ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DE TELECOMUNICACIÓN UNIVERSIDAD DE MÁLAGA Departamento de Tecnología Electrónica Málaga, 10 de Octubre de 2002 AUTOR: Pedro Antonio Ruiz González DIRIGIDO POR: Eduardo Casilari Pérez Estudio de la repercusión del tráfico autosemejante sobre redes con multiplexación estadística Proyecto Fin de Carrera

2 Introducción y Objetivo Introducción Transmisión de vídeo VBR en redes con multiplexación estadística Tráfico VBR presenta comportamiento LRD, asociado a fractalidad o autosemejanza, parametrizable con H Tráfico prioritario LRD puede afectar a la QoS de otros tráficos de baja prioridad: fenómeno de starvation o inanición

3 Introducción y Objetivo Objetivo Constatar el fenómeno de starvation en las condiciones planteadas Analizar la repercusión que tiene el parámetro H sobre el problema de starvation

4 Contenido 1. Concepto de starvation 2. Tráfico de alta prioridad 3. Tráfico de baja prioridad 4. Escenario para confrontación del tráfico 5. Simulación en escenario con modelos 6. Conclusiones finales y líneas futuras de investigación

5 1. Concepto de starvation Necesidad de clases de servicios en las redes de datos Ofrecer determinada QoS en base a fijar parámetros: Retardo Fluctuación del retardo (jitter) Ancho de banda Fiabilidad

6 1. Concepto de starvation Uso de mecanismos de control de la calidad de servicio: Protocolos de reserva del ancho de banda Mecanismos contra la congestión Tratamiento de colas con preferencias: Estrategias de gestión de colas Cola FIFO Cola SPQ Cola FQ Cola WRR Cola WFQ Tráfico de alta prioridad Tráfico de baja prioridad

7 1. Concepto de starvation Aparición del fenómeno de starvation: Redes de datos asíncronas con multiplexación estadística QoS bajo esquemas de planificación de prioridad absoluta (SPQ) Flujo de alta prioridad presenta comportamiento LRD STARVATION Flujo de baja prioridad ve mermada su QoS

8 2. Tráfico de alta prioridad Caracterización del comportamiento LRD Dependencias a largo plazo (LRD) Fractalidad o autosemejanza Fenómeno de persistencia o efecto Hurst Parámetro de Hurst H en el rango 0.5 a 1 Aplicación de diferentes métodos para estimar H

9 2. Tráfico de alta prioridad Comportamiento del flujo de datos para servicio de vídeo VBR Series almacenadas de muestras de tráfico de vídeo Distintas naturalezas de señal audiovisual Distintas opciones del esquema de codificación (MPEG-1, M- JPEG, H.261) Estimación de H Series codificadas VBR presentan LRD Comportamiento LRD en dos rangos: H alto (de 0.8 a 1) H bajo (de 0.6 a 0.8)

10 2. Tráfico de alta prioridad Propuesta de modelos para tráfico de alta prioridad Modelado mediante ajuste del descriptor estadístico PDF o pdf Dependencias SRD Dependencias LRD Modelado mediante ajuste del comportamiento en cola Tamaño medio de cola Desviación de la cola Probabilidad de pérdidas Distribución de datos en cola MODELO

11 2. Tráfico de alta prioridad Validación de modelos Del ajuste del descriptor estadístico Del ajuste del comportamiento en cola Rango de comportamiento LRD Situación de alta tasa de ocupación Modelo parsimonioso Modelo sintético FGN parametrizable con H

12 3. Tráfico de baja prioridad Tráfico genérico de redes de datos multiplexado Modelado grueso sin considerar retransmisiones Consideración del comportamiento de baja prioridad en cola Modelo de fácil parametrización, ajustable en la tasa de ocupación del canal Modelo de fuentes sintéticas ON - OFF

13 3. Tráfico de baja prioridad Ocupación modelable con T OFF =((1/  )-1)  T ON, 0<  1 T ON, T OFF exponencial T ON, T OFF subexponencial (heavy-tailed) mediante Pareto de mínimo nulo, F(x)=1-((b+x)/b) - , con b=  (  -1) y 1<  2 para heavy-tailed Velocidad de información del modelo ON-OFF V ON Tiempo V OFF Tiempo de actividad distribuido con media T ON Tiempo de inactividad distribuido con media T OFF Modelo de fuentes sintéticas ON – OFF :

14 3. Tráfico de baja prioridad Velocidad de información de la señal de alta prioridad V X max V X media V ON = V X max - V X media Tiempo Velocidad de información del modelo ON-OFF V ON Tiempo V OFF Tiempo de actividad distribuido con media T ON Tiempo de inactividad distribuido con media T OFF Modelo de fuentes sintéticas ON – OFF :

15 4. Escenario de simulación QoS de alta prioridad respetada: C servicio =  * máx.(X[n]) QoS de baja prioridad afectada por retardos en cola Q[n] modelo flujo de fluidos Q[n]=máx.(0,min.(B,Q[n-1]+X[n]-C)) con B=  Servidor Cola de baja prioridad Flujo de datos de un servicio de alta prioridad Modelo de planificación del servicio de estricta prioridad (SPQ) Cola de alta prioridad Q[n] Enlace de salida Flujo de datos genérico de baja prioridad C servicio X[n] Y[n]

16 Parametrización de los modelos 5. Simulación FGN de 10 6 muestras: H = 0.9, 0.7 y 0.5  = 1.5Mbps, 128Kbps  = 0.5 , 1.0  y 1,5  ON-OFF de 10 6 muestras: V ON = función de X[n] T OFF = función de  = 0.5, 0.6, 0.75, 0.9 y 1 T OFF y T OFF Exponencial T OFF y T OFF Pareto  =1.5 X[n] Y[n] Q[n] Retardo medio Desviación del retardo (jitter) Distribución de datos retenidos

17 Retardo medio 5. Simulación H = 0.9 Retardo medio  cuando   Retardo medio  para altos  Cuando   entonces el retardo medio   = 128Kbps  = 0.5  = 1.5  = 1.0  = % ocupación ON-OFF exponencial

18 Retardo medio 5. Simulación Cuando H  entonces retardo medio  Cuando H , retardo medio   para altos   = 0.5  = 1.5  = 1.0  = % ocupación H = 0.7  = 128Kbps ON-OFF exponencial

19 Retardo medio 5. Simulación Para valores de H , la importancia de    = 0.5  = 1.5  = 1.0  = % ocupación H = 0.5  = 128Kbps ON-OFF exponencial

20 Retardo medio, RESUMEN 5. Simulación H = 0.9 Cuando H , el retardo medio  Para altos , cuando H , el retardo medio  H = 0.5  = 1.5 H = 0.7  = % ocupación  = 128Kbps ON-OFF exponencial

21 Jitter, RESUMEN 5. Simulación Evolución del jitter con H = evolución del retardo con H H = 0.9 H = 0.5 H = 0.7  = % ocupación  = 1.5  = 128Kbps ON-OFF exponencial

22 Distribución de datos en cola 5. Simulación H = 0.9  = 128Kbps H = 0.5  = 1.5 H = 0.7  = 50% ocupación Bits retenidos en cada intervalo de la cola  = 75% ocupación ON-OFF exponencial H = 0.9 H = 0.5 H = 0.7

23 Distribución de datos en cola 5. Simulación H = 0.9 H = 0.5 H = 0.7 Bits retenidos en cada intervalo de la cola  = 90% ocupación  = 128Kbps  = 1.5  = 50% ocupación ON-OFF exponencial H = 0.9 H = 0.5 H = 0.7

24 Distribución de datos en cola 5. Simulación H = 0.9 H = 0.5 H = 0.7 Bits retenidos en cada intervalo de la cola  = 100% ocupación  = 128Kbps  = 1.5  = 50% ocupación ON-OFF exponencial H = 0.9 H = 0.5 H = 0.7

25 Distribución de datos en cola 5. Simulación  = 100% ocupación H = 0.9 H = 0.5 H = 0.7 Cuando H , la cantidad de datos retenidos  Para altos , cuando H , los datos retenidos  Bits retenidos en cada intervalo de la cola

26 Repetición de la serie de pruebas anteriores para:  = 1.5Mbps Empeoramiento general de las condiciones ON-OFF subexponencial (Pareto con  =1.5) Idéntica variación de la QoS con la variación de H 5. Simulación H = 0.9 H = 0.5 H = 0.7  = % ocupación

27 6. Conclusiones y líneas futuras Se concluye que la QoS se ve afectada claramente por H : Cuando H , la QoS  Para altos , cuando H , la QoS  Mayores valores de  y  empeoran la QoS: Influencia de   para valores de H  Se constata el fenómeno de starvation Se caracteriza su influencia mediante H

28 6. Conclusiones y líneas futuras Líneas futuras de investigación: Influencia de MPEG4 y DIVX sobre starvation Atenuación de starvation en esquemas como WFQ Efecto de starvation entre flujos de misma clase de servicio Pruebas con generadores de tráfico en redes de datos

29 Final de la presentación del Proyecto Fin de Carrera: Estudio de la repercusión del tráfico autosemejante sobre redes de multiplexación estadística

30