[論文レビュー] Analysis of Stochastic Service Guarantees in Communication Networks: A Basic Calculus

Yuming Jiang|ArXiv.org|Nov 2, 2005

Network Traffic and Congestion Control参考文献 36被引用数 5

ひとこと要約

本稿は、最大（仮想）バックログ中心の（m.b.c）確率的アラーブルカーブと確率的サービスクーブを基盤とする確率的ネットワーク計算フレームワークを提案し、確率的保証下でのネットワーク性能の（min, +）代数に基づく解析を可能にする。依存および独立プロセスの両仮定のもとで、スーパーポジション、連結、出力特性、フロー単位のサービス、バックログ／遅延の境界の5つの核心的性質を確立し、独立ケースの解析と改善された境界を得るための新規な確率的厳密サーバーモデルを導入する。

ABSTRACT

A basic calculus is presented for stochastic service guarantee analysis in communication networks. Central to the calculus are two definitions, maximum-(virtual)-backlog-centric (m.b.c) stochastic arrival curve and stochastic service curve, which respectively generalize arrival curve and service curve in the deterministic network calculus framework. With m.b.c stochastic arrival curve and stochastic service curve, various basic results are derived under the (min, +) algebra for the general case analysis, which are crucial to the development of stochastic network calculus. These results include (i) superposition of flows, (ii) concatenation of servers, (iii) output characterization, (iv) per-flow service under aggregation, and (v) stochastic backlog and delay guarantees. In addition, to perform independent case analysis, stochastic strict server is defined, which uses an ideal service process and an impairment process to characterize a server. The concept of stochastic strict server not only allows us to improve the basic results (i) -- (v) under the independent case, but also provides a convenient way to find the stochastic service curve of a serve. Moreover, an approach is introduced to find the m.b.c stochastic arrival curve of a flow and the stochastic service curve of a server.

研究の動機と目的

• スーパーポジション、連結、出力特性、フロー単位のサービス、および確率的バックログ／遅延保証を含む5つの基本的性質をすべてサポートする統一された確率的ネットワーク計算が不足している問題に対処する。
• 無線やマルチアクセスネットワークなど、ランダムな容量を持つネットワークにおいて、決定論的モデルが不十分となるため、確率的サービス保証の分析を困難にする課題を克服する。
• 確率的厳密サーバーモデルを導入することで、理想サービスと障害プロセスを分離し、独立ケースの解析を可能にすることで、性能境界の改善を実現する。
• 既知のプロセス特性（例：(σ(θ), ρ(θ))制約）からm.b.c確率的アラーブルカーブおよび確率的サービスクーブを導出する実用的手法を提供する。
• 決定論的ネットワーク計算を一般化しつつ、確率的モデル下でもその構造的性質を保持する、確率的サービス保証解析の基盤的計算体系を確立する。

提案手法

• m.b.c確率的アラーブルカーブを、モーメント生成関数を用いて最大仮想バックログを制限することに基づく、決定論的アラーブルカーブの一般化として定義する。
• 確率的サービスクーブを、決定論的サービスクーブの確率的一般化として導入し、ランダムなサーバ動作下での性能解析を可能にする。
• 確率的厳密サーバーモデルを提案し、サーバのサービスプロセスを理想サービスプロセスと確率的障害プロセスに分解することで、独立ケースの解析を可能にする。
• （min, +）代数を用いて、一般ケースおよび、初めて独立ケースの仮定のもとで、5つの核心的性質（P.1–P.5）を導出し、証明する。
• チェルノフの不等式およびモーメント生成関数技術を用いて、i.i.d.またはマコロフ変調プロセスなどの（σ(θ), ρ(θ)）上界制約付きプロセスからm.b.c確率的アラーブルカーブを導出する。
• 確率的厳密サーバーモデルを活用し、障害プロセスが既知の（σ(θ), ρ(θ)）特性を持つ場合に、サーバの確率的サービスクーブを導出する。

実験結果

リサーチクエスチョン

• RQ1 （min, +）代数フレームワーク下で、追加の制約なしに、5つの基本的性質（P.1–P.5）をすべてサポートする確率的ネットワーク計算をどのように構築できるか？
• RQ2 確率的プロセスの（min, +）代数フレームワーク下で、スーパーポジション、連結、出力特性、フロー単位のサービス、および確率的バックログ／遅延保証を証明できるか？
• RQ3 独立ケースの解析を確率的ネットワーク計算に形式的に統合する方法は何か。特に、P.2–P.5のような、従来未解決であった性質に対して。
• RQ4 プロセスの（σ(θ), ρ(θ)）上界制約特性と、そのm.b.c確率的アラーブルカーブとの関係は何か？
• RQ5 確率的厳密サーバーモデルを用いて、障害プロセスのm.b.c確率的アラーブルカーブから、サーバの確率的サービスクーブを導出できるか？

主な発見

• i.i.d.プロセスが（σ(θ), ρ(θ)）上界制約を満たす限り、m.b.c確率的アラーブルカーブは存在が保証され、任意のr > ρ(θ)に対してf(x) = e^{θσ(θ)} / (1 - e^{θ(ρ(θ) - r)}) × e^{-θx} で表される。
• 確率的厳密サーバーモデルにより、5つの核心的性質（P.1–P.5）に対する初めての独立ケースの解析が可能となり、従来の依存ケースの解析に比べて改善された性能境界が得られる。
• 障害プロセスが（σ(θ), ρ(θ)）上界制約を満たす場合、サーバの確率的サービスクーブは、その障害プロセスのm.b.c確率的アラーブルカーブから導出可能である。
• スーパーポジション、連結、出力特性、フロー単位のサービス、および確率的バックログ／遅延保証の5つの基本的性質は、（min, +）代数を用いて、依存ケースおよび独立ケースの両方で正式に証明された。
• 提案された計算体系は決定論的ネットワーク計算を一般化する：確率的パrameterが決定論的境界に還元される場合、すべての核心的性質が特殊ケースとして回復される。
• 本フレームワークは、i.i.d.やマコロフ変調プロセスなどの広く用いられる（σ(θ), ρ(θ)）特性を持つプロセスから、m.b.c確率的アラーブルカーブおよび確率的サービスクーブを導出する実用的手法を提供する。