Validazione di un modello matematico per l'exporting efficiente di dati di monitoraggio
Autore
Annarita Festinese - Università degli Studi di Napoli - Federico II - [2005-06]
Documenti
Abstract
Questo lavoro di tesi focalizza l’attenzione su un modello analitico per l’exporting efficiente di dati di monitoraggio condotto su flussi di pacchetti. In particolare abbiamo considerato due classi di flussi, gli elephant ed i mouse.
I flussi elephant sono quei flussi che apportano un maggior contributo al traffico osservato, e quindi sono di interesse per applicazioni quali pianificazione della rete, ingegneria del traffico e sicurezza, mentre i flussi mouse non apportano un contributo rilevante al traffico osservato e quindi sono poco importanti per le suddette applicazioni.
Per la misura dei flussi abbiamo fatto riferimento all’architettura standardizzata dal gruppo IPFIX (IP Flow Information Export) dell’ IETF (Internet Engineering Task Force).
In particolare ci siamo soffermati sull’organizzazione dell’area di memoria, detta flow cache, in cui vengono memorizzati i flow record, ossia le strutture dati che contengono tutte le informazioni relative ad i flussi contemporaneamente attivi nel sistema. La flow cache è ordinata secondo l’algoritmo Least Recently Used (LRU), che consiste nel collegare i flow record in una lista in cui in testa si troverà sempre il flow record aggiornato o creato più di recente, mentre in coda si troverà quello che non viene aggiornato da più tempo.
L’exporting delle informazioni relative ai flussi elephant trae beneficio dall’applicazione di tale algoritmo di ordinamento perché i flow record associati a tali flussi possono essere facilmente individuati analizzando le prime posizioni della flow cache.
In questo lavoro di tesi viene validato un modello stocastico che ha lo scopo di prevedere il comportamento della flow cache. In particolare, considerando il numero dei flussi contemporaneamente attivi nel sistema costante ed i tempi di interarrivo dei pacchetti esponenziali, la flow cache, organizzata secondo l’algoritmo LRU, può essere, modellata come una catena di Markov. Ciò consente di stimare la probabilità di avere K flussi elephant nelle prime posizioni della flow cache.
La validazione è stata effettuata confrontando i valori ottenuti utilizzando il modello con quelli risultanti da una attività di sperimentazione condotta sull’implementazione software della flow cache. I risultati dell’attività di validazione dimostrano che l’efficienza del modello non viene influenzata da N, numero di flussi contemporaneamente attivi, ed inoltre dimostrano che l’efficienza del modello è tanto più elevata quanto più consideriamo M, numero delle prime posizioni della flow cache, minore di N.
I contributi di questo lavoro di tesi sono i seguenti:
1. Modifica dell’ambiente di simulazione per rendere il modello più coerente con le sue stesse ipotesi.
2. Miglioramento dell’efficienza del modello, ottenuto individuando sperimentalmente una formula che avvicina i risultati del modello a quelli reali.
3. Una campagna di sperimentazione per validare il risultato trovato
4. Una campagna di sperimentazione per testare la robustezza del modello ed aprire la strada ad eventuali modifiche e generalizzazioni. La validazione del modello è stata effettuata utilizzando l’ambiente di sviluppo Anjuta ed il linguaggio di programmazione ad alto livello Octave, sotto Linux.
I risultati di questo lavoro costituiscono un contributo per la progettazione e l’implementazione di sistemi di misura dei flussi Internet facenti uso della disciplina LRU, e possono essere utilizzati anche per la modellazione di altri sistemi con disciplina LRU.
I flussi elephant sono quei flussi che apportano un maggior contributo al traffico osservato, e quindi sono di interesse per applicazioni quali pianificazione della rete, ingegneria del traffico e sicurezza, mentre i flussi mouse non apportano un contributo rilevante al traffico osservato e quindi sono poco importanti per le suddette applicazioni.
Per la misura dei flussi abbiamo fatto riferimento all’architettura standardizzata dal gruppo IPFIX (IP Flow Information Export) dell’ IETF (Internet Engineering Task Force).
In particolare ci siamo soffermati sull’organizzazione dell’area di memoria, detta flow cache, in cui vengono memorizzati i flow record, ossia le strutture dati che contengono tutte le informazioni relative ad i flussi contemporaneamente attivi nel sistema. La flow cache è ordinata secondo l’algoritmo Least Recently Used (LRU), che consiste nel collegare i flow record in una lista in cui in testa si troverà sempre il flow record aggiornato o creato più di recente, mentre in coda si troverà quello che non viene aggiornato da più tempo.
L’exporting delle informazioni relative ai flussi elephant trae beneficio dall’applicazione di tale algoritmo di ordinamento perché i flow record associati a tali flussi possono essere facilmente individuati analizzando le prime posizioni della flow cache.
In questo lavoro di tesi viene validato un modello stocastico che ha lo scopo di prevedere il comportamento della flow cache. In particolare, considerando il numero dei flussi contemporaneamente attivi nel sistema costante ed i tempi di interarrivo dei pacchetti esponenziali, la flow cache, organizzata secondo l’algoritmo LRU, può essere, modellata come una catena di Markov. Ciò consente di stimare la probabilità di avere K flussi elephant nelle prime posizioni della flow cache.
La validazione è stata effettuata confrontando i valori ottenuti utilizzando il modello con quelli risultanti da una attività di sperimentazione condotta sull’implementazione software della flow cache. I risultati dell’attività di validazione dimostrano che l’efficienza del modello non viene influenzata da N, numero di flussi contemporaneamente attivi, ed inoltre dimostrano che l’efficienza del modello è tanto più elevata quanto più consideriamo M, numero delle prime posizioni della flow cache, minore di N.
I contributi di questo lavoro di tesi sono i seguenti:
1. Modifica dell’ambiente di simulazione per rendere il modello più coerente con le sue stesse ipotesi.
2. Miglioramento dell’efficienza del modello, ottenuto individuando sperimentalmente una formula che avvicina i risultati del modello a quelli reali.
3. Una campagna di sperimentazione per validare il risultato trovato
4. Una campagna di sperimentazione per testare la robustezza del modello ed aprire la strada ad eventuali modifiche e generalizzazioni. La validazione del modello è stata effettuata utilizzando l’ambiente di sviluppo Anjuta ed il linguaggio di programmazione ad alto livello Octave, sotto Linux.
I risultati di questo lavoro costituiscono un contributo per la progettazione e l’implementazione di sistemi di misura dei flussi Internet facenti uso della disciplina LRU, e possono essere utilizzati anche per la modellazione di altri sistemi con disciplina LRU.
Questa tesi è correlata alle categorie
segnala questa pagina ::.