Модели и методы исследования качества Интернет-подключения корпоративной сети тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Грачев, Владимир Геннадьевич

• Грачев, Владимир Геннадьевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Грачев, Владимир Геннадьевич

Введение.

ГЛАВА 1. Анализ особенностей Интернет-подключения корпоративной сети.

1.1. Разработка общих требований к моделям Интернет-подключения корпоративной сети.

1.2. Анализ структуры Интернет-трафика корпоративной сети.

1.3. Анализ потока запросов на открытие сессий от пользователей корпоративной сети.

1.4. Выбор параметров для описания пользовательских сессий.

1.5. Оценка влияния режима работы Интернет-подключения корпоративной сети на параметры пользовательских сессий.

Выводы.

ГЛАВА 2. Математические модели Интернет-подключения корпоративной сети.

2.1. Общее выражение для моментов скорости передачи данных Интернет-подключения корпоративной сети при отсутствии зависимости между временами обслуживания пользовательских сессии.

2.2. Выражение для моментов количества пользовательских сессий, находящихся на обслуживании одновременно. ^

2.3. Математическая модель Интернет-подключения в режиме незагруженной корпоративной сети.

2.3.1. Выражение для моментов скорости передачи данных

Интернет-подключения корпоративной сети через среднее значение квадрата скорости различных типов пользовательских сессий.

2.3.2. Вывод выражения для среднего значения квадрата скорости UDP сессии.

2.3.3. Вывод выражения для среднего значения квадрата скорости сессии типа TCP 1.

2.3.4. Вывод выражения для среднего значения квадрата скорости сессии типа TCP 2.

2.3.5. Выражение для моментов скорости передачи данных Интернет-подключения корпоративной сети через параметры пользовательских сессий.

2.4. Математическая модель Интернет-подключения в режиме перегрузки в сети поставщика услуг Интернет.

2.5. Математическая модель Интернет-подключения в режиме перегрузки корпоративной сети.

2.6. Условия качества Интернет-подключения корпоративной сети . 59 Выводы.

ГЛАВА 3. Экспериментальное обоснование математических моделей Интернет-подключения корпоративной сети

3.1. Постановка эксперимента.

3.2. Обработка результатов эксперимента и выводы об адекватности моделей

Выводы.

ГЛАВА 4. Методы исследования качества Интернет-подключения корпоративной сети.

4.1. Метод текущего контроля качества Интернет-подключения.

4.2. Метод выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети.

4.3. Примеры практического применения методов исследования качества Интернет-подключения корпоративной сети.

4.3.1. Выбор скорости передачи данных Интернет-подключения Самарского государственного аэрокосмического университета.

4.3.2. Выбор скорости передачи данных Интернет-подключения межвузовского медиацентра.

Выводы.

Введение диссертации (часть автореферата) на тему «Модели и методы исследования качества Интернет-подключения корпоративной сети»

Сегодня трудно представить себе крупное образовательное учреждение, научную организацию, фирму и т. д., которые не имели бы подключения к сети Интернет. С одной стороны, сеть Интернет открывает доступ к огромному объему информации, с другой стороны, предоставляет возможность разместить собственные информационные ресурсы. Однако, успешное использование сети Интернет в деятельности организации невозможно при невысоком качестве ее Интернет-подключения. В будущем следует ожидать все более глубокого проникновения сети Интернет во все сферы человеческой деятельности, так что «качество» подключения к сети Интернет выходит на первый план.

Изначально, первыми начали разрабатываться методы и средства контроля качества соединения между двумя точками сети Интернет. Действительно, с точки зрения пользователя, Интернет-подключение сети является качественным, если оно обеспечивает бесперебойный и быстрый доступ к определенным интересующим его сетевым ресурсам. Производилось наблюдение за значениями таких характеристик (сетевых метрик) соединения между двумя точками сети Интернет, как время доставки, коэффициент потерь IP пакетов, доступность, максимальная скорость передачи данных по определенному протоколу и т.д., а также за их флуктуациями во времени.

Однако, за последние 10-15 лет сеть Интернет претерпела значительный рост. Это касается количества подключенных сетей, пользователей, компьютеров, используемых в сети приложений и передаваемого по сети трафика. Например, количество зарегистрированных доменных имен на июль 2005 года, по данным Internet Software Consortium, достигло 353284187 [77]. Все это привело к тому, что среднее число пользователей в сети организации и количество ресурсов, потенциально интересных для пользователей, многократно возросло. С учетом того факта, что все вышеперечисленные простейшие сетевые метрики зависят от времени и, в силу децентрализации управления сетью Интернет (о принципах управления сетью Интернет см. [76]), от множества других независимых подсетей, входящих в глобальную сеть Интернет, контроль качества Интернет-подключения в рамках традиционного подхода становится для системного администратора непростой задачей. Возникает необходимость в аналитическом описании происходящих в сети процессов, причем этот анализ должен проводиться в рамках системного подхода.

Действительно, глобальная компьютерная сеть Интернет представляет собой совокупность отдельных подсетей (рассматривая сеть Интернет с различной степенью детализации, можно выделить сети континентов, стран, поставщиков услуг Интернет, организаций и их подразделений), обменивающихся друг с другом информацией, передаваемой по объединяющих их каналам передачи данных. Таким образом, сеть Интернет можно рассматривать как систему, состоящую из множества тесно взаимодействующих подсистем - отдельных входящих в нее подсетей, объединенных в иерархическую структуру.

Согласно одному из основных принципов системного подхода, всегда существует функция ценности системы в виде зависимости ее эффективности от условий построения и функционирования.

Данная работа посвящена аналитическому описанию процессов, происходящих в Интернет-канале крупной организации или поставщика услуг Интернет, как основной составляющей глобальной компьютерной сети Интернет, и отысканию критерия «качества» Интернет-подключения корпоративной сети с точки зрения интересов всех пользователей сети, в виде некоторой «интегральной» характеристики.

Получив, в рамках математических моделей, аналитические выражения для данной «интегральной» характеристики через основные параметры сети и параметры Интернет-подключения этой сети, становится возможным решение основных задач, возникающих перед сетевыми администраторами и инженерами, таких как поддержка, прогнозирование развития и оптимизация сетей.

Первая задача возникает в повседневной практике сетевых администраторов и предполагает обнаружение и устранение аномалий в работе сети. Также для обслуживающего персонала сети необходимо иметь возможность предсказывать поведение сети при изменении различных параметров, как-то: количества пользователей, подключенных к сети, характеристик Интернет-подключения, запуске новых сетевых приложений и т.д. Данная информация может быть использована при планировании развития сети для удовлетворения потребностей пользователей в сетевых услугах.

Также, системный администратор должен иметь возможность выбрать поставщика услуг Интернет и оптимальную скорость Интернет-канала при заданных параметрах сети.

Применение математических моделей Интернет-подключения сети не ограничивается вышеприведенными примерами. Можно представить, что вычисление в реальном масштабе времени метрик, характеризующих текущее состояние сети, может быть использовано в сетевых устройствах (коммутаторах, маршрутизаторах) для динамического перераспределения ресурсов или изменения алгоритмов работы для обеспечения заданного качества функционирования сети.

Вообще, математических моделей поможет глубже понять процессы, происходящие в сети, и пути совершенствования существующих протоколов, приложений, сетевых архитектур для достижения максимальной производительности сетей.

Как уже было замечено выше, традиционный подход в обслуживании и поддержке сетевой инфраструктуры состоит в наблюдении за простейшими сетевыми метриками. Международные стандарты [78, 50] описывают и классифицируют данные метрики, а также устанавливают среду для их измерения.

Элементарные метрики можно разделить на 2 большие группы:

• метрики, служащие для оценки качества соединения между двумя удаленными точками;

• метрики для мониторинга канала между двумя маршрутизаторами.

Существует множество работ, посвященных использованию элементарных метрик в эксплуатации каналов связи (например, см. [67, 56, 89, 75, 99, 52, 62, 51, 98, 48, 31, 37, 38]). Также разработано множество средств для измерения элементарных и более сложных сетевых метрик [60, 97,91].

Существуют методики, формализующие и автоматизирующие процесс оценки качества Интернет каналов. В [43] измеряют 3 характеристики:

• доступность;

• максимальную эффективную производительность;

• среднее время реакции.

Доступность - показатель, характеризующий надежность работы канала связи, получается в данной методике измерением времени ответа на запросы по протоколу ICMP. Максимальная эффективная производительность измеряется как максимальная скорость передачи данных на уровне протокола TCP. Среднее время реакции, мера того насколько быстро канал связи работает во время его ежедневной эксплуатации, измеряется с помощью программ, установленных в тестируемой сети и автоматически генерирующих запросы на доступ к внешним ресурсам по протоколам TCP (в этом случае необходима установка специального программного обеспечения на площадке тестируемого поставщика услуг Интернет) или HTTP (для тестирования может использоваться любой WWW сервер). Все измерения производятся с помощью общедоступных программ SelfTrend и PageLoadRobot.

Хотя, принципиально, аккуратное наблюдение за сетевой инфраструктурой и анализ элементарных метрик сетевого трафика позволяет сетевым инженерам отслеживать "узкие места" в сети, обнаруживать некоторые проблемы, прежде чем они наступают и предупреждать перегрузку сети, перераспределяя ресурсы и оптимизируя конфигурацию сети, однако, это чрезвычайно трудоемкий процесс, требующий от сетевых инженеров высокой квалификации и большого опыта, и в то же время такой подход позволяет отслеживать только грубые тенденции сетевого трафика и не дает возможности предсказывать поведение сети при изменении ее параметров и/или конфигурации.

Большая часть трафика в сети Интернет передается с помощью протокола TCP [49, 86, 111, 69, 87, 66, 68, 58, 57, 59, 12, 13], поэтому, • имея аналитическую модель протокола TCP [104], можно надеяться, что ее удастся применить к описанию процессов, происходящих в Интернет-канале организации.

На настоящий момент было представлено несколько моделей одного соединения по протоколу TCP. Часть из них дает выражение для пропускной способности TCP соединения в установившемся режиме [82, 95, 85, 96] как функцию времени доставки пакета от источника к пункту назначения и обратно (Round Trip Time, RTT) и коэффициента потерь пакетов. В данных работах рассматривается TCP соединение, передающее большой объем данных в установившемся режиме работы протокола TCP (Congestion avoidance). В работах [82, 95, 85] учитывается влияние на скорость передачи данных TCP соединения только механизма быстрой повторной передачи (fast retransmit), в [96] учитывается также влияние механизма тайм-аута.

В связи с увеличением популярности протоколов прикладного уровня, в которых за время одной TCP сессии передается сравнительно небольшой объем информации (порядка нескольких десятков килобайт, HTTP - наиболее популярный из таких протоколов, см. исследование трафика в [86, 87, 66, 68, 12, 13]), так что TCP не успевает прийти в установившийся режим, появились работы, ориентированные на описание коротких TCP сессий, которые не могут быть адекватно представлены моделями, предложенными в [82, 95, 85, 96]. В работах [61, 45, 83] представлены модели для коротких TCP соединений при условии (весьма нереалистичном) отсутствия потерь пакетов. В работе [54] дается выражение для длительности короткого TCP соединения, передающего данные в режиме "медленный старт" как функции времени доставки и ответа (RTT), коэффициента потерь пакетов, объема передаваемых данных и времени тайм-аута.

Наряду с моделями, описывающими одно TCP соединение, в работах [73, 84, 79, 80, 64, 70] рассмотрен случай, когда несколько TCP сессий работают одновременно, разделяя одну линии связи, находящуюся в режиме перегрузки. В работе [73] рассматривается случай фиксированного количества источников, попеременно инициирующими TCP сессии и остающимися неактивными в течение случайного интервала времени. В работе [84] предлагается похожая модель, но для случая, когда приход новых сессий образует пуассоновский процесс. В работах [79, 80] изучается процесс передачи нескольких TCP сессий и делается вывод о пригодности модели разделения процессора, если приход новых TCP сессий образует пуассоновский поток событий. Статья [64] посвящена изучению совместной работы нескольких TCP сессий, когда в сети существует не одна, а несколько перегруженных линий связи. В работе [70] суммируются результаты предыдущих исследований и делается вывод о применимости моделей, предложенных в них, в реальных условиях.

Описанные выше модели дают пропускную способность, занимаемую при передаче нескольких TCP сессий. К сожалению, данные модели трудно использовать на практике для управления сетью, так как они не учитывают другие транспортные протоколы, такие как UDP [105], требуют сложных вычислений и основаны на предположении, что время доставки и ответа (RTT) постоянно для всех TCP сессий.

Развитием традиционного метода тестирования производительности Интернет-подключения с помощью сетевых метрик является метод, описанный в [74]. Предлагаемый метод тестирования включает три шага:

• Составить список Интернет ресурсов, к которым пользователи сети обращаются наиболее часто. Количество ресурсов в списке должно быть большим, но ограниченным. Автор утверждает, что список из 1000 ресурсов (IP адресов) покрывает 70% интересов большой группы пользователей.

• Для каждого ресурса из списка измерить три сетевые метрики: доступность (connectivity), задержку - интервал времени между посылкой запроса и приемом ответа (Round Trip Time, RTT), коэффициент потерь пакетов. Для измерения этих метрик автор разработал свою собственную программу jping, которая посылает к каждому тестируемому ресурсу UPD запросы на сервис Echo, который является стандартным типом "малых сервисов". В случае если сервис Echo отключен, принимается ICMP ответ "порт недоступен" (port unreachable).

• По измеренным метрикам сетевого уровня определить производительность конкретных приложений. Предлагается вычислять верхнюю границу скорости передачи по протоколу TCP, зависящую от задержки и коэффициента потерь пакетов, и возможность функционирования приложений реального времени, таких как передача аудио и видео информации, строя график доступности ресурсов для приложений реального времени в зависимости от времени суток, где критерием доступности являются значения коэффициента потерь пакетов (меньше 5%) и вариации задержки (в пределах 200 мс).

Среди преимуществ данного подхода можно отметить то, что методика учитывает интересы пользователей в сети (наиболее посещаемые ресурсы) и то, что данная методика является формальной, то есть она свободна от субъективного мнения персонала, занимающегося тестированием.

К сожалению, у методики существует несколько серьезных недостатков:

• Производится активное тестирование сети, что, во-первых, дополнительно загружает сеть, во-вторых, тестовый трафик искажает картину измерений, причем, тем больше, чем больше ресурсов тестируется (производится более точное тестирование).

• Часто, из соображений безопасности, сервис UDP Echo отключается, в результате по протоколу ICMP посылается ответ "порт недоступен". Поскольку ICMP трафик трактуется особым образом (его приоритет обычно ниже, чем приоритет UDP или TCP трафика), в данном случае вносятся дополнительные искажения в измерения.

• Оценки, даваемые для производительности конкретных приложений, являются слишком общими и не учитывают особенностей различных приложений и интересов пользователей.

В работах [2, 7, 22,29,33,34,35,36,41] предложен и развит подход, основанный на статистическом анализе временных рядов, где в качестве значений временного ряда используется объем трафика сети -объем информации в единицу времени, проходящий через каналы связи сети.

Авторы работ [7, 33, 34, 35, 36] исследуют трафик российской национальной научно-образовательной сети Rbnet [39] (предложенный подход является общим и может быть использован для любой сети) и ставят перед собой следующие цели и задачи:

1. Поддержка детальной базы данных сетевой активности, которая позволит получать информацию о текущей загрузке сети, сбоях, активности отдельных подсетей и т.д.

2. Разработка методик, алгоритмов и программ обработки собранных данных и построение на их базе объективных прогнозов развития сети.

3. Агрегация и визуализация информации о текущем состоянии сети в целях оперативного контроля и регулярной подготовки кратких аналитических отчетов.

4. Подготовка рекомендаций для принятия стратегических решений развития сети по результатам накопленной информации.

Авторы делают вывод, что характерной чертой моделей временных рядов, описывающих трафик, является их нестационарность. При этом детерминированная компонента трафика как правило включает тренд (плавный рост/падение, обусловленные долговременными причинами), различные сезонные компоненты (то есть колебание в течение суток, недели, месяца года), циклические компоненты (нерегулярные подъемы и спады с различной периодичностью и интенсивностью), а так же интервенции (то есть резкие изменения в условиях функционирования сети).

Тренд обычно задается в виде достаточно простой аналитической зависимости. Его наличие в трафике связано с процессом развития телекоммуникационных технологий, увеличением скорости доступа к сети, числа пользователей, ресурсов и т.п. На базе этой компоненты трафика авторы предлагают осуществлять долговременный прогноз загрузки канала, причем на разных стадиях развития канала могут быть использованы различные модели тренда: линейные, полиномиальные, экспоненциальные, S-образные (логистические, Гомперца) и др.

Сезонная компонента трафика возникает за счет цикличности присущей человеческой деятельности. Анализ трафика канала в течение суток обычно показывает наличие спада загрузки канала в ночные часы. Иногда может наблюдаться и несколько заметных спадов трафика в различное время суток. Анализ трафика канала в течение недели показывает спад загрузки канала в выходные дни.

Авторы предлагают три модели:

1. Модели динамики среднесуточной загрузки магистральных каналов телекоммуникационных сетей [33,29].

Авторы показывают, что в загрузке всех исследуемых каналов можно выделить несколько характерных однотипных стадий. При этом каждая стадия описывается и прогнозируется моделью, включающей параболический (на стадии роста) или линейный (на стадии падения загрузки) тренд и авторегрессионую компоненту.

2. Модель роста числа хостов в научно-образовательных сетях России в 2000 г. [35].

Для описания динамики роста числа хостов как функции времени авторы используют параболическую модель линейной регрессии с отрицательным коэффициентом при квадратичном члене.

3. Модель скорости передачи данных конечным пользователям сетей на канале RBnet-Teleglobe [34].

Математическая модель в этой задаче представляет множественную линейную регрессию, в которой в качестве предикторов выступают: доля протокола http в совокупном трафике на "входе" канала, доля "request" по протоколу http на "выходе" канала и совокупные времена соединений по протоколу http на "входе" и "выходе" канала. В зависимости от структуры загрузки канала в качестве предикторов могут выступать и другие характеристики трафика: объем переданной информации, число соединений, общее число переданных пакетов и пр.

Главное достоинство описанного выше подхода - это возможность давать прогнозы развития сети, однако, можно отметить и следующие его недостатки:

• Для разных сетей необходим пересчет параметров моделей, причем возможна такая ситуация, при которой предложенные модели не будут адекватно описывать сеть и будет необходима их корректировка (оставаясь в рамках предложенного подхода).

• Для вычисления параметров моделей необходим длительный сбор статистики, причем, модели будут тем точнее, чем дольше производится наблюдение.

• Не указано влияние конкретных сетевых параметров на наблюдаемые закономерности. Вообще, можно сделать вывод, что в рамках данного подхода это сделать сложно.

• Принципиально, в рамках данного подхода можно давать прогноз, только если характер зависимости значения сетевого параметра от времени остается тем же самым, как на предыдущем интервале наблюдения. Если же изменение наблюдаемого сетевого параметра вызвано другими причинами, чем его изменение в предшествующий период, то данный подход будет не в состоянии дать верный прогноз.

В работах [46, 1, 42] предлагается модель для незагруженного магистрального канала связи, передающего IP трафик. Авторы ставят перед собой задачу создания модели, достаточно простой (чтобы ее могли использовать сетевые администраторы), и, насколько это возможно, независимой от используемых протоколов и приложений.

Сетевой IP трафик рассматривается на уровне потоков данных (flow) - потоком может быть TCP или UDP соединения, описываемые IP адресами источника и назначения (или даже подсетями источника и назначения), номерами портов и т.д.

Модель построена на двух основных предположениях:

1. Приходы новых потоков данных образуют однородный пуассоновский процесс конечной скорости Я.

2. Функции скорости потоков независимы друг от друга и одинаково распределены. Из независимости функций скорости потока также следует независимость последовательностей длин {Sn} и длительностей {£>„} потоков.

Функция скорости потока Xn(t-Tn) - скорость потока п, определенная на интервале времени [T„,T„+Dn], где Тп - момент прихода потока, £>„ - длительность потока.

Общая скорость передачи данных на магистральном канале будет равна сумме отдельных функций скоростей потоков: 11(!) = ^ХпЦ-Тп).

Далее авторы вычисляют два первых момента (среднее значение и дисперсию) общей скорости передачи данных магистрального канала через преобразование Лапласа и получают для них следующие выражения:

E[R(t)] = AE[S„], VR=XE[S2JD\

Выражение для дисперсии (VR) зависит от формы функции скорости потока. Авторы рассматривали прямоугольную, треугольную и степенные формы функции скорости потока. При экспериментальной проверке своей модели авторы использовали параметризированную по двум коэффициентам степенную функцию скорости потока. Коэффициенты параметризации находились по опытным данным так, чтобы минимизировать ошибку между экспериментально полученными средним значением и дисперсией скорости магистрального канала, и оценками этих величин, вычисляемым по модели.

Основные достоинства предложенного в данной работе подхода: простота и общность. В то же время этот подход является достаточно мощным и отвечает на многие вопросы, возникающие при эксплуатации магистральных (и не только) IP каналов.

Однако, в данной работе можно отметить серьезные недостатки: в модели не учитываются особенности конкретных протоколов, использующихся на сегодняшний момент в глобальной компьютерной сети Интернет. Рассмотрен только случай незагруженного магистрального канала связи, в то время как для реальных сетей существенно важной задачей является нахождение границы, разделяющей состояния незагруженной и перегруженной сети. Так как коэффициенты параметризации функции скорости потока в модели находятся по экспериментальным данным, можно утверждать, что эти коэффициенты придется пересчитывать отдельно для каждой конкретной сети и возможно для разных ее состояний.

Анализируя достоинства и недостатки каждого из описанных выше подходов применительно к задачам поддержки, прогнозирования развития и оптимизации сетей, можно сделать вывод, что эти задачи не решены полностью как в рамках какого-либо одного подхода, так и объединением различных существующих уже моделей.

Данная работа посвящена созданию математических моделей Интернет-подключения для получения аналитической связи основных параметров сети и параметров Интернет-подключения этой сети со скоростью передачи данных, как с «интегральной» характеристикой, которая описывает «качество» Интернет-подключения с точки зрения интересов всех пользователей сети. Разработке методов исследования качества работы Интернет-подключения корпоративной сети на основе данных моделей.

Результаты, полученные в работе, могут быть использованы сетевыми администраторами и инженерами для поддержки, прогнозирования и оптимизации качества Интернет-подключения корпоративной сети.

Объект и предмет исследования

Объектом исследования являются процессы, происходящие во внешнем канале передачи данных корпоративной сети, работающем на основе стека протоколов TCP/IP.

Предметом исследования являются числовые характеристики (моменты) случайной величины - скорости передачи данных Интернет-подключения корпоративной сети.

Цель диссертационной работы

Анализ процесса передачи данных по протоколам TCP/IP во внешнем Интернет-канале корпоративной сети, с учетом поведения пользователей в сети и особенностей алгоритмов работы протоколов. Получение оценок качества Интернет-подключения корпоративной сети. Разработка методов исследования качества Интернет-подключения корпоративной сети для повышения уровня обслуживания пользователей и оптимизации использования ресурсов предприятия

Задачи исследования

• Формулировка требований к математическим моделям, определение факторов, оказывающих влияние на процессы, происходящие в сети и их характеристики.

• Создание математических моделей Интернет-подключения корпоративной сети.

• Формулировка условий качества Интернет-подключения с точки зрения "коллективного" пользователя.

• Экспериментальная проверка созданных математических моделей.

• Разработка метода текущего контроля качества Интернет-подключения.

• Разработка метода выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети.

Методы исследования

В диссертационной работе используются методы математического моделирования, теории вероятности и математической статистики, теории массового обслуживания, элементы системного подхода в прикладных исследованиях, методы принятия оптимальных решений в условиях неопределенности, многокритериальной оптимизации, технологии создания программного обеспечения.

Научная новизна

• Предложены модели Интернет-подключения корпоративной сети, которые, в отличие от уже существующих моделей, учитывают поведение пользователей в сети и особенности стека протоколов ТСРЛР.

• Разработан метод текущего контроля качества Интернет-подключения.

• Разработан метод выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети.

Достоверность результатов

Достоверность всех результатов обоснована формальными выводами и заключениями, сопоставлением полученных общих результатов с частными случаями, приведенными другими авторами, экспериментальной проверкой.

Практическая ценность

Практическая ценность работы заключается в разработке методов текущего контроля качества Интернет-подключения и выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети, которые могут быть использованы, соответственно, при ее эксплуатации и для выбора оптимальной скорости подключении к Интернет.

Реализация работы

Результаты работы внедрены и используются при текущей эксплуатации и обслуживании сети Самарского государственного аэрокосмического университета и ЗАО СамараТелеком, что подтверждено актами внедрения, см. приложение 7.

Сбор внешнего входящего трафика сети производится с помощью пакета nrpobe [93], анализ трафика производится в режиме offline в полуавтоматическом режиме с помощью специально написанных утилит на языке программирования perl [100]. Утилиты реализуют расчет сетевых параметров по методам, описанным в данной работе, см. приложение 6.

Апробация работы

Основные положения диссертационной работы, научные и практические результаты докладывались и обсуждались на международном рабочем семинаре "Цифровые сети в Среднем Поволжье" (г. Самара, 1998 год), на международной конференции Телематика (г. Санкт-Петербург, 2001, 2002, 2003 года), на всероссийской научно-технической конференции "Актуальные проблемы радиоэлектроники и телекоммуникаций" (г. Самара, 2005 год).

На защиту выносятся

• Модели Интернет-подключения корпоративной сети, учитывающие поведение пользователей в сети и особенности стека протоколов TCP/IP.

• Метод текущего контроля качества Интернет-подключения.

• Метод выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети.

Публикации

По теме диссертационной работы опубликовано 8 научных работ.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, библиографического списка (111 наименований), семи приложений. Текст диссертации изложен на 209 страницах, включая 79 страниц приложений, содержит 29 рисунков и 1 таблицу.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Грачев, Владимир Геннадьевич

Основные результаты диссертационной работы состоят в следующем:

1. С использованием описанного выше подхода созданы математические модели Интернет-подключения корпоративной сети.

2. Проведена экспериментальная проверка предложенных моделей, которая подтвердила, что они адекватно описывают процессы, происходящие в сети в режимах средней и высокой загрузки.

3. Разработан метод текущего контроля качества Интернет-подключения.

4. Разработан метод выбора оптимальной скорости передачи данных Интернет-подключения корпоративной сети.

Дальнейшее развитие идей, описанных в данной диссертационной работе, может происходить по следующим путям:

Включение в модель большего количества протоколов передачи данных, популярных как в глобальной компьютерной сети Интернет, так и в корпоративных сетях.

Разработка более формального критерия перегрузки в сети организации в виде формулы, позволяющей рассчитать предельное значение какого-либо сетевого параметра (как, например, Л^ на рисунках 10 и 11), при достижении которого наступает режим перегрузки.

Уточнение модели для других законов поступления запросов и времен обслуживания пользовательских сессий. Уточнение модели для случая, когда в общем трафике организации доминирует трафик от небольшого количества пользователей.

Учет эффекта от использования в сети организации прокси-серверов и ограничений, накладываемых на скорость передачи данных некоторых категорий пользователей (traffic shaping).

Заключение

Основной ценностью в современном обществе становится информация. Свободный доступ и обмен информацией - основа информационного общества. Значение сетевых технологий в этих условиях трудно переоценить. Появление глобальной компьютерной сети Интернет, позволяющей быстро обмениваться данными даже в случае, когда корреспонденты находятся на противоположных концах земного шара, стало логическим продолжением развития человеческого общества и определило вектор направления его дальнейшего движения на многие годы вперед.

К сожалению, вследствие большого объема передаваемых по глобальной компьютерной сети Интернет данных, ее огромного размера и сложной структуры, децентрализации управления, особенно учитывая то факт, что сеть находится в постоянном, все более ускоряющемся развитии, ее эксплуатация и управление становится сложной задачей.

Данная работа посвящена вопросу создания математических моделей и аналитического описания основной элементарной составляющей глобальной компьютерной сети Интернет - внешнему каналу связи, который может быть внешним Интернет-подключением корпоративной сети или магистральным каналом связи (backbone) поставщика услуг Интернет. Такие модели, совместно с условиями качества Интернет-подключения с точки зрения "коллективного" пользователя, могут использоваться при текущей эксплуатации, управлении и обслуживании сетей. Кроме того, они, наряду с экономическими показателями, могут служить одной из составляющих при системном анализе хозяйственной деятельности организации, использующей в своей работе глобальную компьютерную сеть Интернет.

Подход, предложенный в диссертационной работе для анализа сетевых характеристик и трафика Интернет-канала, основан на том, что:

• Рассчитываются числовые характеристики (моменты) случайной величины - скорости внешнего канала.

• Трафик рассматривается на уровне пользовательских сессий.

• Учитываются структура трафика сети и особенности алгоритмов работы конкретных, наиболее популярных протоколов.

• Момент перегрузки в сети определяется по отклонению экспериментального значения дисперсии скорости передачи данных внешнего канала от значения, рассчитываемого по модели.

Данный подход является общим и может быть использован для анализа процессов, происходящих не только во внешнем канале передачи данных Интернет-подключения корпоративной сети или магистрального канала связи (backbone) поставщика услуг Интернет, но и для анализа практически любых сетей, работающих через глобальные каналы передачи данных (WAN, Wide area networks).

Список литературы диссертационного исследования кандидат технических наук Грачев, Владимир Геннадьевич, 2006 год

1. Афанасьев Ф.В., Петров А.В., Сухов A.M. Проверка качества каналов Интернет // Сети и системы связи, №6(98), 5 мая 2003 г., с. 92-94.

2. Безрукавный Д.С., Домрачев В.Г., Калинина Э.В., Ретинская И.В. Моделирование скачкообразного изменения среднего значения загрузки сети с использованием функций принадлежности: Материалы конференции RELARN-2005. М: 2005.

3. Беляев JI.C. Решение сложных оптимизационных задач в условиях неопределенности. Новосибирск: Наука, 1978. -128 с.

4. Бочаров П.П., Печинкин А.В. Теория массового обслуживания. -М.: Изд-во РУДН, 1995. 529 с.

5. Брахман Т.Р. Многокритериальное^ и выбор альтернативы в технике. М.: Радио и связь, 1984. - 228 с.

6. Бронштейн И.Н., Семендяев К.А. Справочник по математике. -М.: 1967 г.

7. Вегешна Ш. Качество обслуживания в сетях IP. М.: Издательский дом "Вильяме", 2003. - 368 с.

8. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Высш. шк., 2000. - 480 с.

9. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высш. шк., 2000. - 479с.

10. П.Гнеденко Б.В., Коваленко И.Н. Введение в теорию массового обслуживания. М.: Наука. Гл. ред. Физ.-мат. Лит. - 1987. -336 с.

11. Грачев В.Г., Симановский Е.А. Исследование структуры трафика корпоративной сети Самарского государственного аэрокосмического университета// Телекоммуникации и информатизация образования. 2002. - №2(9). - с. 76-84.

12. Грачев В.Г. Модель внешнего Интернет канала организации// Аспирантский вестник Поволжья. 2003. - №1. - с. 19-20.

13. Грачев В.Г., Симановский Е.А. О законе распределения времени между открытием пользовательских сессий во внешнем канале: Труды международной конференции Телематика 2002. Санкт-Петербург: Редакционно-издательский отдел СПбГИТМиО, 2002.

14. Грачев В.Г., Долгих Д.Г., Шавалдин А.А. Операционная система Linux: Сборник докладов международного рабочего семинара "Цифровые сети в среднем Поволжье". Самара: ИВФ CMC, 1998. -40с.

15. Грачев В.Г., Долгих Д.Г. Опыт создания и эксплуатации каналов связи, основанных на технике ИКМ: Сборник докладов международного рабочего семинара "Цифровые сети в среднем Поволжье". Самара: ИВФ CMC, 1998. - 40с.

16. Грачев В.Г., Симановский Е.А. Оценка необходимой полосы пропускания внешнего канала корпоративной сети: Труды международной конференции Телематика 2003. Санкт-Петербург: Редакционно-издательский отдел СПбГИТМиО, 2003.

17. Громов Д.А., Кузьменко Н.Г., Пшеничников А.П. Анализ параметров трафика Интернет: Труды международной конференции по телекоммуникациям. СПб., 2001, с. 139-142.

18. Дехтяренко В.А., Своятыцкий Д.А. Методы многокритериальной оптимизации сложных систем при проектировании. Киев: Изд-во АН УССР, 1976. - 41 с.

19. Домрачев, В. Г., Безрукавный В. Г., Калинина Э. В., Ретинская И. В., Скуратов А. К., Нечеткие методы в задачах мониторинга сетевого трафика// "Информационные технологии", №03,2006.

20. Ершов В.А., Кузнецов Н.А. Метод расчета пропускной способности магистралей мультисервисных телекоммуникационных сетей: Труды международной академии связи, 1999, с. 22-24.

21. Жуков А.В. Исследование сетевого трафика web-pecypca www.energy-links.com: Материалы 5-й научно-технической конференции "Новые информационные технологии в ЦБП и энергетике". Петрозаводск, 2002, с. 67-69.

22. Жуков А.В. Моделирование процессов управления качеством предоставления сервисов в системах дистанционного обучения, использующих технологии Интернет: Дис. . канд. техн. наук: 05.13.18. Петрозаводск: РГБ, 2006.

23. Жуков А.В. Некоторые модели оптимального управления входным потоком заявок в Интранет-системах: Материалы 6-й научно-технической конференции "Новые информационные технологии в ЦБП и энергетике". Петрозаводск, 2004, с. 87-90.

24. Клейнрок JI. Вычислительные системы с очередями. Пер. с англ./ ред. Б.С. Цыбаков. М.: Мир, 1979. - 598 с.

25. Клейнрок JI. Теория массового обслуживания. Пер. с англ./Пер. И.И. Глушко; ред. В.И. Нейман. М.: Машиностроение, 1979. -432 с.

26. Ковба H.JL, Макаров А.А., Симонова Г.И. Закономерности изменения загрузки магистральных каналов компьютерных сетей, Автоматика и телемеханика, №12, 2000 г. с. 104-114.

27. Кузьменко Н.Г. Развитие метода оценки пропускной способности мультисервисной сети при интервальном прогнозировании интенсивности нагрузки: Дис. . канд. техн. наук: 05.12.13. М.: РГБ, 2003.

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

29. Лагутин B.C. Инженерные способы оценки дохода от совместной передачи речи и данных на телефонных сетях: Труды научной конференции "Исследование систем и сетей массового обслуживания", Минск, 1998.

30. Макаров А.А., Симонова Г.И. Проблемы робастного оценивания статистических моделей суточных трафиков магистральных каналов компьютерных сетей. Сборник "Статистические методы оценивания и проверки гипотез", Пермский Университет, 99, вып. 13, с.171-182.

31. Макаров А.А., Симонова Г.И. Статистическая модель внутрисуточных колебаний скорости передачи данных пользователям компьютерных сетей. Сборник "Статистические методы оценивания и проверки гипотез", Пермский университет, 2000 г., вып. 14, с. 144-154.

32. Макаров А.А., Симонова Г.И. Статистические модели динамики роста числа хостов в российских научно-образовательных сетях. Сборник "Статистические методы оценивания и проверки гипотез", Пермский университет, 2001, вып. 15.

33. Макаров А.А., Симонова Г.И., Ковба H.JL, Турков В.А. Стохастические модели мониторинга телекоммуникационных сетей. Вестник Херсонского государственного технического университета, Херсон, 2001, т. 3, №12, с.168-171.

34. Неприков А.А. Разработка инструментальных средств оценки качества Интернет-ориентированных систем управления данными: Дис. канд. техн. наук : 05.13.11. -М.: РГБ, 2003.

35. Рогов С. Тестирование производительности Web-серверов // Открытые системы. СУБД, 2002, №12, с. 55-64.

36. Российский НИИ развития общественных сетей, Russian backbone network, http://www.ripn.net.

37. Рузавин Г.И. Вероятность и правдоподобные рассуждения. -Философия науки. Вып. 2: Гносеологические и методологические проблемы.— М., стр. 163-190,1996. — 274 с.

38. Сухов A.M. Моделирование нагрузки на участке высокоскоростной сети // Телекоммуникации, 2006, №2, с.23-29.

39. Технический Аудит Сети. Технология оценки качества Internet-каналов, http://www.prolan.ru/netconsulting/description/netaudit/ index.html.

40. Ata S., Murata М., Miyahara Н. Analysis of network traffic and its application to design of high-speed routers. IEICE Transactions on Information and Systems, vol. E83-D, 2000. - pp. 988-995.

41. Balakrishnan H., Stemm M., Seshan S., Katz R. Analyzing stability in wide-area network performance. Proceedings of SIGMETRICS Conference, June 15-18,1997.

42. Barakat C., Thiran P., Iannaccone G., Diot C., Owezarsky P. On Internet backbone traffic modeling. SIGMETRICS, 2002. -pp. 264-265.

43. Berners-Lee Т., Fielding R., Frystyk H. Hypertext Transfer Protocol -HTTP/1.0., RFC 1945. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcfl 945.txt, 1996.

44. Braun H-W, Claffy K., Polyzos G. A framework for flow-based accounting on the Internet. Proceedings of SICON'93.

45. Braun H-W., Claffy K. Network analysis issues for a public Internet.

46. CAIDA, http://www.caida.org/outreach/papers/1993/naip/ public.pdf, 1993.

47. Brownlee N., Mills C., Ruth G. Traffic Flow Measurement: Architecture, RFC 2722. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf2722.txt, 1999.

48. Brownlee N., Murray M. Streams, flows and torrents. CAIDA, http://www.caida.org/outreach/papers/2001/StreamsFlowsTorrents/ netramet.pdf, 2001.

49. Brownlee N., Claffy K., Murray M., Nemeth E. Methodology for passive analysis of a university Internet link. CAIDA, http://www.caida.org/outreach/papers/2001/MethodAnalyseLink/ MethodAnalyseLink.xml, 2001.

50. Cao J., Cleveland W., Lin D., Sun D. Internet traffic tends to Poisson and independent as the load increases. Bell Labs Tech Report, 2001.

51. Cardwell N., Savage S., Anderson T. Modeling TCP Latency. -Proceedings of INFOCOM, 2000.

52. Cisco NetFlow technology. http://www.cisco.com.

53. Claffy K. Internet traffic characterization. Abstracts of the dissertation, University of California, San Diego, 1994.

54. Claffy K., Braun H.-W., Polyzos G. Long-term traffic aspects of the NSFNET. Proceedings of INET'93,1993.

55. Claffy K., Miller G., Thompson K. Recent Traffic Measurements from an Internet backbone. Proceedings of INET '98, Geneva, Switzerland, July, 1998.

56. Claffy K., Brownlee N. Understanding Internet Traffic Streams: Dragonflies and Tortoises. CAIDA, http://www.caida.org/outreach/ papers/2002/Dragonflies/cnit.pdf.

57. Cooperative Association for Internet Data Analysis, CAIDA/Tools. -http://www.caida.org/tools/.

58. Cunha C., Bestavros A., Crovella M. Characteristics of WWW client-based traces. Technical Report BU-CS-95-010, Boston University, July 1995.

59. Dovrolis С., Ramanathan P., Moore D. Packet dispersion technique and capacity estimation. CAIDA, http://www.caida.org/outreach/ papers/200 l/tondispersion/tondispersion.pdf, 2001.

60. Edonkey peer-to-peer file sharing system, http://www.edonkey.com.

61. Fayolle G., A. de la Fortelle, Lasgouttes J-M., Massoulire L., Roberts J.W. Best-effort networks: modelling and performance analysis via large networks asymptotics. Proceedings of IEEE INFOCOM, 2001.

62. Fielding R., Gettys J., Mogul J., Frystyk H., Masinter L., Leach P., Berners-Lee T. Hypertext Transfer Protocol -- HTTP/1.1., RFC 2616. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf2616.txt, 1999.

63. Fomenkov M., Keys K., Moore D., Claffy K. Longitudinal study of Internet traffic from 1998-2001: a view from 20 high performance sites. CAIDA, http://www.caida.org/outreach/papers/2003/nlanr/ nlanroverview.pdf, 2003.

64. Fraleigh C., Diot C., Lyles В., Moon S., Owezarski P., Papagiannaki D., Tobagi F. Design and Deployment of a passive monitoring Infrastructure. Proceedings of IWDC, Taormina, Italy. - pp. 556575,2001.

65. Fraleigh C., Moon S., Lyles В., Cotton C., Khan M., Moll D., Rockell R., Seelv Т., Diot C. Packet-Level Traffic Measurements from the Sprint IP Backbone. IEEE Network, Vol. 17, N6, November 2003.

66. Fraleigh C., Moon S., Diot C., Lyles В., Tobagi F. Packet-level traffic measurements from a tier-1 IP backbone. Sprint technical report TR-01-110101.

67. Fredj S. В., Bonald Т., Proutiere A., Regni G., Roberts J.W. Statistical Bandwidth Sharing: A Study of Congestion at Flow Level. Proceedings of SIGCOMM, 2001. - pp. 111-122.

68. GnuPlot Central. http://www.gnuplot.info.

69. Gnutella peer-to-peer file sharing system, http://www.gnutella.com.

70. Heyman D.P., Lakshman T.V., Neidhardt A.L. New method for analyzing feedback protocols with applications to engineering web traffic over the internet. Proceedings of ACM SIGMETRICS, 1997.

71. Horneffer M. Methods for Performance-Analysis of Internet Access Points. Proceedings of Terena networking conference, 1998.

72. Huffacker В., Fomenkov M., Moore D., Claffy K. Macroscopic analyses of the infrastructure: measurement and visualization of Internet connectivity and performance. CAIDA, San Diego Supercomputer Center, University of California, San Diego.

73. IANA, Internet Assigned Numbers Authority. http://www.iana.org.

74. Internet Domain Survey. Internet Software Consortium, http://www.isc.org/ds, 2003.

75. IP performance metrics (IPPM) IETF working group. The Internet Engineering Task Force, http://www.ietf.org/html.charters/ippm-charter.html.

76. Kherani A.A., Kumar A. Performance analysis of TCP with nonpersistent sessions. Preprint, http://ece.iisc.ernet.in/~anurag/Anurag Kumar.html, 2000.

77. Kherani A.A., Kumar A. Stochastic Models for Throughtput Analysis of Randomly Arriving Elastic Flows in the Internet. Proceedings of INFOCOM, 2002.

78. Klensin J. Simple Mail Transfer Protocol, RFC 2821. The Internet Engineering Task Force, http://www.ietf.org/rfc/rfc2821,2001.

79. Madhavi J., Floyd S. TCP-friendly unicast rate-based flow control. -Note sent to end2end-interest mailing list, 1990.

80. Mah B. An empirical model of HTTP network traffic. Proceedings of IEEE INFOCOM '97, April 1997.

81. Massoulire L., Roberts J.W. Bandwidth sharing and admission control for elastic traffic. Telecommunication Systems, 15:185-201, 2000.

82. Mathis M., Semke J., Mahdavi J., Ott T. The macroscopic behaviour of the TCP Congestion Avoidance Algorithm. ACM Computer Communications Review, 27(3): 67-82, July 1997.

83. McCreary S., Claffy K. Trends in wide area IP traffic patterns: a view from Ames Internet eXchange. Proceedings of 13th ITC specialist seminar: IP Traffic measurement, modeling and management, Sept. 2000.

84. Micheel J., Graham I., Brownlee N. The Auckland data set: an access link observed. Proceedings of the 14th ITC specialists seminar on access networks and systems, 2001.

85. Mockapetris P. Domain names implementation and specification, RFC 1035. - The Internet Engineering Task Force, http://www.ietf.org/rfc/rfcl035,1987.

86. Mortier R. Internet traffic engineering. Technical report number 532, University of Cambridge, Computer Laboratory, 2002.

87. Napster peer-to-peer file sharing system, http://www.napster.com.

88. Network Monitoring Tools. http://www.slac.stanford.edu/xorg/ nmtf/nmtf-tools.html.

89. Nimrod: Tools for Distributed Parametric Modelling, http://www.csse.monash.edu.au/~davida/nimrod/.93. nProbe: a NetFlow v5 Probe. http://www.ntop.org/nProbe.html.94. nTop network top. - http://www.ntop.org/ntop.html.

90. Ott Т., Kemperman J., Mathis M. The stationary behaviour of ideal TCP congestion avoidance. Preprint.

91. Padhye J., Firoiu V., Towsley D., Kurose J. Modelling TCP Throughput: A Simple Model and its Emperical Validation. -Proceedings of ACM SIGCOMM'98, Vancouver, ВС, September 1998.-pp. 303-314.

92. Passive Measurement and Analysis. National Laboratory for Applied Network Research, NLANR, http://pma.nlanr.net/PMA/.

93. Paxson V., Madhavi J., Adams A., Mathis M. An Architecture for large-scale Internet measurement. IEEE Communications, 1998.

94. Paxson V. Measurements and analysis of end-to-end Internet dynamics. PhD thesis, Computer science division, University of California, Berkeley, 1997.

95. Paxson V., Floyd S. Wide-Area Traffic: The Failure of Poisson Modeling. IEEE/ACM Transactions on Networking, 3(3), pp. 226244,1995.

96. Postel J., Reynolds J.K. File Transfer Protocol, RFC 959. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf0959.txt, 1985.

97. Postel J. Internet Control Message Protocol, RFC 792. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcro792.txt, 1981.

98. Postel J. Internet Protocol, RFC 791. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf0791.txt, 1981.

99. Postel J. Transmission Control Protocol, RFC 793. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf0793.txt, 1981.

100. Postel J. User Datagram Protocol, RFC 768. The Internet Engineering Task Force, http://www.ietf.org/rfc/rcf0768.txt, 1980.106. sFlow. http://www.sflow.org.

101. TcpDump public repository. http://www.tcpdump.org.

102. TcpReduce Scripts for Summarizing TCP Connections. -http://ita.ee.lbl.gov/html/contrib/tcp-reduce-doc.html.

103. TcpTrace. http://www.tcptrace.org.

104. The Perl Directory perl.org. - http://www.perl.org.

105. Thompson K., Miller G., Wilder R. Wide area Internet traffic patterns and characteristics. IEEE Network, vol. 11, 1997, pp. 1023.