Имитационные модели системы массового обслуживания типа Pa/M/1, H2/M/1 и исследование на их основе качества обслуживания трафика со сложной структурой Текст научной статьи по специальности «Компьютерные и информационные науки»
Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Ушанев Константин Владимирович
Постановка задачи: в настоящее время рост доли мультисервисного трафика в сетях связи , а также необходимость обеспечения требований потребителей услуг связи, делают актуальными вопросы обеспечения качества обслуживания трафика сложной структуры в узлах сетей связи . Целью работы является оценка времени задержки пакетов в узлах сети связи при обслуживании трафика сложной структуры на основе разработанной имитационной модели. В качестве критерия сложности структуры трафика используется коэффициент вариации интервала времени между очередными пакетами. В качестве модели трафика сложной структуры используются потоки, имеющие Парето- и гиперэкспоненциальное распределения в широком диапазоне изменения их входных параметров и уровня загрузки узлового оборудования сети связи . Используемые методы: модель узлового оборудования формализована на основе научно-методического аппарата теории массового обслуживания и реализована в программной среде имитационного моделирования GPSS World. Новизной данной работы являются количественные оценки качества обслуживания трафика сложной структуры по показателю времени задержки при обслуживании в узловом оборудовании сети связи , полученные в результате проведенного исследования разработанных имитационных моделей обслуживания трафика с Парето- и гиперэкспоненциальным распределениями в широком диапазоне изменения их входных параметров. Результат: на основе данных, полученных при исследовании имитационных моделей обслуживания трафика типа Pa/M/1, H2/M/1, было определено, что своевременность обслуживания трафика со сложной структурой в узлах связи по показателю времени задержки существенно зависит от загрузки узлового оборудования. При исследовании имитационной модели обслуживания трафика с распределением Парето Pa/M/1 было выявлено, что значение коэффициента вариации интервала времени между очередными заявками такого трафика имеет экспоненциальную зависимость от значений параметра формы распределения Парето. Также при заданном диапазоне значений параметров потока с распределением Парето, определяющих загрузку устройства обслуживания (при фиксированном времени обслуживания), характерны три области, в которых время задержки заявок потока с распределением Парето имеет значения: больше, чем время задержки для потока с экспоненциальным распределением; меньше, чем время задержки для потока с экспоненциальным распределением; практически равные значениям времени задержки для потока с экспоненциальным распределением. Определены предельные значения коэффициента масштаба для потока с распределением Парето, которые приводят к перегрузке устройства обслуживания. При исследовании имитационной модели H2/M/1 получена количественная оценка уровня снижения своевременности обслуживания потока с гиперэкспоненциальным распределением относительно потоков с распределением Парето и с экспоненциальным распределением. Получены оценки уровня снижения своевременности обслуживания по показателю времени задержки в зависимости от уровня загрузки устройства обслуживания и от значения коэффициента вариации . На основе полученных данных имитационного моделирования сделан вывод о том, что своевременность обслуживания в узлах сетей связи трафика сложной структуры с распределением Парето по показателю времени задержки снижается. При повышении загрузки узлового оборудования сети связи до 0,9 и росте значения коэффициента вариации интервала времени между пакетами до 23,6 своевременность обслуживания снижается до 539 раз по сравнению с обслуживанием экспоненциального трафика. Для гиперэкспоненциального распределения при тех же значениях загрузки сети связи и коэффициента вариации своевременность обслуживания снижается до 8000 раз по сравнению с обслуживанием экспоненциального трафика. Практическая значимость: разработанная имитационная модель и полученные при проведении моделирования результаты позволяют обосновать перспективные требования к быстродействию узлового оборудования сетей связи , которые в дальнейшем позволят обеспечить своевременность обслуживания трафика со сложной структурой.
Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Ушанев Константин Владимирович
Simulation Models of Queuing Systems of Type Pa/M/1, H2/M/1 and Research on the Basis of their Quality of Service Traffic with a Complicated Structure
Problem statement: currently share growth of multimedia traffic in communication networks, as well as the need to ensure the requirements of consumers of telecommunications services, makes the question of quality of service traffic at the nodes of the complicated structure of networks. The purpose is to estimate the delay of packets at the nodes of the communications network serving the complicated structure of the traffic based on the developed simulation model. As a criterion of the complicatedity of the traffic using the coefficient of variation interval between successive packets. As a model of a complicated structure traffic streams are used having Hyperexponential Pareto distribution and a wide range of variation of the input parameters and load level nodal network equipment. The methods used: model node equipment formalized on the basis of scientific-methodological apparatus of queuing theory and implemented in a software environment simulation GPSS World. The novelty of this work is to measure the quality of service traffic complicated structure in terms of delay in servicing equipment units in the network, resulting study developed simulation models of traffic service and Pareto hyperexponential distribution in a wide range of variation of the input parameters. The results: Based on data obtained from studies of simulation models of traffic service type Pa/M/1, H2/M/1, it is determined that timely traffic service with a complicated structure in communication nodes in terms of time delay depends essentially on the load node equipment. In the study of the simulation model of service traffic distribution Pareto Pa/M/1, it was found that the coefficient of variation interval between successive applications of such traffic has an exponential dependence on the values of the shape parameter Pareto distribution. Also, for a given range of flow parameters with a Pareto distribution, determining the load control devices (at a fixed time of service), characterized by three areas in which the delay time of the flow of applications to the Pareto distribution of matter: more than the delay time for the flow to an exponential distribution; less than the delay time for the stream with an exponential distribution; practically equal to the values of time delay for a flow with an exponential distribution. It is also defined the criteria for selecting each of the areas. The limiting values of the scale for the flow of a Pareto distribution, which lead to an overload device maintenance. In the study of the simulation model of H2/M/1to quantify the level of reduction of timeliness flow hyperexponential distribution with respect to the flow Pareto distribution and exponential distribution. Estimations of reducing the level of service in terms of the timeliness of the delay time depending on the download service and the device on the value of the coefficient of variation . Based on the simulation data concluded that the timeliness of service nodes in communication networks with complicated structure Traffic Pareto distribution in terms of the delay time is reduced. At higher loading equipment nodal network to 0.9 and increase the coefficient of variation of the interval time between packets to 23.6 timely maintenance reduced to 539 times as compared with the exponential service traffic. Hyperexponential distribution for the same values of load network and the coefficient of variation is reduced to timely servicing of 8000 times in comparison with the exponential service traffic. Practical significance: A simulation model and obtained during the simulation results allow to justify the long-term requirements for the speed of communication networks equipment units, which later will ensure timely service complicated structure traffic.
Текст научной работы на тему «Имитационные модели системы массового обслуживания типа Pa/M/1, H2/M/1 и исследование на их основе качества обслуживания трафика со сложной структурой»
Системы управления,связи и безопасности №4. 2015
Systems of Control, Communication and Security sccs.intelgr.com
Имитационные модели системы массового обслуживания типа PalMI 1, H2IMII и исследование на их основе качества обслуживания трафика
со сложной структурой
Постановка задачи: в настоящее время рост доли мультисервисного трафика в сетях связи, а также необходимость обеспечения требований потребителей услуг связи, делают актуальными вопросы обеспечения качества обслуживания трафика сложной структуры в узлах сетей связи. Целью работы является оценка времени задержки пакетов в узлах сети связи при обслуживании трафика сложной структуры на основе разработанной имитационной модели. В качестве критерия сложности структуры трафика используется коэффициент вариации интервала времени между очередными пакетами. В качестве модели трафика сложной структуры используются потоки, имеющие Парето- и гиперэкспоненциальное распределения в широком диапазоне изменения их входных параметров и уровня загрузки узлового оборудования сети связи. Используемые методы: модель узлового оборудования формализована на основе научно-методического аппарата теории массового обслуживания и реализована в программной среде имитационного моделирования GPSS World. Новизной данной работы являются количественные оценки качества обслуживания трафика сложной структуры по показателю времени задержки при обслуживании в узловом оборудовании сети связи, полученные в результате проведенного исследования разработанных имитационных моделей обслуживания трафика с Парето- и гиперэкспоненциальным распределениями в широком диапазоне изменения их входных параметров. Результат: на основе данных, полученных при исследовании имитационных моделей обслуживания трафика типа Pa/M/1, H2/M/1, было определено, что своевременность обслуживания трафика со сложной структурой в узлах связи по показателю времени задержки существенно зависит от загрузки узлового оборудования. При исследовании имитационной модели обслуживания трафика с распределением Парето Pa/M/1 было выявлено, что значение коэффициента вариации интервала времени между очередными заявками такого трафика имеет экспоненциальную зависимость от значений параметра формы распределения Парето. Также при заданном диапазоне значений параметров потока с распределением Парето, определяющих загрузку устройства обслуживания (при фиксированном времени обслуживания), характерны три области, в которых время задержки заявок потока с распределением Парето имеет значения: больше, чем время задержки для потока с экспоненциальным распределением; меньше, чем время задержки для потока с экспоненциальным распределением; практически равные значениям времени задержки для потока с экспоненциальным распределением. Определены предельные значения коэффициента масштаба для потока с распределением Парето, которые приводят к перегрузке устройства обслуживания. При исследовании имитационной модели H2/M/I получена количественная оценка уровня снижения своевременности обслуживания потока с гиперэкспоненциальным распределением относительно потоков с распределением Парето и с экспоненциальным распределением. Получены оценки уровня снижения своевременности обслуживания по показателю времени задержки в зависимости от уровня загрузки устройства обслуживания и от значения коэффициента вариации. На основе полученных данных имитационного моделирования сделан вывод о том, что своевременность обслуживания в узлах сетей связи трафика сложной структуры с распределением Парето по показателю времени задержки снижается. При повышении загрузки узлового оборудования сети связи до 0,9 и росте значения коэффициента вариации интервала времени между пакетами до 23,6 своевременность обслуживания снижается до 539 раз по сравнению с обслуживанием экспоненциального трафика. Для гиперэкспоненциального распределения при тех же значениях загрузки сети связи и коэффициента вариации своевременность обслуживания снижается до 8000 раз по сравнению с обслуживанием экспоненциального трафика. Практическая значимость: разработанная
имитационная модель и полученные при проведении моделирования результаты позволяют обосновать перспективные требования к быстродействию узлового оборудования сетей связи, которые в дальнейшем позволят обеспечить своевременность обслуживания трафика со сложной структурой.
Системы управления,связи и безопасности №4. 2015
Systems of Control, Communication and Security sccs.intelgr.com
Ключевые слова: сеть связи, имитационное моделирование, качество обслуживания, коэффициент Херста, коэффициент вариации, свойство самоподобия, свойство фрактальности.
В настоящее время в связи с развитием высокоскоростных сетей связи (СС) растет доля циркулирующего в них мультисервисного трафика (передача данных реального времени, речи, видео). За счет этого повышаются требования к пропускной способности СС и к качеству обслуживания QoS (Quality of service) мультисервисного трафика.
Анализ работ [1-6] показал, что одним из свойств мультисервисного трафика является его структурная сложность, оказывающая влияние на своевременность обслуживания трафика в узлах СС. Под трафиком со сложной структурой будем понимать трафик, у которого коэффициент вариации ст интервала времени между очередными пакетами имеет значения ст>1. Коэффициент вариации ст - дисперсионная характеристика трафика, определяющая его структурную сложность, и вычисляемая в соответствии с выражением [7]:
где т - интервал времени между очередными пакетами трафика; тт - математическое ожидание (МОЖ) значений интервала времени между поступлением очередных пакетов трафика; ат - среднее квадратическое отклонение (СКО) значений интервала времени между поступлением очередных пакетов трафика.
Мультисервисному трафику, циркулирующему в СС, присущи нестационарные свойства, которые моделируются стационарными потоками со сложной структурой, обладающими свойством самоподобия.
В работах [1, 8, 9] указывается, что свойство самоподобия оказывает влияние на своевременность обработки трафика, циркулирующего в реальных сетях связи. При этом показателем наличия данного свойства у трафика является коэффициент Херста Н, принимающий значения в диапазоне Не(0,5; 1].
Широкое применение в качестве модели реального трафика для расчетов показателей качества его обслуживания получил поток с пуассоновским распределением, который не учитывает свойство самоподобия. Таким образом, для получения более точных оценок показателей качества обслуживания реального трафика, циркулирующего в реальных СС, необходима разработка адекватных моделей, которые бы учитывали свойство самоподобия.
Анализ работ [9-12, 16] показал, что в качестве модели реального трафика, позволяющей более адекватно описать свойство самоподобия, используется поток с Парето-распределением значения интервала времени между поступлением очередных заявок.
Анализ исследований [9-11] показал, что при использовании потока с распределением Парето в качестве модели трафика со сложной структурой (ст>1), наиболее актуален диапазон значений параметра формы
Системы управления,связи и безопасности №4. 2015
Systems of Control, Communication and Security sccs.intelgr.com
ас(1; 2]. Данные значения параметра а распределения Парето позволяют описать сложную структуру трафика за счет формирования больших значений СКО с интервала времени между моментами поступления очередных заявок
Функция распределения Парето определяется выражением
где Храг - интервал времени между поступлением очередных заявок потока с распределением Парето; к - коэффициент масштаба; а - параметр формы распределения Парето.