Blind shaping strategy of self-similar traffic : Markovian model

• Autorzy: Elbiaze H. , Atmaca T. , Czachórski T.
• Języki publikacji: EN

Abstrakty

EN

The aim of telecommunication network engineers is to have as many satisfied users as possible. This comes by resolving the trade-off between capacity and QoS requirements. Accurate modeling of the offered traffic load is the first step in optimizing resource allocation algorithms such that provision of services complies with the QoS constraints while maintaining maximum capacity. Taking into account the importance of self-similarity to network traffic and its influence on performance, we notice the impact of traffic shaping to improve loss and delay in networks dealing with this type of traffic. The main goal of this paper is to develop a dynamic shaping mechanism which would be adaptable to the variability to the incoming traffic. We propose a finite state Markovian model to validate and evaluate the performance of our window-based shaping strategy. We particularly study the impact of the window size on the shaping mechanism performance.

PL

Przy projektowaniu sieci komunikacyjnych trzeba osiągnąć kompromis pomiędzy maksymalizacją wykorzystania zasobów sieci a utrzymaniem jakości usług świadczonych przez sieć na określonym poziomie. Pomagają w tym modele sieci, których elementem jest opis charakteru natężenia ruchu pakietów traktowanego jako proces stochastyczny. Jedną z ważnych cech tego ruchu jest samopodobieństwo i związana z nim autokorelacja utrzymująca się dla bardzo odległych próbek. W artykule rozważa się wpływ własności samopodobieństwa ruchu na zapełnianie buforów w węzłach sieciowych gromadzących przesyłane dalej pakiety oraz wpływ adaptacyjnego algorytmu wygładzania ruchu na pracę buforów. Rozważany algorytm jest odmianą mechanizmu cieknącego wiadra, w którym pakiety są wpuszczane do sieci po pobraniu umownego żetonu, a żetony są generowane przez sieć ze stałą częstotliwością, odpowiadającą dopuszczalnemu natężeniu ruchu. W algorytmie adaptacyjnym częstotliwość generacji żetonów zależy od natężenia ruchu obserwowanego w oknie czasowym o stałej długości. W kolejnym oknie zliczane są nadeszłe pakiety i na tej podstawie oraz na podstawie poprzedniej częstotliwości, wziętych z odpowiednimi wagami, ustalana jest częstotliwość generacji żetonów w następnym odcinku czasu. Artykuł posługując się markowowskimi modelami ruchu samopodobnego, mechanizmu cieknącego wiadra i kolejki w węźle sieci bada wpływ długości okna czasowego i wag na zapełnienie buforów i prawdopodobieństwo strat pakietów.

Słowa kluczowe

EN

traffic shaping; self-similarity; queuing network models; Markov chain

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Archiwum Informatyki Teoretycznej i Stosowanej
• Rocznik: 2002
• Tom: T. 14, z. 1
• Strony: 61--73

Twórcy

autor

Elbiaze H.

• Institut National des Telecommunications, 9 rue Charles Fourier, 91011 Evry, France

autor

Atmaca T.

• Institut National des Telecommunications, 9 rue Charles Fourier, 91011 Evry, France

autor

Czachórski T.

• Institute of Theoretical and Applied Computer Science, polish Academy of Sciences, 44-100 Gliwice, Bałtycka 5, Poland

Bibliografia

• [1] Allan T. Andersen and Go Friis Nielsen, A Markovian Approach for Modeling Packet Traffic with Long- Range Dependance, IEEE Journal on Selected Areas in Communications, vol. 16, no. 5 (June 1998), pp. 719-732
• [2] W. J. Stewart, An Introduction to the Numerical Solution of Markov Chains, Princeton Academic Press, 1994.
• [3] Y. Saad Analysis of some Krylov subspace approximations to the matrix exponential operator, SIAM J. Numer. Anal., 29(1): 208-227, February 1992.
• [4] W. J. Stewart An Introduction to the Numerical Solution of Markov Chains, Princeton Academic Press, 1994.
• [5] H. Elbiaze and al. Impact of shaping on network performance with self-similar traffic, PROC of ICT’2000, Acapulco, Mexico, May 2000.
• [6] H. Elbiaze and T. Atmaca Traffic Management in Multi-service Optical Network, PROC of ICN’2001, Colmar, France, July 2001.
• [7] K. Park, G. Kim and M. Corvella On the Effect of Self-Similarity on Network Performance, PROC. SPIE, Int. Conf. Perf. and Control of Network Sys., 1997, pp. 296-3 10.
• [8] R. Laalaoua, T. Czachórski. T. Atmaca, Markovian Model of RED Mechanism. CCGrid 2001, IEEE International Symposium on Cluster Computing, 15-18 May 2001, Brisbane, Australia