440 likes | 735 Views
به نام خداوند بخشنده و مهربان. مدیریت پویای بافر در سیستم های صف بندی بر اساس میزان خودشبیهی ترافیک استاد راهنما: دکترکیارش میزانیان استاد مشاور: دکتر قاسم میرجلیلی ارائه دهنده: فرناز امین دانشکده برق و کامپیوتر دانشگاه یزد بهمن ماه 1391. فهرست. مقدمه. مفهوم خودشبیهی. فصل 1.
E N D
به نام خداوند بخشنده و مهربان مدیریت پویای بافر در سیستمهای صف بندی بر اساس میزان خودشبیهی ترافیک استاد راهنما: دکترکیارش میزانیان استاد مشاور: دکتر قاسم میرجلیلی ارائه دهنده: فرناز امین دانشکده برق و کامپیوتر دانشگاه یزد بهمن ماه 1391
فهرست مقدمه مفهوم خودشبیهی فصل1 بررسی خودشبیهی ترافیک فصل 2 الگوریتم های مدیریت بافر معرفی الگوریتم پیشنهادی فصل 3 ارزیابی الگوریتم پیشنهادی فصل 4 نتیجهگیری و کارهای آینده مراجع
« فصل 1» معرفی معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
مقدمه مدلهای ترافیکی 4/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
3 2 1 در گذشته برای مدلسازی ترافیک شبکهها، زمان ورود بستهها و برقراری اتصال، فرآیند پوآسن در نظر گرفته میشد، چون این فرآیندها از نظر تحلیل ریاضی آسان میباشند. در فرآیندهای پوآسن اگر ترافیک انفجاری در بازههای زمانی مختلف وجود داشته باشد، وقتی که در یک بازه زمانی تجمیع شود، یکنواخت خواهد شد. فرآیندهای خودشبیه وقتی که در بازههای زمانی تجمیع میشوند، ویژگی انفجاری خود را حفظ میکنند. مفهوم خودشبیهی 5/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
مفهوم خودشبیهی 6/46 6/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
بررسی ترافیک خودشبیهی • در شبکه های محلی، اولین بار مطالعاتی در سال 1990 در مرکز تحقیقاتBellcore Morristownانجام شد که Leland و همکارانش نشان دادند که ترافیک اترنت خودشبیه است. • در شبکههای گسترده نیز، ثابت کردند که ترافیکهای WWW، FTPNNTP،SMTP ،TELNETخودشبیه میباشند. 7/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
میزان انفجاری • تابعی از بارشبکه درجه خودشبیهی اندازه گیری خودشبیهی پارامتر هرست 8/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
روش های اندازه گیری درجه خودشبیهی periodogram Whittle’s روش های تخمین پارامتر هرست 0.5 < H < 1 ویولت • واریانس-زمان بازه-گسترده 9/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
تاثیر خودشبیهی بر کارایی شبکه افزایش نرخ از دست رفتن بسته افزایش طول صف • هرچه ترافیک خودشبیه تر باشد به بافر بیشتری نیاز دارد 10/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
کاهش تاثیر خودشبیهی بر کارایی شبکه افزایش پهنای باند • هدر رفتن پهنای باند اضافی ترکیب دو راه حل افزایش اندازهی بافر • کاهشبستههای از دست رفته • افزایش تاخیر 11/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
« فصل2» مدیریت بافر معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
مدیریت صف کدام بسته و چه موقع باید از صف حذف شود؟ • زمانبندی بسته • کدام بسته باید از صف خارج شود؟ اختصاص پهنای باند مدیریت بافر Text 13/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
مدیریت ایستای صف • بسته های ورودی در صف نگهداری میشوند تا زمان خروج آنها برسد. • معمولا بسته زمانی از صف حذف میشوند که صف کاملا پر باشد. 1 2 Router Queue 3 14/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
P3 P1 P6 P5 P4 P2 Tail Drop • مشکلات: • حبس • مقابله با ترافیک انفجاری • همزمانی سراسری TCP FCFS Scheduler Routing Inter- network ISP ISP Router Router 15/46
Tail Drop • حبس بیشینه طول صف 16/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Tail Drop • ترافیک انفجاری بیشینه طول صف 17/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Tail Drop • همزمانی سراسری بیشینه طول صف 18/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Drop!!! ACK… ACK… ACK… AQM AQM TCP TCP TCP TCP TCP TCP TCP TCP TCP TCP TCP TCP Congestion Queue Queue Queue Queue Queue صف Sink Sink Sink Sink Sink Inbound Link Inbound Link Inbound Link Inbound Link لینک ورودی Inbound Link Router Router Router مسیریاب Router Router Outbound Link Outbound Link Outbound Link لینک خروجی Outbound Link Outbound Link Sink Sink Sink Sink Sink Sink Sink Congestion Notification… ACK… ACK… ACK… مدیریت پویای صف (AQM) • مزیت ها: • کاهش از دست رفتن بسته • کاهش تاخیر صف 19/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Random early detection (RED) Average queue length Drop probability Maxqueue length • qlen- بیشینه طول صف • minth- مقدارآستانه کمینه • maxth- مقدار آستانه بیشینه • maxp- بیشینه احتمال حذف Forced drop Maxthreshold Probabilisticearly drop Minthreshold No drop Time 20/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
P 1 Pmax Qavg 0 Thmin Thmax Pmax x (avg – THmin) P= THmax - THmin REDالگوریتم بدون حذف حذف می شودP=1بسته با احتمال محدودیت این روش،عدم برقراری عدالت بین جریان ها در هنگام ازدحام جریان های مسئول نرخ ارسال خود را کاهش می دهند در نتیجه جریان های غیر مسئول بیشتر حجم بافر اشغال می کنند با احتمال P بسته حذف میشود احتمال حذف P میانگین طول صف • ave = (1 – wq) ave + wqq 21/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Flow Random Early Drop (FRED) • این روش سعی دارد تمامی جریانهایی که از اتصال میگذرند سهم عادلانه خود را از ظرفیت اتصال دریافت کنند. • سهم عادلانه از صف عبارتست از متوسط طول صف • این محدودیت تنها زمانی برداشته خواهد شد که جریان هیچ بستهای در صف نداشته باشد. محدودیت این روش،عدم برقراری عدالت بین جریان ها در هنگام ازدحام محدودیت همواره برای جریان های غیر مسئول باقی می ماند 22/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Class-Based Threshold (CBT) Drop Tail (FIFO) Resource Reservation Active Queue Mgmt ... CBQ RED FRED ... ( Floyd, Jacobson ‘95) ( Floyd, Jacobson ‘93) (Lin, Morris ‘97) Class-Based Threshold (CBT) (Parris, Jeffay, Smith ‘99) 23/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
CBT طراحی پهنای باند کلاس i بیشینه تاخیر صف میانگین اندازه بسته 24/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
Class-Based Threshold (CBT) • هدف این الگوریتم تفکیک بین کلاسهای مختلف ترافیک و کاهش تاثیر جریانهای غیر مسئول بر جریانهای مسئول میباشد. • مناسب برای کاربردهای چندرسانهای • عدالت • مقدار آستانه میزان پهنای باند هر کلاس را تعیین میکند. • کاهش پیچیدگی • اطلاعات هر کلاس نگهداری میشود به جای اطلاعات هر جریان • مزایای این روش، کمتر بودن میزان تأخیر و تعداد بستههای دور ریخته شده در مقایسه با REDاست. محدودیت این روش، ایستا بودن حدود آستانه است که برای ترافیک بسیار متغیر اینترنت منجر به کارایی پایین میگردد. 25/46 مدیریت بافر معرفی نتیجهگیری محاسبهتاثیر
Dynamic-CBT (D-CBT) Drop Tail (FIFO) Resource Reservation Active Queue Mgmt ... CBQ RED FRED ... Class-Based Threshold (CBT) Dynamic-CBT 26/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
D-CBT طراحی 27/46 معرفی مدیریت بافر نتیجهگیری محاسبهتاثیر
« فصل 3 » پیاده سازی الگوریتم پیشنهادی و ارزیابی معرفی پیاده سازی مدیریت صف نتیجهگیری
ایده الگوریتم پیشنهادی افزایش خودشبیهی افزایش میانگین طول صف اختصاص بافر براساس میزان خودشبیهی ترافیک 29/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
Hurst-Based Queueکلاس بندی در محاسبه آنلاین پارامتر هرست 31/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
محاسبه آنلاین پارامتر هرست بازه-گسترده • واریانس-زمان periodogram Whittle’s این روشها از نظر پیچیدگی زمانی و حافظه برای کاربرد آنلاین به صرفه نیستند ویولت پیاده سازی ساده تر محاسبات و حافظه بسیار کم 32/46 معرفی نتیجهگیری محاسبهتاثیر ایجاد گراف
مقدار آستانه بیشینه 33/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
Inter-network Router Router Hurst-Based Queueارزیابی • مقایسه باالگوریتم های مدیریت صف کلاس بندی: • CBT • D-CBT 35/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
توپولوژی شبیه سازی HTTP D(1) 2TCP 25Mbps, 5ms 25Mbps, 5ms 2TCP Sources Sinks FTP D(2) 25Mbps, 20ms DNS D(3) MM D(4) 3UDP Sources 3UDP Sinks n1-n2: q_size = 240 RED: max_th = 15 min_th = 5 qweight = 0.002 max_prb = 0.1 CBT: mmu_th = 2.9 udp_th = 2.9 MPEG D(5) 36/46
نرخ از دست رفتن بسته 37/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
Goodput 38/46 معرفی پیاده سازی مدیریت صف نتیجهگیری
میانگین تاخیر صف 39/42 معرفی پیاده سازی مدیریت صف نتیجهگیری
« فصل 4 » نتیجهگیری و کارهای آتی معرفی نتیجهگیری ارزیابی مدیریت صف
نتیجه گیری 1 3 2 4 • در الگوریتم پیشنهادی نیز با در نظر گرفتن درجه خودشبیهی برای صفبندی و نیز تعیین مقدار آستانه به صورت پویا توانستیم کارایی شبکه را بهبود دهیم. • هنگامی که انفجاری بودن ترافیک زیاد است با هدایت جریان به صف جداگانه از تاثیر آن بر روی دیگر جریانها جلوگیری میکند. • HBQبا کنترل طول صف در هنگام ازدحام موجب کاهش نرخ از دست رفتن بسته در مقایسه با CBT و ِD-CBT میشود. • همچنین نرخ Goodput در HBQنسبت به دیگر الگوریتمها بهبود داشته است. 41/42 معرفی نتیجهگیری ارزیابی مدیریت صف
کارهای آینده 3 2 1 4 • میتوان الگوریتم پیشنهادی را با دیگر الگوریتمهای زمانبندی صف (زمانبندی اولویت) ترکیب نمود و تاثیر آن را بر روی کارایی شبکه ارزیابی کرد. • پیشنهاد میشود که کارایی سیاستهای صفبندی دیگری را روی هر کدام از صفها بررسی کرد. • میتوان برای محاسبه مقدار آستانه کمینه را نیز به صورت پویا تعیین کرد و کارایی آن را با الگوریتم پیشنهادی مقایسه نمود. • میتوان تاثیر انتخاب پارامترها را روی الگوریتم پیشنهادی بررسی کرد و مقدار بهینه را برای این پارامترها به دست آورد. 42/42 معرفی نتیجهگیری ارزیابی مدیریت صف
برخی از منابع شاخص • J. W. Chung, “Dynamic-CBT–Router Queue Management for Improved Multimedia Performance on the Internet,” WORCESTER POLYTECHNIC INSTITUTE, 2000. • H. Yousefi’zadeh and E. A. Jonckheere, “Dynamic neural-based buffer management for queuing systems with self-similar characteristics,” Neural Networks, IEEE Transactions on, vol. 16, no. 5, pp. 1163–1173, 2005. • Y. Shomura, T. Nakashima, and T. Sueyosh, “Simulation Based Analysis of Queueing Property for Continuous Self-Similar Traffic,” in Innovative Computing Information and Control, 2008. ICICIC’08. 3rd International Conference on, 2008, pp. 99–99. • L. YANG and Q. WU, “Traffic Predictability in Self-similar Network and Its Application in AQM [J],” Computer Engineering, vol. 1, p. 003, 2006. • J. Wen and X. Lu, “The design of QoS guarantee network subsystem,” ACM SIGOPS Operating Systems Review, vol. 36, no. 1, pp. 81–87, 2002.
برخی از منابع شاخص • Y. Wang, “Queue length analysis of end-to-end differentiated service networks with self-similar traffic,” Oklahoma State University, 2005 • X. Jin and G. Min, “Modelling and analysis of priority queueing systems with multi-class self-similar network traffic: a novel and efficient queue-decomposition approach,” Communications, IEEE Transactions on, vol. 57, no. 5, pp. 1444–1452, 2009. • K. Park and W. Willinger, Self-similar network traffic and performance evaluation. Wiley Online Library, 2000. • R. G. Clegg, “A practical guide to measuring the Hurst parameter,” arXiv preprint math/0610756, 2006. • M. Gospodinov and E. Gospodinova, “The graphical methods for estimating hurst parameter of self-similar network traffic,” in Proceedings of the 2005 International Conference on Computer Systems and Technologies, 2005.
مقالات مستخرج • F. Amin, and K.Mizanian, “Buffer management and Self-similar Network” in 6th International Symposium on Telecommunications (IST), 2012. • (ارزیابی و مقایسه الگوریتم های مدیریت صف در عملکرد شبکه های کامپیوتری)، کنگره ملی مهندسی برق،کامپیوتر و فناوری اطلاعات، آبان 1391. • F. Amin, K.Mizanian, Gh.Mirjalily, “Hurst-Based Queue Management for Self-Similar Network Traffic”, Journal of Advanced in Electrical and Computer Engineering (AECE). • F. Amin, K.Mizanian, and Gh.Mirjalily, “Dynamic Queue management for Self-similar Network” in 21th Iranian Conference on Electrical Engineering(ICEE), 2013.
سپاس با تشکر از توجه شما