CC BY
43
УДК 004.942 DOI: 10.24412/2071-6168-2021-5-235-240
ОЦЕНКА ПОКАЗАТЕЛЕЙ КАЧЕСТВА ОБСЛУЖИВАНИЯ МУЛЬТИСЕРВИСНОЙ СЕТИ СВЯЗИ НА ОСНОВЕ ИМИТАЦИОННОГО
МОДЕЛИРОВАНИЯ
А.Ю. Живодерников, Д.С. Яговитов, А.Ю. Трофимов, М.В.Ашлапов
Статья посвящена описанию разработки модели мультисервисной сети связи в среде имитационного моделирования Network simulator 2 (NS2) для оценки на ее основе показателей качества обслуживания трафика в реальном масштабе времени. В разработанной модели использованы имеющиеся в NS2 генераторы трафика, формирующие агрегированные потоки с распределением Парето и экспоненциальным распределением. На основе разработанной имитационной модели оцениваются значения потерь пакетов, задержки, вариации задержки как в информационном направлении связи, так и на каждом участке этого направления.
Ключевые слова: мультисервисная сеть связи, QoS, NS2, трафик реального времени, показатели качества.
Анализ работ [1-3] показал, что систематическое развитие современных муль-тисервисных сетей связи приводит к повышению требований к параметрам данных сетей. Структурные элементы сетей связи имеют различную оснащенность, функционируют с использованием разных сетевых технологий, применяют множество интерфейсов и протоколов. Исходя из этого этим довольно непросто задать четкие требования к элементам сети связи таким образом, чтобы выполнение данных требований обеспечивало необходимое качество обслуживания пользователей.
В настоящее время, в связи с развитием высокоскоростных сетей связи, растет доля циркулирующего в них мультисервисного трафика (передача данных реального времени, речи, видео) [4]. Благодаря этому повышаются требования к качеству обслуживания QoS (Quality of service) трафика реального времени.
Во многих работах [1,3,5] было отмечено, что одним из важнейших свойств трафика реального времени является его структурная сложность, которая оказывает существенное влияние на своевременность обслуживания поступающих пакетов в узлах мультисервисной сети связи (МСС). Трафику реального времени характерны нестационарные свойства, которые моделируются потоками, имеющих сложную структуру и обладающие свойствами самоподобия. Свойство самоподобия оказывает влияние на своевременность обработки трафика, циркулирующего в реальных сетях связи. При этом показателем наличия данного свойства у трафика является коэффициент Херста, принимающий значения в диапазоне H е (0,5;1] [4]. Следовательно, оценка параметров трафика (потери пакетов, задержка пакетов, джиттер) в режиме реального времени является актуальной задачей.
Моделирование сети связи. Исходя из того, что имитационную модель сети можно разработать с разной детализацией процесса и явления, то имитационное моделирование применимо для проведения анализа параметров мультисервисной сети связи.
Для создания имитационной модели была выбрана среда имитационного модулирования NS2. Данный сетевой симулятор представляет собой программное средство для моделирования и анализа функционирования пакетных сетей. Обширные возможности симулятора для исследования корректности и эффективности протоколов различных уровней, а также для моделирования приложений способствовали его быстрому распространению.
Главные особенностями NS2 можно считать: открытый код и свободное распространение; модульный принцип построения и открытая архитектура;
возможность модификации ядра программы и гибкая настройка в соответствии с требованиями конкретного пользователя;
мультиоперационность, на данный момент работоспособны под управлением Unix-операционных систем, а также всех версий ОС Windows;
широкий диапазон методов и средств абстрагирования; наличие собственной библиотеки топологий сети и генераторов трафика; возможность использования при написании скриптов как язык интерпретатора Tcl, так и объектно-ориентированных языков высокого уровня C++, Python [6].
Иллюстрация этапов моделирования, отображающая процесс моделирования, представлена на рис.1.
Скрипт Otcl
Программа имитационного моделирования
OTî'1: Интерпретатор Tel с 00 расширением.
Библиотека пакета нб2
- объекты планировщика событий
- объекты сетевых компонентов
- модули помоши создания сети
Результаты моделирования
О
/ V
7 Р
Nam
Анализ результатов
(network animator)
Рис. 1. Иллюстрация этапов моделирования в NS2
Используемая схема моделирования представлена на рис. 2.
-■<:" t.t 1
\ Cert 1
l ia gui
Л
Con 2 /
Ш
gdgeS
Ed Re 1/ \ragf ^
'lire с 1 / "ч. Source>
Щ
Рис. 2. Схема моделирования в NS2
Схема моделирования разработана таким образом, чтобы сымитировать реальную ситуацию в сети. Источники (Source) создают потоки приложений, которые поступают на граничные маршрутизаторы (Edge) узлов сети доступа, а затем передаются через маршрутизаторы опорной транспортной сети (Core). Оцениваемый трафик форми-
236
руется приложениями IP-телефонии (VoIP) и видеоконференцсвязи (VKS). Все каналы связи рассматриваются как дуплексные. В маршрутизаторах применяется алгоритм управления случайного раннего обнаружения RED (Random Early Detection). Потоки распределяются между источниками, согласно табл. 1.
Таблица 1
Распределение потоков
Source 1 Source 2 Source 3 Source 4 Source 5
Id источника Приложение Id источника Приложение Id источника Приложение Id источника Приложение Id источника Приложение
1 VoIP 6 VoIP 14 VoIP 10 VoIP 2 VoIP
3 VKS 7 VoIP 15 VKS 11 VKS 18 VKS
4 VKS 8 VKS 16 VKS 12 VoIP 19 VKS
5 VoIP 9 VKS 17 VoIP 13 VKS 20 VoIP
Имеется 20 источников, генерирующих пакеты приложений (см. таблицу 1) с применением протокола транспортного уровня UDP. Процедура генерации пакетов описывается ON/OFF-моделью. Чередование ON/OFF-периодов происходит через случайные промежутки времени со средними интервалами T1, T2 для ON-периода каждого
источника в зависимости от применяемого приложения и T3 для OFF-периода. Интенсивность поступления пакетов от каждого источника в ON-период имеет случайный характер со средними значениями интенсивности Л1,Я2.
Используя исходные данные, генератор производит вычисления по формулам:
packetsize ■ 8 ПЛ
gap = --, (1)
rate
где gap — величина, показывающая какой интервал времени занимает передача пакета, сек; packetsize — размер одного пакета, бит; rate — скорость потока в течение периода ON, бит/сек.
1 , burst time
burstlen =-=-, (2)
gap
где burstlen — величина, показывающая среднее количество пакетов в пачке, пак; burst_time — время периода ON, сек.
В каждом цикле проводится расчет двух случайных величин: - next_burstlen — количество пакетов в пачке, для передачи в следующем ON-периоде, пак; nextidletime — длина следующего OFF-периода, сек.
После этого генератор осуществляет расчет величины next_burstlen по имеющимся значениям burstlen и shape (характеристический показатель распределения). Отправка всех next_burstlen пакетов и расчет величины next idle time в соответствии со значениями idletime (время OFF-периода) и shape. Далее осуществляется переход в режим ожидания в течении времени next idle time и возврат к расчету величины nextburstlen.
Распределение Парето имеет функцию распределения, определяемую формулой:
( b Ла
F(x) = 1 - - , (3)
V x J
где а — характеристический показатель распределения; b — минимальное значение величины x (масштабный коэффициент).
Обозначим плотность вероятности распределения Парето f (x) , а математическое ожидание E (x), определяемых формулами:
нее;
aba
f (x) = ^Ц-,х > b, a> 0, (4)
x a+1
E(x) = -ba, a > 1, (5)
a -1
Параметр a определяет среднее и дисперсию случайной величины: если a < 1, распределение имеет бесконечное среднее;
если 1 < a < 2, распределение имеет бесконечную дисперсию и конечное сред-
если a < 2, распределение имеет бесконечную дисперсию.
Связь между параметром a и параметром Херста H выражается отношением:
H = —. (6)
2
В таком случае значения burstlen и idletime определяются по формулам:
burstlen = E(x) = b]a , (7) a -1
idletime = E(y) = b2a . (8) a-1
Тогда:
b = burstlen ■ (a -1) (9) 1 a
idle time ■ (a -1) ,Л Лч
b2 =-=---- + gap. (10)
a
Исходными данными для моделирования были выбраны параметры трафика, указанные в табл. 2.
Таблица 2
Исходные данные
Параметр Речь Видео
Скорость потока, кбит/с 64 384
Закон распределения интенсивности передачи пакетов Парето Парето
Количество байт в пакете 306 1000
Интенсивность передачи Хх, X 2 пакет/сек 22 86
Длительность ОЖ-периода, Тх, Т2, сек 180 120
Длительность О^^-периода, Т3, сек 30 30
Характеристический показатель распределения, а 1,5 1,5
Оценка параметров качества обслуживания. При заданных исходных данных и на основе результатов, полученных в ходе моделирования, предлагается проводить расчеты показателей качества обслуживания с помощью способа косвенной оценки. Для этого необходимо определить следующие ограничения и допущения:
представим ветвь графа сети с точки зрения теории систем массового обслуживания в виде модели М/М/1 (по классификации Кендалла-Башарина);
функция распределения вероятностей распределена по экспоненциальному закону;
исходя из этого можно рассчитать сумму интенсивностей потоков на ветви по формуле:
Л _ =1 X , (11)
iJ
где k - количество потоков на ветви.
Получив значение суммарной Л вет, можно найти вероятность потерь на ветви для k потоков:
P _ (1 Рвет )Рвет , (12)
1 — Р
вет
где w — размер очереди в буфере.
В свою очередь функция распределения времени обслуживания определяется по формуле:
Gт ^) _ р(Тобсл < t). (13)
Плотность вероятности определяем по формуле:
g (t) _ ^. (14)
Л
В свою очередь, среднюю вероятность своевременной доставки можно рассчитать для всей сети:
Рф Рг,гРфг (гX * _ 1,1 Риг _ 1, (15)
I Я I Я
где Рфi (г) — вероятность своевременной доставки в *-ом потоке; р1 г — вероятность попадания сообщения г-приоритета в 1-й потоке, определяемая как часть общего трафика, в *-м информационном направлении.
Заключение. Разработана имитационная модель мультисервисной сети связи с обслуживанием трафика, обладающего свойством самоподобия.
Разработан скрипт в среде имитационного моделирования N82 на языке Тс1, описывающий топологию сети и задающий генерацию пакетов от заданного числа источников.
Указанные расчеты проводятся для любой модели ветви, представив ее в виде системы массового обслуживания, согласно классификации Кендалла-Башарина, тем самым получая выигрыш во времени оценки показателей качества обслуживания «из конца в конец», проводя измерения лишь на ветвях. Данных подход может позволить уменьшить время обнаружения изменений в сети, время на оперативное принятие решения на выработку соответствующего управляющего воздействия и его исполнение, а также уменьшить время реакции системы управления на управляющее воздействие.
Наличие в симуляторе N8-2 интерфейсов расширения позволяет, с применением объектно-ориентированных языков высокого уровня, создавать имитационные и имитационно-аналитические модели процессов, протекающих в сети. Это является одним из направлений дальнейших исследований.
Список литературы
1. Бахарева Н.Ф., Карташевский И.В., Тарасов В.Н. Анализ и расчет непуассо-новских моделей трафика в сетях ЭВМ // Инфокоммуникационные технологии. 2009. Т.7. №4. С. 61-66.
2. Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А. Математическая модель трафика с тяжелохвостным распределением на основе системы массового обслуживания Н2/М/1 // Инфокоммуникационные технологии. 2014. Т. 12. № 3. С. 36-41.
3. Макаренко С.И. Преднамеренное формирование информационного потока сложной структуры за счет внедрения в систему связи дополнительного имитационного трафика // Вопросы кибербезопасности. 2014. № 3 (4). С. 7-13.
4. Ушанев К.В. Имитационные модели системы массового обслуживания типа Ра/М/1, Н2/М/1 и исследование на их основе качества обслуживания трафика со сложной структурой // Системы управления, связи и безопасности. 2015. №4. С 217251.
5. Карташевский И.В., Буранова М.А. Влияние механизмов управления QoS на показатели качества обслуживания мультимедийного трафика сети Internet // Т-comm: телекоммуникации и транспорт. 2013. № 8. С. 54-60.
6. Лебедев П.В. Методика повышения устойчивости функционирования инфо-коммуникационной сети на основе выработки оптимальных управляющих воздействий. // Известия Тульского государственного университета. Технические науки. 2020. Вып. 3. С. 10-17.
Живодерников Александр Юрьевич, адъюнкт, sahir.81@mail.ru, Россия, Санкт-Петербург, Военная академия связи им. С.М. Буденного,
Яговитов Данила Сергеевич, адъюнкт, danila. yagovitov@mail. ru, Россия, Санкт-Петербург, Военная академия связи им. С.М. Буденного,
Трофимов Антон Юрьевич, адъюнкт, k06ra@mail.ru, Россия, Санкт-Петербург, Военная академия связи им. С.М. Буденного,
Ашлапов Михаил Владимирович, канд. техн. наук, старший преподаватель, Mvashlapov@mail.ru, Россия, Санкт-Петербург, Военная академия связи им. С.М. Буденного
EVALUATION OF SERVICE QUALITY INDICATORS OF A MULTISERVICE COMMUNICATION NETWORK BASED ON
SIMULATION MODELING
A.Yu. Zhivodernikov, D.S. Yagovitov, A.Yu. Trofimov, M.V. Ashlapov
The article describes the development of a model of a multi-service communication network in the Network simulator 2 (NS2) simulation environment for evaluating traffic quality indicators based on it in real time. The developed model uses traffic generators available in NS2 that generate aggregated flows with Pareto distribution and exponential distribution. Based on the developed simulation model, the values of packet loss, delay, and delay variations are estimated both in the information direction of communication and in each section of this direction.
Key words: multiservice communication network, QoS, NS2, real-time traffic, quality indicators.
Zhivodernikov Alexander Yurevich, postgraduate, sabr^^^aH^, Russia, Saint-Petersburg, Military academy of communication,
Yagovitov Danila Sergeevich, postgraduate, danila. yagovitov@mail. ru, Russia, Saint-Petersburg, Military academy of communication,
Trofimov Anton Yurevich, postgraduate, k06ra@mail.ru, Russia, Saint-Petersburg, Military academy of communication,
Ashlapov Mikhail Vladimirovich, candidate of technical sciences, lecturer, Mvash-lapov@,mail.ru, Saint-Petersburg, Military Academy of Communication
