CC BY
137
Влияние механизмов управления QOS на показатели качества обслуживания мультимедийного трафика сети Internet
Ключевые слова: самоподобие трафика, параметр Херста, долговременная зависимость, распределение с ’Тяжелыми хвостами" (тяжелые распределения), параметры QoS.
Развитие современных телекоммуникационных сетей, их интеграция и сближение с Г-технологиями, бурный рост технологий и широкое внедрение их сервисов постоянно увеличивают требования к пропускной способности телекоммуникационных сетей, вносят изменения в структуру обслуживаемого трафика, а требования к параметрам QoS становятся все более критичными. Возникает необходимость пересмотра алгоритмов управления, а также более глубокого изучения структуры трафика современных телекоммуникационных сетей. Изучение его структуры и поведения в реальных условиях позволит внести необходимые коррективы в уже имеющиеся модели современного трафика. Проведено исследование трафика сети Интернет (на уровне пользователя). Получено подтверждение предположения его самоподобия с использованием специальных программных средств. Проанализирована математическая модель, получены законы распределений длительности пакетов и интервалов времени между поступлениями пакетов исследуемого трафика. Проведено имитационное моделирование различных механизмов обеспечения QoS применительно к конкретной реализации трафика. Проанализировано влияние различных алгоритмов управления очередями на показатели качества обслуживания исследуемого трафика.
Карташевский В.Г.,
д.т.н., профессор, декан ФТР,
заведующий кафедрой МСИБ ФГОБУ ВПО ПГУТИ,.
kartash@psati.rv
Буранова МА.,
старший преподавателькафедры МСИБ ФГОБУ ВПО ПГУТИ, bvranova@psati.rv
Многочисленные исследования современного трафика глобальных и локальных сетей показывает, что он обладает свойствами самоподобия. При этом развитие телекоммуникационных сетей, связанное с внедрением новых сервисов и технологий, постоянно вносит изменения в структуру обслуживаемого трафика. Для поддержания необходимого уровня качества обслуживания требуется изучение новых структур, их влияния на QoS и, основываясь на этом, выбор оптимального сетевого управления [1].
В мультисервисных сетях обслуживается трафик разных видов, поэтому для обеспечения приемлемого качества, целесообразно применять дифференцированное обслуживание разнотипного трафика (DiffServ).
Существует множество исследований графика различных приложений сети Internet. Однако интересным представляется статистический анализ реализации трафика Internet на предмет законов распределений его параметров, последующий учет которых позволит определить наилучший алгоритм обеспечения качества обслуживания.
Эффективность работы компьютерных сетей оценивается на основе математических моделей систем массового обслуживания. При этом традиционно для описания используется модели М/М/1 (М/М/n), предполагающие пуассоновский характер нагрузки. Однако, современный трафик, обладающий свойствами самоподобия, лучше описывается моделями G/G/l (G/G/n). Следует заметить,
что при исследованиях самоподобного трафика телекоммуникационных сетей практически не исследуются такие параметры как длительности пакетов (заявок) и интервалы времени между пакетами (заявками). Тогда как в теории массового обслуживания для анализа применяют именно данные характеристики. В работе [2,3] показано, что данные параметры для самоподобного трафика имеют распределения с «тяжелыми хвостами».
Ниже приведен анализ реального мультимедийного трафика, регистрация которого проводилась на уровне ПК пользователя. Следует учесть тот факт, что пакеты одного типа могут существенно отличаться как по длительности, так и по интервалам времени между пакетами, при этом, мультимедийный трафик может иметь различный характер. Исследовались два типа мульмедиа трафика: трафик, формируемый просмотром видео-файла в режиме реального времени (когда происходит копирование видео-файла с сервера и проигрывание его на видеоплеере ПК), а также трафик IP/TV (пользователь подключается к уже осуществляемому вещанию IP-сети и получает пакеты видео-трансляции по мере их поступления). Существенная распределённость современных телекоммуникационных сетей позволяет использовать результаты анализа данных трафиков для исследований влияния различных механизмов обеспечения QoS на структуру трафика и показатели качества.
Исследование трафика, выявило, что он обладает свойствами самоподобия, при этом самоподобным является последовательность интервалов между пакетами (Н = 0,64), а также последовательность длин пакетов (Я =0,87).
Анализ распределений интервалов времени между пакетами (рис. 1а) и распределений случайных длин пакетов (рис. 2а) мультимедийного трафика, формируемого просмотром видеофайла, показывает, что они имеют характерную особенность, а именно, гистограммы имеют два ярко выраженных пика, то есть являются бимодальными.
Рис. 1. Распределения случайных интервалов между пакетами: а - Берра (Вигг)-распределение случайных интервалов между пакетами, параметры - к = 0,13903, а — 1,6125, [1 = 4,4187 -10 ; б - Берра (Вигг)-распределение интервалов между пакетами
без учета больших значений, параметры - к = 0,23825, а = 1,4804, /? = 5,8052 • 10'; в - Обобщенное Парето (Gen. Pareto) -распределение интервалов между пакетами без учета малых значений
-533---------406------та&г
а о в
Рис. 2. Распределения случайных длин пакетов: а - Фреше (РгесИеО-распределение длин пакетов. Значение параметров: а = 0,68554, /? = 90,267; б - Wakeby-распределенне длин пакетов без вклада больших значений. Значение параметров: а = 92.099, /? = 0,62464, у = 2,7315. d = 0,92942, £ = -10,149.; в-Gen. Extreme Value-рэспределение длин пакетов без учета малых значений, Значение параметров: £ = -3,1266, п = 50,26, /< = 1488,6-
В рассматриваемой ситуации более целесообразным является для случайных интервалов времени между пакетами и для случайных длин пакетов использование распределения, по форме совпадающего с распределением смеси, которое для данных гистограмм может быть представлено в следующем виде:
f(x) = P^ S(x-x0) + P,S(x-xt), (1)
где с)'(дг —дг0) - дельта функция, соответствующая первому пику; —дг,) - дельта функция соответствующая второму пику; />=0,74, Р2 = 0,22 для рис 1 а, Р{ = 0,6, Р2 = 0,36 для рис. 2а.
Как показано в [4], проанализировав трафик без вклада малых значений (первый пик) и без вклада больших значений (второй пик) для каждой статистики, гистограммы интервалов времени между пакетами аппроксимированы распределениями, представленными на рис. 16 (распределение Берра) и 1в (Обобщенное Парето (Gen. Pareto) распределение) соответственно. Аналогично, при анализе распределения случайной длительности пакетов (с учетом статистической эквивалентности длительности и длины пакетов) получены аппроксимации рис. 26 (распределение Вейкеби (Wakeby)) и рис. 2в (Обобщенное экстремальное распределение (Gen. Extreme Value)).
Закон распределения интервалов между пакетами, может быть аппроксимирован без учета вклада больших и малых значений. Основываясь на (1), заменим дельтафункции полученными аппроксимациями в виде распределений рис. 16 (распределение Берра) и \в (Обобщенное Парето (Gen. Pareto), учитывая значения параметров:
ак\ Х
/(х) = 0.74-
Р
'#]
(2)
+0.22-
а
\ + к
(*-/»)
где к, а - непрерывные параметры формы (Берра-распределение); р - непрерывный масштабный коэффициент (Берра-распределение); к - непрерывные параметры формы (Обобщенное Парето-распределение); а — непрерывный масштабный коэффициент (а > 0) (Обобщенное Парето-распределение); (3 - непрерывный параметр сдвига (Обобщенное Парето-распределение).
Для закона распределения длин пакетов, с учетом полученных распределений рис. 26 и 2в можно получить аналогично (2):
f(x) = 0,6~jf(l+rf) exp(-x'v<,) +
(3)
+0,36-—ехр|-(1 +kz) V*j(l + Az)
где (1 - непрерывный параметр (распределение Вейкеби); к - непрерывный параметр формы (Обобщенное экстремальное распределение); <т - непрерывный масштабный коэффициент (Обобщенное экстремальное распределение).
0=1,1265
/3=0.00059
у=0
0.008 , 0.012
□ tttiopim -la^lflgri*
а
В связи с возрастающим спросом пользователей Internet на услуги IP/TV, трафик, создаваемый при этом абонентами, дает все больший вклад в общую загрузку IP-сетей. Это приводит к необходимости исследования структуры трафика, создаваемого одним абонентом. Анализ распределений интервалов времени между пакетами (рис. За) и распределений случайных длин пакетов (рис. 36) мультимедийного трафика IP/TV, показывает, что они существенно отличаются от распределений параметров трафика рассмотренного выше.
Рис. 3.а- Распределение Лог. Логистическое (Log-Logistic)случайных интервалов между пакетами; 6 — Распределения Джонсона (Johnson SB) случайных длин пакетов
Распределение Лог. Логистическое (Log-Logistic), в нашем случае характерное для случайных интервалов времени между пакетами, имеет вид:
\я-1 ( / \а V2
(4)
X '
-f-T
РУР)
i+i 4
где а - непрерывный параметр формы; (3 - непрерывный масштабный коэффициент.
Гистограмма рис. За, показывает, что основная доля интервалов времени между пакетами имеет значения в пределах до 2 мс (74% интервалов).
Закон распределения для случайных длин пакетов аппроксимирует распределение Джонсона (.ГоЬшоп БВ):
/(*)-
A\f27rz(\-z)
exp
(5)
лишь применительно к интервалам времени между пакетами, поскольку на длины пакетов обработка в сети не оказывает влияния (фрагментация пакетов моделируемыми режимами не предусматривается). Статистическое исследование интервалов времени между пакетами проводилось на каждом участке сети: на участке между первым пограничным маршрутизатором (edgel) и корневым маршрутизатором (core), затем на участке между корневым маршрутизатором и вторым пограничным маршрутизатором (edge2), на последнем этапе между вторым пограничным маршрутизатором и получателем (idestination2).
---Трафик загрузки текстовых файлов
Source 1 Трафик мультимедийный
Source 2
Трафик аудио
Destination 1
Edgel Core Edge 2 Destination 2
10M6m/6/«5^ 2_Мбит/£- ,
где у, S- непрерывные параметры формы; Я— непрерывный масштабный коэффициент.
Рис. 36 показывает, что неравномерность распределения длин пакетов существенна, что вполне оправдано самим механизмом формирования трафика IP/TV.
Исследование влияния различных сетевых алгоритмов обработки по поддержанию QoS на структуру и параметры качества позволяет реализовать программа ns2. Данный программный продукт дает возможность моделировать обработку реализаций трафика зарегистрированного в реальной сети. В качестве фрагмента сети, моделируемой в ns2, выбрана схема рис. 4. Данная схема рассматривается как базовая. В качестве реализаций трафика были использованы два трафика мультимедийных приложений, исследуемых выше. Влияние различных алгоритмов на структуру трафика были рассмотрены
Source 3
у/
а
Рис. 4. Схема моделирования в ns2
Исследуемый трафик передается между источником 2 (Source2) и получателем 2 (Destination2). В качестве конкурирующих с данным потоком передается трафик от источника 1 (Source 1) к получателю 1 (Destination!), создаваемый загрузкой текстовых файлов, от источника 3 (Source3) к получателю 3 (Destination3) - трафик передачи голоса. Данные потоки являются фоновыми для исследуемого графика. Сбор реализации фоновых трафиков был проведен аналогично мультимедийному трафику (на уровне ПК пользователя).
Предотвращение возникновения перегрузки сети является одной из наиболее важных задач при обеспечении
необходимого качества обслуживания в сети, поскольку перегрузки ведут за собой увеличение очередей в буферах сетевых устройств, увеличение вероятности потери пакетов. Алгоритмы управления очередями позволяют решить проблему перегрузок сети, например, алгоритм RED (Random Early Detection). Для эффективного использования активного управления очередями, реализованного в маршрутизаторах, необходимо осуществлять корректную настройку параметров алгоритмов. Неправильная настройка их может привести к значительному ухудшению параметров функционирования маршрутизатора [5].
Управление интенсивностью трафика и его маркировкой позволяют реализовать разновидности алгоритма Token Bucket. В качестве анализируемых алгоритмов были рассмотрены три: скользящее временное окно с двухцветным маркером (Time Sliding Window with Two Color Marking - TSW2CM), односкоростной трехуровневый маркировщик (Single Rate Three Color Marker — srTCM), двухскоростной трехуровневый маркировщик (Two Rate Three Color Marker - trTCM). Данные алгоритмы отличаются количеством параметров, в соответствии с которыми производится маркировка/сброс пакетов. В работе исследовалось влияние данных алгоритмов на
параметры качества обслуживания трафика, а также влияние на его структуру. В качестве обслуживаемого рассматривается трафик IP/TV, поскольку он является более чувствительным к параметрам QoS.
Программа ns2 позволяет в рамках настройки параметров работы механизмов обеспечения требуемых показателей качества реализовать различные схемы обслуживания очередей маршрутизатором. При анализе использовались две схемы: каждый из трех потоков обслуживается в отдельной физической очереди, либо все три потока обслуживаются в одной физической очереди. Каждому потоку назначается свой приоритет.
Исследование мультимедийного трафика на участке между edgel и core, где трафик обрабатывается алгоритмом TailDrop, показывает, что для интервалов времени между пакетами трафика характерны законы распределения, представленные аппроксимацией гистограмм рис. 5. Поскольку на данном участке используется один алгоритм для всех трех исследуемых режимов обработки, совершенно логично, что гистограммы интервалов между пакетами являются практически идентичными. Аппроксимации гистограмм, полученные для каждого типа трафика, представлены на рис. 5 а-6.
0.8
0.6
£•
0.4
к=1.2045 0=0.96842 /3=8,9887Е-4
К=0
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
0 0.002 0,004 0,006 0,008 0.01 0,012 0,014 0,016
а б
Рис. 5. Законы распределения интервалов времени между пакетами на участке между edgel и core; а - Распределение Берра (Burr) случайных интервалов между пакетами для трафика IP/TV, обслуживаемого отдельной очередью; б - Распределение Вейбулла (Weibull) случайных интервалов между пакетами для трафика IP/TV, обрабатываемого одной очередью с фоновыми трафиками
о=0.00207
/3=0,99531
К=4,4512Е-5
5=0,81767
£=-3,9734Е-5
0=0.8176
/3=0,00171
у^Э.ЭЭЭЕ-б
0,004 0.008 0,012 0.016 0.02 0.024 0,028 0.032 0.036 0,04
0,014
а 6
Рис. 6. Законы распределения интервалов времени между пакетами на участке между core и edge2 алгоритмом TSW2CM: а - Распределение Вейкеби (Wakeby) случайных интервалов между пакетами для трафика IP/TV, обслуживаемого отдельной очередью; б - Распределение Вейбулла (Weibull) случайных интервалов между пакетами для трафика IP/TV, обрабатываемого
в одной очереди с фоновыми трафиками
0.6
0.4
0.2
/=3,2839 6=0,91703 Д=0,04368 2.5472Е-4
0,004
0,016
0,02
0.8
0.6
*r
0.4 \
0,2
0
0
0=0,79684
/3=0,00144
у=9,0Е-6
□ Histogram — Jotwit on 88
0,004
б
0,008
0,012
0,016
0,02
Рис. 7. Законы распределения интервалов времени между пакетами на участке между core и edge2 алгоритмом srTCM. а - Распределение Джонсона (Johnson SB) случайных интервалов между пакетами для трафика IP/TV, обслуживаемого отдельной очередью; б - Распределение Вейбулла (Weibull) случайных интервалов между пакетами для трафика IP/TV, обрабатываемого
в одной очереди с фоновыми трафиками
0,5
0,4
0,3
§
0,2
0,1
СТ=6,3297Е-4
^=0.00193
0,8
0,6
0,4
0,2
к-0,49113
0=1,7897
/3=0,00239
у=0
0,004
0,008 х 0,012
□ ниЮфгат — Cauchr
0,016
0,02
0,02
0,04 0,06 х 0,08
□ Mtitogrtm — 0**ит
0.1
Рис. 8. Законы распределения интервалов времени между пакетами на участке между core и edge2 алгоритмом trTCM: в - Распределение Каучи (Cauchy) случайных интервалов между пакетами для трафика IP/TV, обслуживаемого отдельной очередью; б - Распределение Дагума (Dagum) случайных интервалов между пакетами для трафика IP/TV, обрабатываемого в одной очереди с фоновыми трафиками
Уменьшение интервалов времени между пакетами в результате обработки трафика в одной физической очереди с фоновым трафиком, определяется мультиплекси-рованнием суммарного трафика.
На участке между core и edge2, где предусматривается работа алгоритмов по управлению интенсивностью трафика и его маркировкой, был проведен анализ влияния различных реализаций данных алгоритмов на структуру исследуемого трафика. Результаты представлены на рис. 6-8. После окончательной обработки, на участке между edge2 и Deslinalion2, распределения интервалов времени между пакетами принимают вид, представленный на рис. 9.
Наибольшее увеличение интервалов времени между пакетами дает алгоритм trTCM, что связано со сложностью работы алгоритма.
Для мультимедийного трафика критичными являются такие параметры как высокая пропускная способность канала, малый джиттер задержки (не более 30 мс), в меньшей степени задержка передачи (150 мс для потокового видео) и вероятность потерь пакетов (не более 5%). Сопоставление этих параметров (рис. 10, 11, табл. 1), показывает, что наилучшим для обработки рассматриваемой реализации трафика IP/TV является алгоритм srTCM.
