Подход к построению параметризованной модели сети передачи данных

Григорьев Александр Сергеевич,
аспирант Ульяновского государственного технического университета.

В статье предлагается подход к построению имитационной модели сети передачи данных (СПД), которая параметризуется за счет результатов активных и пассивных измерений в реальной сети. Подход описывает алгоритмы интеграции процессов измерения и моделирования.

Использование имитационного моделирования в решении задачи проектирования СПД позволяет получить более точные проектные решения. При этом нетривиальной является задача воспроизведения в модели СПД информационных потоков [1, 7, 8]. Что связано с многообразием современных протоколов прикладного уровня, сетевых приложений, различными моделями поведения пользователей в сети. Одним из возможных решений такой задачи может быть параметризация модели путем проведения в реальной сети ряда измерительных процедур [2].

Оценивая степень исследованности проблем моделирования СПД следует отметить, что в части методов моделирования существует достаточно теоретической и практической базы, имеется множество зарекомендовавших себя программных пакетов моделирования. Также большое число методов и средств разработано для организации измерений в сетях передачи данных, но они, как правило, носят утилитарный характер и предназначены для решения частных задач. Гораздо реже можно встретить комплексные решения, объединяющие  в себе измерение и моделирование. Но и такие продукты ограничены в применении. Например одна из известных систем моделирования OPNET позволяет проводить измерения и настройку модели посредством протокола SNMP и не использует активные измерения, что приводит к ряду ограничений: невозможно обнаружить в сети узлы, не поддерживающие SNMP, соответственно невозможно выявить характеристики каналов передачи данных между такими узлами. Таким образом, существует определенный пробел между средствами измерения и моделирования, который на практике заполняется ручным трудом, когда специалист, применяя набор не связанных средств, трансформирует результаты работы одного инструмента для управления другим. Рассматриваемые в настоящей работе подход позволяет автоматизировать такой труд.

Для апробации на практике изложенных в работе идей использовался ряд инструментальных средств: в качестве среды имитационного моделирования – симулятор сетей NS2; для организации пассивных измерений - пакеты программ TCPDUMP, MRTG, Net-SNMP; для выяснения топологии моделируемой СПД на сетевом уровне - программный инструмент TRACEROUTE; для организации активных измерений – пакеты: pathchar, clink [3, 4, 5, 6, 9] и собственные средства.

В предлагаемом подходе вводятся два понятия: трафик информационных потоков и перекрестный трафик. Трафик информационных потоков – это трафик имитируемых сетевых приложений, который в имитационной модели представляется как массив коммуникаций с рядом характеристик: время возникновения, взаимодействующие узлы, объем и интенсивность передачи данных, прочие параметры. Перекрестный трафик – это трафик, который возникает и терминируется на узлах за пределами моделируемого участка, но оказывает влияние на информационные потоки, поскольку создает загруженность каналов СПД моделируемой сети. Такой трафик будет учитываться в модели в виде некоторого потока обезличенных данных между двумя соседними узлами модели, например двумя маршрутизаторами, с главной характеристикой:  объем трафика в единицу времени. Это позволяет воссоздать в модели нагрузку на оборудование, создаваемую сторонним трафиком при реальной эксплуатации сети. В этой связи важное значение имеет оценка загруженности удаленных каналов – параметра далее обозначаемого как «U». Предполагается, что мы имеем дело с дуплексными каналами передачи данных, соответственно, расчет параметра выполняется для каждого направления передачи трафика (U₁ и U₂).

Разработан и предлагается алгоритм построения имитационной модели СПД, представленный на рисунке 1. Исходными данными для алгоритма является множество N^S – множество серверов, относительно которых требуется построить модель сети и информационных потоков. Они рассматриваются как точки мониторинга для получения множества R – трейсов работы реальной сети. На основании данных R формируются: множества клиентов N^С и  промежуточных узлов N^G (маршрутизаторы IP-сети), множество сессий информационного обмена S и сетевых маршрутов P, матрицы связей С между элементами множества узлов N=(N^S, N^С, N^G), множество каналов связи L^p, множество параметров перекрестного трафика O. Которые впоследствии используются для генерации кода имитационной модели M=(M^N, M^L, M^S, M^O). Где M^N – модель узлов, M^L – модель каналов, M^S – модель информационных потоков, M^O – модель перекрестного трафика, представленные в виде программного кода языке симулятора NS2. Скрипт загруженный в симулятор – есть имитационная модель исследуемой сети передачи данных.

Приведенный алгоритм реализуются набором специальных функций, которые трансформируют данные в ходе построения модели. Выделены функции измерительные, функции трансформации данных внутри модели и функции интеграционные. Связность функций между собой образует общую схему интеграции процессов измерения и моделирования, представленную на рисунке 2. Алгоритм построения имитационной модели, взаимосвязь функций и суть выполняемых ими преобразований образуют собой подход к автоматизации построения имитационной модели сети передачи данных за счет интеграции процессов измерения и моделирования.

Рис. 1. Алгоритм построения модели сети на основе результатов измерений.

Рис. 2. Схема интеграции процессов измерения и моделирования, функции интеграционные

и внутри процессов.

Литература

1.                  Григорьев А.С. Моделирование сетевых приложений. Сборник трудов VI всероссийского совещания-семинара «Информационные технологии в учебном процессе кафедр физики и математики (ИТФМ-2002)», Ульяновск, 2002.

2.                  Григорьев А.С. Планирование измерительных экспериментов в сети УлГТУ. Сборник докладов XXXV научно-технической конференции ППС УлГТУ «Вузовская наука в современных условиях», Ульяновск, 2001.

3.                  Bandwidth estimation: metrics, measurement techniques, and tools [электронный ресурс]. IEEE Network, 2003. http://www.caida.org/outreach/papers/2003/bwestmetrics/.

4.                  Claffy, K. Internet measurement and data analysis: passive and active measurement  / K.Claffy, S. McCreary. 1999. http://www.caida.org/outreach/papers/1999/Nae4hansen/Nae4hansen.html.

5.                  Curtis, J. Review of bandwidth estimation techniques [электронный ресурс]. 2001. http://citeseer.ist.psu.edu/curtis01review.html

6.                  Downey, A. B. Using pathchar to estimate internet link characteristics // Measurement and Modeling of Computer Systems. 1999. Pp. 222–223. http://citeseer.ist.psu.edu/downey99using.html.

7.                  Grigoriev A.S.  The approach to simulation of network services in large computer networks. Interactive Systems: The Problems of Human-Computer Interaction. – Proceedings of the 5-Th International Conference. – Ulyanovsk: UlSTU, 2003, p. 102.

8.                  Grigoriev A.S. About integration of the measurement and simulation at designing computer networks. Problems of the measuring experiments. Interactive Systems: The Problems of Human-Computer Interaction. – Proceedings of the 4-Th International Conference. – Ulyanovsk: UlSTU, 2001, p. 102.

9.                  Jain, M. End-to-end available bandwidth: Measurement methodology, dynamics, and relation with tcp throughput // Proceedings of SIGCOMM. Pittsburgh, PA: 2002. August. http://citeseer.ist.psu.edu/jain02endtoend.html.

Поступила в редакцию 16.12.2008 г.