Буранова Марина Анатольевна. Разработка и исследование методов анализа параметров качества обслуживания трафика в программно-конфигурируемых сетях

Краткое описание

Буранова Марина Анатольевна. Разработка и исследование методов анализа параметров качества обслуживания трафика в программно-конфигурируемых сетях;[Место защиты: ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики»], 2021

МИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ,
СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное учреждение высшего
образования
«ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ТЕЛЕКОММУНИКАЦИЙ И ИНФОРМАТИКИ»
Буранова Марина Анатольевна
РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ АНАЛИЗА
ПАРАМЕТРОВ КАЧЕСТВА ОБСЛУЖИВАНИЯ ТРАФИКА В
ПРОГРАММНО-КОНФИГУРИРУЕМЫХ СЕТЯХ
Специальность 2.2.15. Системы, сети и устройства телекоммуникаций
Диссертация на соискание учёной степени
доктора технических наук
Научный консультант:
доктор технических наук, профессор
Карташевский Вячеслав Григорьевич
Самара - 2022 
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 6
ГЛАВА 1 АНАЛИЗ ОСОБЕННОСТЕЙ ФУНКЦИОНИРОВАНИЯ ПРОГРАММНО-КОНФИГУРИРУЕМЫХ СЕТЕЙ НА ОСНОВЕ ПРОТОКОЛА OPENFLOW 19
1.1 Перспективы развития сетей связи 19
1.2 Концепция программно-конфигурируемых сетей 27
1.2.1 Работы по стандартизации программно-конфигурируемых
сетей 29
1.2.2 Архитектура программно-конфигурируемых сетей 31
1.2.3 Основные компоненты программно-конфигурируемых сетей... 35
1.2.4 Протокол OpenFlow 42
1.2.5 Протоколы конфигурации, взаимодействия OpenFlow, порты и
каналы OpenFlow 47
1.3 Проблемы программно-конфигурируемых сетей и основные
направления исследований 51
1.4. Анализ программно-конфигурируемой сети на основе протокола OpenFlow с использованием методов теории массового обслуживания.... 54
Выводы к главе 1 56
ГЛАВА 2 АНАЛИЗ СТАТИСТИЧЕКИХ ХАРАКТЕРИСТИК ФУНКЦИОНИРОВАНИЯ ПРОГРАММНО-КОНФИГУРИРУЕМЫХ СЕТЕЙ НА ОСНОВЕ ПРОТОКОЛА OPENFLOW 57
2.1 Схема эксперимента на программно-конфигурируемой сети на
основе протокола OpenFlow 59
2.2 Анализ трафика программно-конфигурируемой сети 63
2.3 Методы аппроксимации, используемые для анализа моделей систем G/G/1 в программно-конфигурируемой сети на основе протокола
OpenFlow 76
Выводы к главе 2 91
ГЛАВА 3 МОДЕЛЬ ОЧЕРЕДИ ПРОГРАММНО¬КОНФИГУРИРУЕМЫХ СЕТЕЙ НА ОСНОВЕ OPENFLOW 92
3.1 Анализ функционирования коммутаторов OpenFlow на основе
модели очереди M/M/1 95
3.2 Анализ функционирования программно-конфигурируемой сети как
системы массового обслуживания общего вида 98
3.2.1 Определение параметров функционирования коммутатора
OpenFlow. 105
3.2.2 Аналитические результаты для модели очереди в программно-конфигурируемой сети на основе протокола OpenFlow 118
3.3 Анализ коррелированной очереди в программно-конфигурируемой
сети 134
Выводы к главе 3 147
ГЛАВА 4 МЕТОДЫ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ГИПЕРЭКСПОНЕНЦИАЛЬННЫХ РАСПРЕДЕЛЕНИЙ,
ИСПОЛЬЗУЕМЫХ ДЛЯ МОДЕЛИРОВАНИЯ ОЧЕРЕДИ G/G/1 В
ПРОГРАММНО-КОНФИГУРИРУЕМОЙ СЕТИ 149
4.1. Определение параметров гиперэкспоненциального распределения методом рекурсивного подбора для анализа функционирования
программно-конфигурируемых сетей 149
4.1.1 Рекурсивная процедура подбора параметров
гиперэкспоненциального распределения 150
4.1.2 Т очность аппроксимации 155
4.1.3. Рекурсивная процедура подбора параметров гиперэкспонент
для распределения Вейбулла 156
4.1.4 Рекурсивная процедура подбора параметров гиперэкспонент
для распределения Парето 158
4.1.5 Примеры аппроксимации для «тяжелохвостых»
распределений 160
4.2 Аппроксимация унимодальных распределений 169
4.2.1 Использование метода селектирующих функций для
аппроксимации унимодальных распределений 171
4.2.2 Определение характеристической функции времени ожидания в
очереди 180
4.3 EM-алгоритм 185
4.3.1 Решение задачи разделения смесей вероятностных
распределений с помощью ЕМ-алгоритма 186
4.3.2 Реализация EM-алгоритма для некоррелированных величин 194
4.3.3 Реализация EM-алгоритма для коррелированных величин 200
4.4 Численные результаты использования аппроксимации гиперэкспоненциальными функциями для оценивания параметров
качества обслуживания в программно-конфигурируемой сети 208
Выводы к главе 4 212
ГЛАВА 5 АНАЛИЗ ВАРИАЦИИ ЗАДЕРЖКИ 214
5.1 Оценивание значения вариации задержки на основе стандарта RFC3353 216
5.1.2 Анализ статистических характеристик трафика 222
5.1.3 Численная оценка параметров гиперэкспоненциальных
распределений 225
5.2 Оценивание значения вариации задержки как среднеквадратического
отклонения 228
5.2.1 Результаты моделирования вариации задержки 230
Выводы к главе 5 233
ЗАКЛЮЧЕНИЕ 234
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ 236
СПИСОК ЛИТЕРАТУРЫ 238
ПРИЛОЖЕНИЕ. ДОКУМЕНТЫ, ПОДТВЕРЖДАЮЩИЕ ВНЕДРЕНИЕ
ОСНОВНЫХ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ
РАБОТЫ 260

Список литературы

ЗАКЛЮЧЕНИЕ
1. В результате анализа обработки трафика в ПКС на основе протокола OpenFlow в модельной сети получено, что при коэффициенте загрузки р > 0,9 и наличии «тяжелых» хвостов распределений временных интервалов при увеличении коэффициента корреляции интервалов времени между заявками с R=0,5 до R=0,7 происходит увеличение задержки заявки в системе примерно на 30%.
2. Получена модель функционирования узла ПКС на основе протокола OpenFlow при использовании методов теории массового обслуживания, учитывающая взаимодействие коммутатора и контроллера узла ПКС, позволяет оценить задержку, вариацию задержки при обработке потоков, для которых характерно наличие корреляций внутри обрабатываемых временных последовательностей и «тяжелых» хвостов.
3. Получена модель функционирования коммутатора ПКС на основе протокола OpenFlow, использующая подход, основанный на анализе занятости накопителя и использующий аппроксимации случайных временных интервалов между поступающими заявками гиперэкспоненциальным распределением, позволяет оценить среднее временя обслуживания заявки в коммутаторе при учете количества таблиц пересылки.
4. Установлено, что оценки характеристик качества обслуживания трафика в узле ПКС могут быть получены с использованием моделей M/N/1, H2/N/1 и HL/HK/1 при учете корреляционных свойств и «тяжелых» хвостов плотностей вероятностей распределений
5. Установлено, что метод определения параметров гиперэкспоненциальных распределений, применяемых для аппроксимации монотонно убывающих распределений, с использованием подхода, основанного на рекурсивном подборе параметров гиперэкспонент, позволяет получить аппроксимацию исходного распределения с высокой точностью (ошибка не более 5%).
6. Получен метод аппроксимации унимодальных распределений, основанная на том, что «восходящая» часть функции плотности вероятностей аппроксимируется полиномом, степень которого зависит от требуемой точности аппроксимации, а «нисходящая» часть аппроксимируется с использованием методики рекурсивного подбора, соединение «восходящей» и «нисходящей» части реализуется с использованием селектирующих функций. При достаточно высокой точности аппроксимации ошибка не превышает 5%.
7. Показано, что
- метод применения EM-алгоритма для разделения смеси экспонент гиперэкспоненциального распределения для некоррелированных последовательностей временных интервалов между заявками и временных интервалов обработки заявок позволяет определить параметры гиперэкспоненциальных распределений, аппроксимирующих распределения вероятностей исследуемых последовательностей в системе G/G/1, без предварительного статистического анализа случайных временных интервалов;
- метод применения EM-алгоритма для разделения смеси экспонент гиперэкспоненциального распределения последовательностей временных интервалов в системе G/G/1 на основе использования уравнения регрессии позволяет учесть корреляционные свойства временных последовательностей.
8. Получена методика оценивания джиттера задержки заявок в системе G/G/1 позволяет учесть корреляционные свойства и «тяжелые» хвосты функций распределений вероятностей, обрабатываемых в системе временных последовательностей. Показано, что при увеличении коэффициента загрузки сети джиттер задержки заявок снижается, при этом для коррелированных потоков скорость снижения джиттера выше, чем для некоррелированных, при загрузке системы более 0,7 значение джиттера для коррелированного трафика по сравнению с некоррелированным снижается до 2 раз.