Тищенко Александр Владимирович
Факультет Компьютерных информационных технологий и автоматики
Кафедра автоматики и телекоммуникаций
Специальность: «Телекоммуникационные системы и сети»
Тема выпускной работы: «Исследование процессов управления в мультисервисных телекоммуникационных сетях с использованием прогнозных моделей»
Научный руководитель: доцент, к.т.н. Бессараб Владимир Иванович;

АВТОРЕФЕРАТ

квалификационной работы магистра
«Исследование процессов управления в мультисервисных телекоммуникационных сетях с использованием прогнозных моделей»

Содержание

1. Актуальность темы
2. Связь работы с научными программами, планами, темами
3. Цель и задачи исследования
3. 1 Цель работы
3. 2 Идея работы
3. 3 Основные задачи исследования
3. 4 Предмет исследования
3. 5 Объект исследования
3. 6 Методология и методы исследования
4. Предполагаемая научная новизна полученных результатов
5. Практическое значение полученных результатов
6. Апробация результатов работы
7. Обзор разработок и исследований по теме
7. 1 На локальном уровне
7. 2 На национальном уровне
7. 3 На глобальном уровне
8. Описание полученных и планируемых результатов работы
Выводы
Список использованной литературы
Примечания

1 Актуальность темы

2 Связь работы с научными программами, планами, темами

3 Цели и задачи исследования

3.1 Цель работы

Улучшение качества предоставления услуг в мультисервисных телекоммуникационных сетях.

3.2 Идея работы

Перераспределение ресурсов сети, между различными услугами с использованием прогнозных моделей.

3.3 Основные задачи исследования

Для достижения поставленной цели необходимо решить следующие задачи:

• Проанализировать требования QoS услуг, которые предоставляются в мультисервисных сетях, к каналу связи.
• Исследовать эффективность алгоритмов прогнозирования нагрузки в мультисервисных телекоммуникационных сетях.
• Проанализировать способы управления мультисервисной сетью.
• Исследовать процессы управления с различными моделями прогнозирования нагрузки в мультисервисных телекоммуникационных сетях.

3.4 Предмет исследования

Предметом исследования являются алгоритмы прогнозирования и методы управления мультисервисными сетями.

3.5 Объект исследования

Объектом исследования являются процессы прогностического управления мультисервисной сетью.

3.6 Методология и методы исследований

В данной квалификационной работе используются следующие методы исследования: аналитический и моделирование.

4 Предполагаемая научная новизна полученных результатов

• Впервые предложен алгоритм дифференцированного прогнозирования нагрузки на канал связи.
• Получила дальнейшее развитие теория прогнозирования.
• Получила дальнейшее развитие теория самоподобных процессов и фракталов.

5 Практическое значение полученных результатов

Использование системы прогностического управления мультисервисной сетью позволит улучшить качество предоставления услуг пользователям, за счет назначения приоритетов и тунелирования трафика, а так же резервирования ресурсов сети. Для оператора связи, данная система даст возможность минимизировать потери, за счет того, что в моменты перегрузки канала связи отбрасывается или становится в очередь трафик с более низким показателем отношением «денежных единиц на бит» или другим показателем который определяет оператор связи. Прогнозирование и тунелирование трафика дает возможность использовать столько канального ресурса, сколько требуется в данный момент, а оставшийся ресурс может быть использован на усмотрение оператора.

6 Апробация результатов работы

В рамках данной квалификационной работы планируется выступить 25-27 мая 2010 года на пятой научно-практической конференции «Донбасс 2020: перспективы развития глазами молодых ученных» с темой доклада «Прогнозування навантаження у мультисервісних мережах».

7 Обзор разработок и исследований по теме

7.1 На локальном уровне

В университете вопросы прогнозирования нагрузки в телекоммуникационной сети исследовал Соловьёв М.С.. В его публикации «Прогноз трафика GSM с учетом свойств фрактальности» рассмотрен прогноз нагрузки в сети мобильной связи. Вопросы обеспечения QoS в мультисервисной сети исследовала Федосеева О.С.. В её квалификационной работе магистра «Исследование особенностей обеспечения характеристик качества обслуживания различных типов трафика в NGN-мультисервисных сетях» рассмотрены механизмы обеспечения QoS и определены характеристики качества обслуживания для различных типов сетей.

7.2 На национальном уровне

На национальном уровне в рамках данной темы ведутся следующие исследования:
Публикация, Артеменко М.Е., Касымов Р.Р. Государственный университет информационно коммуникационных технологий, в которой предложено прогнозирование мультисервисного трафика с использованием нейронных сетей, при этом прогнозное значение трафика представлено в виде суммы следующих показателей: тренд, показывающий рост абонентской базы, «утяжеление» сетевых приложений и т.д.; периодическая составляющая; флуктуации трафика, вызванные распределением сетевых ресурсов, переполнением буферов маршрутизаторов, временными перегрузками, выходом из строя сетевых элементов и т.п.; случайные флуктуации трафика в краткосрочном масштабе. При этом каждая составляющая прогнозируется отдельно. Для решения задачи декомпозиции информации о сетевом трафике на составляющие предложено применять дискретное вейвлет преобразование. Публикация Кудзиновской И.П. Институт компьютерных технологий Национальный авиационный университет. Проанализированы методы обеспечения качества обслуживания в сетях. Рассмотрено влияние свойства самоподобия трафика на показатели QoS. Обоснована необходимость разработки алгоритмов формирования трафика и предотвращения перегрузки с учетом самоподобия трафика.

7.3 На глобальном уровне

Диссертация Репина Д.С. на тему «Анализ и моделирование». В ней решены следующие задачи: разработана комплексная методика экспериментального исследования трафика в сетях связи; разработан способ имитационного моделирования кривой изменения интенсивности нестационарного трафика. Публикация Алиева Р.Т. «Методы управления трафиком в мультисервисных сетях». Предложен механизм приоритезации трафика и дальнейшей его обработки в узлах сети. Критерием оптимизации является минимизация задержки пакета в буфере устройства. Диссертация Платова В.В. на тему «Специальное математическое и программное обеспечение процессов управления интенсивностью передачи данных» в которой исследован алгоритм рационального выбора технологии прогнозирования самоподобных процессов, обеспечивающий выбор наиболее эффективного с точки зрения точности и вычислительной сложности метода прогнозирования самоподобных процессов в коммуникационных системах. А также предложен алгоритм управления интенсивностью потока данных, обеспечивающий оптимизацию передачи данных по компьютерным сетям с самоподобным трафиком.

8 Описание полученных и планируемых результатов работы

Мультисервисной сетью называют сеть, в которой клиент может получать несколько различных услуг по одной абонентской линии (комбинация сервисов):

• Интернет – доступ до всемирной сети, Web – страницы, FTP, электронная почта и др.
• VPN – виртуальная частная сеть, что позволяет строить сети, или защищенные каналы через Интернет (или арендованные каналы сторонних организаций).
• VoIP – IP-телефония, телефонная связь на основе пакетной коммутации.
• IPTV – передача видео изображения по сети IP.

Каждый из этих сервисов выдвигает свои требования, для полноценного функционирования, к каналу связи:

Таблица 8.1 – Требования к QoS разных сервисов

где,
t_c – время установления соединения, с;
p^(rj) – вероятность разрыва соединения
dT – задержка, мс;
Dj – джитер, мс;
B – полоса пропускания канала.
Поскольку физический канал один, а требования услуг различны, то распределение канального ресурса межед услугами является важной функцией для обеспечения требования QoS услуг [2].

Так же стоит отметить, что трафик генерируемый данными приложениями обладает свойством самоподобия. Случайный процесс X(t) считается самоподобным с параметром Хэрста H > 0, если статистические характеристики процесса X(t) не изменяются при масштабировании по амплитуде на a^-h и по времени на a для всех а > 0:

где,
Н - коэффициент или параметр Хэрста представляет собой меру самоподобности.

Для самоподобных процессов характерны следующие свойства:

• Дисперсия агрегированного участка с коэффициентом агрегации m равна:

  Var[X(m)]=Var[X]/mb

  (8.2)

  
  

  b=2(1-H)

  (8.3)

  
  

  где,
  Var[x] – дисперсия процесса;
  Var[x^(m)] – дисперсия агрегированного процесса;
  m – коэффициент агрегации;

• Автокорреляционная функция агрегированного самоподобного процесса не стремится к нулю при m стремящемся к бесконечности.

Самоподобные процессы могут проявлять свойство долгосрочной зависимости, что означает проявление зависимости между событиями через достаточно большой промежуток времени [3]. Не маловажным свойством трафика мультисервисных сетей является свойство периодичности. Это обусловлено тем, что уровень нагрузки на сеть зависит от суточной активности абонентов, ночью на сеть нагрузка обычно ниже, а днем можно выделить один или несколько пиков активности.

Это свойство важно для прогнозирования нагрузки на сеть. Для этого можно выделить несколько периодов: суточный, недельный. Благодаря этому возможно оценить средний уровень нагрузки в определенный промежуток времени.

Для прогнозирования нагрузки могут использоваться следующие стандартные алгоритмы прогнозирования:

• Алгоритм скользящего среднего;
• Алгоритм экспоненциального сглаживания;
• Алгоритм двойного экспоненциального сглаживания;
• Алгоритм тройного экспоненциального сглаживания;
• Авторегрессионные методы (AR, ARMA, ARIMA);
• Прогнозирование с помощью нейронных сетей [4];

Данные алгоритмы при применении в чистом виде имеют большую погрешность. Для более точного результата можно применить следующий алгоритм:

Прогнозное значение нагрузки на следующий момент времени равно:

(8.4)

где,
В – прогнозное значение трафика на следующий промежуток времени;
NextAvg – математическое ожидание на следующий момент времени;
NextDisp – дисперсия на следующий момент времени;

Исходя из свойства периодичности трафика, сформируем временной ряд из определенного числа отсчетов, которые берутся из основной статистики сети с определенным шагом (периодом). По сформированному ряду можно спрогнозировать математическое ожидание на следующий момент времени одним из стандартных алгоритмов прогнозирования, например, алгоритмом экспоненциального сглаживания.

Дисперсия на следующий момент времени может быть рассчитана исходя из свойств самоподобия трафика мультисервисных сетей. Для агрегированной реализации трафика входящей в окно наблюдения необходимо вычислить коэффициент Хэрста. Далее используя формулы 8.2 и 8.3 рассчитаем дисперсию процесса на следующий момент времени:

где,
Disp – дисперсия агрегированного процесса.

Для перераспределения ресурсов канала, трафик в сети должен быть приоритезированным (каждый пакет должен иметь метку к какому типу трафика он относится). Благодаря этому возможно вести прогноз отдельно для каждого типа трафика в канале. Если ожидается увеличение уровня трафика с определенным приоритетом, то ресурсы сети могут быть перераспределены, что позволит предупредить потери данного тип трафика.

Одним из способов перераспределения ресурсов может быть туннелирование трафика (в каждый туннель помещается трафик с одинаковым приоритетом механизмами технологии MPLS) и резервирование ресурсов сети с помощь протокола RSVP. Если система прогнозирования предполагает рост одного из типов трафика, то производится перераспределение ресурса сети (в данном случаи пропускной способности канала) по следующему алгоритму:

1. Если в канале есть не зарезервированные ресурсы они могут быть зарезервированы под данный тип трафика.
2. Если в канале нет свободных ресурсов, но есть альтернативный маршрут доставки пакетов с худшей метрикой и в нем есть свободный ресурс, то через него строится туннель, через который начинается транспортировка части или всего трафика с наименьшим приоритетом в канале. А туннель для этого трафика в основном канале уменьшается или полностью удаляется.
3. Если в канале нет свободных ресурсов и нет альтернативных маршрутов, то туннели с трафиком меньшего приоритета уменьшаются на нужную величину.
Благодаря такому перераспределению ресурсов мы удовлетворяем одно из требований услуг к качеству обслуживания – полоса пропускания канала связи

Рисунок 8.2 - Пример распределения ресурсов между различными типами трафика в канале

(Анимация: объём - 13 КБ; размер - 372х176; задержка между последним и первым кадрами - 500 мс; количество циклов повтореня - бесконечное)

Выводы

Благодаря использованию системы прогностического управления трафиком в мультисервисной телекоммуникационной сети, появляется возможность перераспределения ресурса в сети. Что позволяет удовлетворить требования услуг по качеству обслуживания, тем самым обеспечивая заданное качество предоставления услуг пользователям в мультисервисной сети.

Список использованной литературы:

1. Global Bandwidth Research Service [Электронный ресурс] - Режим доступа к статье: http://www.telegeography.com/product-info/gb/index.php
2. Величко В.В. Телекоммуникационные системы и сети: Учебное пособие. В 3 томах. Том 3. - Мультисервисные сети. / Е.А. Субботин, В.П. Шувалов, А.Ф. Ярославец. - М.: Горячаяя линия - телеком, 2005. - 592 с.
3. Столлингс В. Современные компьютерные сети. - [2-е изд]. - СПб.: Питер, 2003. - 783 с.
4. Дуброва Т.А. Статистические методы прогнозирования: Учеб. пособие для вузов. - М.: ЮНИТИ-ДАНА, 2003. - 206 с.
5. Громов Ю.Ю. Фрактальный анализ и процессы в компьютерных сетях : учеб. пособие. - [2-е изд]. Н.А. Земской, О.Г. Иванова, А.В. Лагутин, В.М. Тютюнник. - Тамбов: Тамб. гос. техн. ун-та, 2007. - 108 с.
6. Лившиц Б.С. Теория телетрафика. Учебник для вузов. - [2-е изд]. / А.П. Пшеничников, А.Д. Харкевич. - М.: Связь, 1979. - 224с.
7. Кошманский В.И. Нейронные сети и их применение в системах управления и связи. / Д.А. Смирнов. - М.: Горячая линия - Телеком, 2003. - 94 с.
8. Крылов В.В. Теория телетрафика и её приложения. / С.С. Самохвалова. - СПб.: БХВ-Петербург, 2005. - 288 с.
9. Вегешна Ш. Качество обслуживания в сетях IP. - М.: Издательский дом "Вильямс", 2003. - 368 с.
10. Филимонов А.Ю. Построение мультисервисных сетей Ethernet. - СПб.: БХВ-Петербург, 2007. - 592 с.

Примечание

При написании данного автореферата квалификационная работа магистра ещё не завершена. Дата окончательного завершения работы: 20 декабря 2010 г. Полный текст работы и материалы по теме работы могут быть получены у автора или его научного руководителя после указанной даты.

ДонНТУ Портал магистров