1 / 42

Internet traffic modeling and network design

Internet traffic modeling and network design. Access network traffic modeling. Avg. and variance at peak time: Self-Similar or Poisson ? 1) Self-Similar [1998] American Mathematical Society Internet traffic (1995) : access router 2) Poisson [2000] Infocom paper. Self-Similar 근거 이론

zelig
Download Presentation

Internet traffic modeling and network design

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Internet traffic modeling and network design

  2. Access network traffic modeling • Avg. and variance at peak time: Self-Similar or Poisson ? 1) Self-Similar • [1998] American Mathematical Society • Internet traffic (1995) : access router 2) Poisson • [2000] Infocom paper

  3. Self-Similar 근거 이론 • 시간 t 와 t+k 에서의 트래픽간 상관계수 • [Self-Similar] : • (예) k=4, b=1/2 , 상관계수 :1/4 • 포아송 근거 이론 • [Poisson] : • (예) k=4, a=1/2, 상관계수: 1/16 • 상관계수(Self-Similar) > 상관계수(포아송) • Self-Similar한 파형이 더욱 Bursty하다.

  4. (1)포아송 모델과 (2)인터넷 트래픽 비교 • 측정간격: 0.1초

  5. (1)포아송 모델과 (2)인터넷 트래픽 비교 • 측정간격: 1초

  6. Poisson vs. measured • 측정간격: 100초

  7. measured vs. fractal • 측정간격: 100초

  8. Self-Similar claimed • 2000년 8월 SIGCOMM • Propagation of LRD(Long Range Dependence) • FTP from remote server

  9. 인터넷 경로상의 LRD가 TCP 연결의 트래픽 특성에 반영

  10. TCP 트래픽과 배경 트래픽과의 관계 • TCP(t) = C – B(t) • C : 병목구간 용량 • B(t) : 배경 트래픽 • TCP는 배경 트래픽의 특성을 따름

  11. TCP(t) = C – B(t)

  12. 배경 트래픽에 대한 저역 필터 구실을 하는 TCP 연결

  13. TCP의 배경 트래픽 적응성

  14. Self-Similar ? • 웹이 본격적으로 사용되기 전(1998년 논문) • 배경 트래픽이 Self-Similar하다면 이를 지나는 TCP 연결의 트래픽도 Self-Similar해짐(2000년 논문) • 대다수 논문들이 Self-Similarity 주장 • 평균보다 매우 높은 억세스 용량이 필요함

  15. Poisson? • 2000년 Infocom 발표논문 • 하바드대와 루슨트 연구소에서의 최근 실측 트래픽(1998년) • 웹 트래픽만 고려(약 50%의 점유율) • 측정간격: 0.1초 (라우터 버퍼의 분산 흡수 능력을 고려)

  16. Background N: 사용자수 Xi: 사용자 i의 트래픽(특정시간) X: 모든 사용자 트래픽의 합 Cov(Xi,Xj)  0 (사용자간의 상관관계가 낮을때)  C (사용자간의 상관관계가 높을때)

  17. Correlation among hosts • 상관관계가 높을때(Self-Similar) • 전체의 분산  [사용자수]2 개인의 분산 • 상관관계가 낮을때(Poisson) • 전체의 분산  사용자수 개인의 분산

  18. 전체 분산 = 사용자수 x 개인의 분산

  19. bandwidth vs. number of hosts

  20. reasoning about poisson • OFF/ON 비율이 높을때 • 분산은 대역폭에 비례 • 대역폭은 사용자수에 비례 분산은 사용자수에 비례  포아송 모델

  21. K ON과 N-K OFF (K << N) • C = ON Time시 대역폭 사용

  22. OFF/ON 비율(80%가 10:1 이상)

  23. Self-Similar or Poisson depending on applications? • [Self-Similar] OFF/ON 비율이 낮고 지속적인 전송 (FTP,VOD) • [포아송] OFF/ON 비율이 높고 간헐적인 전송 (Web)

  24. Access network design considerations • 서비스 구성 비율 • OFF/ON 비율 • 과금체계: 데이타량/ 접속시간 • 포아송과 Self-Similar의 영향을 모두 고려 • 무선 인터넷의 특성반영 (낮은 OFF/ON 비율, 작은 전송화일 크기)

  25. Backbone traffic modeling

  26. Backbone traffic modeling

  27. Backbone traffic modeling • 실측 traffic데이터와 통계 자료를 이용하여 실제 상황과 근접한 가상 traffic을 계산하여 실제 네트워크 설계에 활용 • 인터넷 인구 • 인기 server의 위치 • 서비스별 1인당 평균 트래픽 발생율 • 거리 • UP/DOWN • 실측자료

  28. Traffic modeling between site i and site j[Cahn]

  29. Traffic synthesis between site i and j • Popi, Popj : 지역 i와 j의 인구 (인터넷 백서, 실측 데이터 등 이용) • dist(i, j) : 지역 i와 j간 거리 • PopPower, DistPower : 서비스에 따라 다름 (각 서비스 별 계산 후 합산) • α : Scaling factor • Level (Li, Lj) : Up/Down link asymmetry (실측 데이터를 이용해서 각 서비스별로 계산 후 합산) • rf : 0∼1을 갖는 random factor

  30. 입출력 트래픽 측정을 이용한 정규화

  31. traffic considering population and domains

  32. KORNET망

  33. Network Simulation using OPNET

  34. Simple Topology switch1 switch3 switch2

  35. Traffic 설정 • 각 host에서 application별 traffic 발생 • Http (??%), FTP (??%), Telnet (??%) < subnet >

  36. Delay vs. Capacity • Switch1 <-> Switch2 : 70kbps∼490kbps (sec) (Ⅹ100kbps)

  37. Queue length vs. Capacity (cell) (Ⅹ100kbps)

  38. Example < subnet >

  39. Traffic modeling • Peak time 1시간 동안의 host별 traffic량 • Http : ??? • Telnet : ??? • FTP : ???

  40. Application attributes

  41. Utilization & Queuing delay < utilization(%) > < queuing delay (sec) > <■ : as is , ■ : average>

  42. Http page response time(sec) <■ : as is , ■ : average>

More Related