[論文レビュー] On the LRD of the Aggregated Traffic Flows in High-Speed Computer Networks

Ginno Millán|arXiv (Cornell University)|Mar 5, 2021

Network Traffic and Congestion Control参考文献 5被引用数 4

ひとこと要約

本論文は、分類済みのネットワークトラフィックを用いた実測トラフィックトレースを基に、分形解析を用いて、差別化サービスに分類されるトラフィックの集約された高帯域幅ネットワークトラフィックにおける長距離相関（LRD）を調査している。大学のコアスイッチから得られた実際のトラフィックトレースの時系列解析を通じて、ハースト指数を推定し、トラフィッククラスごとのバースト性とLRDを定量化した。その結果、集約されたトラフィックフローに顕著な自己相似性が確認され、これはQoS提供に影響を及ぼすことが明らかになった。

ABSTRACT

This paper studies and analyses the behavior of the Long-Range Dependence in network traffic after classifying traffic flows in aggregated time series. Following Differentiated Services architecture principles, the generic Quality of Service applications that requirements and use the transport control protocol, a basic classification criterion of time series is established. Using the fractal theory, the resulting time series are analyzed. The Hurst exponent is estimated and used as a measure of traffic burstiness and Long-Range Dependency in each traffic class. The traffic volume per class is also measured. The study uses traffic traces collected at the core switch at the Electric Engineering Department at Universidad de Santiago de Chile in different periods of network activity.

研究の動機と目的

• 高帯域幅コンピュータネットワークにおける集約されたネットワークトラフィックフローにおける長距離相関（LRD）を分析すること。
• 差別化サービスアーキテクチャおよびサービス品質（QoS）要件に基づいてトラフィックフローを分類すること。
• 分形理論とハースト指数推定を用いて、トラフィックのバースト性とLRDを定量化すること。
• 各クラスごとのトラフィック量を測定し、ネットワーク行動に与える影響を評価すること。

提案手法

• トラフィックトレースはチリのサンティアゴ大学電気工学科のコアスイッチから収集された。
• トラフィックフローは、QoS要件およびトランスポートプロトコルの使用に基づいて異なるクラスに分類された。
• 各クラスごとの集約トラフィックの時系列は、分形理論を用いて分析された。
• 各トラフィッククラスにおける長距離相関とバースト性を測定するために、ハースト指数が推定された。
• 自己相似性と相関構造を異なるネットワーク活動期間にわたって評価するために、統計解析が適用された。
• 本研究では、複数の時間期間にわたる実世界データを用い、LRD特性の時間的安定性を評価した。

実験結果

リサーチクエスチョン

• RQ1 高帯域幅ネットワークにおける異なるQoSクラスに分類された集約トラフィックフローにおいて、長距離相関はどのように現れるか？
• RQ2 バースト性と相関の程度に応じて、ハースト指数はどの程度トラフィッククラスごとに変動するか？
• RQ3 各クラスごとのトラフィック量と長距離相関の度合いの関係は何か？
• RQ4 異なるネットワーク活動期間にわたって、LRD行動はどの程度安定しているか？
• RQ5 分形解析を用いることで、自己相似性の特性に基づいてトラフィッククラスを効果的に特徴づけ、区別できるか？

主な発見

• ハースト指数の推定結果から、すべての集約トラフィッククラスに長距離相関が存在することが確認され、長時間スケールで持続的なバースト性が示された。
• 一部のトラフィッククラスでは高いハースト値が観測され、より強い相関構造と顕著な自己相似性を示した。
• 各クラスのトラフィック量は、LRDの度合いと測定可能な相関関係を示しており、高トラフィック量のクラスではより持続的なパターンが顕著に見られた。
• 異なるネットワーク活動期間にわたっても、LRD特性は比較的安定しており、一貫した自己相似性の挙動が確認された。
• ハースト指数推定を用いた分形解析の応用は、長期的相関特性に基づいてトラフィッククラスを区別するのに効果的であった。