CC BY
14УДК 004.724.4
ПРЕОБРАЗОВАНИЕ СТРУКТУРЫ ТРАФИКА С УЧЕТОМ ТРЕБОВАНИЙ ПО КАЧЕСТВУ ЕГО ОБСЛУЖИВАНИЯ Ушанев Константин Владимирович
адъюнкт кафедры сетей и систем связи космических комплексов ФГКВОУ ВПО «Военно-космическая академия имени А.Ф.Можайского» МО РФ. E-mail: stan_007@mail.ru. Макаренко Сергей Иванович
к.т.н. доцент, доцент кафедры сетей и систем связи космических комплексов ФГКВОУ ВПО «Военно-космическая академия имени А.Ф.Можайского» МО РФ. E-mail: mak-serg@yandex.ru.
Адрес: 197198, г. Санкт-Петербург, ул. Ждановская, д. 13.
Аннотация: Трафик, циркулирующий в современных сетях связи, как правило, обладает сложной структурой, что приводит к снижению своевременности его обработки в узлах коммутации, и, как следствие, ведет к ухудшению устойчивости сети в целом. Целью работы является развитие известного метода функционального преобразования структуры трафика за счет учета в методе требований по качеству его обслуживания по показателям времени задержки преобразования и вероятности отказа в обслуживании. Использование предлагаемого метода преобразования применительно к трафику сложной структуры позволит сформировать трафик, соответствующий простейшему потоку. В результате это даст возможность не только обеспечить выполнение требований к качеству обслуживания трафика, но и повысить своевременность обработки преобразованного трафика в узлах коммутации и обеспечить устойчивость сети.
Ключевые слова: сеть связи, трафик, структурная сложность трафика, преобразование структуры трафика, качество обслуживания трафика.
Актуальность
Развитие современных телекоммуникационных технологий, рост мультимедийного трафика, передаваемого по сетям связи, повышают требования, предъявляемые к качеству обслуживания трафика (QoS - Quality of Service).
Анализ работ [1-6] показал, что мультимедийному трафику свойственна сложная структура. При этом повышение структурной сложности трафика по показателю коэффициента вариации ст существенно снижает своевременность его обслуживания в узлах коммутации. Так, при повышении ст от 1 до 2 своевременность обработки снижается в 5-8 раз [7]. Такое значительное снижение своевременности обработки трафика в отдельных узлах коммутации ведет к снижению устойчивости сети связи (СС) в целом [8]. Необходимо отметить, что структурная сложность трафика может быть обусловлена не только видом передаваемых данных, но и, как показано в работе [6], являться следствием направленных деструктивных воздействий. В связи с вышеизложенным
задача снижения структурной сложности трафика в интересах повышения своевременности его обработки в узлах коммутации и обеспечения устойчивости сети является актуальной.
В общем случае под трафиком сложной структуры понимается трафик, у которого коэффициент вариации ст интервалов времени между поступающими пакетами имеет значения ст>1. Таким образом, коэффициент вариации ст определяет структурную сложность трафика, и вычисляется как [9]
ст=ох/тт, (1)
где т - временной интервал между соседними пакетами трафика, тт - математическое ожидание (МОЖ) значений интервалов времени между поступлением пакетов трафика; от - среднее квадратическое отклонение (СКО) значений интервалов времени между поступлением пакетов трафика.
В настоящее время исследования в области повышения устойчивости сети связи с учетом особенностей циркулирующего в ней трафика
сложной структуры можно разделить на два основных направления:
1. адаптация параметров узлового коммутационного оборудования и ресурсов сети связи к особенностям передаваемого трафика;
2. адаптация передаваемого трафика к имеющимся ресурсам сети связи.
Данная работа относится ко второму направлению исследований. К предыдущим работам в данном направлении относятся работы: Кучерявого Е.А. [10] по управлению трафиком и качеством обслуживания в сети; Назарова А.Н., Сычева К.И. [11] по управлению трафиком в сети АТМ, конструированию трафика в MPLS-сети; Будко П.А., Рисман О.В. [12, с. 334-344] по формированию потоков событий с произвольным законом распределения интервалов между поступающими событиями, Линца Г.И., Фомина Л.А., Скоробогатова С.А. [13] по формированию самоподобного трафика в телекоммуникационных системах и последующим его преобразованием.
К инновационным работам в области преобразования трафика стоит отнести совместные работы Линца Г.И. с коллегами [13-16], в которых решаются задачи обеспечения инвариантности мультисервисной сети к структуре входного трафика на основе его функционального преобразования. Однако анализ исследований работ [13-16] показал, что полученные в них результаты не обосновывают границы применимости предложенных способов преобразования трафика, так как в них не учитываются требования по качеству обслуживания трафика (времени задержки пакета при проведении преобразования, вероятности отказа в обслуживании пакета, а также требования к объему буфера). В настоящей работе акцент сделан именно на учете этих, ранее не рассматриваемых, аспектах преобразования трафика, что составляет научную новизну проводимого исследования. При этом работа основана на функциональном преобразовании трафика, впервые предложенном в работе [12].
Для обеспечения снижения структурной сложности трафика (ст^1) и повышении своевременности его обработки в коммутационных узлах в работе предлагается развитие метода
преобразования трафика в направлении учета качества его обслуживания по показателям времени задержки преобразования и вероятности отказа в обслуживании (рис. 1).
Г Оценка входного трафика (пгъ <зъ с^) 1
Кластеризация трафика
Простейший трафик Трафик сложной структуры
Д
Аппроксимация трафика экспоненциальным распределением \ Аппроксимация трафика распределением Парето
Проверка адекватности аппроксимации проводится по критерию Пирсона {£)
Функциональное преобразование трафика с учетом требований по времени задержки отправки пакета и вероятности отказа в обслуживании
(снижение структурной сложности
•_
Рис. 1. Последовательность шагов решения задачи снижения структурной сложности трафика
Постановка задачи
Для формальной постановки и решения задачи в работе введены следующие обозначения:
твх - интервал времени между поступлениями отдельных пакетов входного трафика со сложной структурой;
траг - интервал времени между пакетами трафика с распределением Парето;
а - параметр формы в распределении Паре-
то;
k - коэффициент масштаба в распределении Парето;
т(траг) - МОЖ значений интервалов времени между поступлениями отдельных пакетов трафика с распределением Парето;
о(траг) - СКО значений интервалов времени между поступлениями отдельных пакетов трафика с распределением Парето;
техр - интервал времени между отправлением пакетов преобразованного трафика, имеющего экспоненциальное распределение;
X - интенсивность отправления пакетов трафика с экспоненциальным распределением после преобразования;
т(техр) - МОЖ значений интервалов времени между отдельными пакетами трафика с экспоненциальным распределением;
о(техр) - СКО значений интервалов времени между поступлениями пакетов трафика с экспоненциальным распределением;
ст =от/тт - коэффициент вариации значений интервалов времени между поступлениями пакетов трафика;
р=т(техр)/т(траг) - впервые введенный коэффициент стабильности временных параметров преобразования трафика;
Кэф - впервые введенный коэффициент эффективности преобразования трафика, равный среднему числу преобразованных пакетов к общему числу пакетов, поступивших на преобразование;
Q - объем буфера памяти, с использованием которого ведется преобразование трафика;
Ротк - вероятность отказа в обслуживании пакету поступающего трафика;
nQ - значение очереди пакетов в буфере памяти объемом Q;
^щах - максимальное значение очереди пакетов в буфере памяти объемом Q;
Тзад - время задержки пакета от момента его поступления до момента отправки в составе преобразованного трафика;
т(Тзад) - МОЖ значений времени задержки преобразования пакета о(Тзад) в буфере памяти объемом Q;
о(Тзад) - СКО значений времени задержки преобразования пакета о(Тзад) в буфере памяти объемом Q;
т(пО) - МОЖ текущего значения очереди пакетов nQ, ожидающих отправки в буфере памяти объемом Q;
о(ио) - СКО текущей очереди пакетов nQ, ожидающих отправки в буфере памяти объемом Q.
Общая структура методики преобразования трафика для снижения его структурной сложности представлена на рис. 2.
На вербальном уровне задача преобразования трафика сложной структуры может быть декомпозирована в следующем виде:
1. определение статистических характеристик входного трафика т(твх), о(твх), ст вх;
2. аппроксимация входного трафика экспоненциальным распределением (если ст<1), либо распределением Парето (если ст>1);
3. функциональное преобразование трафика с распределением Парето для снижения его структурной сложности (ст—> 1) с учетом требований по времени задержки преобразования Тзад и по вероятности отказа в обслуживании пакета Ротк, при ограничениях на объем буфера Q.
На формальном уровне постановка задачи исследования имеет следующий вид. Дано:
множества { Тзадеб } и { Роткеб }, определяющие
требуемые показатели QoS; множество значений интервалов времени между пакетами входного трафика {твх}. Найти: оператор функционального преобразования трафика Рфп:
Кх
т < Т треб •
зад — зад '
Р„
< ртреб . гк — отк '
^ Q,
(2)
позволяющий снизить структурную сложность, и определить значения интенсивности {X} отправки пакетов выходного трафика с экспоненциальным распределением интервалов времени между пакетами, позволяющие
обеспечить ограничения Тзад < Тзтардеб , Р < Ртреб, nQ<Q.
отк отк ' ^—^
Решение задачи
В интересах развития метода функционального преобразования трафика в направлении учета требований QoS разработана и исследована аналитико-имитационная модель [17]. Данная модель (рис. 2) формализует процесс преобразования трафика с интервалами времени между пакетами, имеющими распределение Парето (ст>1) в трафик с экспоненциальным распределением (ст«1).
Основными параметрами, определяющими процесс преобразования, являются:
- коэффициент масштаба входного распределения Парето kе [10-; 10 ] (соответствует минимальному времени между поступлением пакетов т,™ вх);
- параметр формы входного распределения Парето ае (1; 2];
- интенсивность X (преобразованного трафика, имеющего экспоненциальное распределение).
n
Q
e[Tmin вх; W вх]
1 Распределения
для аппроксимации входного трафика Закон распределения Парето
F(\J = 1-^^j Л„ <ю).
Закон экспоненциального распределения
F(Те,р) = 1-е[0;ю).
z=n£-
j=l
In =
Ы=1
Проверка соответствия распределений по критерию согласия Пирсона х2
к2
' ' Z z ■
тахвх minbx
(Pj~ Pj) Pj
N = Е ;
p, = fl j
z
+ ^тш.х I. j = [0;z - 1],
+ 'т„вх;( , +1)
t'm. I . , = [0;z-1].
3 I Трафик, аппроксимированный
—' распределением Парето, классифицируется по значениям параметров a, k
Tpar(a. k)
-------
4 Трафик, аппроксимированный экспоненциальным распределением преобразованию не подвергается
^exp
Аналитико- 51 имитационная модель процесса преобразования _ трафи ка
Оператор функционального преобразования трафика
= ф (v, I —
VP ' ^(P) I Zpar,
П
7 Учет типовых состояний
процесса преобразования трафика
Имитационная модель преобразования трафика
_Буфер Q_
Очередь "q
101Требуемое значение времени задержки пакета при преобразовании
п-< треб _зад_
Л.
t
Ввод критерия выбора коэффициента стабильности временных параметров преобразования трафика р
р < ртРеб.
I _\к,ф ^[°.9;1)._
8 Подбор коэффициента стабильности временных параметров преобразования трафика
а-1
Р =
-г(Граг) а ■ k ■ X
9 | Расчет интенсивности отправки пакетов после преобразования
х(Р)=
аф^ k
11 Требуемое
значение вероятности
отказа в обслуживании пакетов трафика
Р
треб
12 Критерий обеспечения
QoS по вероятности
отказа в обслуживании пакетов трафика р < ртре6
отк отк
13 Расчет
вероятности отказа в обслуживании пакетов трафика P0IK
Рот
1 N
= — Е р .
N ¿^ отк ii
при
= 1. если "q, > Q; = 0. если "Q, < Q.
14 Расчет
статистических характеристик
значения очереди пакетов "q в буфере
т "q ) = N Е "Q0+ "Q.
1 1 N
ct("q ) = у n Е ("Q- m("Q))2.
["а = 0;
при | "а = 1. еслиТзадi > 0;
l "q = 0. еслиТзадi < 0.
15 Расчет коэффициента эффективности преобразования трафика КЭф
K„
1 N
= N Е i.
при
= 1. еслиТ,яп, > 0;
16 Расчет
статистических характеристик Бремени задержки пакета на преобразование Тзад
1 N
т(Т ) = —ЕТ
v зад' n^ зад:
'Jn Е(Т"'
т(Тзад))2.
17 Эмпирически обоснованное значение объема буфера памяти необходимое для эффективного преобразования трафика
2 = ^(ие ) +12-ст(ие ) -"-
18
Критерий обоснования объема буфера 2
Объем буфера 2 выбирается таковым, чтобы выполнялись условия
р < ртреб.
отк _ отк '
Кэф £[0.9,1).
19 Проверка критерия
эффективности преобразования трафика
Эффективное преобразование трафика происходит при значениях коэффициента К,ф, лежащих в интервале
Кф ^ [0,9; 1).
т(Тзад). СТ(Тзад)
■Г
Рис. 2. Общая структура методики преобразования трафика
"
г - z
z
z
'вх fc I J
N
+ T^4-1 > 0
exp i par i
+ xexp,. еслиг i-,
P
tpri. есnиtxpi+Tixp4-ip,ri < 0
par i
I
Т = t -t
зад i exp i pari
k
k
0. если Т i < 0
Q
Аналитико-имитационная модель позволяет определить следующие значения характеристик преобразования трафика:
— объем буфера памяти 2, необходимый для проведения преобразования трафика (блок 19, рис. 2);
— вероятность отказа в обслуживании трафика Ротк при ограничении на объем буфера 2 (блок 14, рис. 2);
— впервые введенный коэффициент эффективности Кэф преобразования трафика (блок 16, рис. 2);
— МОЖ значений времени задержки преобразования пакета т(Тзад) в буфере памяти объемом 2 (блок 18, рис. 2);
— СКО значений времени задержки преобразования пакета о(Тзад) в буфере памяти объемом 2 (блок 18, рис. 2);
— МОЖ текущей очереди пакетов т(п^), ожидающих отправки в буфере памяти объемом 2 (блок 15, рис. 2);
— СКО текущей очереди пакетов о(пд), ожидающих отправки в буфере памяти объемом 2 (блок 15, рис. 2).
На вход аналитико-имитационной модели поступает трафик со сложной структурой (ст>1). Его преобразование проводится в два этапа.
На первом этапе происходит аппроксимация интервалов между поступлением пакетов Парето- (3) или экспоненциальным распределениями (4)
F Квх ) = 1 -
' k ^
F (Квх ) = 1 - е
К
V вх у
-К
(3)
(4)
Проверка адекватности аппроксимации проводится по критерию согласия Пирсона при объеме выборки числа полученных пакетов Р>100.
Трафик, аппроксимированный экспоненциальным распределением, не подвергается преобразованию, так как, согласно присущим ему свойствам (ст«1), он не удовлетворяет критерию структурной сложности (ст>1). Трафик, аппроксимированный Парето-распределением (ст>1) с параметрами а и ^ подвергается преобразованию для снижения его структурной сложности (ст—1).
На втором этапе выполняется преобразование трафика, имеющего распределение Парето, в трафик с экспоненциальным распределением интервалов времени между поступлением пакетов.
На вход блока преобразования (блок 5, рис. 2) поступают параметры ае (1; 2] и kе
[10-4; 104], а также значение интенсивности X, с которой должны отправляться пакеты преобразованного трафика.
Значения интервалов времени между
пакетами преобразованного трафика с экспоненциальным распределением определяются выражением [13-16]
—а
грасч =-ln
exp i
(
X
k
\
К
V р3" 1 У
(5)
Однако использование выражения (5) для расчета параметров преобразования трафика затруднено, так как не позволяет учесть требования по QoS в процессе преобразования.
В работе [17] представлена аналитико-имитационная модель, которая формализует преобразование трафика на основе выражения (5) с учетом ограничений на объем буфера Q, и позволяет оценить время задержки пакетов Тзад в процессе преобразования и вероятность отказа в обслуживании пакета Ротк. Предварительный анализ результатов моделирования процесса преобразования показал, что методология преобразования трафика требует своего развития, в частности, введения новых показателей качества процесса преобразования и разработки методики обоснования их значений.
Для учета условия сохранения временных параметров входного и преобразованного трафика, по аналогии с коэффициентом загрузки, введем новый показатель - коэффициент стабильности временных параметров преобразования трафика р (блок 3, рис. 2). Коэффициент р равен отношению МОЖ значений интервалов времени между пакетами преобразованного трафика с экспоненциальным распределением т(техр) к МОЖ значений интервалов времени между пакетами трафика аппроксимированного с Парето-распределением т(траг):
m
Р = -
(Kexp ) а — 1
(6)
т (Граг ) «• k
Физический смысл коэффициента р заключается в относительной оценке отклонения МОЖ преобразованного трафика т(техр) от МОЖ входного трафика т(траг). То есть коэффициент р показывает уровень отклонения значений интервалов времени между поступлением пакетов в выходном трафике относительно этих же значений во входном. Для поддержания целостности и предотвращения разрушения информационных потоков (таких как потоковые видео и речь), коэффициент р должен укладываться в диапазон ре (0;1]. Желаемым значением является р~1, и выбирается таким, чтобы выполнялось условие:
| р < р треб .
I огк отк '
(7)
[Кф е [0,9; 1).
Таким образом, согласно выражению (6), значение интенсивности отправления пакетов
трафика после преобразования Х(р) определя-
ется по выражению
А(р) =
а -1
(8)
а -р-k
и выбирается варьированием значения коэффициента р. В процессе моделирования эмпирически определено, что значение интенсивности Х(р) для обеспечения стабильности временных параметров преобразования должна удовлетворять условию: Х(р)>1/6^
Аналитико-имитационное моделирование позволило впервые выделить три типовых состояния, которые характерны для процесса преобразования трафика:
1. мгновенная отправка пакета после поступления; процесса преобразования не происходит;
2. процесс преобразования выполняется, при этом максимальное значение очереди пакетов ^тах, ожидающих отправки, не превышает объем буфера ^тах^;
3. процесс преобразования выполняется, при этом имеет место бесконечное накопление пакетов (максимальное значение очереди пакетов ^тах—да).
Первое состояние. В случаях, когда интенсивность выходного трафика X имеет высокое значение и во входном трафике имеются неравномерности значений интервалов времени поступления пакетов траг ¡, возникают моменты времени tl, когда преобразованный пакет необходимо отправить через интервал времени трХрч, рассчитанный согласно выражению (5). При этом расчетный момент отправки пакета должен был наступить
расч
^ = t .. + тг .
ехр 1 ехр 1-1 ехр 1
раньше момента прихода данного пакета ^ < tpar.! В этом случае пакет отправляется
мгновенно в момент поступления t=tl фактически процесс преобразования т,
'раг 1
раг ъ
—^т,
и
ехр 1
не происходит (рис. 3).
Второе состояние соответствует случаю, когда интенсивность выходного трафика X имеет такое значение, что интервалы времени между пакетами преобразованного трафика трХрч, рассчитанные согласно выражению (5),
имеют значения, близкие к значениям интервалов времени аппроксимированного трафика с распределением Парето трХрч ~траг 1. Преобразованные пакеты образуют очередь nQ (^^да) и ожидают отправки в буфере объемом Q (рис. 4).
Третье состояние. В случаях, когда интенсивность выходного трафика X имеет малое значение и значения интервалов времени между пакетами преобразованного трафика трХрч,
согласно выражению (5), значительно превосходят интервалы времени между пакетами аппроксимированного трафика с распределением Парето т-ч >>траг 1 (р>1). Происходит накопление очереди пакетов nQ в буфере объемом Q. Причем после переполнения буфера (рис. 5) поступающие пакеты получают отказ в обслуживании (nQ>Q, ^тах—да).
Таким образом, состояние процесса преобразования трафика в первую очередь определяется значением интенсивности X, которая, в свою очередь, рассчитывается с учетом коэффициента стабильности временных параметров преобразования р. То есть, варьирование значением коэффициента р позволяет определить такое значение интенсивности отправления X (8) пакетов преобразованного трафика, которое позволит обеспечить выполнение условия (7).
Дополнительным выводом по результатам анализа состояний процесса преобразования является следующее.
1. В первом состоянии фактически не происходит преобразования трафика, и в силу того, что пакеты отправляются сразу же в момент поступления, выходной трафик имеет те же структуру и распределение, что и входной.
2. Во втором состоянии при группировании трафика преобразованию подвергаются все пакеты, кроме начальных пакетов группы (рис. 4).
3. В третьем состоянии преобразованию подвергаются все пакеты, однако это состояние ведет к бесконечному заполнению буфера памяти и как следствие блокированию передачи. Данное состояние является наихудшим вариантом развития процесса преобразования.
Рис. 3. Отправка без преобразования
Рис. 4. Преобразование (очередь не превышает объем буфера nQmax<Q)
Рис. 5. Преобразование с накоплением очереди в буфере nQmax—да
4. При обосновании параметров преобразо- обеспечить высокий уровень преобразования, а вания трафика необходимо, с одной стороны, с другой - избежать перехода процесса преоб-
разования в третье состояние, характеризующейся бесконечным накоплением очереди.
Таким образом, требуется введение дополнительного показателя качества процесса преобразования, позволяющего оценить эффективность процесса преобразования.
Для этого в методологию функционального преобразования введен новый коэффициент эффективности преобразования Кэф:
1 Ы
Кэф = N ^ кэф'
-¿V ,=1
(9)
где
кэф , = 1,если Тзад, > 0;
кэф , = 0,если Тзад , < 0; Т = т — т '
зад , ехр, раг ,'
, - номер пакета трафика, N - общее число пакетов входного трафика.
Значение кэф ,=0 позволяет учесть в составе коэффициента Кэф (9) те пакеты, которые передаются сразу же после поступления, без ожидания в буфере.
Физический смысл коэффициента преобразования Кэф состоит в том, что он показывает долю пакетов, подвергшихся преобразованию, от общего числа поступивших пакетов трафика. Значения коэффициента преобразования лежат в пределах Кэфе [0; 1]. При этом значение Кэф=0 соответствует первому состоянию процесса преобразования (рис. 3), значение Кэф=1 - третьему состоянию (рис. 5), а диапазон значений Кэф е (0; 1) - второму состоянию процесса преобразования (рис. 4).
Таким образом, анализ результатов моделирования с учетом новых показателей показал, что для эффективного преобразования трафика необходимо выполнение нескольких условий:
- коэффициент эффективности преобразования должен удовлетворять условию Кэфе [0,9; 1);
- вероятность отказа в обслуживании трафика Ротк должна удовлетворять условию Ротк<Р0ттркеб, для трафика видео =10-8 [11];
- очередь пакетов на обслуживание nQ должна удовлетворять условию пр<2;
- время задержки отправки пакета Тзад должно удовлетворять условию Тзад< ?Зеб.
Эти результаты позволяют обосновать новый комплексный критерий области применения преобразования трафика с учетом требований по качеству его обслуживания (задержка преобразования, объем буфера, вероятность отказа в обслуживании):
(р) =
а -1
(10)
а -р • к
р < (0,1];
[0,9; 1);
Р < Р треб-отк отк '
Пр < 2;
Т < Т треб _ зад зад '
Результаты аналитико-имитационного моделирования с учетом этого комплексного критерия позволили обосновать объем буфера 2, необходимого для того, чтобы значение вероятности отказа Ротк в обслуживании входного
пакета удовлетворяло требованию Ротк < Рореб .
При этом за уровень РЦк6 было принято значение 10-8, которое соответствует требуемому значению вероятности потери пакета в мультимедийном трафике.
Результаты моделирования преобразования трафика при различных значениях параметров к, а распределения Парето позволили эмпирически установить необходимый объем буфера 2, позволяющий обеспечить вышеуказанное значение Рт
этреб . отк *
2=т(пр)+ 12о(ио).
(11)
Результаты моделирования
Анализ результатов аналитико-имитационного моделирования процесса преобразования трафика позволил сделать следующие выводы.
1. Для каждого значения параметра формы ае (1; 2] распределения Парето в процессе преобразования трафика имеется такое значение коэффициента стабильности временных параметров преобразования трафика р=[6-10"4; 0,975], что значения параметров процесса преобразования, а именно: коэффициент эффективности преобразования Кэф; объем буфера 2; МОЖ текущей очереди пакетов пр, ожидаю-
щих отправки в буфере памяти объемом 2; СКО текущей очереди пакетов пр, ожидающих отправки в буфере памяти объемом 2; вероятность отказа в обслуживании входного пакета Ротк, оказываются инварианты к изменению значения коэффициента масштаба к распределения Парето к е [10-4; 104].
2. Значения МОЖ интервала времени между пакетами преобразованного трафика т(техр) и СКО интервала времени между пакетами преобразованного трафика о(техр) прямо пропорциональны увеличению коэффициента масштаба ке [10-4; 104] входного распределения Парето независимо от значения параметра формы ае (1; 2].
3. Интенсивность X отправки пакетов преобразованного трафика — обратно пропорциональна увеличению коэффициента масштаба к е [10-4; 104] входного распределения Парето, при одном и том же значении параметра формы ае (1; 2].
Интенсивность X отправления пакетов преобразованного трафика прямо пропорциональна увеличению параметра формы а е (1; 2], при одном и том же значении ке [10- ; 10 ] входного распределения Парето.
4. Эмпирически определено, что значение интенсивности X отправления пакетов преобразованного трафика должно удовлетворять условию Х>1/6к и может быть аппроксимировано выражением X « (0,04а2 + 0,18а) / к с
доверительной вероятностью Рдов=0,985.
Если трафик является самоподобным с параметром Херста Н, то при оценке степени самоподобия входного трафика основным показателем является интервал значений параметра формы распределения Парето а е (1; 2], связанный со значением параметра Херста Н выражением [12, 16]
а=3-2Н. (12)
При условии, что ае (1; 2], в соответствии с выражением (12), параметр Херста принимает значения Не [0,5; 1]. При выполнении условия Н>0,5 можно сделать вывод о наличии у трафика свойств самоподобия. В таком случае представленное в работе функциональное пре-
образование трафика применимо и к сложному трафику, имеющему самоподобные свойства.
Выводы
Предложенная методика преобразования трафика сложной структуры (сх^1) позволяет обеспечить устойчивость сети связи за счет обеспечения заданного качества обслуживания
трафика (< Т;рдеб, РоТК < Р.Г). Выполнение преобразования трафика перед его обработкой в узлах коммутации позволяет повысить своевременность обслуживания в 5-6 раз по сравнению с трафиком сложной структуры (для коэффициента вариации ст=2).
В дальнейшем планируется развитие методики снижения структурной сложности входного трафика в направлениях: классификации трафика по показателю времени задержки преобразования пакета Тзад (в соответствии с требованиями по QoS) в качестве подготовительного этапа перед проведением преобразования, а также исследование возможностей построения многоприоритетной системы преобразования трафика для мультисервисных сетей.
Литература
1. Бахарева Н.Ф., Карташевский И.В., Тарасов В.Н. Анализ и расчет непуассоновских моделей трафика в сетях ЭВМ // Инфокоммуникационные технологии. 2009. Т. 7. № 4. С. 61-66.
2. Бахарева Н.Ф., Тарасов В.Н., Ушаков Ю.А. Обобщенная двумерная диффузионная модель массового обслуживания типа GI/G/1 // Телекоммуникации. 2009. № 7. С. 2-8.
3. Бахарева Н.Ф., Ушаков Ю.А. Управление нагрузкой на сети ЭВМ распознаванием и моделированием трафика // Инфокоммуникационные технологии. 2008. Т. 6. № 3. С. 56-62.
4. 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.
5. Макаренко С.И. Анализ математических моделей информационных потоков общего вида и степени их соответствия трафику сетей интегрального обслуживания // Вестник Воронежского государственного технического университета. 2012. Т. 8. № 8. С. 28-35.
6. Макаренко С.И. Преднамеренное формирование информационного потока сложной структуры
за счет внедрения в систему связи дополнительного имитационного трафика // Вопросы кибербезопас-ности. 2014. № 3(4). С. 7-13.
7. Алиев Р.Т., Король В.В. Анализ характеристик мультимедийного трафика в локальных вычислительных сетях // Имитационное моделирование. Теория и практика. 2003. Т. 1. С. 45-49.
8. Макаренко С.И., Михайлов Р.Л. Оценка устойчивости сети связи в условиях воздействия на нее дестабилизирующих факторов // Радиотехнические и телекоммуникационные системы. 2013. № 4. С. 69-79.
9. Алиев Т.И. Основы моделирования дискретных систем. - СПб: СПбГУ ИТМО, 2009. -363 с.
10. Кучерявый Е.А. Управление трафиком и качество обслуживания в сети Интернет. - СПб.: Наука и Техника. 2004. - 336 с.
11. Назаров А.Н., Сычев К.И. Модели и методы расчета показателей качества функционирования узлового оборудования и структурно-сетевых параметров сетей связи следующего поколения. -Красноярск: Изд-во «Поликом», 2010. - 389 с.
12. Будко П.А., Рисман О.В. Многоуровневый синтез информационно-телекоммуникационых систем. Математические модели и методы оптимизации: Монография. - СПб.: ВАС, 2011. - 476 с.
Поступила 20 апреля 2015 г.
13. Линец Г.И., Фомин Л.А., Скоробогатов С.А. Снижение влияния самоподобности трафика в пакетных сетях // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2008. № 11. С. 38-42.
14. Линец Г.И., Фомин Л.А., Скоробогатов С.А., Криволапов Р.В. Способ снижения влияния самоподобности в сетевых структурах и устройство для его осуществления. Патент на изобретение № 2413284 от 27.02.2011 г.
15. Линец Г.И. Методы структурно-параметрического синтеза, идентификации и управления транспортными телекоммуникационными сетями для достижения максимальной производительности. Автореф. дис. ... докт. техн. наук по спец. 05.13.01. Ставрополь: Северо-Кавказский федеральный университет, 2013. 34 с.
16. Линец Г.И., Фомин Л.А., Говорова С.В., Ме-денец В.В. Построение мультисервисных сетей на основе функциональных преобразований трафика // Инфокоммуникационные технологии. 2014. Т. 12. № 4. С. 40-45.
17. Ушанев К.В., Макаренко С.И. Аналитико-имитационная модель функционального преобразования трафика сложной структуры // Системы управления, связи и безопасности. 2015. № 2. С. 26-44.
English
Traffic structure conversion with requirements for the traffic service quality
Konstantin Vladimirovich Ushanev- Postgraduate Department of communication networks and systems in aerospace complexes Federal state government-owned military institution of higher professional education Mozhaisky Military Space Academy Ministry of Defense, Russian Federation.
E-mail: stan_007@mail.ru.
Sergey Ivanovich Makarenko- Candidate of Engineering, Associate Professor Department of communication networks and systems in aerospace complexes Federal state government-owned military institution of higher professional education Mozhaisky Military Space Academy Ministry of Defense, Russian Federation.
E-mail: mak-serg@yandex.ru.
Address: 197198, St.-Petersburg, Zhdanovskaya str, 13.
Abstract: Structural complexity as property of traffic circulating in communication networks makes actual the problems of providing their functioning stability by the raise of timely traffic service in switching centers. The known methods of providing stability, which are based on adaptation of the switching center equipment of the communication network to parameters of transmitted traffic, are studied quite to a great extent and described in the literature. The less known method of providing stability of communication network functioning is the adaptation of transmitted traffic to its parameters. This work is aimed at the development of the known method of functional conversion of traffic structure due to combining the requirements to its service as per indexes of time delay conversion in this method and also the probability of service failure. The application of the proposed conversion method to complex structure traffic will enable to generate the traffic corresponding to the elementary flow. The dispersion characteristic of the traffic - variability index of time intervals between coming packets - is recommended as the criterion of complexity of traffic structure. The flow with Pareto distribution and with variability index greater than unity is used as model of complex structure traffic. Traffic conversion is based on application of the known research and methodology instrument of functional conversion of probability density function laws. Novelty of this work is combination of indexes of time delayed traffic conversion and
probability of packet service failure due to buffer overflow when the conversion takes place. This will result in possibility to ensure meeting the requirements to quality of traffic service as well as to improve timely processing of the conversed traffic in switching centers and to provide the stability of network. Implementation of such conversion with the switching centers equipment in network will enable to improve timely service of the conversed traffic in 6-8 times compared to complex structure traffic. It will provide higher stability of the network by the values proportional to the increase of timeliness.
Key words: communication network, traffic, structural complexity of traffic, traffic structure conversion, quality of traffic service.
References
1. Bakhareva N.F., Kartashevskiy I.V., Tarasov V.N. Analysis and calculation of non-Poisson traffic models in computer networks. - Infokommunikatsionnye tekhnologii. 2009. T. 7. № 4. p. 61-66.
2. Bakhareva N.F., Tarasov V.N.., Ushakov Yu.A. General two-dimensional diffusion model of mass service of type GI/G/1. - Telekommunikatsii. 2009. № 7. p. 2-8.
3. Bakhareva N.F., Ushakov Yu.A. Traffic control in computer networks by means of traffic identification and modelling. - Infokommunikatsionnye tekhnologii. 2008. T. 6. № 3. p. 56-62.
4. Tarasov V.N., Bakhareva N.F., Gorelov G. A. Mathematical traffic model of with heavy tailed allocation on the basis of mass service system H2 M/1. - Infokommunikatsionnye tekhnologii. 2014. T. 12. № 3. p. 36-41.
5. Makarenko S.I. Analysis of mathematical models of information flows of general configuration and degree of their conformity to traffic integrated service network. - Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta. 2012. T. 8. № 8. p. 28-35.
6. Makarenko S.I. Intentional generation of information flow of complex structure traffic through the implementation of supplementary imitative traffic in the communication. - Voprosy kiberbezopasnosti. 2014. № 3 (4). p. 7-13.
7. Aliev of R.T., Korol V.V. Analysis of multimedia traffic characteristics in local computer networks. - Imi-tatsionnoye modelirovaniye. Teoriya i praktika. 2003. T. 1. p. 45-49.
8. Makarenko S.I., Mikhailov R.L. Estimation of communication network stability under the action of destabilizing factors. - Radiotekhnicheskiye i telekommunikatsionnye sistemy. 2013. № 4. p. 69-79.
9. Aliev T.I. The Basics of sampling simulation systems. - SPb: SPbGU ITMO, 2009. - 363 p.
10. Kucheryavy E.A. Traffic control and service quality in the Internet network. - SPb.: Nauka i Tekhnika. 2004.- 336 p.
11. Nazarov A.N., Sychev K.I. Models and methods of quality factors calculation of nodal equipment operation and of structural and network parameters of next-generation communication networks. - Krasnoyarsk: Publishing house "Polikom", 2010. - 389 p.
12. Budko P.A., Risman O.V. Multi-level synthesis of information and telecommunication systems. Mathematical models and optimization methods: Monography. - SPb.: VAS, 2011. - 476 p.
13. Linets G. I., Fomin of L.A., Skorobogatov S.A. Decreasing influence of self-similitude of traffic in package networks. - Automation, telemechanization and communication(connection) in petroleum industry. 2008. № 11. With. 38-42.
14. Linets G. I., Fomin L.A., Skorobogatov S.A., Krivolapov R.V. Ways to diminish the effect of self-similarity in network structures and the device for this purpose. The patent for the invention № 2413284 dt 2/27/2011.
15. Linets G. I. Methods of structural and parametric synthesis of identification and control of transport telecommunication networks for achievement of maximum performance. Synops. Thes. ...Dr. Eng. major 05.13.01. Stavropol: Severo-Kavkazsky federalny universitet, 2013. 34 p.
16. Linets G. I., Fomin L.A., Govorova S.V., Medenets V. V. Development of multiservice networks on the basis of functional traffic conversions. - Infokommunikatsionnye tekhnologii. 2014. T. 12. № 4. p. 40-45.
17. Ushanev K.V., Makarenko S.I. Analysis and simulation model of functional conversion of complex structure traffic. - Sistemy upravleniya, svyazi i bezopasnosti. 2015. № 2. p. 26-44.
