A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlo˝ hálózatok teljesítményvizsgálatában Horváth Gábor
[email protected]
(Horváth András, Telek Miklós)
- p. 1
Tartalom
Tartalom ● Tartalom Problémafelvetés
■
Motiváció, problémafelvetés
■
A Markovi Érkezési Folyamat (MAP)
■
MAP illesztési megoldások
■
MAP alapú sorbanállási hálózatok
■
Példák
■
Konklúzió
MAP-ok Sorbanállási hálózatok Példák Konklúzió
- p. 2
Motiváció ■ Tartalom Problémafelvetés ● Motiváció ● Sorbanállási hálózatok
■
˝ Aggregációs hálózatokban a legérdekesebb minoségi ˝ a bufferekben "keletkeznek" jellemzok Rendszerben lévo˝ buffereket azonosítjuk és a bufferek hálózatát vizsgáljuk tovább
MAP-ok Sorbanállási hálózatok Példák Konklúzió
- p. 3
Motiváció ■ Tartalom Problémafelvetés ● Motiváció ● Sorbanállási hálózatok
■
˝ Aggregációs hálózatokban a legérdekesebb minoségi ˝ a bufferekben "keletkeznek" jellemzok Rendszerben lévo˝ buffereket azonosítjuk és a bufferek hálózatát vizsgáljuk tovább
MAP-ok Sorbanállási hálózatok Példák Konklúzió
- p. 3
Motiváció ■ Tartalom Problémafelvetés ● Motiváció ● Sorbanállási hálózatok
■
˝ Aggregációs hálózatokban a legérdekesebb minoségi ˝ a bufferekben "keletkeznek" jellemzok Rendszerben lévo˝ buffereket azonosítjuk és a bufferek hálózatát vizsgáljuk tovább
MAP-ok Sorbanállási hálózatok Példák Konklúzió
- p. 3
Motiváció ■ Tartalom Problémafelvetés
■
● Motiváció ● Sorbanállási hálózatok
˝ Aggregációs hálózatokban a legérdekesebb minoségi ˝ a bufferekben "keletkeznek" jellemzok Rendszerben lévo˝ buffereket azonosítjuk és a bufferek hálózatát vizsgáljuk tovább
MAP-ok Sorbanállási hálózatok Példák Konklúzió
■
A bufferhálózat vizsgálata történhet szimulációval vagy analízissel
- p. 3
Sorbanállási hálózatok Számos QoS jellemzo˝ gyorsan és pontosan kiszámolható, ha: Tartalom
■
Problémafelvetés ● Motiváció ● Sorbanállási hálózatok
■ MAP-ok Sorbanállási hálózatok Példák Konklúzió
˝ A csomagérkezési idoközök exponenciális eloszlásúak (Poisson folyamat) A csomagméretek exponenciális eloszlásúak
Ezzel szemben a gyakorlati vizsgálatok (mérések) tapasztalatai: ■ ■ ■ ■
A forgalom nem Poisson folyamat ˝ összefüggok ˝ A csomagérkezési idok LRD tulajdonság Fraktális viselkedés
Kérdések: ■ ■
Milyen eszközzel modellezzük az ilyen összetett forgalmat? ˝ Hogy számítsuk a hálózat QoS jellemzoit?
- p. 4
Markovi Érkezési Folyamatok ■ Tartalom Problémafelvetés
■
Egy állapot-átmeneti rendszer (Markov lánc) modulálja az érkezéseket a háttérben Bizonyos átmenetek érkezést generálnak, mások nem:
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
- p. 5
Markovi Érkezési Folyamatok ■ Tartalom Problémafelvetés
■
Egy állapot-átmeneti rendszer (Markov lánc) modulálja az érkezéseket a háttérben Bizonyos átmenetek érkezést generálnak, mások nem:
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
−16 0 D0 = 0 −5 6 0
4 0 12 5 , D1 = 0 0 −19 10 3
0 0 0
- p. 5
Markovi Érkezési Folyamatok ■ Tartalom Problémafelvetés
■
Egy állapot-átmeneti rendszer (Markov lánc) modulálja az érkezéseket a háttérben Bizonyos átmenetek érkezést generálnak, mások nem:
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
■
˝ Elonyök: ◆ Könnyen szimulálható ◆ Hatékonyan megoldható sorbanállási rendszerek: M/M/1 −→ M AP/M AP/1, M/G/1 −→ M AP/G/1
- p. 5
MAP illesztés
Tartalom Problémafelvetés MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés
˝ / adatsorból MAP? Hogyan lesz mérési eredményekbol Két módszertan: ■
Likelihood alapú: ◆ Olyan MAP-ot készít, ami a leheto ˝ legnagyobb valószínuséggel ˝ generálhatta az adatsort ◆ Az adatsor minden tagját figyelembe veszi ◆ Drasztikusan lassul az adatsor növelésével
■
Statisztikai alapú: ◆ Az adatsorból jól megválasztott statisztikai mennyiségeket számolunk (momentumok, autokorreláció) ◆ Olyan MAP-ot keresünk, amely az adatsorral megegyezo ˝ statisztikával bír ◆ Minél több az adat, annál pontosabb
● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
- p. 6
Statisztikai alapú MAP illesztés
Tartalom
■
˝ megoldás Hatékony MAP illesztés kulcsa: 2 lépcsos ˝ eloszlásának illesztése 1. Érkezési idok ˝ ˝ illesztése 2. Összefüggoségi jellemzok
■
A hatékonyság oka: két egymást követo˝ optimalizálási feladat sokkal hatékonyabb, mint egy dupla annyi változós optimalizálási feladat
Problémafelvetés MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
- p. 7
˝ Érkezési idoközök illesztése
Tartalom
A független mintákra való Markovi eloszlásillesztés sokat vizsgált terület, sok eredménnyel.
Problémafelvetés MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
- p. 8
˝ ˝ illesztése Összefüggoségi jellemzok
Tartalom
˝ Tipikusan autokorrelációval jellemzik az összefüggoséget:
Problémafelvetés
E[(X0 − E(X))(X1 − E(X))] ρ= σ2
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás
Tulajdonságok: ■
˝ pozitív: átlag feletti idoket várhatóan átlag feletti követi és vice versa
■
˝ negatív: átlag feletti idoket várhatóan átlag alatti követi és vice versa
● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal Sorbanállási hálózatok Példák Konklúzió
- p. 9
˝ ˝ illesztése Összefüggoségi jellemzok
Tartalom Problémafelvetés
˝ Kiterjesztés: a k távolságra lévo˝ érkezési idoközök korrelációja:
MAP-ok ● Markovi Érkezési Folyamatok
ρk =
● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás
Példa: LBL-TCP adatsor (Lawrence Berkeley Laboratory forgalma, 2 óra hosszú) 0.16
● Validálás
0.14
● Az együttes momentumok
0.01
● Inverz karakterizáció együttes
0.12
Példák
Lag-k korr.
momentumokkal Sorbanállási hálózatok
0.1
trace
0.1
Lag-k korr.
˝ ˝ ● Összefüggoségi jellemzok
E[(X0 − E(X))(Xk − E(X))] σ2
0.08 0.06
0.001 0.0001 1e-05
0.04
Konklúzió
1e-06
0.02 0
trace
1e-07 5
10
15 Lag
20
25
1
10
100
1000
10000
100000
Lag
- p. 10
MAP illesztés, összefoglalás
Tartalom
˝ 1. Érkezési idoközök illesztése:
Problémafelvetés MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok
■ ■ ■ ■
Adott: az adatsor ˝ Cél: az érkezési idoközök eloszlásának illesztése Eszköz: momentumillesztés, vagy optimalizálás Eredmény: egy MAP (D0 , D1 ), mely még független érkezéseket generál
˝ 2. Összefüggoség illesztése:
● Inverz karakterizáció együttes momentumokkal
■
Sorbanállási hálózatok Példák Konklúzió
■
■ ■
Adott: az adatsorból kinyert autokorrelációs fv., és a független MAP (D0 , D1 ) ˝ Cél: az érkezési idoközök eloszlásának megtartása ˝ mellett az összefüggoség illesztése Eszköz: nemlineáris optimalizálás Eredmény: a kész MAP (D0′ , D1′ ) - p. 11
Validálás
Tartalom
2 sorbanállási rendszer, determinisztikus kiszolgálással:
Problémafelvetés
+sorhossz eloszlások összehasonlítása
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése
Tapasztalat:
˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes
■
Relatíve rossz eredmények akkor is, ha jól sikerült a MAP
Tanulság: ■
Az autokorrelációs függvény illesztésére törekedés tévút!
momentumokkal Sorbanállási hálózatok
ρk =
Példák
E[(X0 − E(X))(Xk − E(X))] 1 = (E(X0 Xk ) + . . . ) 2 2 σ σ
Konklúzió
■
˝ ˝ is vannak Más összefüggoségi jellemzok
- p. 12
Az együttes momentumok
Tartalom
Az együttes momentumok fogalma:
Problémafelvetés
ηi,j = E(X0i X1j )
MAP-ok ● Markovi Érkezési Folyamatok ● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás ● Validálás
Tulajdonságok: ■
■
● Az együttes momentumok ● Inverz karakterizáció együttes momentumokkal
■ Sorbanállási hálózatok
Csak a szomszédos érkezésekre vonatkoznak, de ez ˝ mert elegendo, a magasabb fokú együttes momentumok meghatározzák a ˝ MAP összefüggoségét ˝ Adatsorból is könnyen eloállítható:
Példák Konklúzió
ηi,j
N −1 1 X i xk · xjk+1 = N −1 k=1
- p. 13
Inverz karakterizáció együttes momentumokkal
Tartalom
Fo˝ eredmény: MAP inverz karakterizáció n2 egyszeru˝
Problémafelvetés MAP-ok ● Markovi Érkezési Folyamatok
statisztikai mennyiséggel
● MAP illesztés ● Statisztikai alapú MAP illesztés ˝ ● Érkezési idoközök illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ˝ ˝ ● Összefüggoségi jellemzok illesztése ● MAP illesztés, összefoglalás
˝ ˝ 1. 2n − 1 momentumból eloállítjuk az érkezési idoközök eloszlását ˝ tesszük a 2. (n − 1)2 együttes momentumból összefüggové MAP-ot
● Validálás ● Az együttes momentumok ● Inverz karakterizáció együttes
Eljárásunk tulajdonságai:
momentumokkal Sorbanállási hálózatok
■
Példák
■
Konklúzió
■
Egyértelmu˝ Gyors (azonnali válasz) De adhat rossz MAP-ot: ezeket addig kell transzformálni, amíg érvényes MAP-ot nem kapunk
- p. 14
MAP alapú sorbanállási hálózatok
Tartalom
Poisson helyett MAP bemeno˝ forgalom:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák Konklúzió
- p. 15
MAP alapú sorbanállási hálózatok
Tartalom
Poisson helyett MAP bemeno˝ forgalom:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák Konklúzió
- p. 15
MAP alapú sorbanállási hálózatok
Tartalom
Poisson helyett MAP bemeno˝ forgalom:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák Konklúzió
■
A MAP osztály zárt: ◆ Elágazásra ◆ Szuperpozícióra
■
˝ A kimenoforgalomra?
- p. 15
MAP alapú sorbanállási hálózatok
Tartalom
Legyen a csomag kiszolgálási folyamat is MAP:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák Konklúzió
- p. 16
MAP alapú sorbanállási hálózatok
Tartalom
Legyen a csomag kiszolgálási folyamat is MAP:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák Konklúzió
- p. 16
MAP alapú sorbanállási hálózatok
Tartalom
Legyen a csomag kiszolgálási folyamat is MAP:
Problémafelvetés MAP-ok Sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok ● MAP alapú sorbanállási hálózatok Példák
˝ A kimenofolyamat egy ∞ állapotteru˝ MAP! n állapotú MAP
Konklúzió
közelítés: ■
■ ■
˝ A MAP/MAP/1 rendszer kimenofolyamatának n2 paraméterének kiszámolása (pontos!) ˝ MAP eloállítása ˝ Az n2 paraméterébol (általában pontos) ˝ ˝ Minél nagyobb n, annál több összefüggoségi jellemzot veszünk figyelembe → egyre pontosabb a közelítés
- p. 16
Tandem hálózat
Tartalom
Topológia:
Problémafelvetés MAP-ok
Node A
Sorbanállási hálózatok
Node B
Példák ● Tandem hálózat ● Tandem hálózat, eredmények
3 vizsgált eset:
● Tandem hálózat, eredmények ● Összetett példa
■
● Összetett példa Konklúzió
■ ■
a) exponenciális eloszlású csomagméretek b) nem exponenciális, de független csomagméretek c) összefüggo˝ csomagméretek
- p. 17
Tandem hálózat, eredmények
Tartalom
#Áll.
a. eset
#Áll.
b. eset
c. eset
n/a 2 3 6 12 22 42 6 12 22 42
0.9517 0.93967 0.954241 0.833259 0.900164 0.936189 0.949793 0.902632 0.939841 0.947761 0.951109
n/a 2 3 18 36 66 126 18 36 66 126
3.48825 2.5053 3.48803 2.58742 2.91293 3.20054 3.41015 3.52804 3.53408 3.5002 3.4889
3.08063 2.55597 3.01978 2.61587 2.73691 2.95097 3.04765 3.05992 3.08245 3.0771 3.07611
Problémafelvetés MAP-ok Sorbanállási hálózatok Példák ● Tandem hálózat ● Tandem hálózat, eredmények ● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
Szimuláció momentum n=2 alapú n=3 ETAQA n=2 n=5 n=10 n=20 Level n=2 prob. n=5 based n=10 n=20
- p. 18
Tandem hálózat, eredmények
Tartalom
Case c.: Queue length distribution of Node B
Problémafelvetés
0.6
MAP-ok
Simulation MAP(2) MAP(3)
Sorbanállási hálózatok
0.5
Példák ● Tandem hálózat ● Tandem hálózat, eredmények ● Tandem hálózat, eredmények
0.4
● Összetett példa Konklúzió
Probability
● Összetett példa
0.3 0.2 0.1 0 0
2
4
6
8 Buffer size
10
12
14
- p. 19
Tandem hálózat, eredmények
Tartalom
Case c.: Autocorrelation of departures of Node A
Problémafelvetés
0.35
MAP-ok Sorbanállási hálózatok
Simulation MAP(2) MAP(3)
0.3
Példák ● Tandem hálózat
0.25
● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
Autocorrelation
● Tandem hálózat, eredmények
0.2 0.15 0.1 0.05 0 -0.05 0
5
10 Lag
15
20
- p. 19
Összetett példa
Tartalom
Topológia:
Problémafelvetés MAP-ok
Node A
Sorbanállási hálózatok
Node D
Node C
Példák ● Tandem hálózat ● Tandem hálózat, eredmények
Node B
● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
˝ ˝ is A csomagérkezési idoközök és a kiszolgálási idok ˝ összefüggok.
- p. 20
Összetett példa
Tartalom
Topológia:
Problémafelvetés MAP-ok
Node A
Sorbanállási hálózatok
Node D
Node C
Példák ● Tandem hálózat ● Tandem hálózat, eredmények
Node B
● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
˝ ˝ is A csomagérkezési idoközök és a kiszolgálási idok ˝ összefüggok. Node D Node A Node B Node C Szimuláció MAP(2) Rel. hiba MAP(3) Rel. hiba
4.24696 4.24962 -0.06% 4.24962 -0.06%
1.0709 1.06936 -0.1% 1.07144 0.05%
1.94556 1.9342 -0.5% 1.94196 -0.2%
5.4563 5.23628 -4% 5.25906 -3.6% - p. 20
Összetett példa Node C, a legrosszabbul közelített csomópont: Tartalom
Queue length distribution of Node C
Problémafelvetés
0.25
Simulation MAP(3)
MAP-ok Sorbanállási hálózatok
0.2
Példák ● Tandem hálózat ● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
Probability
● Tandem hálózat, eredmények
0.15
0.1
0.05
0 0
2
4
6
8
10
12
14
Buffer size
- p. 21
Összetett példa Node C, a legrosszabbul közelített csomópont: Tartalom
Autocorrelation of the arrivals of Node C
Problémafelvetés
0.025
Simulation MAP(3)
MAP-ok Sorbanállási hálózatok
0.02
Példák ● Tandem hálózat, eredmények ● Tandem hálózat, eredmények ● Összetett példa ● Összetett példa Konklúzió
Autocorrelation
● Tandem hálózat
0.015
0.01
0.005
0 0
2
4
6
8
10
12
14
Lag
- p. 21
Konklúzió
Tartalom
■
Problémafelvetés
■
MAP-ok
Kifejlesztettük az együttes momentum alapú MAP illesztést Megoldást javasoltunk sorbanállási hálózatok megoldására MAP alapokon
Sorbanállási hálózatok Példák Konklúzió ● Konklúzió
- p. 22