Proyecto fin de carrera
This presentation is the property of its rightful owner.
Sponsored Links
1 / 30

Proyecto Fin de Carrera PowerPoint PPT Presentation


  • 105 Views
  • Uploaded on
  • Presentation posted in: General

Proyecto Fin de Carrera. Introducción y Objetivo. Introducción Transmisión de vídeo VBR en redes con multiplexación estadística Tráfico VBR presenta comportamiento LRD, asociado a fractalidad o autosemejanza, parametrizable con H

Download Presentation

Proyecto Fin de Carrera

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Proyecto fin de carrera

Proyecto Fin de Carrera


Introducci n y objetivo

Introducción y Objetivo

  • Introducción

    • Transmisión de vídeo VBR en redes con multiplexación estadística

    • Tráfico VBR presenta comportamiento LRD, asociado a fractalidad o autosemejanza, parametrizable con H

    • Tráfico prioritario LRD puede afectar a la QoS de otros tráficos de baja prioridad: fenómeno de starvation o inanición


Introducci n y objetivo1

Introducción y Objetivo

  • Objetivo

    • Constatar el fenómeno de starvation en las condiciones planteadas

    • Analizar la repercusión que tiene el parámetro H sobre el problema de starvation


Contenido

Contenido

1. Concepto de starvation

2. Tráfico de alta prioridad

3. Tráfico de baja prioridad

4. Escenario para confrontación del tráfico

5. Simulación en escenario con modelos

6. Conclusiones finales y líneas futuras de investigación


1 concepto de starvation

1. Concepto de starvation

  • Necesidad de clases de servicios en las redes de datos

  • Ofrecer determinada QoS en base a fijar parámetros:

    • Retardo

    • Fluctuación del retardo (jitter)

    • Ancho de banda

    • Fiabilidad


1 concepto de starvation1

  • Estrategias de gestión de colas

    • Cola FIFO

    • Cola SPQ

    • Cola FQ

    • Cola WRR

    • Cola WFQ

Tráfico de alta prioridad

Tráfico de baja prioridad

1. Concepto de starvation

  • Uso de mecanismos de control de la calidad de servicio:

    • Protocolos de reserva del ancho de banda

    • Mecanismos contra la congestión

    • Tratamiento de colas con preferencias:


1 concepto de starvation2

1. Concepto de starvation

  • Aparición del fenómeno de starvation:

    • Redes de datos asíncronas con multiplexación estadística

    • QoS bajo esquemas de planificación de prioridad absoluta (SPQ)

    • Flujo de alta prioridad presenta comportamiento LRD

STARVATION

Flujo de baja prioridad ve mermada su QoS


2 tr fico de alta prioridad

2. Tráfico de alta prioridad

  • Caracterización del comportamiento LRD

Dependencias a largo plazo (LRD)

Fractalidad o autosemejanza

Fenómeno de persistencia o efecto Hurst

Parámetro de Hurst H en el rango 0.5 a 1

Aplicación de diferentes métodos para estimar H


2 tr fico de alta prioridad1

2. Tráfico de alta prioridad

  • Comportamiento del flujo de datos para servicio de vídeo VBR

Distintas naturalezas de señal audiovisual

Series almacenadas de muestras de tráfico de vídeo

Distintas opciones del esquema de codificación (MPEG-1, M-JPEG, H.261)

Estimación de H

  • Series codificadas VBR presentan LRD

  • Comportamiento LRD en dos rangos:

    • H alto (de 0.8 a 1)

    • H bajo (de 0.6 a 0.8)


2 tr fico de alta prioridad2

2. Tráfico de alta prioridad

  • Propuesta de modelos para tráfico de alta prioridad

PDF o pdf Dependencias SRD Dependencias LRD

Modelado mediante ajuste del descriptor estadístico

Tamaño medio de cola Desviación de la cola Probabilidad de pérdidas Distribución de datos en cola

Modelado mediante ajuste del comportamiento en cola

MODELO


2 tr fico de alta prioridad3

2. Tráfico de alta prioridad

  • Validación de modelos

Del ajuste del descriptor estadístico

Del ajuste del comportamiento en cola

  • Rango de comportamiento LRD

  • Situación de alta tasa de ocupación

  • Modelo parsimonioso

Modelo sintético FGN parametrizable con H


3 tr fico de baja prioridad

3. Tráfico de baja prioridad

  • Tráfico genérico de redes de datos multiplexado

  • Modelado grueso sin considerar retransmisiones

  • Consideración del comportamiento de baja prioridad en cola

  • Modelo de fácil parametrización, ajustable en la tasa de ocupación del canal

Modelo de fuentes sintéticas ON - OFF


3 tr fico de baja prioridad1

Velocidad de información del modelo ON-OFF

VON

Tiempo

VOFF

Tiempo de inactividad

distribuido con media TOFF

Tiempo de actividad

distribuido con mediaTON

3. Tráfico de baja prioridad

  • Modelo de fuentes sintéticas ON – OFF :

  • Ocupación modelable con TOFF=((1/)-1)TON , 0<1

  • TON , TOFF exponencial

  • TON , TOFF subexponencial (heavy-tailed) mediante Pareto de mínimo nulo, F(x)=1-((b+x)/b)- , con b=(-1) y 1<2 para heavy-tailed


3 tr fico de baja prioridad2

Velocidad de información del modelo ON-OFF

VON

Tiempo

VOFF

Tiempo de inactividad

distribuido con media TOFF

Tiempo de actividad

distribuido con mediaTON

Velocidad de información de la señal de alta prioridad

VXmax

VON = VXmax - VXmedia

VXmedia

Tiempo

3. Tráfico de baja prioridad

  • Modelo de fuentes sintéticas ON – OFF :


4 escenario de simulaci n

Enlace de salida

4. Escenario de simulación

  • QoS de alta prioridad respetada: Cservicio=  * máx.(X[n])

  • QoS de baja prioridad afectada por retardos en cola

  • Q[n] modelo flujo de fluidos Q[n]=máx.(0,min.(B,Q[n-1]+X[n]-C)) con B=

Modelo de planificación del servicio de estricta prioridad (SPQ)

Flujo de datos de un servicio de alta prioridad

Cola de alta prioridad

X[n]

Servidor

Flujo de datos genérico de baja prioridad

Y[n]

Cservicio

Q[n]

Cola de baja prioridad


5 simulaci n

Q[n]

5. Simulación

  • Parametrización de los modelos

X[n]

FGN de 106 muestras:

H = 0.9, 0.7 y 0.5

 = 1.5Mbps, 128Kbps

 = 0.5, 1.0 y 1,5

Y[n]

ON-OFF de 106 muestras:

VON = función de X[n]

TOFF = función de  = 0.5, 0.6, 0.75, 0.9 y 1

TOFF y TOFF Exponencial

TOFF y TOFF Pareto  =1.5

  • Retardo medio

  • Desviación del retardo (jitter)

  • Distribución de datos retenidos


5 simulaci n1

109-1010

106-107

5. Simulación

 = 128Kbps

H = 0.9

  • Retardo medio

ON-OFF exponencial

 = 1.5

 = 1.0

 = 0.5

= % ocupación

  • Retardo medio  cuando 

  • Retardo medio  para altos 

  • Cuando  entonces el retardo medio


5 simulaci n2

 = 128Kbps

H = 0.7

ON-OFF exponencial

 = 1.5

 = 1.0

109-1010

106-107

 = 0.5

106-107

105-106

5. Simulación

  • Retardo medio

= % ocupación

  • Cuando H entonces retardo medio 

  • Cuando H, retardo medio  para altos 


5 simulaci n3

 = 128Kbps

H = 0.5

ON-OFF exponencial

 = 1.5

 = 1.0

106-107

105-106

105-106

 = 0.5

105-106

5. Simulación

  • Retardo medio

= % ocupación

  • Para valores de H, la importancia de 


5 simulaci n4

5. Simulación

 = 1.5

 = 128Kbps

  • Retardo medio, RESUMEN

ON-OFF exponencial

H = 0.9

H = 0.7

H = 0.5

= % ocupación

  • Cuando H, el retardo medio 

  • Para altos , cuando H, el retardo medio 


5 simulaci n5

 = 1.5

 = 128Kbps

ON-OFF exponencial

H = 0.9

H = 0.7

H = 0.5

5. Simulación

  • Jitter, RESUMEN

= % ocupación

  • Evolución del jitter con H = evolución del retardo con H


5 simulaci n6

H = 0.9

H = 0.7

H = 0.5

5. Simulación

 = 1.5

  • Distribución de datos en cola

 = 128Kbps

ON-OFF exponencial

= 50% ocupación

H = 0.9

H = 0.7

H = 0.5

Bits retenidos en cada intervalo de la cola

= 75% ocupación


5 simulaci n7

H = 0.9

H = 0.7

H = 0.5

5. Simulación

 = 1.5

  • Distribución de datos en cola

 = 128Kbps

ON-OFF exponencial

= 50% ocupación

H = 0.9

H = 0.7

H = 0.5

Bits retenidos en cada intervalo de la cola

= 90% ocupación


5 simulaci n8

H = 0.9

H = 0.7

H = 0.5

5. Simulación

 = 1.5

  • Distribución de datos en cola

 = 128Kbps

ON-OFF exponencial

= 50% ocupación

H = 0.9

H = 0.7

H = 0.5

Bits retenidos en cada intervalo de la cola

= 100% ocupación


5 simulaci n9

H = 0.9

H = 0.7

H = 0.5

5. Simulación

  • Distribución de datos en cola

  • Cuando H, la cantidad de datos retenidos 

  • Para altos , cuando H, los datos retenidos 

= 100% ocupación

Bits retenidos en cada intervalo de la cola


5 simulaci n10

H = 0.9

H = 0.7

H = 0.5

5. Simulación

  • Repetición de la serie de pruebas anteriores para:

    •  = 1.5Mbps

      • Empeoramiento general de las condiciones

    • ON-OFF subexponencial (Pareto con =1.5)

      • Idéntica variación de la QoS con la variación de H

= % ocupación


6 conclusiones y l neas futuras

6. Conclusiones y líneas futuras

  • Se concluye que la QoS se ve afectada claramente por H :

    • Cuando H, la QoS 

    • Para altos , cuando H, la QoS 

    • Mayores valores de  y empeoran la QoS:

      • Influencia de  para valores de H

Se constata el fenómeno de starvation

Se caracteriza su influencia mediante H


6 conclusiones y l neas futuras1

6. Conclusiones y líneas futuras

  • Líneas futuras de investigación:

    • Influencia de MPEG4 y DIVX sobre starvation

    • Atenuación de starvation en esquemas como WFQ

    • Efecto de starvation entre flujos de misma clase de servicio

    • Pruebas con generadores de tráfico en redes de datos


Final de la presentaci n

Final de la presentación

del Proyecto Fin de Carrera:

Estudio de la repercusión del tráfico autosemejante sobre redes de multiplexación estadística


  • Login