Анализ поведения трафика при переходе с одного уровня иерархии сети на другой
Автор: Гомазкова Л.К., Безбожнов О.Н., Усама Джабер Гаиб Аль-Кади, Галич С.В., Чадаев Д.И.
Журнал: НБИ технологии @nbi-technologies
Рубрика: Инновации в информатике, вычислительной технике и управлении
Статья в выпуске: 3 т.15, 2021 года.
Бесплатный доступ
С помощью иерархической модели можно более рационально распределить имеющиеся ресурсы и создать сеть, имеющую более устойчивую структуру и более высокую степень защиты данных, поэтому такая модель наиболее предпочтительна при проектировании компьютерных сетей. В работе проведено исследование поведения трафика при переходе от одного уровня иерархии сети к другому, выполненное на основе исследования значений степени самоподобия трафика при данном переходе.
Самоподобие, иерархическая модель, компьютерные сети, коэффициент Хёрста, структура сети.
Короткий адрес: https://sciup.org/149138103
IDR: 149138103 | DOI: 10.15688/NBIT.jvolsu.2021.3.1
Текст научной статьи Анализ поведения трафика при переходе с одного уровня иерархии сети на другой
DOI:
В настоящее время существует множество организаций и компаний, имеющих собственные компьютерные сети, построенные в соответствии с иерархической моделью сети. С помощью иерархической модели можно более рационально распределить имеющиеся ресурсы и создать сеть, имеющую более устойчивую структуру и более высокую степень защиты данных, поэтому такая модель наиболее предпочтительна при проектировании компьютерных сетей.
Описание структуры сети в данной модели сводится к трем уровням иерархии. Этими тремя уровнями являются уровень доступа, уровень агрегации (или другими словами, уровень распределения) и уровень ядра, что показано на рисунке 1 [1; 3].
Среди преимуществ, достижение которых становится возможно при использовании иерархии в процессе разработки сетей, можно выделить, например, масштабируемость, управляемость, производительность и др. Помимо этого, при правильном использовании иерархии можно впоследствии определять и предвидеть, на каких конкретно уровнях следует выпонять определенные функции, то есть иерархия позволяет сделать сеть более предсказуемой [2]. Однако при использовании иерархической модели сетевой трафик «вынужден» переходить с одного уровня иерархии на другой, что может сказываться на работе сети, поэтому существует необходимость исследования поведения трафика сети при этом переходе.

Рис. 1. Структура иерархической модели сети
В течение продолжительного времени считалось, что Пуассоновский процесс максимально точно описывает и соответствует характеру сетевого трафика. Однако за последние годы были проведены многочисленные исследования и измерения параметров и характеристик сетевого потока. Результаты этих исследований выявили, что в условиях Пуассоновского процесса моделирование потока пакетов в сетях различного масштаба является не всегда возможным. Таким образом, был сделан вывод, что так называемый самоподобный процесс более точно отражает поведение сетевого трафика, по сравнению с пуассоновскими процессами. В связи с этим разработка инструментальных средств для понимания самоподобия трафика сети и синтеза искусственного сетевого трафика, стала важной задачей.
В связи с этим исследование поведения трафика при переходе от одного уровня иерархии сети к другому следует проводить при условии, что исследуемый трафик является самоподобным.
Таким образом, необходимость исследования поведения трафика при его переходе от одного уровня иерархии сети к другому сводится к необходимости исследования степени самоподобия трафика при данном переходе.
Самоподобные процессы обладают двумя основными параметрами, или характеристиками – глобальной (параметр, или коэффициент Хёрста Н ) и локальной (фрактальная размерность d ). Их взаимосвязь можно видеть на рисунке 2 [4; 5].
Глобальная характеристика используется в качестве удобной единицы измерения степени самоподобия того или иного фрактального процесса и отражается параметром H – коэффициентом Хёрста.
Параметр Хёрста является важнейшим параметром трафика, определяющим степень его самоподобия, так как представляет собой меру устойчивости статистического явления. То есть, суть этого параметра заключается в определении меры длительности долгосрочной зависимости случайного процесса. Таким образом, параметр Хёрста можно считать ключевой мерой самоподобия.
Если процесс обладает длительной памятью или, другими словами, его поведение является персистентным (поддерживающимся), то в таком случае можно сделать вывод, что значение коэффициента Хёрста находится в интервале (0,5; 1]. Это означает, что вероятность одинаковых отклонений на ( i +1) и i шагах, велика настолько, насколько параметр H близок к единице.
Однако в случае если велика вероятность, что отклонение на ( i +1) будет иметь противоположное направление по сравнению с i шагом, можно говорить о том, что случайный процесс антиперсистентен , а значит коэффициент Хёрста принадлежит интервалу [0;0,5). При этом чем ближе параметр H к нулю, тем выше эта вероятность. В таком процессе низкие значения могут следовать за высокими и наоборот.
Помимо этого, бывают процессы, в которых невозможно определить зависимость между отклонениями на ( i +1) и i шагах, и по

своей сути отклонение на ( i +1) шаге является случайным. В таком случае можно говорить о точном значении параметра H = 0,5. Другими словами, данная картина соответствует пуассоновскому процессу [4].
Для проведения исследования была разработана с помощью симулятора NS-3 имитационная модель компьютерной сети с иерархической топологией, схема которой представлена на рисунке 3. В результате моделирования сети был получен файл трассировки, который затем был обработан с целью получения выборок данных, исследованных впоследствии.
Также на языке программирования Visual C# было разработано оконное приложение, с помощью которого на основе файлов, полученных в результате обработки файла трассировки, была исследована степень самоподобия трафика. Исследуемые файлы представляли собой данные о трафике, поступающем на коммутатор третьего уровня на уровне распределения и на узлы сети, расположенные на уровне доступа. При этом были смоделированы различные ситуации, например, когда на уровне распределения объединялся самоподобный и не самоподобный трафики.
После проведения ряда экспериментов были получены следующие результаты.
При переходе с уровня распределения на уровень доступа степень самоподобия трафика уменьшалась. Так, значение параметра Хёрста на уровне распределения в среднем равно 0,87, а на уровне доступа – 0,84 и 0,83.
При переходе с уровня доступа на уровень распределения при условии объединения на уровне распределения только самоподобных трафиков степень самоподобия результирующего трафика увеличивается. Так, значение параметра Хёрста на уровне доступа в среднем равно 0,84 и 0,83, а на уровне распределения – 0,87.
При переходе с уровня доступа на уровень распределения при условии объединения на уровне распределения самоподобного и не самоподобного трафиков степень самоподобия результирующего трафика уменьшается для самоподобных трафиков и увеличивается для не самоподобных. Так, значение параметра Херста на уровне доступа в среднем равно 0,84 для самоподобного трафика и 0,35 для не самоподобного трафика, а на уровне распределения – 0,63.
Таким образом, благодаря проведенному исследованию можно сделать вывод, что изменение степени самоподобия при переходе трафика от одного уровня иерархии к другому зависит от такого условия как направление движения трафика, а также от изначальной степени самоподобия трафика.
Список литературы Анализ поведения трафика при переходе с одного уровня иерархии сети на другой
- Баскаков, И. В. Построение коммутируемых компьютерных сетей. Трехуровневая иерархическая модель сети / И. В. Баскаков. – Электрон. Текстовые дан. – Режим доступа: http://www.intuit.ru/studies/courses/3591/833/lecture/14251?page=9. – Загл. С экрана.
- Гергель, А. В. Компьютерные сети и сетевые технологии: учебно-методические материалы по программе повышения квалификации / А. В. Гергель. – Нижний Новгород : НГУ им. Н.И. Лобачевского, 2007. – 107 с.
- Купер, Дж. Архитектура корпоративных сетей. Краткое руководство / Дж. Купер. – Электрон. текстовые дан. – Режим доступа: http://blog.netskills.ru/2014/01/2.html. – Загл. с экрана.
- Петров, В. В. То, что вы хотели знать о самоподобном телетрафике, но стеснялись спросить / В. В. Петров. – Электрон.текстовые дан. – Режим доступа: http://pi.314159.ru/petroff1.pdf. – Загл. с экрана.
- Федорова, М. Л. Об исследовании свойства самоподобия трафика мультисервисной сети / М. Л. Федорова, Т. М. Леденева // Вестник Воронежского государственного университета. Системный анализ и информационные технологии. – 2010. – № 1. – С. 46–54.