300 likes | 523 Views
Proyecto Fin de Carrera. 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
E N D
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
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
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
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
Estrategias de gestión de colas • Cola FIFO • Cola SPQ • Cola FQ • Cola WRR • Cola WFQ Tráfico de alta prioridad Tráfico de baja prioridad 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:
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
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
2. Tráfico de alta prioridad • Comportamiento del flujo de datos para servicio de vídeo VBR Distintas naturalezas de señal audiovisual Series almacenadas de muestras de tráfico de vídeo 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)
2. Tráfico de alta prioridad • Propuesta de modelos para tráfico de alta prioridad PDF o pdf Dependencias SRD Dependencias LRD Modelado mediante ajuste del descriptor estadístico Tamaño medio de cola Desviación de la cola Probabilidad de pérdidas Distribución de datos en cola Modelado mediante ajuste del comportamiento en cola MODELO
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
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
Velocidad de información del modelo ON-OFF VON Tiempo VOFF Tiempo de inactividad distribuido con media TOFF Tiempo de actividad distribuido con mediaTON 3. Tráfico de baja prioridad • Modelo de fuentes sintéticas ON – OFF : • Ocupación modelable con TOFF=((1/)-1)TON , 0<1 • TON , TOFF exponencial • TON , TOFF 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 VON Tiempo VOFF Tiempo de inactividad distribuido con media TOFF Tiempo de actividad distribuido con mediaTON Velocidad de información de la señal de alta prioridad VXmax VON = VXmax - VXmedia VXmedia Tiempo 3. Tráfico de baja prioridad • Modelo de fuentes sintéticas ON – OFF :
Enlace de salida 4. Escenario de simulación • QoS de alta prioridad respetada: Cservicio= * 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= Modelo de planificación del servicio de estricta prioridad (SPQ) Flujo de datos de un servicio de alta prioridad Cola de alta prioridad X[n] Servidor Flujo de datos genérico de baja prioridad Y[n] Cservicio Q[n] Cola de baja prioridad
Q[n] 5. Simulación • Parametrización de los modelos X[n] FGN de 106 muestras: H = 0.9, 0.7 y 0.5 = 1.5Mbps, 128Kbps = 0.5, 1.0 y 1,5 Y[n] ON-OFF de 106 muestras: VON = función de X[n] TOFF = función de = 0.5, 0.6, 0.75, 0.9 y 1 TOFF y TOFF Exponencial TOFF y TOFF Pareto =1.5 • Retardo medio • Desviación del retardo (jitter) • Distribución de datos retenidos
109-1010 106-107 5. Simulación = 128Kbps H = 0.9 • Retardo medio ON-OFF exponencial = 1.5 = 1.0 = 0.5 = % ocupación • Retardo medio cuando • Retardo medio para altos • Cuando entonces el retardo medio
= 128Kbps H = 0.7 ON-OFF exponencial = 1.5 = 1.0 109-1010 106-107 = 0.5 106-107 105-106 5. Simulación • Retardo medio = % ocupación • Cuando H entonces retardo medio • Cuando H, retardo medio para altos
= 128Kbps H = 0.5 ON-OFF exponencial = 1.5 = 1.0 106-107 105-106 105-106 = 0.5 105-106 5. Simulación • Retardo medio = % ocupación • Para valores de H, la importancia de
5. Simulación = 1.5 = 128Kbps • Retardo medio, RESUMEN ON-OFF exponencial H = 0.9 H = 0.7 H = 0.5 = % ocupación • Cuando H, el retardo medio • Para altos , cuando H, el retardo medio
= 1.5 = 128Kbps ON-OFF exponencial H = 0.9 H = 0.7 H = 0.5 5. Simulación • Jitter, RESUMEN = % ocupación • Evolución del jitter con H = evolución del retardo con H
H = 0.9 H = 0.7 H = 0.5 5. Simulación = 1.5 • Distribución de datos en cola = 128Kbps ON-OFF exponencial = 50% ocupación H = 0.9 H = 0.7 H = 0.5 Bits retenidos en cada intervalo de la cola = 75% ocupación
H = 0.9 H = 0.7 H = 0.5 5. Simulación = 1.5 • Distribución de datos en cola = 128Kbps ON-OFF exponencial = 50% ocupación H = 0.9 H = 0.7 H = 0.5 Bits retenidos en cada intervalo de la cola = 90% ocupación
H = 0.9 H = 0.7 H = 0.5 5. Simulación = 1.5 • Distribución de datos en cola = 128Kbps ON-OFF exponencial = 50% ocupación H = 0.9 H = 0.7 H = 0.5 Bits retenidos en cada intervalo de la cola = 100% ocupación
H = 0.9 H = 0.7 H = 0.5 5. Simulación • Distribución de datos en cola • Cuando H, la cantidad de datos retenidos • Para altos , cuando H, los datos retenidos = 100% ocupación Bits retenidos en cada intervalo de la cola
H = 0.9 H = 0.7 H = 0.5 5. Simulación • 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 = % ocupación
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
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
Final de la presentación del Proyecto Fin de Carrera: Estudio de la repercusión del tráfico autosemejante sobre redes de multiplexación estadística