[논문 리뷰] On the LRD of the Aggregated Traffic Flows in High-Speed Computer Networks

Ginno Millán|arXiv (Cornell University)|2021. 03. 05.

Network Traffic and Congestion Control참고 문헌 5인용 수 4

한 줄 요약

이 논문은 프랙탈 분석을 사용하여 고속 네트워크 트래픽의 집계된 트래픽에서 장거리 의존성(Long-Range Dependence, LRD)을 조사한다. 특히 차등 서비스(Differentiated Services)에 분류된 트래픽 플로우에 초점을 맞춘다. 카이스트의 코어 스위치에서 수집한 실제 트래픽 트레이스를 바탕으로 시간 시리즈 분석을 통해 허스트 지수(Hurst exponent)를 추정함으로써, 다양한 트래픽 클래스 간의 복잡성과 LRD를 정량화한다. 그 결과, 집계된 플로우에서 뚜렷한 자기유사성(self-similarity) 행동이 나타나며, 이는 QoS 제공에 영향을 미친다.

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.

연구 동기 및 목표

• 고속 컴퓨터 네트워크 내 집계된 네트워크 트래픽 플로우에서 장거리 의존성(Long-Range Dependence, LRD)을 분석하는 것.
• 품질 보장(Quality of Service, QoS) 요구 사항에 기반하여 트래픽 플로우를 분류하는 것.
• 프랙탈 이론과 허스트 지수 추정을 통해 트래픽의 복잡성과 LRD를 정량화하는 것.
• 각 클래스의 트래픽 볼륨을 측정하고, 네트워크 행동에 미치는 영향을 평가하는 것.

제안 방법

• 트래픽 트레이스는 칠레 산티아고 대학교 전기공학과의 코어 스위치에서 수집되었다.
• 트래픽 플로우는 QoS 요구 사항과 전송 프로토콜 사용에 따라 서로 다른 클래스로 분류되었다.
• 각 클래스의 집계된 트래픽에 대한 시간 시리즈는 프랙탈 이론을 사용하여 분석되었다.
• 각 트래픽 클래스에서 장거리 의존성과 복잡성의 정도를 측정하기 위해 허스트 지수(Hurst exponent)가 추정되었다.
• 다양한 네트워크 활동 기간 동안의 자기유사성과 상관관계 구조를 평가하기 위해 통계 분석이 적용되었다.
• 시간에 따라 변화하는 네트워크 활동 주기를 고려하여, 실제 데이터를 여러 시기 동안 사용하여 LRD 특성의 시간적 안정성을 평가하였다.

실험 결과

연구 질문

• RQ1 고속 네트워크에서 다양한 QoS 클래스 간의 집계된 트래픽 플로우에서 장거리 의존성(LRD)은 어떻게 나타나는가?
• RQ2 복잡성과 상관관계 수준의 정도에 따라 허스트 지수(Hurst exponent)가 트래픽 클래스 간에 얼마나 다를 수 있는가?
• RQ3 클래스당 트래픽 볼륨과 장거리 의존성의 정도 사이에 어떤 관계가 있는가?
• RQ4 다양한 네트워크 활동 주기 동안 LRD 행동은 얼마나 안정적인가?
• RQ5 프랙탈 분석을 통해 자기유사성 특성을 기반으로 트래픽 클래스를 효과적으로 특성화하고 구분할 수 있는가?

주요 결과

• 허스트 지수 추정 결과, 모든 집계된 트래픽 클래스에서 장거리 의존성이 확인되어 장시간에 걸친 지속적인 복잡성 행동이 있음을 시사한다.
• 일부 트래픽 클래스에서는 더 높은 허스트 지수를 관찰하여 더 강한 상관관계 구조와 뚜렷한 자기유사성을 나타낸다.
• 클래스당 트래픽 볼륨은 LRD 정도와 측정 가능한 상관관계를 보였으며, 높은 볼륨을 가진 클래스일수록 더 지속적인 패턴을 보였다.
• 다양한 네트워크 활동 주기 동안 LRD 특성은 비교적 안정되어 있었으며, 일관된 자기유사성 행동을 나타냈다.
• 허스트 지수 추정을 통한 프랙탈 분석이 장기적 상관관계 특성에 기반하여 트래픽 클래스를 효과적으로 구분하는 데 성공하였다.