Методика оценки параметров качества обслуживания с использованием аналитической и имитационной модели инфокоммуникационной сети с обработкой трафика реального времени

Изобретение относится к области сетевого управления трафиком. Технический результат заключается в повышении качества обслуживания передачи инфокоммуникационного трафика посредством имитационного и аналитического моделирования работы инфокоммуникационной сети с установкой сетевых параметров функционирования любого сетевого оборудования. В результате моделирования будут получены оценки значений параметров качества обслуживания для конкретной реализации трафика, на основе которых можно прогнозировать работу любых устройств или систем в перспективе их развития. Для этого в режиме реального времени производят регистрацию случайных временных последовательностей трафика на входном порту узла инфокоммуникационной сети, с помощью аналитического и имитационного моделирования определяют возможность реализации собранного трафика на реальном оборудовании. 5 ил.,1 табл.

 

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Изобретение относится к области сетевого управления трафиком или управления перегрузкой каналов связи и позволит выбирать оптимальное решение по управлению потоками трафика реального времени, а также оценить параметры качества обслуживания (QoS) сети провайдера, что предоставит возможность спрогнозировать поведение реального сетевого трафика в условиях перегрузки, предотвратить потери пакетов данных. Способность данного решения имитировать работу инфокоммуникационной сети с установкой сетевых параметров функционирования любого сетевого оборудования, что позволяет имитировать и прогнозировать работу любых устройств или систем в перспективе их развития.

УРОВЕНЬ ТЕХНИКИ

Характерной особенностью современных инфокоммуникационных сетей связи является неоднородность трафика. Обеспечение качества обслуживания трафика и связанная с ним оценка таких параметров качества обслуживания трафика, как задержка пакетов, вариация задержки (джиттер), скорость передачи, а также пропускная способность каналов связи являются одной из наиболее актуальных задач на сегодняшний день.

Развитие инфокоммуникационных сетей, их глубокая интеграция и сближение с IT-технологиями, кроме того, бурный рост технологий облачных вычислений, сенсорных сетей, широкое применение их сервисов постоянно увеличивают требования к пропускной способности инфокоммуникационных сетей, вносят изменения в структуру обслуживаемого трафика, а требования к параметрам QoS становятся все более критичными. Это приводит к необходимости учета характера обрабатываемых потоков при сетевом управлении трафиком, с более глубоким изучением структуры современного трафика инфокоммуникационных сетей и, следовательно, пересмотра алгоритмов управления трафиком в процессе эксплуатации сетей и систем.

В современных исследованиях приводятся результаты анализа степени самоподобия трафика, а также влияния данных свойств на показатели качества обслуживания, для речевого трафика. Однако все большую долю в общем трафике глобальных сетей занимает трафик различных мультимедийных приложений. Трафик мультимедиа приложений является одним из наиболее перспективных к развитию в глобальной сети и требует исследований влияния степени самоподобия на показатели QoS. В связи с этим актуальным является анализ самоподобных (фрактальных) свойств мультимедийного трафика сети Интернет, исследование статистических свойств параметров трафика, влияния алгоритмов по контролю и управлению нагрузкой на характеристики QoS исследуемого трафика.

Многочисленные исследования современного трафика глобальных и локальных сетей показывает, что он обладает свойствами самоподобия. При этом развитие инфокоммуникационных сетей, связанное с внедрением новых сервисов и технологий, постоянно вносит изменения в структуру обслуживаемого трафика. Для поддержания необходимого уровня качества обслуживания требуется изучение новых структур, их влияния на QoS, разработка моделей, позволяющих оценить и спрогнозировать параметры функционирования инфокоммуникационных сетей и, основываясь на этом, сделать выбор оптимального сетевого управления.

Анализ мультимедийного трафика, учет самоподобных (фрактальных) свойств дает возможность более детально описать и воспроизвести трафик мультимедийных приложений, что в свою очередь обеспечит возможность получения показателей QoS, соответствующих реально наблюдаемым. Поэтому актуальными представляются исследования фрактальных свойств мультимедийного IP-трафика, и вследствие этого возможность оптимизации входных параметров инфокоммуникационных сетей с целью обеспечения заданного QoS.

В связи с актуальностью проблемы, связанной с повышением качества обслуживания, имеется множество решений, направленных на повышение качества обслуживания трафика в современных инфокоммуникационных сетях. Но данные подходы не позволяют в полной мере реализовать возможности по оценке и прогнозированию параметров функционирования инфокоммуникационных сетей, а следовательно, не позволяют сделать выбор оптимального сетевого управления.

Имеется много работ, связанных с данной проблемой. Наиболее близким по технической сущности к заявленной методике и выбранным в качестве прототипа является способ RU 2677373 C1, 2019.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Сущность данной методики заключается в следующем.

Для сетевого узла, который может быть представлен коммутатором или маршрутизатором, регистрируется поступающий на обработку трафик определенного потока. Полученные данные являются исходными для обработки в аналитической и имитационной модели, которая имитирует условия обработки трафика в реальной сети оператора. Программно-аппаратный комплекс включает в себя ПК оператора, куда устанавливается программное обеспечение и реализуется имитационное моделирование и аналитическое моделирование. С этого же рабочего места производится управление сетевыми устройствами. Программная часть комплекса реализуется на базе операционной системы Linux, на платформе программной среды ns2, которая является свободно распространяемым программным обеспечением. Результатом имитационного моделирования являются параметры QoS, которые сравниваются с эталонными, в качестве эталонных принимаются параметры, предусмотренные соглашением об уровне предоставления услуги (англ. Service Level Agreement, SLA) между заказчиком и поставщиком услуги, работа сети которого имитируется. Эталонные параметры, как правило, принимаются в соответствии с рекомендациями стандартов МСЭ-Т Е.800, Y.1291, Y.1540, Y.1541, G.1010. Параметры функционирования сети автоматически выводятся в табличном виде после окончания процедуры моделирования. Результатом аналитического моделирования являются параметры QoS, которые также сравниваются с эталонными.

Полученные параметры позволяют спрогнозировать результаты функционирования рассматриваемого домена сети оператора и определить соответствие параметров обработки трафика, таких как задержка, джиттер, вероятность потерь определенным в соглашении об уровне предоставления услуги данному заказчику, а также соответствие параметров трафика, генерируемого заказчиком, оговоренному в договоре.

В случае, если параметры соответствуют эталонным работа реальной сети реализуется в штатном режиме. Если имеются отклонения от нормы, производится коррекция сетевых настроек, а затем в обновленной модели производится моделирование обработки реального трафика, полученные результаты сравниваются с эталонными. Число циклов будет зависеть от времени подбора оптимальной модели по параметрам функционирования сети. В соответствии с параметрами сетевого управления, полученными для оптимальной модели, настраиваются параметры сетевого управления реальной сети оператора.

Способ прототип имеет следующие недостатки:

1. Не использует реальный трафик в качестве модели обрабатываемого потока.

2. Не позволяет получить результаты имитационного моделирования без дополнительной обработки результатов.

3. Не используют инструменты имитационного моделирования для прогнозирования результатов обработки реальных потоков, а только моделей трафика.

4. Основывается на имитационном моделировании одного сетевого узла, а не сети в целом.

В прототипе учитываются только определенные статистические параметры обрабатываемого трафика, но не обрабатывается модель реального трафика, которая формируется из потока, зарегистрированного на входе реальной сети.

В прототипе результаты моделирования (эксперимента) требуют дополнительной обработки в специализированных программах или аналитически, что вносит дополнительные затраты по времени и ресурсам.

Прототип позволяет управлять только одним сетевым устройством, а не сетью в целом.

В результате полученная методика позволяет повысить скорость и возможности по сетевому управлению потоками оператором с учетом параметров, которые оговариваются с заказчиком при заключении договора на обслуживание в условиях изменения характера поступающих потоков и топологии сети (структуры). В итоге оператор связи имеет возможность быстро и эффективно прогнозировать параметры функционирования сети. Кроме того, данная методика позволяет оценить точность аналитических моделей.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Предлагаемое изобретение поясняется графическим изображениями, на которых показано:

Фиг. 1 - Схема организации моделирования и обработки.

Фиг. 2 - Схема регистрации трафика.

Фиг. 3 - Функциональная схема методики оценки параметров качества обслуживания с использованием аналитической и имитационной модели инфокоммуникационной сети с обработкой трафика реального времени

Фиг. 4. - Результат работы программы по вычислению параметров QoS.

Фиг. 5. - График зависимости задержки и джиттера от коэффициента загрузки сети.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

Повышение эффективности сетевого управления позволит реализовать методика оценки параметров качества обслуживания с использованием аналитической и имитационной модели инфокоммуникационной сети с обработкой трафика реального времени, которая включает в себя следующие этапы (фиг. 3):

1. Провести регистрацию случайных временных последовательностей трафика на входном порту узла инфокоммуникационной сети, используя сниффер (1).

Программа сниффер устанавливается на персональный компьютер, который подключен к сетевому устройству (коммутатору, маршрутизатору).

2. Полученные сниффером со входного порта сетевого устройства данные о входном трафике приводятся к виду, удобному для дальнейшей обработки (Блокнот.txt или *.dat, Excel.xls), в виде двумерной последовательности моментов прихода пакетов и длительности пакетов, при предварительной настройке формируется автоматически; текстовый файл с двумерной последовательностью (2).

Полученный текстовый файл переводится в бинарный вид (2). Инструменты для перевода в бинарный вид имеются на большинстве программных платформ, в среде ns2, для данной методики, программа имеет вид:

set udp1 [new Agent/UDP]

$ns attach-agent $s2 $udp1

set ss_file2 [new Application/Traffic/Trace]

set trace2 [new Tracefile]

$trace2 filename iptv.dat

$ss_file2 attach-tracefile $trace2

$ss_file2 attach-agent $udp1

set null1 [new Agent/Null]

$ns attach-agent $dest2 $null1

$ns connect $udp2 $null1

3. Устанавливаются сетевые параметры функционирования имитационной модели (3): 1) топология, 2) тип передачи - проводная, беспроводная, 3) параметры функционирования каналов связи - пропускная способность, тип передачи, 4) производительность сетевых узлов, 5) настройка механизмов обеспечения качества обслуживания - алгоритмы управления перегрузками (RED), алгоритмы мониторинга, управления (Token Bucket), алгоритмы управления очередями (FIFO, PQ, WRR и т.д.), 6) задается обрабатываемый трафик, 7) задается фоновый трафик, имитирующий реальную загрузку сети оператора.

Реализация имитационного моделирования осуществляется в программной среде ns2, которая является свободно распространяемой и в открытых кодах. На условиях лицензии GPL бесплатны и доступны on-line все обновления и дополнения системы (новые библиотеки, реализация новых протоколов, bug-fix и т.п.). Возможно также изменение и дополнение системы пользователем для нужд конкретной задачи (например, реализации новых протоколов для изучения их работы и сравнения их с существующими).

Результатом работы программы являются файлы трассировки. Далее необходимо обработать эти файлы для получения необходимых результатов моделирования. После получения файла с расширением *.tr необходимо указать его аргументом разработанной в рамках реализации методики программе по вычислению задержки и джиттера, например:

./a.out Traffic.tr

4. Автоматическое получение результатов моделирования в табличном виде (фиг. 4) (4), где выводятся следующие результаты:

• задержка на каждом участке сети;

• средняя сетевая задержка;

• джиттер на каждом участке сети;

• среднее значение джиттера.

5. Сравниваются результаты, полученные в программе с эталонными параметрами из соглашения SLA (5).

6. В случае удовлетворения эталонным значениям параметров оператор реализует данную модель сети на реальном оборудовании или, если модель построена на базе реальной сети, функционирование сети оператора осуществляется в запланированном (штатном) режиме (6).

7. В случае неудовлетворения полученных результатов эталонным параметрам (7), необходимо произвести корректировку настройки сетевых параметров функционирования имитационной модели (3).

8. Производится имитационное моделирование с измененными параметрами (3). Формируются результаты моделирования (4). Производится сравнение результатов с эталонными (5). Число циклов моделирования будет зависеть от квалификации оператора и его понимания влияния сетевых параметров на параметры QoS.

Параллельно реализуется аналитическое моделирование, которое позволит получить оценки значений параметров качества обслуживания для конкретной реализации мультимедийного трафика. Для этого необходимо реализовать следующие этапы:

1. Провести регистрацию случайных временных последовательностей трафика на входном порту узла инфокоммуникационной сети, используя сниффер (8).

2. Полученные сниффером со входного порта сетевого устройства данные о входном трафике приводятся к виду, удобному для дальнейшей обработки (Блокнот.txt, Excel.xls), в виде двумерной последовательности моментов прихода пакетов и длительности пакетов; текстовый файл с двумерной последовательностью (9).

3. Полученные данные передаются в блок аналитического моделирования (10). В блоке аналитического моделирования осуществляют вычисление параметров качества обслуживания для обрабатываемого трафика в соответствии с моделями обслуживания инфокоммуникационного трафика

Аналитические выражения для оценки среднего времени обслуживания трафика в системе (задержки) и для вероятности потерь хорошо известны, например, Назаров А.Н., Сычев К.И. Модели и методы расчета показателей качества функционирования узлового оборудования и структурно-сетевых параметров сетей связи следующего поколения. - Красноярск: Изд-во ООО «Поликом», 2010. С. 254; Буранова М.А. Оценка джиттера при обработке трафика в системе G/G/1 Информационные технологии и телекоммуникации, 2020, Т. 8. No 2 Telecom IT. 2020. Vol. 8. Iss. 2. С. 12-19. DOI 10.31854/2307-1303-2020-8-2-12-19; Карташевский В.Г., Буранова М.А. Оценка вариации задержки передачи пакетов в системе GI/GI/1. В сборнике: Радиоэлектронные устройства и системы для инфокоммуникационных технологий - РЭУС-2020. Сер. «Научные конференции, посвященные дню Радио». 2020. С. 87-91.

Средняя задержка определяется в соответствии с выражением:

где - и - отрицательные вещественные части корней кубического уравнения , для которого коэффициенты:

,

,

с промежуточными параметрами: , , , ,

где , , , , , - параметры плотностей вероятностей случайных величин гиперэкспоненциальных распределений.

Для аналитической оценки среднего джиттера передачи пакетов нами была получена модель. Под джиттером понимают среднюю абсолютную вариацию задержки, изменение задержки в потоке от некоторого минимального значения. В соответствии с рекомендацией IETF (Internet Engineering Task Force - Специальная комиссия интернет-разработок) под джиттером понимается случайная переменная , определяемая как

,

где - время задержки -го пакета в узле сети, которое определяется в виде , где - время ожидания -го пакета в очереди и - время его обслуживания.

В результате выражение для средней оценки джиттера в системе с обработкой современного самоподобного (фрактального) трафика (в системе G/G/1) будет иметь вид:

,

где ,

;

;

;

,

Оценку параметров гиперэкспоненциальных распределений можно определить на основе метода моментов с использованием подхода, показанного в работах (Тарасов В.Н., Карташевский И.В. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1 // Системы управления и информационные технологии. 2014. №3(57). С. 92-96).

Параметры распределений определяются как:

, ,

где - среднее значение интервалов между поступлениями пакетов.

,

где - коэффициент вариации интервалов между поступлениями пакетов.

3. Сравниваются результаты, полученные при аналитическом моделировании с эталонными параметрами из соглашения SLA (12).

4. В случае удовлетворения эталонным значениям параметров оператор реализует данную модель сети на реальном оборудовании или если модель построена на базе реальной сети, функционирование сети оператора осуществляется в запланированном (штатном) режиме (13).

5. В случае неудовлетворения полученных результатов эталонным параметрам, необходимо произвести корректировку установки сетевых параметров функционирования инфокоммуникационной сети (10).

10. Производится аналитическое моделирование с измененными параметрами (10). Формируются результаты моделирования (11). Производится сравнение результатов с эталонными (12).

11. Оператор может выбрать или аналитическую, или имитационную модель в зависимости от ситуации и загруженности сети фоновым трафиком. Чем выше загрузка фоновым трафиком, тем предпочтительней применение имитационного моделирования. Для прогнозирования работы сети предпочтительно на начальном этапе использование аналитического моделирования.

В результате реализации данного изобретения было получено следующее:

После реализации блока 1 были получены характеристики трафика в виде двумерной последовательности моментов прихода пакетов и длительности пакетов.

После реализации блока 2 получена исходная модель реального трафика, для удобства формируем исходную модель трафика в виде файла формата *dat. Полученный текстовый файл переводится в бинарный вид в среде ns2, программа имеет вид:

set udp1 [new Agent/UDP]

$ns attach-agent $s2 $udp1

set ss_file2 [new Application/Traffic/Trace]

set trace2 [new Tracefile]

$trace2 filename iptv.dat

$ss_file2 attach-tracefile $trace2

$ss_file2 attach-agent $udp1

set null1 [new Agent/Null]

$ns attach-agent $dest2 $null1

$ns connect $udp2 $null1

После реализации блока 3 получаем программный код имитируемой модели с установленными сетевыми параметрами.

Настройка маршрутизации:

$ns rtproto DV

Установка параметров сети (размер пакета, скорость потока):

set packetSize 1000

set rate 40000

Для соединения двух узлов одним звеном используется следующий скрипт:

$ns duplex-link $n0 $n1 2Mb 10ms DropTail

В этой строке указано, что между узлом n0 и n1 создано дуплексное звено с полосой пропускания 2Мбит/с, задержкой 10мс и очередью с механизмом обслуживания DropTail.

Также можно задать размер очереди:

$ns queue-limit $n2 $n3 20

Реализация блока 3 позволяет получить результаты обработки трафика в имитационной модели без дополнительной обработки. Результат приводится в табличном виде:

5 блок позволяет получить сравнительную оценку полученных результатов с принятыми эталонными нормами.

Примем за эталонные значения Рекомендации ITU-T Y.1541. Нормы в данной рекомендации разделены по классам QoS, которые определены в зависимости от приложений и сетевых механизмов, применяемых для обеспечения гарантированного качества обслуживания. В табл. 1 представлены нормы для сетевых характеристик.

Таблица 1

Нормы для характеристик IP-сетей с распределением по классам качества обслуживания

Сетевые характеристики	Классы QoS
0	1	2	3	4	5
Задержка	100мс	400мс	100мс	400мс	1с	Н
Вариация задержки	50мс	50мс	Н	Н	Н	Н
Коэффициент потери пакетов						Н
Коэффициент ошибок						Н

В таблице: Н - не нормировано

Значения параметров, приведённые в табл. 1, представляют собой, соответственно, верхние границы для средних задержек, джиттера, потерь и искажений пакетов.

По результатам имитационного моделирования получено значение задержки равное 42 мс;

Для вариации задержки (джиттера) получили значение 8 мс.

Моделируемый трафик соответствует 1 классу QoS. Сравнение полученных результатов показывает, что результаты имитационного моделирования соответствуют нормам.

Значения получены для коэффициента загрузки сети равной 0,1.

Для наглядности зависимость задержки и джиттера от коэффициента загрузки сети представлена в виде графиков (фиг. 5).

В случае несоответствия полученных результатов установленным нормам необходимо повторить моделирование с откорректированными сетевыми параметрами.

Для получения результатов аналитического моделирования необходимо использовать исходную модель трафика, согласно блокам 8 и 9.

При реализации 10 блока для аналитической оценки примем в расчете сетевые параметры аналогичные параметрам при имитационном моделировании.

11 блок позволил получить результаты аналитической обработки. В результате расчета по вышеприведенным формулам получили следующие значения для вариации задержки и джиттера:

При реализации 12 блока проведено сравнение с нормами Рекомендации Y.1541. Получено, что результаты соответствуют нормированным значениям.

В случае несоответствия полученных результатов установленным нормам повторить аналитическое моделирование с откорректированными сетевыми параметрами.

Результаты аналитического и имитационного моделирования в целом согласуются. Поэтому можно сделать вывод, что данная реализации трафика в смоделированной сети может быть реализована на реальном оборудовании.

Способ оценки параметров качества обслуживания (QoS) сети провайдера, который заключается в том, что в режиме реального времени производится оценка значений параметров функционирования инфокоммуникационной сети, определяющих качество обслуживания при обработке трафика реального времени, например, мультимедийных потоков, её особенность связана с тем, что сниффером формируется двумерная последовательность, состоящая из момента прихода пакета и его длительности; сформированная последовательность поступает в имитационную и аналитическую модель;

производят оценку значений параметров качества обслуживания: задержка, джиттер, вероятность потерь, в анализируемой сети с использованием имитационного моделирования и аналитического моделирования, параметры функционирования сети автоматически выводятся в табличном виде после окончания процедуры моделирования; сравнивают полученные в результате моделирования оценки параметров с эталонными, определенными в соглашении об уровне предоставления услуг, SLA; производят коррекцию сетевых настроек, в обновленной модели производится проверочное моделирование обработки реального трафика, полученные сетевые настройки являются эталонными для моделируемой сети.