Projeto de Redes - Modelagem e Desempenho

Curso de Especialização em Redes e
Segurança de Sistemas - PPGIA - PUCPR
Projeto de Redes:
Modelagem e Desempenho
Especialização em Redes e Segurança de Sistemas
Prof. Marcelo E. Pellenz

http://www.ppgia.pucpr.br/~marcelo
marcelo@ppgia.pucpr.br
Modelagem de Desempenho de Redes
Objetivo:
Apresentar os fundamentos para o projeto e avaliação de
desempenho de redes de computadores através de estudos
analíticos e ferramentas de simulação.
Estudo analítico através de modelos matemáticos.

Modelagem e simulação do segmento de rede em estudo.
Prof. Marcelo E. Pellenz 1

Tópicos
Introdução
Avaliação de Desempenho de Sistemas
Teoria de Probabilidades
Eventos aleatórios
Variáveis aleatórias
Função densidade de probabilidade
Função distribuição de probabilidade
Principais distribuições de probabilidade
Teste de Aderência (Teste de Hipótese)
Tópicos
Teoria de Filas
Processo de chegada
Processo de atendimento
Modelos de filas
Disciplina de gerência de filas
Aplicações
Simulação de Sistemas
Software NS-2
Análise de Resultados de Simulação

Bibliografia
Apostila do Prof. Carlos M. Pedroso

JAIN, Raj - The art of computer systems performance analysis:
techniques for experimental design, measurement, simulation, and
modeling. New York: J. Wiley & Sons, c1991. 685 p. ISBN 0-471-50336-3
PARK, Kihong; WILLINGER, Walter (Ed.). Self-similar network traffic and
performance evaluation. New York: J. Wiley & Sons, c2000. 558 p. ISBN
0-471-31974-0
TANENBAUM, Andrew S. Computer networks. 3rd ed. Upper Saddle
River: Prentice Hall PTR, c1996. 813 p. ISBN 0-13-349945-6
PRADO, Darci. Teoria das filas e da simulação. Belo Horizonte: DG,
1999. 122 p. ISBN 85-86948-12-8
Procedimento de Avaliação
Ao final do curso os alunos deverão entregar um relatório com o

detalhamento dos experimentos realizados.
Durante as aulas serão indicados os itens que deveram fazer
parte do relatório.
Data das Aulas:

14/09
21/09
28/09
05/10

Introdução
Técnicas de Avaliação de Desempenho
Seleção de Técnicas de Avaliação de Desempenho

Modelagem
Critério Simulação Medidas
Analítica
Estágio do Sistema Qualquer Qualquer Após Protótipo
Tempo Requerido Baixo Médio Variável
Ferramentas Analistas Software Instrumentação
Precisão Baixa Moderada Variável
Avaliação de Impacto de Fácil Moderada Difícil
Parâmetros
Custo Baixo Médio Alto
Introdução
Seleção de Métrica de Desempenho

Tempo
Requisição
do Serviço i (Tempo de Resposta)
Realizado Taxa
Corretamente (Throughput)
Recursos
(Utilização)
Realizado
Sistema Probabilidade
Realizado
Erro j
Incorretamente
Tempo entre
Erros
Duração
do Evento
Não
Evento k
Realizado
Tempo entre
Eventos

Introdução
Estudo de Caso
Considere o problema de comparar dois algoritmos de
controle de congestionamento para redes de computadores.
Rede de Computadores
Inúmeros sistemas finais (end systems) interconectados por
inúmeros sistemas intermediários (intermediate systems)
O congestionamento ocorre quando o número de pacotes

em espera nos sistemas intermediários excede a
capacidade de armazenamento (buffering) do sistema,
ocasionando descarte de pacotes.
Introdução
Redes de Computadores / Telecomunicações

Rede = Conjunto de Nós + Conjunto de Enlaces
R3
R1
A R4 D
B E
C R2
R5 F
10

Introdução
Estudo de Caso
Quando um usuário envia um bloco de pacotes para um
destinatário, podem ocorrer as seguintes possibilidades:
Alguns pacotes são entregues na ordem para o destinatário

Alguns pacotes são entregues fora de ordem para o destinatário
Alguns pacotes são entregues duplicados
Alguns pacotes são descartados (perdidos) ao longo do caminho
11
Introdução
Sistema de Telecomunicações do Ponto de Vista do Tráfego

O sistema serve o tráfego que está chegando (gerado pelos usuários)
R3
R1
A R4 D
B E
R2
C
R5
F
Usuários Sistema
Tráfego Tráfego
chegando saindo
12

Introdução
Complexidade da Rede (POPs)

POP3
POP2
POP1
A POP4 D
B E
POP5
C POP6
POP7
POP8
F
13
Introdução
Estudo de Caso
Para os pacotes entregues em ordem, teremos as seguintes
métricas possíveis de desempenho:
Tempo de resposta
Atraso na rede para pacotes individuais
Taxa Média de Transmissão (Vazão/Throughput)

Número médio de pacotes por unidade de tempo
Tempo de processamento por pacote no transmissor

Tempo de processamento por pacote no receptor
Tempo de processamento por pacote no sistema intermediário
14

Introdução
Estudo de Caso
Como a rede é um sistema multiusuário, uma métrica importante é a
justiça (fairness) que define a variabilidade do throughput entre
usuários.
Para o conjunto de taxas de n usuários (r1 , r2 , K , rn ) a seguinte
função pode ser usada para atribuir uma medida de justiça ao
conjunto:
2
 n 
 ∑ ri 
f (r1 , r2 , K, rn ) =  i =1n 
n ⋅ ∑ ri 2
i =1
15
Introdução
Exemplo
Considere as taxas normalizadas médias de 4 usuários que
estejam compartilhando uma determinada rede:
Distribuição das Taxas Medida de Justiça

r1 r2 r3 r4
0,25 0,25 0,25 0,25 1
0,35 0,25 0,2 0,2 0,943
0,8 0,1 0,05 0,05 0,381
16

Introdução
Tempo de Resposta de um Sistema

Requisição Resposta
do Usuário do Sistema
Tempo de Resposta Tempo
(a) Requisição e Resposta Ideal
Usuário Inicia Usuário Termina Sistema Inicia Sistema Inicia Sistema Completa Usuário Inicia
Requisição Requisição Execução Resposta Resposta Próxima Requisição
Tempo de Tempo
Reação
Tempo de Resposta
(Definição 1)
Tempo de Resposta
(Definição 2)
(b) Requisição e Resposta Real
17
Introdução
Capacidade de um Sistema
Joelho
Taxa (Throughput)
Capacidade
Nominal
CPU: MIPS
MFLOPS
Capacidade Capacidade REDE: pps
de Joelho Útil bps
Carga
Tempo de Resposta
Capacidade
Utilizável
Carga
18

Introdução
Eficiência de um Sistema
A razão entre o máximo throughput atingível pela capacidade
nominal do sistema é denominado de eficiência.
Exemplo 1: Se o máximo throughput atingível em uma LAN

de 100Mbps for de 85Mbps, a sua eficiência é de 85%.
Exemplo 2: A razão entre o desempenho de um sistema

multiprocessado com n processadores em relação a um
sistema com um único processador.
19
Introdução
Exemplo 2 - Eficiência de um Sistema Multiprocessado
4
Eficiência em
MIPS/MFLOPS 3
1 2 3 4 5
Número de Processadores
20

Introdução
Parâmetros que Afetam o Desempenho da Rede

Capacidade de Processamento
Perfil de Tráfego Estratégias de Escalonamento
das Aplicações R3
R1
A R4 D
B E
C R2
Capacidade dos Enlaces
(Taxa de Transmissão)
R5 F
Atraso de Propagação
Confiabilidade
Taxa de Erro
21
Introdução
Complexidade da Rede (POPs)

POP3
POP2
POP1
A POP4 D
B E
POP5
C POP6
POP7
POP8
F
22

Introdução
R2 (2.5 Gb/s)
(2.5 Gb/s) R1 R6
R5
R4
R3 R7
R9
R8 R10
R11
R12
R14
R13
R16
R15
(2.5 Gb/s)
(2.5 Gb/s)
23
Introdução
Arquitetura Geral de Roteadores e Switches

1 write per “cell” time 1 read per “cell” time
Rate of writes/reads
determined by switch
Lookup fabric speedup
& Output
Drop Scheduling
Policy
Switch
Lookup Fabric
& Output
Drop Scheduling
Policy Switch
Arbitration
Lookup
& Output
Drop
Switch Core Scheduling
Policy
Linecard Linecard
24

Introdução
Questões Relevantes:
Dado o sistema e o tráfego de chegada, qual é a qualidade
de serviço experimentada pelo usuário ?
Dado o tráfego de chegada e a qualidade de serviço

desejada, como o sistema deve ser dimensionado ?
Dado o sistema e a qualidade de serviço desejada, qual a

máxima carga de tráfego ?
25
Introdução
Sistema=Dispositivo(s)+Princípio(s) de Controle
Um Único Dispositivo
Um processador roteando pacotes numa rede de dados
Um multiplexador estatístico numa rede ATM (Switch ATM)
Um servidor de páginas
Uma Rede de Comunicações/Telecomunicações

Rede Telefônica (Comutação por Circuito)
Rede de Dados (Comutação por Pacotes)
Tráfego
Chamadas Telefônicas (PSTN)
Pacotes/Células (Voz/Vídeo/Dados)
26

Introdução
Parâmetros de Qualidade de Serviço (QoS)
Ponto de Vista Parâmetro de QoS

- Probabilidade de bloqueio de chamadas
Usuário - Distribuição do atraso experimentado por uma
seqüência de pacotes
Sistema (Desempenho) - Utilização
- Bloqueio experimentado por requisições de

Tráfego Oferecido
conexão ATM
Tráfego Transportado - Taxa de perda de pacotes
27
Introdução
Relações Qualitativas:
Qualidade
Capacidade do Sistema x Carga de Tráfego ? de serviço
(Dada a qualidade de Serviço)

Qualidade de Serviço x Carga de Tráfego ?
(Dada a capacidade do sistema) Capacidade Carga de
do Sistema Tráfego
Qualidade de Serviço x Capacidade do Sistema ?
(Dada a carga de tráfego)
Relações Quantitativas:
Exigem a utilização de modelos matemáticos
Modelos de tráfego
Modelos de dispositivos
28

Introdução
Objetivos Práticos da Teoria de Tráfego:
Planejamento da Rede
Dimensionamento
Otimização
Análise de Desempenho
Controle e Gerência da Rede

Operação Eficiente
Recuperação de Falhas
Gerência de Tráfego
Roteamento
29
Introdução
Áreas Relacionadas com Estudo de QoS:

Processos Aleatórios (Estocásticos)
Teoria de Filas
Análise Estatística (Medidas de Tráfego)
Teoria de Otimização
Teoria de Decisão
Técnicas de Simulação
30

Introdução
Projeto de Redes:
Estudo analítico através de modelos matemáticos
Modelagem e simulação do segmento de rede em estudo
Sistema Real versus Modelo

O modelo é uma descrição de apenas uma certa parte ou
propriedade do sistema real
Os modelos em geral são aproximações
31
Introdução
Elementos de Redes
Roteadores/Comutadores
Capacidade de Processamento
Capacidade de Armazenamento (Buffer)
Algoritmos de Escalonamento
Enlaces de Transmissão
Fibra ótica
Pares metálicos/cabo coaxial
Enlaces de Rádio (Microondas/Satélite)
32

Introdução
Arquitetura Geral do Roteador
Header Processing
Data Hdr Data Hdr
Lookup Update Queue
IP Address Header Packet
IP Address Next Hop
Address
Address Buffer
Buffer
Table
Table Memory
Memory
33
Introdução
Data Hdr Header Processing

Buffer
Data Hdr
Lookup Update
IP Address Header Manager
Address Buffer
Address Buffer
Table Memory
Table Memory

Buffer Data Hdr
Lookup Update
Address Buffer
Address
Table Data
MemoryHdr
Buffer
Memory
Table

Buffer
Lookup Update
Address Buffer
Address Buffer
Table Memory
Table Memory 34

Estudo Analítico de Redes
Exemplo de Modelo Determinístico:
NB=Número de bits transmitidos
N B = R ⋅T R=Taxa de transmissão
T=Tempo de transmissão
R bits/s
1 2
Enlace de Transmissão
35
Muitos fenômenos que ocorrem na rede são de

natureza probabilística:
Instante de chegada dos pacotes
Tamanho dos pacotes (Tempo de Serviço)
Número de usuários
Chegadas de requisições em um servidor de páginas
Condições do canal (taxa de erro)
Falha de enlaces e nós (confiabilidade)
36

Exemplo de Modelo Probabilístico:

Considere dois roteadores, R1 e R2, conectados através de um
enlace full-duplex na taxa de 256kbps, com atraso de
propagação de 50ms
256 kbps - Atraso de 50ms
R1 R2
Na modelagem é necessário estabelecer qual a taxa de

transmissão λ1 e o tamanho dos pacotes gerados por R1 em
direção a R2
λ1
R1 R2
37
Parâmetros que Modelam o Tráfego:

Tamanho dos Pacotes (Ti)
Intervalo entre Pacotes (Ii)
O comportamento do sistema precisa ser modelado

de forma probabilística
I5 I4 I3 I2 I1
T6 T5 T4 T3 T2 T1
R1 R2
38

Tráfego numa LAN Ethernet (Bellcore)

Tamanho dos dados (64 bytes – 1518 bytes) no quadro Ethernet,
não incluindo o preâmbulo, cabeçalho ou CRC
1600 1600
1400 1400
Tamanho dos Pacotes (Bytes)

1200 1200
1000 1000
800 800
600 600
400 400
200 200
0 0
0 5 10 15 20 25 30 35 40 45 50 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
Tempo (s) Tempo (s)
39
Tráfego WAN (Internet-Bellcore)
600
400
200
0
0 20 40 60 80 100 120 140 160 180 200
Tempo (s)
40

600
400
200
0
0 2 4 6 8 10 12 14 16 18 20
Tempo (s)
41
Portanto não podemos estudar o desempenho de redes sem utilizar

ferramentas matemáticas apropriadas:
Variáveis Aleatórias (V.A.)
Processos Aleatórios (Estocásticos)
Considere a realização de um experimento aleatório. O conjunto das

possíveis saídas (resultados) do experimento aleatório é denominado
espaço amostral (S)
Dentro do espaço amostral podemos estar observando a ocorrência de
um evento específico (A)
42

Definições Básicas:
A probabilidade é uma medida que associa a cada evento A
um número real P(A) tal que:
0 ≤ P ( A) ≤ 1
Conceito de Freqüência Relativa:
nA
P( A) = lim
n→∞ n
43
Principais Leis da Probabilidade:
P(S ) = 1 P ( A ) = 1 − P ( A)
P(φ ) = 0
P ( A ∪ B ) = P ( A ) + P (B ) − P ( A ∩ B )
44

Variáveis Aleatórias (V.A.)

Uma variável aleatória, X, é uma função que associa um
número real com cada elemento do espaço amostral S.
V. A. Contínuas
Intervalo entre pacotes
Tempo de atendimento de requisições num servidor
Atraso dos pacotes na rede
Variação do atraso (jitter)
V. A. Discretas
Número de pacotes transmitidos durante um intervalo
Tamanho dos pacotes recebidos
45
Exemplo de Variáveis Aleatórias
Suponha que foi medido o tráfego em um servidor de páginas.

Os seguintes parâmetros são modelados como uma variável
aleatória:
X=Tamanho do pacote (bytes)
Y=Intervalo entre pacotes (s)
Z=Tempo de atendimento da requisição (s)
As letras maiúsculas X, Y e Z designam a variável aleatória.

As letras minúsculas designam x, y e z designam números reais,
que são os valores que as V.A. podem assumir.
46

Exemplo de Variáveis Aleatórias
Tráfego LAN Ethernet: Tempo (s) x Tamanho dos dados (bytes)
0.001340 1090 0.035844 174 0.072760 162

0.001508 174 0.038468 162 0.076728 174
0.004176 162 0.042524 174 0.079616 162
0.008140 174 0.044044 150 0.083732 174
0.011036 162 0.045324 162 0.086476 162
0.015072 174 0.047296 90 0.090484 174
0.017892 162 0.049248 174 0.093332 162
0.020604 150 0.050360 150 0.097492 174
0.022032 174 0.052184 162 0.101832 162
0.024300 90 0.053820 90 0.105752 174
0.024752 162 0.056356 174 0.110332 162
0.027356 150 0.059044 162 0.114340 174
0.028692 174 0.063028 174 0.118832 162
0.030840 90 0.065900 162 0.122752 174
0.031608 162 0.070032 174 0.125692 162
47
Variáveis Aleatórias
Caracterização das Variáveis Aleatórias:

Função Distribuição de Probabilidade da variável aleatória X:
FX ( x ) = P( X ≤ x )
Pr ( X ≤ a ) = FX (a )
Pr (a ≤ X ≤ b ) = FX (b ) − FX (a )
Função Densidade de Probabilidade da variável aleatória X:

dFX ( x ) +∞
f X (x ) =
dx ∫
−∞
f X ( x ) dx = 1
48

Distribuição Exponencial Negativa
Distribuição Exponencial Negativa:
f X ( x ) = λ ⋅ e − λx
FX ( x ) = P( X ≤ x ) = 1 − e − λx
1
Média = E [X ] =
λ
Considere como exemplo que o intervalo entre a chegada de
pacotes num enlace siga a distribuição exponencial negativa.
Podemos interpretar graficamente a probabilidade de duração
dos intervalos.
49
Exemplo
Dis t ribuiç ão A c um ulada de P robabilidade

1
0.8
0.6
P(X<=x)
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
x
50

Exercício – Desenhe o gráfico da seguinte função distribuição de

probabilidade:
 0, x ≤ 0

FX ( x ) =  x 3 , 0 < x < 1
 1, x ≥ 1

Determine:
P( X > 0,7 )
P(0,4 < X ≤ 0,9 )
51
Caracterização das Variáveis Aleatórias

Função Densidade de Probabilidade:
dFX ( x ) +∞
f X (x ) =
dx
∫ −∞
f X (x ) dx = 1
x
FX ( x ) = P( X ≤ x ) = ∫ f X ( y ) dy
−∞
Utilizando a função densidade de probabilidade podemos calcular:
b
P(a ≤ X ≤ b ) = ∫ f X ( y ) dy
a
52

Função Densidade de Probabilidade

0.5
0.4
0.3
p(X=x)
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
x
53
Distribuição de Probabilidade
Principais Distribuições:
Distribuição Uniforme
Distribuição Normal
Distribuição Lognormal
Distribuição de Pareto
Exemplos do Matlab
54

Estatísticas das Variáveis Aleatórias
Quando utilizamos variáveis aleatórias na modelagem de

experimentos, estamos interessados nas médias estatísticas.
Estas estatísticas são denominadas de momentos da variável

aleatória.
Em geral, os dois momentos de particular interesse são:

Valor Médio=Valor Esperado (primeiro momento)
Variância (segundo momento central)
55
Se X é uma variável aleatória discreta, o n-ésimo momento é

definido como:
[ ]
E X n = ∑ xin ⋅ P{X = xi }
i
Se X é uma variável aleatória contínua, o n-ésimo momento é

definido como:
[ ] +∞
E X n = ∫ x n ⋅ f X (x ) dx
−∞
56

Se X é uma variável aleatória discreta, o n-ésimo momento

central é definido como:
[ ]
E ( X − X ) n = ∑ ( xi − X ) n ⋅ P{X = xi }
i
Se X é uma variável aleatória contínua, o n-ésimo momento

central é definido como:
[ ] +∞
E (X − X ) = ∫ ( x − X ) n ⋅ f X (x ) dx
n
−∞
57
A média é designada por:
µ = E[ X ] = X
A variância é designada por:
[
Var[X ] = E ( X − µ ) 2 = σ 2]
[ ]
Var[X ] = E X 2 − µ 2
A raiz quadrada da variância é denominada de desvio padrão, σ
58

Estimadores
Os estimadores são utilizados para se obter as estatísticas a

partir da repetição (observação) do experimento.
A média amostral:
n
xi 1 n
x =∑ = ∑ xi
i =1 n n i =1
A variância amostral:
( xi − x ) 2
n
σ =∑
2
i =1 n
59
Exemplo
Suponha que foi realizada as seguintes medições em um

servidor de páginas:
Intervalo entre requisições
Tamanho dos pacotes enviados
Quantidade de pacotes transmitidos por requisição
60

Exemplo
Intervalo entre Requisições
0.1493 0.0357 0.0273 0.2188 0.2188 0.0788 0.1557 0.1605 0.0337 0.2607
0.2009 0.0366 0.2935 0.0237 0.4973 0.0306 0.0059 0.0403 0.0024 0.0187
0.1448 0.0479 0.1043 0.3216 0.0102 0.0109 0.0089 0.1096 0.0579 0.0102
0.1031 0.0613 0.0358 0.0579 0.4676 0.1101 0.0259 0.0112 0.0532 0.0018
0.1628 0.1193 0.0595 0.0141 0.1058 0.0277 0.1169 0.1221 0.1622 0.0345
0.0020 0.0823 0.0105 0.0622 0.0454 0.1983 0.0673 0.1023 0.1090 0.1952
0.0066 0.0281 0.0308 0.0286 0.1379 0.0624 0.1028 0.1088 0.1308 0.1700
0.0956 0.1246 0.0285 0.0166 0.1226 0.0325 0.0434 0.0699 0.2957 0.0754
0.0719 0.0473 0.1027 0.0327 0.0074 0.0603 0.0092 0.1291 0.0518 0.3773
0.0138 0.0095 0.0584 0.1092 0.0396 0.0716 0.0271 0.1024 0.1219 0.1712
61
Exemplo
Intervalo entre Requisições:

Valor médio estimado: 0,0937 Desvio padrão: 0,0943
Histograma:
Freqüência Observada
Intervalo (s)
(fo)
0 – 0,05 41
0,05 - 0,1 18
0,1 – 0,15 23
0,15 – 0,20 8
0,20 – 0,25 3
0,25 – 0,30 3
0,30 – 0,35 1
0,35 – 0,40 1
0,40 – 0,45 0
0,45 – 0,50 2
62

Exemplo
Histograma de Ocorrências
45
40
35
30
Número de Ocorrências
25
20
15
10
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Intervalo
63
Teste de Aderência
O histograma é similar a uma distribuição exponencial negativa.

Para verificar a qualidade da aproximação oferecida pela distribuição
exponencial negativa aplicamos o teste Chi-quadrado.
Calcula-se:
k
( f oi − f ei )2 f X ( x ) = λ ⋅ e − λx
χ =∑ 2
=D
i =1 f ei FX (x ) = 1 − e − λx
fe = freqüência esperada pela distribuição teórica
fo = freqüência observada (histograma)
64

Teste de Aderência
Freqüência Freqüência
Intervalo D
Observada (foi) Esperada (fei)
0 – 0,05 41 41,3561 0,0031
0,05 - 0,1 18 24,2528 1,6121
0,1 – 0,15 23 14,2228 5,4166
0,15 – 0,20 8 8,3408 0,0139
0,20 – 0,25 3 4,8914
0,25 – 0,30 3 2,8685
0,30 – 0,35 1 1,6822
0,1606
0,35 – 0,40 1 0,9865
0,40 – 0,45 0 0,5785
0,45 – 0,50 2 0,3393
7,2063
65
Teste de Aderência
O teste de aderência de Chi-quadrado compara o valor de D com o valor

tabelado da distribuição Chi-quadrado:
χ α2 , k −r −1
onde α é o nível de significância, k é o número de classes, k-1 é o

número de graus de liberdade e r é o número de estimadores da
distribuição em estudo.
Para que a hipótese seja aceita,
D < χ α2, k −r −1
66

Teste de Aderência
Para um nível de significância de α = 0,05 χα , k −r −1 = χ 0.05, 3

alfa
Graus de 0.995 0,990 0,950 0,900 0,800 0,500 0,200 0,100 0,050 0,010 0,005
Liberdade
1 0,000 0,000 0,004 0,016 0,064 0,455 1,642 2,706 3,841 6,635 7,879
2 0,010 0,020 0,103 0,211 0,446 1,386 3,219 4,605 5,991 9,210 10,597
3 0,072 0,115 0,352 0,584 1,005 2,366 4,642 6,251 7,815 11,345 12,838
4 0,207 0,297 0,711 1,064 1,649 3,357 5,989 7,779 9,488 13,277 14,860
5 0,412 0,554 1,145 1,610 2,343 4,351 7,289 9,236 11,070 15,086 16,750
6 0,676 0,872 1,635 2,204 3,070 5,348 8,558 10,645 12,592 16,812 18,548
7 0,989 1,239 2,167 2,833 3,822 6,346 9,803 12,017 14,067 18,475 20,278
8 1,344 1,647 2,733 3,490 4,594 7,344 11,030 13,362 15,507 20,020 21,955
9 1,735 2,088 3,325 4,168 5,380 8,343 12,242 14,684 16,919 21,666 23,589
10 2,156 2,558 3,940 4,865 6,179 9,342 13,442 15,987 18,307 23,209 25,188
67
Teste de Aderência
Considere os seguintes valores médios estimados para o

exemplo anterior:
Intervalo entre requisições= 0,0937s
Tamanho dos Pacotes=503 bytes
Quantidade de pacotes transmitidos por requisição=12
Determine a capacidade mínima para o enlace deste servidor ?

Quais fatores afetam este dimensionamento ?
68

Exercício
Realize o teste de aderência para os dados abaixo, que representam o

tamanho dos pacotes (bytes) transmitidos pelo servidor:
512 448 498 587 435 583 489 373 342 470
630 582 458 517 565 531 673 541 502 639
449 346 473 453 507 456 431 429 550 410
469 531 505 537 357 486 612 529 370 451
591 438 612 423 488 558 601 444 628 525
461 471 441 392 690 384 566 630 365 654
571 617 584 530 448 533 569 724 370 433
408 551 452 468 387 447 324 543 479 489
435 555 542 249 452 485 586 422 528 502
506 487 474 352 352 577 554 341 273 669
69
Teoria de Filas
A teoria de filas é uma importante área de aplicação da teoria de

probabilidades.
A teoria de filas é utilizada para análise e dimensionamento de
redes de comunicações e sistemas computacionais.
70

Teoria de Filas
Sistemas de fila também são formados em sistemas e redes de

comunicações:
Fila de pacotes aguardando por transmissão.
Fila de pacotes aguardando por roteamento/comutação.
Fila de pacotes recebidos na placa de rede de um terminal.
Fila de chamadas telefônicas aguardando por linha em um PABX.
Fila de amostras de voz recebidas em um telefone IP.
71
Teoria de Filas
Um sistema de filas (Q – Queuing System) é um sistema

composto por:
Uma ou mais filas (W – Waiting Line) onde são armazenados os
elementos que aguardam por atendimento.
Um ou mais servidores (S – Servers) que atendem os elementos.
Um processo de chegada, que define como os elementos chegam

ao sistema.
Um processo de atendimento, que define como os elementos são

atendidos pelo sistema.
O tamanho da população que gera os elementos.
72

Teoria de Filas
Sistema de Filas com 1 Fila e vários Servidores

Autor: Prof. Antonio M. Alberti - INATEL
Processo Processo
Taxa média de chegada de Chegada de Atendimento
de elementos. Ex.: 5
elementos/segundo.
λ Fila (W)
S1
µ
População S2
µ
.
Elemento que chega . Servidores (S)
ao sistema. .
Sm
Armazenamento µ
Elemento sendo
servido. Servidor
Taxa média de
ocupado. atendimento de
Sistema de Fila (Q) = Fila (W) + Servidor (S)

elementos. Ex.: 273
elementos/segundo.
Teoria de Filas
Métricas de Desempenho: Ocupação Nº Médio de Elementos

nos Servidores
Nº Médio de Elementos que Chegam ao Sistema E{s}

E{x} = λ Fila (W)
S1
µ
População S2
Nº Médio de Elementos na Fila
µ
E {w} .
. Servidores (S)
.
Sm
µ
Nº Médio de Elementos no Sistema de Fila Nº Médio de
E{q} = E{w} + E{s} Elementos que
Saem ao Sistema
74
E{y} = µ

Teoria de Filas
Tempo Médio
Métricas de Desempenho: Atraso de Serviço
1
E{t s } =
µ
Fila (W)
S1
µ
População S2
Tempo Médio de Armazenamento
µ
E {t w } .
. Servidores (S)
.
Sm
µ
Tempo Médio no Sistema de Fila
E {t q } = E {t w }+ E {t s }
75
Teoria de Filas
A notação de Kendall foi desenvolvida em 1951 para

descrever o comportamento de um sistema de fila em uma
única frase:
A/ B/m/ K / S / X
Processo de chegada Disciplina de serviço
Tamanho da população
Número de servidores Nº total de elementos no sistema
76

Teoria de Filas
Notação de Kendall Expandida:

A/ B/m/ J / K / S / X
Processo de chegada Disciplina de serviço
Tamanho da população
Número de servidores Nº total de elementos no sistema
Número de elementos na fila
77
Teoria de Filas
Processo de Chegada (A)

Descreve o processo que modela as chegadas de elementos ao
sistema.
As seguintes opções são utilizadas:

M – Markoviano
Intervalo de tempo entre chegadas é exponencial.
D – Determinístico
Intervalo de tempo entre chegadas é constante.
Ek – Erlang
Hk – Hiperexponencial
G – Genérico
Intervalo de tempo entre chegadas é tratado de forma
genérica, independente da distribuição.
78

Teoria de Filas
Processo de Atendimento (B)

Descreve o processo que modela o atendimento de elementos no
sistema.
As seguintes opções são utilizadas:

M – Markoviano
O tempo de serviço de um elemento é exponencial.
D – Determinístico
O tempo de serviço de um elemento é constante.
Ek – Erlang
Hk – Hiperexponencial
G – Genérico
O tempo de serviço de um elemento é tratado de forma
genérica, independente da distribuição.
79
Teoria de Filas
Tamanho da População (S)

Descreve o tamanho da população que gera elementos para o

sistema. Tipicamente é considerada como infinito.
Disciplina de Serviço (X)

Os elementos que aguardam por serviço na fila podem ser
selecionados de acordo com uma regra chamada disciplina de
serviço. Dentre as principais disciplinas estão:
FCFS – First Come First Served
Primeiro elemento que chega é o primeiro a ser atendido.
LCFS – Last Come First Served
Último elemento que chega é o primeiro a ser atendido.
SIRO – Service In a Random Order

Elementos são atendidos em ordem aleatória.
80

Teoria de Filas
Processo Processo
de Chegada
A de Atendimento
B
λ Buffer Infinito
S1
µ
S2
µ m
.
.
.
X Sm
µ
População
S K
81
Teoria de Filas
Processo
A/ B /m/ J / K / S / X de Atendimento B=M
Markoviano
M / M / 9 / 5 / 14 / ∞ / FCFS
J=5
λ S1
µ
S2
Processo
Buffer finito com no µ
máximo 5 elementos. .
de Chegada
. m=9
Markoviano .
A=M X=FCFS S9
µ
S=∞ População Infinita

K=5+9=14
82

Teoria de Filas
Modelo do Roteador
Enlaces full duplex
O processo de roteamento insere pacotes no buffer
83
Modelo Simplificado de Tráfego
µ clientes/s
1
λ clientes/s m
n
1 λ = tempo médio entre chegadas
1 µ = tempo médio de serviço
84

Modelo de Sistema com Perdas Puras
Usuário – Qual a probabilidade do sistema estar ocupado chegar ?

Sistema – Qual o fator de utilização dos servidores ?
µ clientes/s
m=0 1
λ clientes/s
M
n
85
Processo de Tráfego Telefônico
ocupação canal-por-canal Tempo de duração da chamada

6
5
Canais
4
3
2
1
tempo
instantes de chegada das chamadas
chamada bloqueada
Número de canais ocupados
6
5
4
3
2
1
0
volume de tráfego tempo
86

Processo de Tráfego Telefônico
ocupação canal-por-canal Tempo de duração da chamada

6
5
Canais
4
3
2
1
tempo
instantes de chegada das chamadas
chamada bloqueada
Número de canais ocupados
6
5
4
3
2
1
0
volume de tráfego tempo
87
Modelo de Sistema com Atrasos Puros
Usuário – Qual a probabilidade de se esperar muito tempo ?

Sistema – Qual o fator de utilização dos servidores ?
µ clientes/s
1
m=∞
λ clientes/s
M
88

Modelo de Sistema Misto
µ clientes/s
1
λ clientes/s 0 < m < ∞
M
89
Sistema Sem Perdas
Nenhum cliente é perdido, nem precisa esperar para

ser atendido
µ clientes/s
m=0 1
λ clientes/s
M
90

Fórmula de Little
Considere um sistema onde:

Novos clientes chegam na taxa λ clientes/s
Condição de Estabilidade:
Os clientes não se acumulam no sistema
Ocasionalmente o sistema está vazio
Conseqüência:
Os clientes deixam o sistema na taxa λ
N = número médio de cliente no sistema
T = tempo médio do cliente no sistema
N = λ ⋅T
91
Modelos de Tráfego
Modelos Clássicos para Rede Telefônica

Modelos de Perda
Modelos Clássicos para Rede de Dados

Modelos de Filas
Tráfego consiste de pacotes transmitidos no enlace
92

Modelo Clássico para Tráfego de Dados
1 Servidor + Buffer Infinito

Cliente=Pacote
Taxa de chegada de pacotes (pacotes/s)
L=Tamanho médio dos pacotes (unidades de dados)
Servidor=Enlace
C=Velocidade do enlace (unidades de dados/tempo)
Tempo de Serviço=Tempo de Transmissão dos Pacotes
λ pacotes/s m=∞ 1µ=L C
93
Processo de Tráfego de Dados
Estado dos Pacotes no Sistema (em espera ou sendo transmitidos)

tempo de espera
tempo de transmissão
tempo
instantes de chegada dos pacotes
Número de pacotes
Número de Pacotes
no Sistema
no sistema
4
3
2
1
0
tempo
Utilização do Enlace
1
0
tempo
94

Carga de Tráfego
Redes de Dados Comutada por Pacotes
Tráfego=Pacotes
Taxa de Chegada = λ
C
Taxa de Serviço = µ =
L
λ λL
Carga de Tráfego = ρ = =
µ C
A carga de tráfego é adimensional
95
Exemplo
Considere um enlace entre dois roteadores. Assuma que:

Na média, 10 novos pacotes chegam em um segundo
O tamanho médio dos pacotes é 400 bytes
A velocidade do enlace é de 64kbps
λL 10 ⋅ 400 ⋅ 8
ρ= = = 0,5 = 50%
C 64000
Se a velocidade do enlace for aumentada para 150Mbps:
λL 10 ⋅ 400 ⋅ 8
ρ= = = 0,0002 = 0,02%
C 150 ⋅10 6
96

Teoria de Filas
a/b/m/K
a=distribuição de probabilidade do intervalo entre chegadas
M (Markov) denota o processo de chegada de Poisson, com
chegadas independentes e identicamente distribuídas (iid)
b=distribuição de probabilidade do tempo de serviço
M (Markov) denota exponencialmente distribuído
D (Determinístico) denota tempo de serviço constante
G (Geral) denota tempo de serviço i.i.d. seguindo alguma

distribuição geral
E (Erlang)
H (Hiperexponencial)
m=número de servidores
K=número máximo de clientes permitidos no sistema
97
Teoria de Filas
Notação:
NS=Número médio de pacotes no sistema
NF=Número médio de pacotes na fila
NA=Número de pacotes em atendimento
TS=Tempo no sistema
TF=Tempo na fila
TA=Tempo de atendimento
98

Teoria de Filas
Teorema de Little
Aplicando o teorema obtemos as seguintes relações:
E [NS ] = λ ⋅ E [TS ]
E [NA] = λ ⋅ E [TA]
E [NF ] = λ ⋅ E [TF ]
99
Fila M/M/1
Probabilidade de existirem n pacotes no sistema:

n
λ  λ
Pn =   ⋅ 1 −  = ρ n ⋅ (1 − ρ )
µ  µ
λ2
Número de pacotes na fila: NF =
µ (µ − λ )
λ ρ
Número de pacotes no sistema: NS = E[n] = =
µ −λ 1− ρ
Número de pacotes sendo atendidos: NS = NF + NA
100

Fila M/M/1
Tempo na fila:
λ
TF =
µ (µ − λ )
Tempo no sistema:
1
TS = NS = λ ⋅ TS
µ −λ
1
Tempo de atendimento: TS = TF + TA TA =
µ
101
Exercício 1
Considere uma interface de um roteador recebendo uma média

de 100 pacotes/s. O tamanho médio dos pacotes é 1000 bytes.
Os pacotes são transmitidos (roteados) para o enlace na taxa de
1Mbps. Considerando que o intervalo entre chegadas e o
tamanho dos pacotes podem ser modelados utilizando a
distribuição exponencial (M/M/1).
Determine:
O tempo médio de atraso dos pacotes devido à fila no roteador e o
tempo médio entre a recepção do pacote e a sua transmissão
O número médio de pacotes no buffer
Se o buffer for dimensionado para suportar o número médio de
pacotes, qual será a probabilidade de perda de pacotes ?
102

Exercício 1
Resolução:
Para 100 pacotes/s com tamanho médio de pacote de 1000bytes,
teremos uma taxa de chegada de 100*1000*8=800kbps
O tempo de atendimento médio (TA) será 8000bits/1Mbps=8ms
1 L C
TA = = = 8ms µ= = 125
µ C L
Utilizando as equações do modelo M/M/1:
λ 100 λ ρ
ρ= = = 0,8 NS = = =4
µ 125 µ −λ 1− ρ
NS = λ ⋅ TS
TS = 0,04
103
Exercício 1
Resolução:
Para 100 pacotes/s com tamanho médio de pacote de 1000bytes,
teremos uma taxa de 100*1000*8=800kbps
TS = TF + TA TF = 0,032
E [NF ] = λ ⋅ E [TF ] NF = 3,2
Utilizando as equações do modelo M/M/1, se o buffer for
dimensionado para 3200 bytes, as probabilidades de se ter
0, 1, 2 e 3 pacotes no sistema é dada por:
P0 = 0,2 P2 = 0,128
Pn = ρ n ⋅ (1 − ρ )
P1 = 0,16 P3 = 0,1024
104

Exercício 1
Resolução:
A probabilidade de haver mais que 3 pacotes no sistema
(probabilidade de perda) é calculada como:
Pn >3 = 1 − (P0 + P1 + P2 + P3 ) = 0,4096
A probabilidade de descarte é de 41%
105
Exercício 2
Um concentrador recebe mensagens de um grupo de terminais e

transmite através de uma única linha de transmissão. O sistema é
modelado como uma fila M/M/1. O tempo médio entre chegadas das
mensagens é de 4ms. O tempo médio de transmissão é de 3ms.
Determine:
Número médio de mensagens no sistema e o atraso total
Qual aumento percentual na taxa de chegada resulta em dobrar o
atraso médio total
106

Exercício 3
Num gateway da rede, medidas mostram que os pacotes chegam numa

taxa média de 125 pacotes/s e o gateway leva em média 2ms para
encaminhar um pacote. Utilizando um modelo de fila M/M/1, analise o
gateway.
a) Qual a probabilidade de estouro do buffer se o gateway possui um
buffer para apenas 13 pacotes ?
b) Qual a capacidade do buffer para manter a taxa de perda de
pacotes inferior a 1E-6 ?
107
Multiplexação TDM/FDM
1 2 … m 1 2 … m 1 2 … m
t
µ1
λ1
C
Ci =
µ2 m
λ λ2 C 1
λi = µi = ⋅
m m L
µm Ci
λm µi =
L
108

Técnicas de Multiplexação
Comparação: A multiplexação estatística possui menor atraso médio, mas

maior variância de atraso. A multiplexação estatística elimina a
necessidade de identificar o fluxo de tráfego associado com cada pacote.
1 1 m
TS SM = TSTDM = = = m ⋅ TS SM
µ −λ µ m−λ m µ −λ
µ m
λ µ λ m
λ m
λ m λ m
…
λ m …
Multiplexação λ m
Estatística
TDM/FDM
109
Simulação de Fila M/M/1
Utilizar simulador NS-2 (filamm1.tcl)

Esboçar o cenário de simulação (nós+enlaces)
O intervalo entre chegadas e o tempo de serviço seguem
distribuição exponencial
Identificar o tempo médio entre chegadas e o tempo médio de
serviço (tamanho médio dos pacotes)
Calcular analiticamente o número médio de pacotes na fila
Utilizando os resultados de simulação, traçar o gráfico de
comportamento do tamanho do buffer (coluna 5) versus tempo
(coluna 1)
110

Projeto de Redes - Modelagem e Desempenho

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Projeto de Redes - Modelagem e Desempenho

Загружено:

Авторское право:

Доступные форматы

Curso de Especialização em Redes e

Segurança de Sistemas - PPGIA - PUCPR

Especialização em Redes e Segurança de Sistemas

Prof. Marcelo E. Pellenz

Modelagem de Desempenho de Redes

Estudo analítico através de modelos matemáticos.

Prof. Marcelo E. Pellenz 1

Análise de Resultados de Simulação

Prof. Marcelo E. Pellenz 2

Apostila do Prof. Carlos M. Pedroso

Ao final do curso os alunos deverão entregar um relatório com o

Data das Aulas:

Prof. Marcelo E. Pellenz 3

Técnicas de Avaliação de Desempenho

Seleção de Técnicas de Avaliação de Desempenho

Seleção de Métrica de Desempenho

Prof. Marcelo E. Pellenz 4

O congestionamento ocorre quando o número de pacotes

Redes de Computadores / Telecomunicações

Prof. Marcelo E. Pellenz 5

Alguns pacotes são entregues na ordem para o destinatário

Sistema de Telecomunicações do Ponto de Vista do Tráfego

Prof. Marcelo E. Pellenz 6

Complexidade da Rede (POPs)

Taxa Média de Transmissão (Vazão/Throughput)

Tempo de processamento por pacote no transmissor

Prof. Marcelo E. Pellenz 7

Distribuição das Taxas Medida de Justiça

Prof. Marcelo E. Pellenz 8

Tempo de Resposta de um Sistema

Tempo de Resposta Tempo

(a) Requisição e Resposta Ideal

(b) Requisição e Resposta Real

Prof. Marcelo E. Pellenz 9

Exemplo 1: Se o máximo throughput atingível em uma LAN

Exemplo 2: A razão entre o desempenho de um sistema

Exemplo 2 - Eficiência de um Sistema Multiprocessado

Prof. Marcelo E. Pellenz 10

Parâmetros que Afetam o Desempenho da Rede

Complexidade da Rede (POPs)

Prof. Marcelo E. Pellenz 11

Arquitetura Geral de Roteadores e Switches

Prof. Marcelo E. Pellenz 12

Dado o tráfego de chegada e a qualidade de serviço

Dado o sistema e a qualidade de serviço desejada, qual a

Um multiplexador estatístico numa rede ATM (Switch ATM)

Uma Rede de Comunicações/Telecomunicações

Rede de Dados (Comutação por Pacotes)

Prof. Marcelo E. Pellenz 13

Parâmetros de Qualidade de Serviço (QoS)

Ponto de Vista Parâmetro de QoS

Sistema (Desempenho) - Utilização

- Bloqueio experimentado por requisições de

Tráfego Transportado - Taxa de perda de pacotes

(Dada a qualidade de Serviço)

Prof. Marcelo E. Pellenz 14

Objetivos Práticos da Teoria de Tráfego:

Controle e Gerência da Rede

Áreas Relacionadas com Estudo de QoS:

Prof. Marcelo E. Pellenz 15

Sistema Real versus Modelo

Capacidade de Armazenamento (Buffer)

Pares metálicos/cabo coaxial