, рр. 35-39. (in Russian).
Введение
Интенсивно развивающийся сегмент Интернета вещей предполагает наличие множества беспроводных технологических устройств, предназначенных для обеспечения комфорта и безопасности человека, которые могут обмениваться между собой информацией без участия человека. М2М-устройства обмениваются информацией через запланированные промежутки времени или при возникновении экстренных ситуаций, которые могут стать причиной возникновения перегрузки в сети связи. По статистическим данным Cisco на конец 2014 г. количество М2М-подключений достигло 495 миллионов, а прогноз на 2019 год обещает почти семикратное увеличение количества подключений вплоть до 3,2 млрд. [I]. Кроме увеличения количества подключений М2М-устройств, Cisco прогнозирует также увеличение ежемесячного объема трафика с 70 Мб в конце 2014 г. с одного М2М-устройства до 366 Мб в 2019 г. При перегрузке базовой станции сети LTE (Long-Term Evolution) можно использовать локальные механизмы контроля перегрузок. При загруженности одной или нескольких базовых станций в одном районе возможны перегрузки на следующих элементах сети, куда поступает трафик межмашинного взаимодействия. Речь идет об узлах управления мобильностью, отвечающих за активацию и дезактивацию сетевых ресурсов. Ввиду важности получения актуальных данных, полученных от М2М-устройств, необходимо обслуживать трафик межмашинного взаимодействия наравне с другими видами трафика. Для обеспечения надлежащего качества передачи данных по всем элементам сети связи необходима разработка алгоритма межузлового управления трафиком. В качестве алгоритма межузлового управления трафиком предлагается динамический алгоритм оптимального распределения трафика межмашинного взаимодействия, поступающего с базовых станций сети LTE на узлы управления мобильностью.
В [2] определены понятия локального, сквозного и межузлового управления в телекоммуникационной сети на примере управления сигнальной нагрузкой в сети серверов протокола установления сессий. В [3-5] описаны методы локального контроля за перегрузками, которые могут быть применены на базовых станциях или узлах ИМЕ, обслуживающих нагрузку. Данная статья продолжает исследования, направленные на оптимизацию управления трафиком в узлах связи, описанные в [3-5], и продолжает методы, предложенные в [6], где ставится задача разработки динамического алгоритма балансировки нагрузкой между базовыми станциями и узлами управления мобильностью. На основе предложенного динамического алгоритма оптимального управления трафиком, поступающим с базовых станций на узлы ММЕ, проведено имитационное моделирование распределения трафика в сегменте сети связи, которое показало преимущество наличия управления нагрузкой в межузловых взаимодействиях.
Постановка задачи исследований
Трафик межмашинного взаимодействия (М2М-трафик) после обслуживания на базовой станции поступает на один из ММЕ-узлов, прикрепленных к базовой станции.
Для иллюстрации работы алгоритма будем исследовать участок сети LTE с J базовыми станциями и К узлами управления мобильностью. Для описания модели введем два множества: множество базовых станций J -\eNBx,...,eNB и множество узлов управления
мобильностью к = {ММЕ„...,ММЕ*,...,ММЕК}.Определим дополнительные множества: J( - множество базовых станций, от которых поступает нагрузка на узел ММЕЛ. k = \,.,.,Kvi К, - множество узлов управления мобильностью, которые получают трафик от базовой станции eNB: . > j = \,„.,J ■ Оптимизация управления трафиком, поступающим от базовых станций на узлы управления мобильностью, возможна только в том случае, когда к базовой станции прикреплен не единственный узел управления мобильностью, т.е. |к.|^2* Распределение трафика, поступающего от базовых станций на узлы управления мобильностью, происходит в соответствии с вероятностной стратегией. Каждый узел ММЕЛ через заданные промежутки
времени измеряет уровень своей загруженности и посылает эти данные всем базовым станциям из множества J,,
к = \,...,К- Каждая базовая станция eNB , получая данные
о загруженности узлов управления мобильностью из множества К,, j-\,...,J, перераспределяет потоки трафика,
идущие на дальнейшее обслуживание на один из узлов множества к ■ Интересным остается влияние временных
интервалов, через которые происходит коррекция данных о загруженности сети. Для предварительной оценки характеристик и возможности применения алгоритма исследуем упрощенный случай, когда на узел MME, приходит
пуассоновский поток М2М-сообщений от базовой станции eNB, с интенсивностью д , время обслуживания на узле
MME, распределено по экспоненциальному закону с параметром fit.
устрЫЗствл
Ьашвьи: станции
Рис. I. Архитектура сегмента сети связи с тремя узлами управления мобильностью
Вероятность перегрузки рс [£] узла ММЕ^ можно
найти, используя методы математической теории телетрафика. Обслуживание заявок, поступающих на узел ММЕЛ,
исследуется 8 виде системы массового обслуживания (СМО) М\М\\\Я,Н, где Я«а, И - пороговое значение в буфере. Пусть х(<) ~ число заявок в СМО в момент времени г, г>0- Пространство X случайного процесса (СП) х(г) имеет вид X = + 1}, /?<оо. Случайный
процесс {Л'(г), г >()} является марковским процессом (МП). Пусть в момент ^ в СМО находится п заявок, п е X . Пусть рп - вероятность того, что в системе находится ровно п заявок, п е X , суммарная нагрузка на узел ММЕ^ равна р - Хшк / рк , Л,к ~ суммарная интенсивность заявок, поступающая на узел ММЕ^, формула (I).
Рй =
ç^zA р Ф 1 1
р=I.
1 -Р" R + 2-H
-, р* 1,
R + 2
р= 1.
Введем вероятность РСоп^_],к\ перегрузки узла ММЕ( нагрузкой, поступившей только с у —й базовой станции eNBr / = 1,...,./, к = Ъ...,К.
РИ(\-Р«-Н+2)
-(4)
р = 1,
WM]=
1 Р*+2 R + 2 - H
R + 2
Л*
Cong _ Threshold '
— ^Cong _ Threshold
(5)
Шаг I. Каждая базовая станция eNB посылает запрос о загруженности узлов множества К^, ] = 1,.,.,,/, при |К,|>2, переход к шагу 2, иначе для базовой станции еА'В оптимизация потоков трафика не возможна, перейти
к следующей базовой станции.
Шаг 2. Базовая станция получает данные о за-
груженности каждого узла множества К ., у = 1,...,У.
Шаг 3. Перераспределение трафика, направленного от базовой станции еА'В к узлам управления мобильностью
из множества К , у =!,.„,./( согласно пропорциональной
вероятности Ppmp[j,k] =
V/eKj
., т.е. с базо-
1./Î + 2 '
Допустим, что все узлы MME идентичны, и определим вероятность перегрузки PCia,,,[k] узла ММЕ^ в виде формулы (2), где И - порог обнаружения перегрузки.
Я+1
= 1 <H<R (2)
п=И
Используя формулы (I) и (2), получаем вероятность
перегрузки в виде (3).
р"(\-р«~"+2)
(3)
где р = —!— учитывает только нагрузку, поступающую
Рк
только с / — й базовой станции eNB , j — \,...,J.
Перегруженность узла управления мобильностью ММЕ^ определяется по условию (5) сравнением вероятности перегрузки с заранее заданным пороговым значением Р.
Алгоритм оптимального распределения М2М-трафика
Начало алгоритма: Трафик между базовыми станциями не сбалансирован. Введено пороговое значение вероятности перегрузки РСо,щ ПгЫюи1 ■
вой станции eNB, на узел ММЕЧ. до следующего времени коррекции поступит М2М-трафик с интенсивностью
х Рргор [у, Аг], где Л - интенсивность выходящего с базовой станции eNB, М2М-трафика.
Шаг 4. Если все узлы из множества К., j = \,...,J перегружены, то находится максимальное значение Max^PCong[У)^]) для определения самого загруженного
узла ММЕ;. Для самого загруженного узла ММЕ^ обнаруживается самая «загруженная линия» между базовыми станциями из множества и узлом ММЕ;. по вероятности PCong \J, )t], ye ■ Выбирается максимальное значение М(п-[РСопу[j,к]) и базовой станции eNB высылается сообщение об отказе приема трафика на текущий временной период до следующего перераспределения нагрузки.
Конец алгоритма.
Численный эксперимент
Алгоритм оптимального распределения нагрузки применен к упрощенной модели сети, обслуживающей межмашинный трафик, состоящей из четырех базовых станций и трех узлов управления мобильностью. Имитационное моделирование выполнено на объектно-ориентированном языке программирования Java для сегмента телекоммуникационной сети, произведен расчет потерянных заявок, оценена загруженность узлов управления мобильностью.
Дополнительно произведен поиск оптимального значения времени, через которое обновляются параметры сети, и происходит перераспределение трафика между узлами MME. Для иллюстрации работы алгоритма выбрано время коррекции параметров равным 10 с.
Для численного анализа использованы следующие данные: узлы MME реализованы в виде СМО M\M\\\R,H, где R = 100, H - 50, РСащ _ThreshoU = 0,5,
а базовые станции являются источниками, генерирующими нагрузку в виде трафика межмашинных взаимодействий.
Интенсивность генерации заявок базовой станцией еЛ'В, Д., = 1 залв./с, среднее время обслуживания =1,
Т — 10 с - время коррекции.
Для нагрузочных данных, при которых возникает режим перегрузки, проведен численный эксперимент, показывающий работу алгоритма.
го « вй Время моделирования, с
zo «о бо ао Вре?.[я моделирования с
б) ДЛЯ
а) 6)
Рис. 2, Длина очереди узлов ММЕ : а} при равномерном распределении нагрузки, алгоритма оптимального распределения М2М-трафика
Оценим результаты моделирования в самом загруженном узле ММЕ,. При проведении численного эксперимента в первые 100 с в модели с равномерным распределением нагрузки в узел ММЕ( поступило 212 заявок, из которых
потеряно 14 заявок, успешно обслужено 100 заявок, ожидают обслуживания в очереди 98 заявок. В модели с алгоритмом оптимального распределения М2М-трафика в узел ММЕ, распределено 184 заявки, при этом обслужено
успешно 100 заявок, 84 ожидают обслуживания в очереди и ни одна не потеряна.
Заключение и задачи дальнейших исследований
В работе проведено исследование обслуживания трафика межмашинного взаимодействия на примере сегмента сети, состоящего из четырех базовых станций и трех узлов управления мобильностью. Анализ таких показателей эффективности, как длина очереди и число потерянных заявок, показал преимущество динамического алгоритма оптимального распределения М2М-трафика по отноше-
нию к алгоритму равномерного распределения трафика, поступающего от базовой станции на все связанные с ней узлы управпения мобильностью,
В работе исследовано обслуживание трафика межмашинного взаимодействия с постоянным во времени характером трафика. Задачей дальнейших исследований является сравнение алгоритмов распределения нагрузки при взрывном характере трафика, который наблюдается, например, при наступлении аварийных ситуаций. Данные, полученные после применения алгоритма, подлежат сравнению с данными для модели с равномерным распределением нагрузки, где трафик распределяется по всем узлам управления мобильностью без учета текущей загруженности этих узлов. Отдельной оптимизационной задачей становится выбор времени коррекции параметров, при котором количество успешно обслуженных заявок будет максимальным.
Литература
1. Cisco Visual Networking Index: global mobile data traffic forecast update, 2014-2019. Pp. 1-42.
2. Hilt, V, Noel, E, Shen, C, Abdelal, A 'Design considerations for session initiation protoeol (SIP) overload control II RFC6357.
3. Самуилов К.E,, Зарипова Э.Р. Модель локального механизма контроля перегрузок SIP-сервера // T-Comm: Телекоммуникации и Транспорт. - 2012. - N» 7. - С. 185-187.
4. Гайдамака Ю.&., Зарипова Э.Р., Еихрова О.Г. Применение системы поллинга с исчерпывающей дисциплиной обслуживания к анализу SIP-сервера И T-Comm: Телекоммуникации и Транспорт - 201 3.I I.-С. 73-76.
5. Abaev, Р, Gaidamaka, Yu, Samouylov, К 2012, 'Modeling of hys-teretic signaling load control in next generation networks' SpringerVerlag: LNCS, Vol. 7469. P. 440-452.
6. ßouallouche, D 20! 2, 'Congestion control in the context of machine type communication in Long Term Evolution networks: а dynamic load balancing approach1, Networking and Internet Architecture, pp. I -46.
COMMUNICATIONS
OPTIMIZATION OF CONGESTION CONTROL IN LTE NETWORK WITH MACHINE TYPE COMMUNICATION
Chukarin Aleksey, Peoples' Friendship University of Russia, Department of applied probability and informatics,
associate professor, chukarin@yandex.ru
Abaev Pavel, Peoples' Friendship University of Russia, Department of applied probability and informatics, associate professor,
pabaev@sci.pfu.edu.ru
Zaripova Elvira, Peoples' Friendship University of Russia, Department of applied probability and informatics, assistant professor,
ezarip@ sci.pfu.edu.ru
Sinitsyn Ivan, Peoples' Friendship University of Russia, Department of applied probability and informatics, student,
iesinitsyn@gmail.com
Abstract
People surround himself to enhance comfort with all sorts of technological devices, timely ensure a safe and information alert. Examples of these devices who connected to the Internet, are sensors and meters devices, who automatically exchanging information, without human intervention, such of these are in the healthcare, automatically monitoring and other fields of city services. Many of devices who connected in the Internet have exchange information with other devices effectively forming an actively developing segment Internet of things. In this type of connection European Telecommunications Standards Institute (ETSI) use the term Machine-to-Machine (M2M). In the event of emergency and instant triggering large number of sensors is projected traffic with bursts, at the same time in different elements of the network can be congested. Base stations that are associated with Mobility Management Entity (MME), are responsible for signaling between the core network and user devices, and participate in the process of activation and deactivation of network resources. When we detected congestion of some MME, we balancing and forward traffic for other MME effectively unloads this element of network. In our approach provided the load-balancing algorithm between MMEs when the base station have connection more than one MMEs. For a simplified model of the network who serving machine-to-machine traffic, we calculate reject probabilities and congestion probabilities, and shows procedure of routing traffic in the case of congestion elements of network. When eNodeB (Evolved RAN (Radio Access Network)) have more than one connection with MMEs, then we load-balancing perform probabilistic routing. An important optimization problem is to determine the threshold of congestion, which indicates the workload of the MME.
Keywords: Machine Type Communication, Machine-to-Machine, Internet of Things, load balancing algorithm, threshold management, routing traffic, optimization.
References
1. Cisco Visual Networking Index: global mobile data traffic forecast update, 2014-2019. Pp. 1-42.
2. Hilt, V, Noel, E, Shen, C, Abdelal, A 'Design considerations for session initiation protocol (SIP) overload control' / RFC6357, 2011.
3. Samouylov, K, Zaripova, E 'Modelling local overload control mechanism of SIP server', T-Comm. 2012. No. 7. Pp. 185-187. (in Russian)
4. Gaidamaka, Y, Zaripova, E, Vikhrova, O 'An application of polling system with exhaustive service discipline for a Sip-server analysis', T-Comm. 2013. No. 11. Pp. 73-76. (in Russian)
5. Abaev, P, Gaidamaka, Yu, Samouylov, K 2012, 'Modeling of hysteretic signaling load control in next generation networks', Springer-Verlag: LNCS, Vol. 7469. Pp. 440-452.
6. Bouallouche, D 2012, 'Congestion control in the context of machine type communication in Long Term Evolution networks: a dynamic load balancing approach', Networking and Internet Architecture. Pp. 1-46.
