автореферат диссертации по радиотехнике и связи, 05.12.13, диссертация на тему:Исследование и разработка методов анализа качества обслуживания сетевого трафика при использовании протокола управления очередями

На правах рукописи

Фомин Владимир Владимирович

ИССЛЕДОВАНИЕ И РАЗРАБОТКА МЕТОДОВ АНАЛИЗА КАЧЕСТВА ОБСЛУЖИВАНИЯ СЕТЕВОГО ТРАФИКА ПРИ ИСПОЛЬЗОВАНИИ ПРОТОКОЛА УПРАВЛЕНИЯ ОЧЕРЕДЯМИ

Специальность 05.12.13 - Системы, сети и устройства телекоммуникаций

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

' Самара-2010 - 2 ПС(| 7д-]Г)

004616305

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Поволжский государственный университет телекоммуникаций и информатики»

Научный руководитель:

доктор технических наук, профессор

Официальные оппоненты:

доктор технических наук, профессор доктор технических наук, с.н.с

Ведущая организация:

Государственное образовательное учреждение высшего профессионального образования «Самарский государственный университет»

Защита состоится 17 декабря 2010г. в 13-00 на заседании диссертационного совета Д219.003.02 при Государственном образовательном учреждении высшего профессионального образования «Поволжский государственный университет телекоммуникаций и информатики» по адресу: 443010, г. Самара, ул. Льва Толстого, 23.

С диссертацией можно ознакомиться в библиотеке ГОУВПО ПГУТИ.

Карташевский В.Г.

Тарасов В.Н. Минаков И.А.

Автореферат разослан 16 ноября 2010г.

Учёный секретарь

диссертационного совета Д219.003.02 Гч/ I/^ доктор технических наук, профессор Мишин Д.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Эффективность использования полосы пропускания канала всегда была актуальной задачей, но ее важность возросла в последние годы в связи с появлением все более жестких требований к качеству обслуживания (QoS). Для обеспечения необходимых требований к различным потокам данных используются два метода QoS: управление перегрузкой и предотвращение перегрузок. Первый метод основан на присвоении квот и приоритетов потокам, и в случае перегрузки, потоки получают качество, ограниченное их квотой и приоритетом (например, WRR - Weighted Round Robin). Второй метод ограничивает размер очереди, сигнализируя источникам данных о необходимости уменьшить скорость передачи информации (например, WRED - Weighted Random Early Detection).

Первыми учеными, которые начали решать проблему предотвращения и борьбы с перегрузками были Салли Флойд (Sally Floyd), Ван Якобсон (V. Jacobson), Кевин Фолл (Kevin Fall), Ратул Махаджан (Ratul Mahajan) и др. Среди отечественных исследователей следует отметить работы Лиханова Н.С., Потапова A.A., Цыбакова Б.С., Шелухина О.И., Добрушина P.JL, Кузнецова H.A., Вишневского В.М., Ляхова А.И., Богуславского Л.Б. и др.

Несмотря на внушительный объем публикаций по теме предотвращения перегрузок, остается проблема выбора настроек параметров для алгоритма WRED в зависимости от свойств входного трафика.

Последние исследования демонстрируют, что

телекоммуникационный трафик для большинства видов сервисов является самоподобным (фрактальным). Учет фрактальных свойств позволит оценить влияние самоподобия на характеристики QoS. Поэтому актуальными представляются исследования самоподобных свойств сетевого трафика, их влияния на характеристики QoS и оптимизация параметров протокола WRED с целью обеспечения заданного QoS.

Цель работы. Целью диссертационной работы являются исследование свойств самоподобия сетевого трафика, оценка их влияния на характеристики качества обслуживания и оптимизация работы алгоритма WRED с целью обеспечения заданного QoS.

В соответствии с поставленной целью были сформулированы следующие задачи исследования:

1) Анализ методов обеспечения качества обслуживания в условиях самоподобного трафика.

2) Подготовка и проведение эксперимента по сбору трафика, а также выполнение статистического анализа полученных реализаций трафика на предмет выявления характерных свойств.

3) Моделирование и анализ поведения сетевого трафика в модели негарантированной доставки данных (best-effort service) с учетом его самоподобных свойств.

4) Моделирование и оптимизация параметров протокола WRED для обеспечения требований QoS.

Методы исследования. Для решения перечисленных задач в работе использованы методы теории вероятностей и математической статистики, теории нелинейных динамических систем, а также имитационное моделирование на ЭВМ.

Научная новизна заключается в следующем:

1) Получены результаты экспериментальных исследований реального сетевого трафика, показывающие, что реализации трафика обладают самоподобными свойствами.

2) Предложен метод выявления самоподобных свойств трафика на основе положений нелинейной динамики.

3) Дан анализ работы алгоритма управления сетевого трафика в сети с негарантированной доставкой данных в условиях самоподобия трафика. Выявлено влияние самоподобия трафика на характеристики QoS.

4) Проведена оптимизация параметров алгоритма WRED в сети с дифференцируемым обслуживанием с целью обеспечения заданных параметров QoS. Оценено влияние степени самоподобия сетевого трафика на результаты оптимизации.

На защиту выносятся:

1) Метод выявления самоподобных свойств трафика на основе положений нелинейной динамики.

2) Количественные и качественные результаты статистического анализа реального самоподобного трафика.

3) Результаты имитационного моделирования характеристик QoS сети с негарантированной доставкой данных в зависимости от степени самоподобия сетевого трафика.

4) Результаты оптимизации параметров протокола управления очередями WRED с целью обеспечения QoS в условиях самоподобия трафика.

Практическая ценность и реализация результатов работы. Результаты, полученные в данной работе, могут быть использованы в существующих и создаваемых мультисервисных сетях. Сформулированные рекомендации рационального выбора параметров алгоритма управления очередями WRED позволяют повысить эффективность использования буферов маршрутизатора, и как следствие, улучшить уровень обслуживания.

Результаты диссертационной работы внедрены в телекоммуникационной компании ОАО «Волга Телеком» и в учебный процесс ГОУВПО ПГУТИ, о чем свидетельствуют соответствующие акты.

Апробация работы. Теоретические и практические аспекты работы докладывались и обсуждались на XIV Российской научной конференции профессорско-преподавательского состава ПГАТИ, Самара, 2007; 10 и 12 Международной конференции «Цифровая обработка сигналов и ее применение», Москва, 2008, 2010; 9 Международной научно-технической конференции «Проблемы техники и технологий телекоммуникации», Казань, 2008; X Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций», Самара, 2009.

Публикации. Основное содержание диссертации отражено в 10 опубликованных работах. Публикации включают 3 статьи в изданиях, рекомендуемых ВАК.

Структура и объем работы. Настоящая диссертация содержит 146 страниц и состоит из введения, четырех глав, заключения и 5 приложений, включая 143 иллюстрации и 5 таблиц. Список литературы содержит 71 наименование.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы и проводимых исследований, описываются новизна, практическая значимость и реализация результатов работы.

В первой главе обсуждается современное состояние и главные достижения теории самоподобного трафика. Даются определения самоподобного процесса и обсуждаются его основные свойства. Подробно рассматриваются такие понятия как самоподобие, фрактальность и хаос, медленно и быстро убывающие зависимости, коэффициент Хэрста, распределения с тяжелыми хвостами, детерминированный хаос, фазовое пространство, корреляционная размерность восстановленного аттрактора.

Подробно рассмотрен известный алгоритм активного управления очередями - взвешенный алгоритм произвольного раннего обнаружения (WRED).

Взвешенный алгоритм произвольного раннего обнаружения предоставляет различные уровни обслуживания пакетов в зависимости от вероятности их обслуживания на основании значения поля DSCP IP пакета. Алгоритм WRED предусматривает возможность более интенсивного отбрасывания пакетов, принадлежащих определенным типам трафика, и менее интенсивного отбрасывания всех остальных пакетов.

Для каждого прибывшего пакета вычисляется средневзвешенная дайна очереди £?(')

ё(' + А) = ( 1С)+ иу?М (1)

Здесь / - время, Д - приращение времени между последовательными поступлениями пакетов, <?(/) - текущее значение длины очереди, -

весовой коэффициент, определяющий относительный вклад предыдущего среднего и текущего размера очереди в новый средний размер очереди. Вероятность отбрасывания пакетов ра определяется по формуле:

,Р.(Й(0-Г,) ,

(г, -Г,)

Когда средний размер очереди превышает минимальное пороговое значение Т,, алгоритм \VRED начинает отбрасывать пакеты. Интенсивность отбрасывания пакетов возрастает прямо пропорционально возрастанию среднего размера очереди до тех пор, пока он не достигнет максимального порогового значения Т2.

Ту Та

Рис. 1 Зависимость вероятности отбрасывания пакета от значения средневзвешенной длины очереди

Когда средний размер очереди превышает максимальное пороговое значение Т2, механизм отбрасывает все пакеты, предназначенные

для постановки в очередь. График вероятности отбрасывания пакетов представлен на рисунке 1.

Вторая глава посвящена подробному анализу реализаций сетевого трафика, собранного на сети компании ЗАО «Самара -Телеком» (рис.2).

Приводятся результаты анализа полученной гистограммы (рис. 3), дается оценка автокорреляционной функции и энергетического спектра исследуемой реализации.

Анализ полученных данных показывает, что исследуемое распределение имеет «тяжелый хвост». Аппроксимация гистограммы традиционно используемыми распределениями с «тяжелыми хвостами», такими как распределение Парето, Вейбулла, гамма-распределение и т.д. по критерию Колмогорова не позволят с достаточным уровнем значимости гипотезы использовать какое-либо из перечисленных распределений. Это свидетельствует о том, что реальный сетевой трафик обладает более сложной структурой, которую довольно проблематично описать какой-

Рис. 3 ПРВ и функция распределения исследуемой реализации

Произведено измерение коэффициента Хэрста методом нормированного размаха и методом оценки спектральной функции. По результатам измерений показателя Хэрста Я, можно отметить, что для исследуемого временного ряда Н = 0,702 (R/S статистика) и Н = 0,711 (периодограммный анализ), т.е. реализация трафика относится к классу персистентных процессов.

В рамках данной диссертационной работы был выполнен анализ временного ряда методами теории нелинейной динамики.

Одной из ключевых концепций теории нелинейной динамики является использование теоремы Такенса о погружении аттрактора в пространствах различных размерностей. Данная методика позволяет восстановить параметры динамической системы по единственной реализации (временному ряду) процесса Х^) с помощью изучения траектории системы в я-мерном фазовом пространстве с координатами {x{t¡),x(ti-■()..J((tj - (т - 1)т)}, где т- временной сдвиг. Согласно теореме Такенса, можно подобрать такие размерность пространства вложения п и лаг т, что полученное в результате описанного преобразования множество точек будет обладать топологическими характеристиками аттрактора исследуемой системы.

Выбор лага т основывался на вычислении средней взаимной информации:

5(т) = -1Лу(т)1п^ (3)

здесь р. - вероятность, с которой элемент временного ряда может оказаться в /-м интервале, р, — в у-м, а т) - совместная вероятность того, что один элемент временного ряда окажется в г'-м интервале, а другой, взятый с задержкой т - в ] -м. Задержка -т выбиралась равной времени первого минимума во взаимной информации (рис.5). Для исследуемого временного ряда т = 29.

ВО 10) 140 160 160 20

1«

Рис. 5 Средняя взаимная информация

Размерность аттрактора временного ряда вычисляется с помощью корреляционного интеграла:

Д считается корреляционной размерностью восстановленного аттрактора.

Анализ параметра Ог, приведённый в диссертации, позволяет утверждать, что исследуемый ряд обладает детерминированной составляющей.

Выявление детерминированных составляющих в реализации временного ряда позволяет с большей достоверностью (чем, например анализ показателя Хэрста) утверждать, что рассматриваемая реализация принадлежит к классу самоподобных случайных процессов.

В третьей главе производится анализ поведения сетевого трафика в модели негарантированной доставки данных. Для этого с помощью сетевого эмулятора N8-2 был произведен эксперимент, схема которого представлена на рис.6.

; г - расстояние в п -мерном

(5)

(4)

пио I

0

0

в

Рис. 6 Схема эксперимента

Для генерации трафика использовался фрактальный гауссовский шум (ФГШ) с общими параметрами гауссовского распределения а, о2 для случайных интервалов времени и параметром Хэрста Н. Значение коэффициента Хэрста менялось от 0,1 до 0,9. В маршрутизаторах (г1 и г2) в качестве алгоритма обслуживания очередей используется традиционный механизм FIFO, предусматривающий отбрасывание всех входящих пакетов после достижения максимального значения длины очереди. Подобный способ управления очередью получил название «отбрасывание хвоста» (Tail Drop) и характеризуется тем, что сигнал о перегрузке поступает лишь в момент фактического переполнения очереди. Таким образом, механизм FIFO не предусматривает проведения каких-либо активных действий по предотвращению перегрузки или по уменьшению размера очереди с целью снижения времени задержки. Для наблюдения работы алгоритма FIFO пропускная способность виртуального канала между маршрутизаторами (rl и г2) выбрана значительно меньше скорости передачи данных.

В результате проведенного опыта получены основные характеристики производительности сетевого соединения - уровень потери пакетов, задержка и колебание задержки (jitter) при передаче пакетов.

Уровень потери пакетов (packet loss) определяет количество пакетов, отбрасываемых сетью во время передачи. Причиной потери пакетов для исследуемой трассы является переполнение буфера очереди.

Установлено, что для значений Я от 0,1 до 0,6 наблюдается плавное уменьшение отброшенных пакетов. Дальнейшее увеличение коэффициента Хэрста приводит к значительному росту числа ошибок. Минимальный процент ошибок наблюдается для Н — 0,6 - 4,66%, максимальный процент ошибок - для Я = 0,9 - 7,26% (рис.7). Таким образом, увеличение ошибок с ростом коэффициента Хэрста указывает на неэффективность работы алгоритма FIFO для потоков с самоподобием.

Рис. 7 Зависимость процента отброшенных пакетов от коэффициента Хэрста

10

Задержка при передаче пакета (packet delay) или латентность (latency)- время, которое требуется переданному биту информации для достижения принимающего устройства на другом конце канала.

Показано, что для трафика с коэффициентом Хэрста меньше 0,5 значение минимальной, средней и максимальной задержки остаются постоянными. Однако, начиная со значения Н > 0,5 значение минимальной задержки плавно уменьшается. Более резкое уменьшение для самоподобного трафика наблюдается у средней задержки. Значение максимальной задержки для самоподобного трафика незначительно увеличивается, начиная с Н= 0,5.

Джиттер имеет большое значение, поскольку определяет максимальную задержку при приеме пакетов, следовательно, чем больше значение джитгера, тем больше задержка при передаче. Показано, что значения минимального и среднего джиттера не меняются при увеличении коэффициента Хэрста. И лишь для максимального значения джиттера наблюдаются незначительные изменения (рис. 9).

Результаты анализа основных характеристик производительности сетевого соединения показывают, что качественная связь (0% потерь, минимальная задержка и минимальный джиттер) в данном эксперименте возможна лишь в первые секунды, то есть до тех пор, пока буфер успевает справляться с поступающими пакетами. В дальнейшем процедура управления очередями, используемая в данном опыте (FIFO), не способна обеспечить приемлемое качество предоставляемых сервисов. Причем с ростом степени самоподобия качество связи заметно ухудшается.

Для решения задачи более качественного облуживания необходимо перейти к модели дифференцируемого обслуживания с применением алгоритма активного управления очередями.

0.5 03 0.4 0.5 0.6 0? 09 0.9 Н«го) pwimew

Рис. 8 Задержка при передаче пакета

1 I

Рис. 9 Значение джитгера при передаче пакета

В четвертой главе описаны результаты эксперимента по моделированию и поиску значений параметров протокола WRED, обеспечивающих наилучшее качество обслуживания в канале связи для самоподобного трафика. Схема данного эксперимента идентична схеме предыдущего опыта с той лишь разницей, что в качестве протокола обслуживания очередей используется взвешенный алгоритм произвольного раннего обнаружения (WRED).

При исследовании эффективности работы протокола WRED использовалось 6 вариантов значений порогов. Значение вероятности отбрасывания пакетов для различных уровней приоритетов отбрасывания (Drop Precedence) оставались постоянными (0,1 для DP0, 0,2 для DPI и 0,5 для DP2).

В результате проведенного опыта получены основные характеристики качества связи - уровень потери пакетов, задержка и джитгер.

I

I

Рис. 10 Выигрыш в статистике отброшенных пакетов при использовании алгоритма

\VRED 12

\\ —— М.р э

\ У\ ; 1 t'Z.

.............. \ ■ \\ v.......!...........

Показано, что переход к модели с дифференцируемым обслуживанием при применении алгоритма активного управления очередями WRED позволяет значительно уменьшить процент потерянных пактов по отношению к сети с негарантированной доставкой данных. Максимальный выигрыш наблюдается для трафика с коэффициентом Хэрста от 0,1 до 0,5. Причем для данного участка отличия в выборе пороговых значений алгоритма WRED наиболее существенны. С дальнейшим ростом коэффициента Хэрста выигрыш становится менее ощутимым, но даже для наихудшего случая он в 1,37 раз лучше для аналогичного варианта в модели best-effort (рис.Ю).

Установлено, что выигрыш в задержке с применением в сети алгоритма активного управления очередями наблюдается лишь для средней величины. Причем выигрыш становится меньше с ростом коэффициента Хэрста. Наилучшим вариантом значений параметров WRED для данного случая являются 1 и 2, а наихудшим - 4, 5 и 6. Но даже в худшем случае выигрыш по отношению к модели сети с негарантированной доставкой данных составляет 1,5 раз (рис.11).

Исследование минимального и максимального значения джиттера показали, что данные параметры остаются неизменными, а на некоторых участках наблюдается незначительный регресс по отношению к модели с негарантированной доставкой данных. Выигрыш наблюдается лишь для средней величины джиттера. Причем для трафика с коэффициентом Хэрста от 0,1 до 0,6 наблюдается спад. Дальнейшее увеличение коэффициента Хэрста приводит к росту выигрыша (рис.12).

6.5

02 03 0J 05 OS 0Г Hsibi paraiTtetcf

Рис. 11 Выигрыш в задержке при передаче пакета

Рис. 12 Выигрыш в джиттере при передаче пакета

Анализ полученных данных позволяет сделать рекомендации рационального выбора пороговых значений алгоритма \VRED в зависимости от свойств трафика. Результаты оптимизации параметров протокола управления \VRED приведены в диссертационной работе.

Согласно этому для трафика с коэффициентом Хэрста 0,1 наилучшим вариантом пороговых значений является № 3 со следующими значениями: для низкого приоритета отбрасывания пакетов - Т1=15, Т2=35; для среднего приоритета отбрасывания пакетов — Т)=30, Т2=50; для высокого приоритета отбрасывания пакетов - Т,=45, Т2=65. Для трафика с коэффициентом Хэрста Я = 0,2, Я = 0,3 и Я = 0,4 оптимальным вариантом является № 4 со следующими значениями: для низкого приоритета отбрасывания пакетов - Т^О, Т2=40; для среднего приоритета отбрасывания пакетов - Т,=30, Т2=50; для высокого приоритета отбрасывания пакетов - Т|=40, Т2=60. Для трафика с коэффициентом Хэрста Я = 0,5 и Я = 0,6 получены следующие значения порогов: для низкого приоритета отбрасывания пакетов - Т^О, Т2=60; для среднего приоритета отбрасывания пакетов - 1^=20, Т2=60; для высокого приоритета отбрасывания пакетов - Т,=20, Т2=60. Для трафика с коэффициентом самоподобия Н = 0,7, Н = 0,8 и Н = 0,9 - следующие значения: для низкого приоритета отбрасывания пакетов - Т^О, Т2=80; для среднего приоритета отбрасывания пакетов - Т^О, Т2=80; для высокого приоритета отбрасывания пакетов - Т,=20, Т2=80.

Данные результаты могут быть использованы при динамическом определении оптимальных значений параметров алгоритма \VRED в соответствии с входными свойствами трафика.

В заключении приведены основные результаты работы: 1) Подробно рассмотрено современное состояние и основные понятия теории самоподобного трафика, такие как фрактальность,

самоподобие, коэффициент Хэрста, распределения с тяжелыми хвостами. Также рассмотрена возможность применения теории нелинейной динамики к анализу свойств трафика. Приведены главные аспекты архитектуры дифференцированных услуг QoS, а также формирование РНВ (per-hop behavior) политик по значению поля кода дифференцированной услуги (DSCP) IP пакета.

2) Проведенный статистический анализ трафика, собранного на сети Интернет-провайдера ОАО «Самара Телеком» показал, что реализации трафика обладают самоподобными свойствами. Кроме того, в исследуемых временных рядах обнаружена детерминированная составляющая.

3) Построена имитационная модель сети с негарантированной доставкой данных, позволяющая детально проанализировать основные характеристики качества связи - потеря пакетов, задержка при передаче пакета и джиттер. Показана неэффективность работы алгоритма FIFO в случае, когда скорость передачи выше пропускной способности канала («узкий» канал). С ростом коэффициента Хэрста производительность работы алгоритма FIFO значительно ухудшается.

4) Экспериментально показано, что применение алгоритма активного управления очередями WRED в «узком» канале, способствует улучшению качества связи. Данное улучшение качества связи зависит от коэффициента Хэрста. Наиболее заметный выигрыш наблюдается для отброшенных пакетов и средней величины задержки. С ростом Я выигрыш для этих параметров уменьшается, но все равно остается значительным по отношению к модели с негарантированной доставкой данных.

5) Проведено исследование влияния различных значений параметров протокола WRED на качество обслуживания. Даны рекомендации рационального выбора параметров алгоритма WRED, позволяющих увеличить эффективность использования буферов маршрутизатора и, как следствие, поднять пропускную способность или улучшить уровень QoS.

Приложения содержат акты внедрения результатов работы, листинги программ, используемые при моделировании тестовых каналов в среде NS-2 и промежуточные результаты проведенных экспериментов.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендуемых ВАК:

1. Фомин, В. В. Статистический анализ IP и VoIP трафика / В. В. Фомин II Инфокоммуникационные технологии. — 2009. Т.7, № 1. — С. 4044.

2. Фомин, В. В. Исследование алгоритма управления очередями WRED в модели дифференцируемого обслуживания / В. В. Фомин // Инфокоммуникационные технологии. - 2010. Т.8, № 2. - С. 27-31.

3. Карташевский, В. Г. Применение аппарата нелинейного анализа динамических систем для обработки IP и VoIP трафика / В. Г. Карташевский, В. В. Фомин // Физика волновых процессов и радиотехнические системы. - 2010. Т.13, № 1. - С. 87-89.

В других изданиях:

4. Криштофович, А. Ю. Анализ трафика протоколов HTTP и VoIP /

A. Ю. Криштофович, В. В. Фомин // Труды учебных заведений связи. -

2007. -№ 177. -С.14-18.

5. Криштофович, А. Ю. Определение самоподобия в сетевом трафике / А. Ю. Криштофович, В. В. Фомин // Труды X Международной конф. «Цифровая обработка сигналов и ее применение». - Москва, 2008, С.316-317.

6. Фомин, В. В. Вейвлет-анализ IP трафика / В. В. Фомин // Труды учебных заведений связи. - 2008. - № 179. - С.20-23.

7. Фомин, В. В. Обработка IP трафика на основе вейвлет-анализа / В.

B. Фомин, В. А. Шилкин // Тезисы докладов IX междунар. науч.-техн. конф. «Проблемы техники и технологий телекоммуникации». - Казань,

2008, С. 434-435.

8. Фомин, В. В. Прогнозирование сетевого трафика с помощью нейро-нечеткой системы ANFIS / В. В. Фомин, В. А. Шилкин // Труды учебных заведений связи. - 2009. - № 180. - С.48-50.

9. Фомин, В. В. Обеспечение качества обслуживания с помощью алгоритма активного управления очередями WRED / В. В. Фомин // Тезисы докладов X междунар. науч.-техн. конф. «Проблемы техники и технологий телекоммуникации». - Самара, 2009, С. 60-62.

1Q. Карташевский, И. В. Анализ и исследование трафика протокола SIP / И. В. Карташевский, А. Ю. Криштофович, В. В. Фомин // Труды 12 Международной конф. «Цифровая обработка сигналов и ее применение». -Москва, 2010, С.258-259.

Государственное образовательное учреждение высшего профессионального образования «Поволжский государственный университет телекоммуникаций и

информатики» 443010, г. Самара, ул. Льва Толстого 23.

Отпечатано фотоспособом в соответствии с материалами, представленными

Подписано в печать 11.11.10г. Формат 60х84:/.6 Бумага писчая№ 1. Гарнитура Тайме.

____Заказ 805. Печать оперативная .Усл. печ. л.0.92. Тираж 100 экз._

Отпечатано в издательстве учебной и научной литературы Поволжского государственного университета телекоммуникаций и информатики 443090, г. Самара, Московское шоссе 77. т. (846) 228-00-44

заказчиком

ВВЕДЕНИЕ.

Глава 1. ПРИНЦИПЫ ОБЕСПЕЧЕНИЯ КАЧЕСТВА ОБСЛУЖИВАНИЯ В 1Р СЕТИ И ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ САМОПОДОБНОГО ТРАФИКА.

1.1 Понятие фрактальности.

1.2 Основы теории самоподобных процессов.

1.2.1 Определение самоподобного процесса.

1.2.2 Медленно и быстро убывающие зависимости.

1.2.3 Понятие коэффициента Хэрста.

1.2.4 Распределения с «тяжелыми хвостами».

1.3 Аспекты теории нелинейной динамики.

1.4 Современное состояние проблемы обеспечения качества обслуживания.

1.4.1 Технология в промежуточных устройствах.

1.4.2 Описание модели

1.4.3 Алгоритмы активного управления очередями.

1.5 Выводы по главе 1.

Глава 2. СТАТИСТИЧЕСКИЙ АНАЛИЗ РЕАЛИЗАЦИИ СЕТЕВОГО ТРАФИКА.

2.1 Описание реализаций сетевого трафика.

2.2 Исследование реализации статистическими методами.

2.2.1 Плотность распределения.

2.2.2 Автокорреляционная функция.

2.2.3 Энергетический спектр.

2.2.4 Коэффициент Хэрста.

2.3 Исследование реализации методами теории нелинейной динамики

2.3.1 Идея восстановленного аттрактора.

2.3.2 Вычисление средней взаимной информации.

2.3.3 Вычисление корреляционной размерности восстановленного аттрактора.

2.4 Выводы по главе 2.

Глава 3. АНАЛИЗ САМОПОДОБНОГО ТРАФИКА В МОДЕЛИ НЕГАРАНТИРОВАННОЙ ДОСТАВКИ ДАННЫХ (BEST-EFFORT SERVICE).

3.1 Моделирование сетевого канала в среде NS-2.:.

3.2 Результаты эксперимента.

3.2.1 Потеря пакетов.

3.2.2 Задержка при передаче пакета.

3.2.3 Дрожание при передаче пакета (packet jitter).

3.3 Выводы по главе 3.

Глава 4. АНАЛИЗ САМОПОДОБНОГО ТРАФИКА В МОДЕЛИ ДИФФЕРЕНЦИРУЕМОГО ОБСЛУЖИВАНИЯ.

4.1 Постановка эксперимента. Моделирование сетевого канала связи.

4.2 Результаты эксперимента.;.

4.2.1 Потеря пакетов.

4.2.2 Задержка при передаче пакета.

4.2.3 Дрожание при передаче пакета.

4.3 Выводы по главе 4.

Актуальность темы

Эффективность использования полосы пропускания канала всегда была актуальной задачей, но ее важность возросла в последние годы в связи с появлением все более жестких требований к качеству обслуживания (QoS). Для обеспечения необходимых требований к различным потокам данных используются два метода QoS: управление перегрузкой и предотвращение перегрузок. Первый метод основан на присвоении квот и приоритетов потокам, и в случае перегрузки, потоки получают качество, ограниченное их квотой и приоритетом (например, WRR - Weighted Round Robin). Второй метод ограничивает размер очереди, сигнализируя источникам данных о необходимости уменьшить скорость передачи информации (например, WRED -Weighted Random Early Detection).

Первыми учеными, которые начали решать проблему предотвращения и борьбы с перегрузками были Салли Флойд (Sally Floyd), Ван Якобсон (V. Jacobson), Кевин Фолл (Kevin Fall), Ратул Махаджан (Ratul Mahajan) и др. Среди отечественных исследователей следует отметить работы Лиханова Н.С., Потапова A.A., Цыбакова Б.С., Шелухина О.И., Добрушина P.JL, Кузнецова H.A., Вишневского В.М., Ляхова А.И., Богуславского Л.Б. и др.

Несмотря на внушительный объем публикаций [7], [8], [60], [62], [63], [64] по теме предотвращения перегрузок, остается проблема выбора настроек параметров для алгоритма WRED в зависимости от свойств входного трафика.

Последние исследования [17], [19], [22], [31], [33], [35], [36], [42], [53], [62] демонстрируют, что телекоммуникационный трафик для большинства видов сервисов является самоподобным (фрактальным). Учет фрактальных свойств позволит более точно описать исследуемый трафик, что, в свою очередь, даст возможность оценить влияние самоподобия на характеристики QoS. Поэтому актуальными представляются исследования самоподобных б свойств сетевого трафика, их влияния на характеристики QoS и оптимизация параметров протокола WRED с целью обеспечения заданного QoS.

Цель работы

Целью диссертационной работы являются исследование свойств самоподобия сетевого трафика, оценка их влияния на характеристики качества обслуживания и оптимизация работы алгоритма WRED с целью обеспечения заданного QoS.

Основные задачи исследования

- Анализ методов обеспечения качества обслуживания в условиях самоподобного трафика.

- Подготовка и проведение эксперимента по сбору трафика, а также выполнение статистического анализа полученных реализаций трафика на предмет выявления характерных свойств.

- Моделирование и анализ поведения сетевого трафика в модели негарантированной доставки данных (best-effort service) с учетом его самоподобных свойств.

- Моделирование и оптимизация параметров протокола WRED для обеспечения требований QoS.

Методы исследования

Для решения перечисленных задач в работе использованы методы теории вероятностей и математической статистики, теории нелинейных динамических систем, а также имитационное моделирование на ЭВМ.

Положения, выносимые на защиту

- Метод выявления самоподобных свойств трафика на основе положений нелинейной динамики.

- Количественные и качественные результаты статистического анализа реального самоподобного трафика.

- Результаты имитационного моделирования характеристик ОоБ сети с негарантированной доставкой данных в зависимости от степени самоподобия сетевого трафика.

- Результаты оптимизации параметров протокола управления очередями \VRED с целью обеспечения С^оЗ в условиях самоподобия трафика.

Научная новизна

В диссертации получены следующие новые научные результаты:

- Получены результаты экспериментальных исследований реального сетевого трафика, показывающие, что реализации трафика обладают самоподобными свойствами.

- Предложен метод выявления самоподобных свойств трафика на основе положений нелинейной динамики.

- Дан анализ работы алгоритма управления сетевого трафика в сети с негарантированной доставкой данных в условиях самоподобия трафика. Выявлено влияние самоподобия трафика на характеристики С^оБ.

- Проведена оптимизация параметров алгоритма \VRED в сети с дифференцируемым обслуживанием с целью обеспечения заданных параметров ОоБ. Оценено влияние степени самоподобия сетевого трафика на результаты оптимизации.

Практическая ценность и реализация результатов работы

Результаты, полученные в данной работе, могут быть использованы в существующих и создаваемых сетях передачи данных. Сформулированные рекомендации рационального выбора параметров алгоритма управления очередями "\VRED позволяют повысить эффективность использования буферов маршрутизатора, и как следствие, улучшить уровень обслуживания.

Результаты диссертационной работы внедрены в телекоммуникационной компании ЗАО «Волга Телеком» и в учебный процесс ГОУВПО ПГУТИ, о чем свидетельствуют соответствующие акты.

Апробация работы

Теоретические и практические аспекты работы докладывались и обсуждались на XIV Российской научной конференции профессорско-преподавательского состава ПГАТИ, Самара, 2007; 10 и 12 Международной конференции «Цифровая обработка сигналов и ее применение», Москва, 2008, 2010; 9 Международной научно-технической конференции «Проблемы техники и технологий телекоммуникации», Казань, 2008; X Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций», Самара, 2009.

Публикации

Основное содержание диссертации отражено в 10 опубликованных работах. Публикаций включают 3 статьи в изданиях, рекомендуемых ВАК.

Структура и объем работы

Настоящая диссертация содержит 148 страниц и состоит из введения, четырех глав, заключения и 5 приложений, включая 143 иллюстраций и 6 таблиц. Список литературы содержит 51 наименование.

4.3 Выводы по главе 4

В настоящей главе было проанализировано поведение сетевого трафика с различными значениями коэффициента Хэрста в модели с дифференцируемым обслуживанием в перегруженном канале связи. В качестве протокола управления перегрузками был выбран взвешенный алгоритм произвольного раннего обнаружения WRED. По результатам данного анализа можно сделать следующие выводы:

1. Для несамоподобного трафика процент потерянных пакетов для всех 6 вариантов значений порогов протокола \VRED не превышает 1%, причем, чем меньше Н, тем меньше потерянных пакетов. С ростом степени самоподобия у трафика увеличивается и процент потерь, но не превышает 5%. На число ошибок влияют и пороговые значения протокола WRED. Так, наихудшими вариантами являются 1 и 2, в то время как наиболее оптимальными вариантами пороговых значений являются 4, 5 и 6. Максимальная разница между ними достигает чуть более 1% потерянных пакетов. Переход к дифференцируемой модели связи с применением алгоритма активного управления очередями WRED позволяет значительно улучшить данных параметр связи по отношению к среде с негарантированной доставкой данных. Максимальный выигрыш наблюдается для трафика с коэффициентом Хэрста от 0,1 до 0,5. Причем для данного участка отличия в выборе пороговых значений алгоритма WRED наиболее существенны. С дальнейшим ростом коэффициента Хэрста выигрыш становится менее ощутимым, но даже для наихудшего случая он в 1,37 раз лучше для аналогичного варианта в модели best-effort.

2. В данном эксперименте оценка задержки при передаче пакета проводилась по трем значениям - минимальному, среднему и максимальному. Минимальная задержка для различных пороговых значений WRED остается неизменной, за исключением 2 варианта для самоподобного трафика с Н = 0,9. Характер графика минимальной задержки зависит от значения коэффициента Хэрста. Так для трафика с Н ~ 0,1 - 0,4, минимальная задержка остается постоянной. Дальнейший рост коэффициента Хэрста приводит к уменьшению минимальной задержки с незначительными всплесками в районе Н = 0,6 и Н= 0,9. Величина средней задержки с ростом коэффициента Хэрста плавно увеличивается. Для данного параметра характерна разница между различными вариантами пороговых значений алгоритма управления. График максимальной задержки также увеличивается с ростом Н. Значительный выигрыш в задержке с применением в сети алгоритма активного управления очередями, наблюдается* лишь для: средней величины. Причем выигрыш становится меньше с ростом коэффициента^ Хэрста. Наилучшим вариантом значений параметров WRED для данного случая являются 1 и 2, а наихудшим - 4, 5 и 6. Но даже в худшем случае выигрыш по отношению к модели сети с негарантированной доставкой данных составляет 1,5 раз.

3. Джиттер, как и задержка оценивался по трем значениям - минимальному, среднему и максимальному. Минимальное значение джиттера остается неизменным для различных пороговых значений алгоритма и различных значений параметра Хэрста. Лишь для 2, 5 и 6 вариантов наблюдается уменьшение в точке //=0,8 и для 5 и 6 вариантов - в точке //=0,9. Для средней величины джиттера наблюдается незначительный рост данного параметра на участке от Н- 0,1 до //= 0,2. Дальнейший рост коэффициента Хэрста приводит к плавному уменьшению средней величины джиттера. График максимальной величины джиттера имеет наиболее неравномерный характер. Выигрыш минимального джиттера по отношению к сети с негарантированной доставкой данных наблюдается лишь для 2, 5 и 6 вариантов пороговых значений и лишь для самоподобного трафика с коэффициентом Хэрста Н = 0,8. В остальных случаях наблюдается незначительный регресс. Для средней величины джиттера с применением алгоритма \VRED наблюдается незначительное улучшение для всех типов трафика. Причем для трафика с коэффициентом Хэрста от 0,1 до 0,6 наблюдается спад. Дальнейшее увеличение коэффициента Хэрста приводит к росту выигрыша. Максимальная величина джиттера остается на прежнем уровне по отношению к предыдущему опыту, и лишь для самоподобного трафика с //=0,6 для всех вариантов и для трафика с Н = 0,9 для 5 и 6 вариантов наблюдается ухудшение данного параметра качества связи.

4. Анализ основных характеристик производительности сетевого соединения в данном эксперименте показал, что применение алгоритма активного управления очередями \VRED в «узком» канале, способствует улучшению качества, связи. Данное улучшение качества связи зависит от коэффициента Хэрста. Наиболее заметный, выигрыш наблюдается для отброшенных пакетов и средней величины задержки. С ростом Н выигрыш для обоих параметров уменьшается, но все равно остается значительным по отношению к модели с негарантированной доставкой данных.

5. Анализ полученных данных позволяет сделать рекомендации рационального выбора пороговых значений алгоритма \VRED в зависимости от свойств трафика. Основные результаты оптимизации параметров протокола управления \VRED сведены в таблицу 4.3.

ЗАКЛЮЧЕНИЕ

Настоящая диссертационная работа посвящена исследованию методов обеспечения гарантированного качества обслуживания и поиск параметров работы алгоритма WRED для самоподобного трафика, обеспечивающих наилучший QoS по отношению к системам с негарантированной доставкой данных.

Основным результатом проведенных в диссертационной работе теоретических и экспериментальных исследований являются рекомендации рационального выбора параметров алгоритма управления очередями WRED, позволяющих повысить эффективность использования буферов маршрутизатора, и как следствие, улучшить уровень обслуживания.

Для достижения этой цели в работе сделано следующее:

1. Подробно рассмотрено современное состояние и главные понятия теории самоподобного трафика, такие как фрактальность, самоподобие, коэффициент Хэрста, распределения с тяжелыми хвостами. Также рассмотрены основы теории нелинейной динамики. Приведены главные аспекты архитектуры дифференцированных услуг QoS, а также формирование РНВ (рег-hop behavior) политик по значению поля кода дифференцированной услуги (DSCP) IP пакета.

2. Проведенный статистический анализ трафика, собранного на сети Интернет-провайдера ОАО «Самара Телеком» показал, что реализации трафика обладают самоподобными свойствами. Кроме того, в исследуемых временных рядах обнаружена слабая детерминированная составляющая.

3. Построена имитационная модель сети с негарантированной доставкой. t данных, позволяющая детально проанализировать основные характеристики качества связи - потеря пакетов, задержка при передаче пакета и джиттер. Показана неэффективность работы алгоритма FIFO в случае, когда' скорость передачи выше пропускной способности канала («узкий» канал). С ростом коэффициента Хэрста производительность работы алгоритма FIFO значительно ухудшается.

4. Экспериментально показано, что применение алгоритма активного управления очередями WRED в «узком» канале, способствует улучшению качества связи. Данное улучшение качества связи зависит от коэффициента Хэрста. Наиболее заметный выигрыш наблюдается для отброшенных пакетов и средней величины задержки. С ростом Н выигрыш для этих параметров уменьшается, но все равно остается значительным по отношению к модели с негарантированной доставкой данных.

5. Проведено исследование влияния различных значений параметров протокола WRED на качество обслуживания. Даны рекомендации рационального выбора параметров алгоритма WRED, позволяющих увеличить эффективность использования буферов маршрутизатора и, как следствие, поднять пропускную способность или улучшить уровень QoS.

1. Айвазян, С А. Прикладная статистика. Основы эконометрики / С. А. Айвазян. -М.: ЮНИТИ-ДАНА, 2001. 432 с.

2. Бокс, Дж. Анализ временных рядов. Прогноз и управление / Дж. Бокс, Г. Дженкинс. М.: Мир, 1974. - 340 с.

3. Вегешна, С. Качество обслуживания в 1Р сетях / С. Вегешна. М.: Вильяме, 2003. - 368 с.

4. Вентцель, Е. С. Теория случайных процессов и ее инженерные приложения / Е. С. Вентцель, Л. А. Овчаров. М.: Высшая школа, 2002. - 380 с.

5. Гмурман, В.Е. Теория вероятностей и математическая статистика / В. Е. Гмурман. М.: Высш. шк., 2002. - 478 с.

6. Гольденберг, Л. М. Цифровая обработка сигналов / Л. М. Гольденберг. -М.: Радио и связь, 1990. 280 с.

7. Гончаров, А. А. Исследование влияния параметров алгоритма \VRED на осцилляции длин очередей в маршрутизаторе/ А. А. Гончаров, Ю. А. Семенов // Информационные процессы. 2006. - Т. 6, №2. - С. 153-159.

8. Гончаров, А. А. Исследование возможностей получения гарантированного качества обслуживания при передаче мультимедиа через перегруженные каналы / А. А. Гончаров, А. Ю. Ильин, Ю. А. Семенов // Информационные процессы. -М., 2006. С. 310-321.

9. Гончаров, А. А. Исследование возможности получения гарантированного качества обслуживания (С^оБ) в общедоступных сетях Интернет / А. А. Гончаров, Ю. А. Семенов // ХЬУП Научная конференция МФТИ. М.,2005. С. 200-202.

10. Гончаров, А. А. Исследование зависимости вероятности потери пакета от его длины как средство диагностики транспортного канала / А. А. Гончаров, Ю. А. Семенов // ХЬУШ Научная конференция МФТИ. М.,2006. С. 264-265.

11. Городецкий, А. Я. Информатика. Фрактальные процессы в компьютерных сетях: учебное пособие / А. Я. Городецкий, В. С. Заборовский. СПб.: СПбГТУ, 2000. - 384 с.

12. Заборовский, В. С. Управление в компьютерных сетях: концепция сетевых процессоров / В. С. Заборовский, М. Г. Рязанов. М.: Демиург, 1998. - 180 с.

13. Карташевский, В. Г. Основы теории массового обслуживания / В. Г. Карташевский М.: Радио и связь, 2006. - 107 с.

14. Карташевский, В. Г. Применение аппарата нелинейного анализа динамических систем для обработки IP и VoIP трафика / В. Г. Карташевский, В. В. Фомин // Физика волновых процессов и радиотехнические системы. 2010. Т.13, № 1. - С. 87-89.

15. Карташевский, И. В. Анализ и исследование трафика протокола SIP / И. В. Карташевский, А. Ю. Криштофович, В. В. Фомин // Труды 12 Международной конф. «Цифровая обработка сигналов и ее применение». -Москва, 2010, С.258-259.

16. Кирьянов, Д. В. Самоучитель MathCad 2001 / Д. В. Кирьянов СПб.: БХВ-Петербург, 2002. - 544 с.

17. Криштофович, А. Ю. Идентификация модели трафика сети ОКС №7 / А. Ю. Криштофович // VI Международная научно-техническая конференция «Цифровая обработка сигналов и ее применения»- М., 2004. С.190-191.

18. Криштофович, А. Ю. Построение прогнозов сети ОКС №7 / А. Ю. Криштофович // V Международная научно-техническая конференция «Цифровая обработка сигналов и ее применение». Москва, 2003, - С. 7579.

19. Криштофович, А. Ю. Самоподобный случайный процесс как модель трафика сети ОКС №7 / А. Ю. Криштофович // Информатика, радиотехника, связь. Самара, 2002. - №7. -С. 64-65.

20. Криштофович, А. Ю. Способы математического описания самоподобного трафика / А. Ю. Криштофович // IX российская научная конференция ПГАТИ. Тезисы докладов. Самара, 2002. - С.58.

21. Криштофович, А. Ю. Анализ трафика протоколов HTTP и VoIP / А. Ю. Криштофович, В. В. Фомин // Труды учебных заведений связи. 2007. - № 177. - С.14-18.

22. Криштофович, А. Ю. Определение самоподобия в сетевом трафике / А. Ю. Криштофович, В. В. Фомин // Труды X Международной конф. «Цифровая обработка сигналов и ее применение». Москва, 2008, С.316-317.

23. Кузнецов, С. П. Динамический хаос / С. П. Кузнецов. М.: Изд-во Физико-математической литературы, 2001. - 296 с.

24. Кучерявый, Е.А. Управление трафиком и качество обслуживания в сети Интернет / Е.А. Кучерявый. СПб.: Наука и Техника, 2004. - 336 с.

25. Лагутин, В. С. Телетрафик мультисервисных сетей связи / В. С. Лагутин, С. И. Степанов. М.: Радио и связь, 2000. - 320 с.

26. Лившиц, Б.С. Теория телетрафика / Б. С. Лившиц, А. П. Пшеничников, А. Д. Харкевич. М: Связь, 1979. - 224 с.

27. Малинецкий, Современные проблемы нелинейной динамики / Г. Г. Малинецкий, А, Б. Потапов. М.: Едиториал УРСС, 2002. - 360 с.

28. Мусалимов, В. М. Динамика фрикционного взаимодействия / В. М. Мусалимов, В. А. Валетов. СПб.: СПбГУ ИТМО, 2006. - 192 с.

29. Найденов, В. И. Эффект Хэрста в геофизике / В. И. Найденов, И. А. Кожевникова // Природа. 2000. - №1. - С. 44-46.

30. Нейман, В. И. Новое направление в теории телетрафика / В. И. Нейман // Электросвязь. 1998. - №7. - С. 27-30.

31. Осин, А. В. Самоподобность телекоммуникационного трафика / А. В. Осин // IV Международная конференция «Современная бытовая техника, управляющие системы и телекоммуникации». М., 2002. - С. 94 - 97.

32. Осин, А. В. Сравнительный анализ методик оценки самоподобности телекоммуникационного трафика / А. В. Осин // Радиоэлектроника и информатика: Сб. науч. Трудов / МГУС. М„ 2002. - С. 37 - 46.

33. Петров, В. В. О самоподобном сетевом трафике / В. В. Петров, Е. А. Богатырев // X Междунар. научно-техн. конференция студентов и аспирантов «Радиоэлектрика, электроника и энергетика». М., 2004. - С. 53-54.

34. Петров, В. В. Самоподобие в сетевом трафике / В. В. Петров // 58-я Научная сессия РНТОРЭС им. A.C. Попова. М., 2003. - С.126.

35. Петров, В. В. Статистический анализ сетевого трафика / В. В. Петров, Е. А. Богатырев // X Междунар. научно-техн. конференция студентов и аспирантов «Радиоэлектрика, электроника и энергетика». М., 2004. - С. 40-42.

36. Росляков, А. В. Способы математического описания самоподобного трафика / А. В. Росляков, А. Ю. Криштофович // IX российская научная конференция ПГАТИ. Самара, 2002. - С.58.

37. Семенов, Ю. А. Протоколы Интернет. Энциклопедия / Ю. А. Семенов. М.: Горячая линия Телеком, 2001. - 304 с.

38. Столингс, С. Современные компьютерные сети. 2-е изд. / С. Столингс. -СПб.: Пи тер, 2003. 784 с.

39. Таненбаум, Э. Компьютерные сети. 4-е изд. / Э. Таненбаум. СПб.: Питер, 2005. - 992 с.

40. Уайндер, С. Справочник по технологиям и сетям связи / С. Уайндер. М.: Мир, 2000. - 360 с.

41. Уолрэнд, Дж. Телекоммуникационные и компьютерные сети. Вводный курс / Дж. Уолрэнд. М.: Постмаркет, 2001. - 480 с.

42. Фомин, В. В. Статистический анализ IP и VoIP трафика / В. В. Фомин // Инфокоммуникационные технологии. 2009. Т.7, № 1. - С. 40-44.

43. Фомин, В. В. Исследование алгоритма управления очередями WRED в модели дифференцируемого обслуживания / В. В. Фомин // Инфокоммуникационные технологии. 2010. Т.8, № 2. - С. 27-31.

44. Фомин, В. В. Вейвлет-анализ IP трафика / В. В. Фомин // Труды учебных заведений связи. 2008. - № 179. - С.20-23.

45. Фомин, В. В. Обработка IP трафика на основе вейвлет-анализа / В. В. Фомин, В. А. Шилкин // Тезисы докладов IX междунар. науч.-техн. конф. «Проблемы техники и технологий телекоммуникации». Казань, 2008, С. 434-435.

46. Фомин, В. В. Прогнозирование сетевого трафика с помощью нейро-нечеткой системы ANFIS / В. В. Фомин, В. А. Шилкин // Труды учебных заведений связи. 2009. - № 180. - С.48-50.

47. Фомин, В. В. Обеспечение качества обслуживания с помощью алгоритма активного управления очередями WRED / В. В. Фомин // Тезисы докладов X междунар. науч.-техн. конф. «Проблемы техники и технологий телекоммуникации». Самара, 2009, С. 60-62.

48. Чаки, Ф. Современная теория управления / Ф. Чаки. М.: Мир, 1975. - 280 с.

49. Чечурин, А. В. Исследование алгоритмов оценки размерности восстановленного аттрактора / А. В. Чечурин // Межвузовский сборник научных трудов. М., 2006. - Вып.1. - С. 15-22.

50. Шелухин, О. И. О фрактальной структуре цифровых речевых потоков / О. И. Шелухин, А. В. Леднев, А. В. Осин // LVIII научная сессия РНТОРЭС им. A.C. Попова, посвященная Дню радио: Труды. М., 2003. - Т. 1. - С.63 -65.

51. Шелухин, О. И. Фрактальные процессы в телекоммуникациях / О. И. Шелухин, А. М. Тенякшев, А. В. Осин; под ред. О. И. Шелухина. М.: Радиотехника, 2003. - 480 с.

52. Шелухин, О. И. Цифровая обработка и передача речи / О. И. Шелухин, Н. Ф. Лукьянцев. М.: Радио и связь, 2000. - 456 с.

53. Шелухин, О.И. Результаты экспериментальных исследований сетевого трафика телекоммуникационной сети / О. И. Шелухин, А. В. Осин, Г. А. Урьев // Теоретические и прикладные проблемы сервиса. М., 2005. - №4. -С. 90-95.

54. Шринивас, В. Качество обслуживания в IP сетях / В. Шринивас. М: «Вильяме», 2003. - 366 с.

55. Шустер, Г. Детерминированный хаос / Г. Шустер. М.: Мир, 1988. - 240 с.

56. A Single Rate Three Color Marker http://www.ietf.org/rfc/rfc2697.txt. -September 1999.

57. An Expedited Forwarding PHB, http://www.ietf.org/rfc/rfc2598.txt. June 1999.

58. Assured Forwarding PHB Group, http://www.ietf.org/rfc/rfc2597.txt June 1999.

59. Barry, M. A Brief History of the Internet / M. Barry, G. Vinton, D. David. -http://www.isoc.org/intemet/historv/brief.shtml 4.08.2000.

60. Bennett, J.C.R. Hierarchical Packet Fair Queuing Algorithms / J.C.R. Bennett // IEEE Transactions on networking. 1997. - Vol. 5, № 5. - P. 459-463.

61. Beran, J. Statistical Methods for Data with Long-Range Dependence / J. Beran // Statistical Science. 1992. - Vol. 7. - P. 404-416.

62. Chandra, K. Non-linear Time-Series Models of Ethernet Traffic / K. Chandra, C. You, G. Olowoyeye, C. Thompson // Submitted to INFOCOM. 1998. P.167-174.

63. Definition of the Differentiated Services Field (DS Field) in the IPv4 and IPv6 Headers http://www.ietf.org/rfc/rfc2472.txt December 1998.

64. Floyd, S. Recommendations on using the gentle variant of RED http://www.aciri.org/floyd/red/gentle.html. March 2000.

65. Leland, W. E. On the self-similar nature of Ethernet traffic / W. E. Leland, M. S. Taqqu, W. Willinger, D.V. Wilson // IEEE Transactions of Networking, 1994. -Vol. 2, №1. P.l-15.

66. RSVP Working Group Home Page http://www.ietf.org/html. charters/rsvp-charter.html

67. Takens, F. Detecting strange attractors in turbulence / F. Takens // Lecture Notes in Mathematics. Berlin, 1981. - P. 366-381.

68. Technical Specification from Cisco, Distributed Weighted Random Early Detection,http.7/www.cisco.com/univercd/cc/td/doc/product/software/ios 111/ccl 11/wred.pdf 16.08.2001.

69. The Network Simulator (NS) Home Page, http://www.isi.edu/nsnam/ns/

70. Tsybakov, B. S. Self-similar processes in communications networks / B. S. Tsybakov, N. S. Georganas // IEEE Trans. Inform. Theory. 1998. - Vol. 44. -P. 1713-1725.

71. Type of Service in the Internet Protocol Suite, http://www.ietf.org/rfc/rfcl349.txt 01.07.1992.

72. Пример одного из сценариев, использованного при моделировании в среде NS-2 сети с негарантированной доставкойданных

73. Creating New Simulator set ns new Simulator.

74. Пример одного из сценариев, использованного при моделировании в среде NS-2 сети с гарантированной доставкойданных

75. Creating New Simulator set ns new Simulator.

76. Промежуточные результаты эксперимента в сети с негарантированной доставкой данных

77. Результаты эксперимента для трассы с коэффициентом Хэрста Н = ОД.х 10

78. II I I Г i И I И I I I ''1.1000 2000 3000 4000 5000 6000 7000 8000 9000 10000simulation time secj

79. Рис. 4.1.1 Временной ряд исследуемой реализации

80. Рис. 4.1.2 График R/S-статистиких 1044.51 .I . . I . . .-ГГ.-г———-rr-T—-^E