Abstract:
|
Una de las principales dificultades con las que se encuentra todo operador de
red a la hora de aplicar técnicas de ingeniería de tráfico radica en la obtención
de la matriz de tráfico.
Por definición, una matriz de tráfico describe el volumen
de tráfico intercambiado entre los puntos de ingreso y egreso de una red
durante un intervalo de tiempo dado.
La forma directa de obtener la matriz de
tráfico se basa en la realización de medidas a nivel de flujo. Por desgracia, no
todas las redes cuentan con disp
ositivos que posean tal capacidad.
En la primera
parte de este PFC se presenta un método simple y eficiente
para la estimación de la matriz de tráfico de una red IP
. Para ello se emplea
la
información de encaminamiento de la red y la carga de sus enlaces
como
entradas de un sistema de ecuaciones lineales
. Dicho método
, denominado
tomogravedad,
se aplica en las redes GÉANT y GRNET.
En el caso de GÉANT, la información requerida se adqui
ere
a partir de dos
aplicaciones existentes en su portal de monitorización: Cacti y Looking Glass.
En GRNET se emplea la herramienta de monitorización
Nemo
, desarrollada
por profesores de la EETAC. Utilizando estos datos a la entrada de un sistema
compuesto por diferentes módulos desarrollados en
R
,
Java
y
Matlab
, se
obtienen
2016 matrices para la red GÉANT y 268 para GRNET
.
Las matrices de tráfico
han sido
sometidas a un proceso de validación
empleando nuevamente la carga de los enlaces.
Los resultados obtenidos han
sido satisfactorios, habiéndose conseguido
, en el peor de los casos,unos valores de error cuadrático medio normalizado del 3,5% en GÉANT y 0,09% en GRNET.
Logrado el objetivo anterior
, las series temporales centran la atención de la
segunda
parte
del PFC. En ella se plantea una metodología para el análisis y
pre
dicción de los volúmenes de tráfico estimados que se intercambian los
puntos de ingreso y egreso de la red
GÉANT
durante el intervalo de tiempo en
cuestión.
Nuevamente, los resultados obtenidos han sido satisfactorios,
habiéndose conseguido
en series predi
ctibles, en el peor de los casos,
un error cuadrático medio normalizado del 10%. English: A fundamental obstacle to developing methods for traffic engineering in a network today is the inability of network operators to measure the traffic matrix. A traffic matrix provides, for every ingress point into the network and egress point out of the network, the volume of traffic exchanged between these points over a given time interval. The direct way to obtain the traffic matrix is based on performing flow level measurements. Unfortunately, many networks have no devices with such capabilities enabled. The first part of this PFC introduces a simple and efficient method for computing traffic matrix in IP networks. For this purpose, link loads and network routing information are the inputs of a linear equations system. Such method, called tomogravity, is applied in GÉANT and GRNET networks. In GÉANT the information will be acquired from the applications available in its monitoring web page: Cacti and Looking Glass. In the case of GRNET, a monitoring tool developed by professors of EETAC, called Nemo, has been used. With these data as inputs of a system composed by several modules developed in R, Java and Matlab, 2016 matrices have been obtained in GÉANT and 268 in GRNET. The traffic matrices have been validated using the measured link loads. The obtained results have been satisfactory, getting in the worst case, a normalized mean square error of 3.5% in GÉANT and a value of 0.09% in GRNET. Time series focus the attention of the second part of this PFC, where a methodology for the analysis and prediction of the traffic volumes estimated by the tomogravity method in GÉANT will be described. Again, the obtained results have been satisfactory, getting in predictable series, in the worst case, a normalized mean square error of 10%. |