Чувствительность трафика к потерям и искажениям пакетов

И, наконец, последним критерием классификации приложений является их чувствитель­ность к потерям пакетов. Здесь обычно делят приложения на две группы.

§ Приложения, чувствительные к потере данных. Практически все приложения, переда­ющие алфавитно-цифровые данные (к которым относятся текстовые документы, коды программ, числовые массивы и т. п.), обладают высокой чувствительностью к потере отдельных, даже небольших, фрагментов данных. Такие потери часто ведут к полному обесцениванию остальной успешно принятой информации. Например, отсутствие хотя бы одного байта в коде программы делает ее совершенно неработоспособной. Все традиционные сетевые приложения (файловый сервис, сервис баз данных, электронная почта и т. д.) относятся к этому типу приложений.

§ Приложения, устойчивые к потере данных. К этому типу относятся многие прило­жения, передающие трафик с информацией об инерционных физических процессах. Устойчивость к потерям объясняется тем, что небольшое количество отсутствующих данных можно определить на основе принятых. Так, при потере одного пакета, несущего несколько последовательных замеров голоса, отсутствующие замеры при воспроиз­ведении голоса могут быть заменены аппроксимацией на основе соседних значений. К такому типу относится большая часть приложений, работающих с мультимедийным трафиком (аудио- и видеоприложения). Однако устойчивость к потерям имеет свои пределы, поэтому процент потерянных пакетов не может быть большим (например, не более 1 %). Можно отметить также, что не любой мультимедийный трафик столь устойчив к потерям данных, так, компрессированный голос и видеоизображение очень чувствительны к потерям, поэтому относятся к первому типу приложений.

Классы приложений

Вообще говоря, между значениями трех характеристик качества обслуживания (относи­тельная предсказуемость скорости передачи данных; чувствительность трафика к задерж­кам пакетов; чувствительность трафика к потерям и искажениям пакетов) нет строгой взаимосвязи. То есть приложение с равномерным потоком может быть как асинхронным, так и синхронным, а, например, синхронное приложение может быть как чувствительным, так и нечувствительным к потерям пакетов. Однако практика показывает, что из всего многообразия возможных сочетаний значений этих трех характеристик есть несколько таких, которые охватывают большую часть используемых сегодня приложений.

Например, следующее сочетание характеристик приложения «порождаемый трафик — равномерный поток, приложение изохронное, устойчивое к потерям» соответствует таким популярным приложениям, как IP-телефония, поддержка видеоконференций, аудиовеща­ние через Интернет. Устойчивых сочетаний характеристик, описывающих определенный класс приложений, существует не так уж много. Так, при стандартизации технологии ATM, которая изначально разрабатывалась для поддержания различных типов трафика, были определены 4 класса трафика (и соответствующих приложений): A, B С и D. Для каждого класса рекомендуется использовать собственный набор характеристик QoS. Кроме того, для всех приложений, не включенных ни в один из этих классов, был определен класс X, в котором сочетание характеристик приложения может быть произвольным.

Классификация ATM, являясь на сегодня наиболее детальной и обобщенной, не требует для своего понимания знания технологии ATM, поэтому мы можем рассмотреть ее уже сейчас (табл. 7.1).

Таблица 7.1. Классы трафика

Класс трафика	Характеристики
А	Постоянная битовая скорость, чувствительность к задержкам, передача с установлени­ем соединения (например, голосовой трафик, трафик телевизионного изображения). Параметры QoS: пиковая скорость передачи данных, задержка, джиттер
В	Переменная битовая скорость, чувствительность к задержкам, передача с установ- лением соединения (например, компрессированный голос, компрессированное видеоизображение). Параметры QoS: пиковая скорость передачи данных, пульсация, средняя скорость передачи данных, задержка, джиттер
С	Переменная битовая скорость, эластичность, передача с установлением соединения (например, трафик компьютерных сетей, в которых конечные узлы работают по протоколам с установлением соединений — frame relay, Х.25, TCP). Параметры QoS: пиковая скорость передачи данных, пульсация, средняя скорость передачи данных
D	Переменная битовая скорость, эластичность, передача без установления соедине­ния (например, трафик компьютерных сетей, в которых конечные узлы работают по протоколам без установления соединений — IP/UDP, Ethernet). Параметры QoS не определены
X	Тип трафика и его параметры определяются пользователем

 

 

Анализ очередей

Определить основные характеристики QoS и сформулировать требования к ним — значит, наполовину решить задачу. Пользователь формулирует свои требования к качеству обслу­живания в виде некоторых предельных значений характеристик QoS, которые не должны быть превышены, например он может указать, что предельное значение вариации задержки пакетов не должно превышать 50 мс с вероятностью 0,99.

Но как заставить сеть справиться с поставленной задачей? Какие меры нужно предпринять, чтобы вариации задержек действительно не превысили эту величину? И как гарантировать пользователю, что средняя скорость передачи его потока через сеть будет соответствовать средней скорости входящего в сеть потока?

Для понимания механизмов поддержки QoS полезно исследовать процесс образования очередей в сетевых устройствах и понять наиболее существенные факторы, влияющие на длину очереди.

Модель М/М/1

Существует ветвь прикладной математики, предметом которой являются процессы об­разования очередей. Эта дисциплина так и называется — теория очередей. Мы не будем углубляться в математические основы этой теории, приведем только некоторые ее выводы, существенные для рассматриваемой нами проблемы QoS.

На рис. 7.3 показана наиболее простая модель очереди, известная под названием М/М/1^[26].

Рис. 7.3. Модель М/М/1

Основными элементами модели являются:

§ входной поток абстрактных заявок на обслуживание;

§ буфер;

§ обслуживающее устройство;

§ выходной поток обслуженных заявок.

Заявки поступают на вход буфера в случайные моменты времени. Если в момент по­ступления заявки буфер пуст и обслуживающее устройство свободно, то заявка сразу же передается в это устройство для обслуживания. Обслуживание также длиться случайное время.

Если в момент поступления заявки буфер пуст, но обслуживающее устройство занято обслуживанием ранее поступившей заявки, то заявка ожидает его завершения в буфере. Как только обслуживающее устройство завершает обслуживание очередной заявки, она передается на выход, а прибор выбирает из буфера следующую заявку (если буфер не пуст). Выходящие из обслуживающего устройства заявки образуют выходной поток. Бу­фер считается бесконечным, то есть заявки никогда не теряются из-за того, что исчерпана емкость буфера.

Если прибывшая заявка застает буфер не пустым, то она становится в очередь и ожидает обслуживания. Заявки выбираются из очереди в порядке поступления, то есть соблюда­ется дисциплина обслуживания первым пришел — первым обслужен (First-In, First-Out, FIFO).

Теория очередей позволяет оценить для этой модели среднюю длину очереди и среднее время ожидания заявки в очереди в зависимости от характеристик входного потока и вре­мени обслуживания.

Будем считать, что среднее время между поступлениями заявок известно и равно T. Это значит, что интенсивность поступления заявок, которая традиционно обозначается в тео­рии очередей символом λ, равна

λ = 1/T заявок в секунду.

Случайный процесс поступления заявок описывается в этой модели функцией распреде­ления интервалов между поступлениями заявок. Чтобы упростить получение компактных аналитических результатов, обычно считают, что эти интервалы описываются так на­зываемым марковским распределением (другое название — пуассоновское), плотность которого показана на рис. 7.4. Из рисунка видно, что входной поток является существенно пульсирующим, так как есть ненулевая вероятность того, что интервал между заявками бу­дет очень небольшим, близким к нулю, а также того, что он будет очень большим. Среднее отклонение интервалов также равно Т.

Рис. 7.4. Плотность распределения входного потока

 

Будем также считать, что среднее время обслуживания заявки равно b. Это означает, что обслуживающий прибор способен продвигать заявки на выход с интенсивностью 1/ b = μ. Опять же для получения аналитического результата считают, что время обслуживания — это случайная величина с пуассоновской плотностью распределения.

Принятие таких предположений дает простой результат для среднего времени ожидания заявки в очереди, которое мы обозначим через ω:

ω = ρ x (b / (1-ρ))

 

Здесь через р обозначено отношение λ / μ.

Параметр ρ называют коэффициентом использования (utilization) обслуживающего при­бора. Для любого периода времени этот показатель равен отношению времени занятости обслуживающего прибора к величине этого периода.

Зависимость среднего времени ожидания заявки ω от ρ иллюстрирует рис. 7.5. Как видно из поведения кривой, параметр р играет ключевую роль в образовании очереди. Если значе­ние р близко к нулю, то среднее время ожидания тоже очень близко к нулю. А это означает, что заявки почти никогда не ожидают обслуживания в буфере (в момент их прихода он оказывается пустым), а сразу попадают в обслуживающее устройство. И наоборот, если р приближается к 1, то время ожидания растет очень быстро и нелинейно (и в пределе равно бесконечности). Такое поведение очереди интуитивно понятно, ведь ρ — это отношение средней интенсивности входного потока к средней интенсивности его обслуживания. Чем ближе средние значения интервалов между пакетами к среднему времени обслуживания, тем сложнее обслуживающему устройству справляться с нагрузкой.

Рис. 7.5. Зависимость среднего времени ожидания заявки от коэффициента использования ресурса

 

С помощью модели М/М/1 можно приближенно моделировать сеть с коммутацией па­кетов (рис. 7.6).

Так, входной поток пакетов, поступающих на вход интерфейса коммутатора (будем здесь использовать этот термин как обобщенное название устройства коммутации пакетов), представлен в модели потоком заявок, а буфер модели соответствует буферу интерфейса коммутатора. Среднее время обслуживания заявки соответствует среднему времени про­движения пакета процессором коммутатора из входного буфера в выходной канал.

Рис. 7.6. Выходной интерфейс как разделяемый ресурс коммутатора

 

Понятно, что приведенная модель очень упрощенно описывает процессы, происходящие в коммутаторе. Тем не менее она очень полезна для понимания основных факторов, влияю­щих на величину очереди.

Сетевые инженеры хорошо знакомы с графиком, представленным на рис. 7.5. Они ин­терпретируют этот график как зависимость задержек в сети от ее загрузки. Параметр р модели соответствует коэффициенту использования сетевого ресурса, который участвует в передаче трафика, то есть выходного интерфейса коммутатора.

В приведенном графике есть и нечто неожиданное. Трудно представить, что обслуживаю­щее устройство (сетевой ресурс) практически перестает справляться со своими обязан­ностями, когда его коэффициент использования приближается к 1. Ведь в этом случае нагрузка не превышает его возможностей, а только приближается к этому пределу. Ин­туитивно не очень понятна также причина существования очередей при значениях р в окрестностях 0,5. Интенсивность обработки трафика вдвое превышает интенсивность нагрузки, а очереди существуют!

Такие парадоксальные, на первый взгляд, результаты характерны для систем, в которых протекают случайные процессы. Так как λ и μ — это средние значения интенсивностей потоков на больших промежутках времени, то на небольших промежутках времени они могут существенно отклоняться от этих значений. Очередь создается на тех промежутках, на которых интенсивность поступления пакетов намного превосходит интенсивность обслуживания.

Перегрузка ресурсов может привести к полной деградации сети, когда, несмотря на то что сеть передает пакеты, полезная скорость передачи данных оказывается равной нулю. Это происходит в том случае, если задержки доставки всех пакетов превосходят некоторый порог, и пакеты по тайм-ауту отбрасываются узлом назначения, как устаревшие. Если же протоколы, работающие в сети, используют надежные процедуры передачи данных на основе квитирования и повторной передачи утерянных пакетов, то процесс перегрузки будет нарастать лавинообразно.

Существует еще один важный параметр, оказывающий непосредственное влияние на об­разование очередей в сетях с коммутацией пакетов. Этим параметром является вариация интервалов входного потока пакетов, то есть пульсация входного трафика. Мы анализиро­вали поведение модели теории очередей в предположении, что входной поток описывается пуассоновским распределением, которое имеет довольно большое стандартное отклонение

вариации (напомним, что средняя вариация его равна Т при среднем значении интервала Г, а коэффициент вариации равен 1). А что будет, если вариация интервалов входного потока будет меньше? Или входной поток окажется сверхпульсирующим?

К сожалению, модели теории очередей не дают для этих случаев простых аналитических зависимостей, подобных формуле (1). Поэтому для получения результатов приходится применять методы имитационного моделирования сетей или проводить измерения в ре­альной сети.

На рисунке 7.7 показано семейство зависимостей ω от ρ, полученных для разных значений коэффициента вариации CV входного потока. Имитационная модель учитывает фиксиро­ванную задержку в сети. Одна из кривых, у которой CV = 1, соответствует пуассоновскому входному потоку. Из рисунка видно, что чем меньше пульсирует входной поток (CV при­ближается к нулю), тем меньше проявляется эффект лавинообразного образования очереди при приближении коэффициента загрузки ресурса к 1. И наоборот, чем больше CV, тем раньше (при меньших значениях р) начинает этот эффект проявляться.

Рис. 7.7. Влияние степени пульсации потока на задержки

 

Из поведения графиков на рисунке можно сделать два вывода: во-первых, для оценки значений задержек в очередях на коммутаторах сети недостаточно информации о коэффи­циенте загрузки ρ, необходимо также знать параметры пульсации трафика; во-вторых, для снижения уровня задержек нужно снижать значение ρ и уменьшать пульсацию трафика.