Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2099.1/19041

Monitorización de tráfico y encaminamiento en redes IP
Herrera Gil, Andrés Ricardo
Rincón Rivera, David; Raspall Chaure, Frederic
Una de las principales dificultades con las que se encuentra todo operador de red a la hora de aplicar técnicas de ingeniería de tráfico radica en la obtención de la matriz de tráfico. Por definición, una matriz de tráfico describe el volumen de tráfico intercambiado entre los puntos de ingreso y egreso de una red durante un intervalo de tiempo dado. La forma directa de obtener la matriz de tráfico se basa en la realización de medidas a nivel de flujo. Por desgracia, no todas las redes cuentan con disp ositivos que posean tal capacidad. En la primera parte de este PFC se presenta un método simple y eficiente para la estimación de la matriz de tráfico de una red IP . Para ello se emplea la información de encaminamiento de la red y la carga de sus enlaces como entradas de un sistema de ecuaciones lineales . Dicho método , denominado tomogravedad, se aplica en las redes GÉANT y GRNET. En el caso de GÉANT, la información requerida se adqui ere a partir de dos aplicaciones existentes en su portal de monitorización: Cacti y Looking Glass. En GRNET se emplea la herramienta de monitorización Nemo , desarrollada por profesores de la EETAC. Utilizando estos datos a la entrada de un sistema compuesto por diferentes módulos desarrollados en R , Java y Matlab , se obtienen 2016 matrices para la red GÉANT y 268 para GRNET . Las matrices de tráfico han sido sometidas a un proceso de validación empleando nuevamente la carga de los enlaces. Los resultados obtenidos han sido satisfactorios, habiéndose conseguido , en el peor de los casos,unos valores de error cuadrático medio normalizado del 3,5% en GÉANT y 0,09% en GRNET. Logrado el objetivo anterior , las series temporales centran la atención de la segunda parte del PFC. En ella se plantea una metodología para el análisis y pre dicción de los volúmenes de tráfico estimados que se intercambian los puntos de ingreso y egreso de la red GÉANT durante el intervalo de tiempo en cuestión. Nuevamente, los resultados obtenidos han sido satisfactorios, habiéndose conseguido en series predi ctibles, en el peor de los casos, un error cuadrático medio normalizado del 10%. English: A fundamental obstacle to developing methods for traffic engineering in a network today is the inability of network operators to measure the traffic matrix. A traffic matrix provides, for every ingress point into the network and egress point out of the network, the volume of traffic exchanged between these points over a given time interval. The direct way to obtain the traffic matrix is based on performing flow level measurements. Unfortunately, many networks have no devices with such capabilities enabled. The first part of this PFC introduces a simple and efficient method for computing traffic matrix in IP networks. For this purpose, link loads and network routing information are the inputs of a linear equations system. Such method, called tomogravity, is applied in GÉANT and GRNET networks. In GÉANT the information will be acquired from the applications available in its monitoring web page: Cacti and Looking Glass. In the case of GRNET, a monitoring tool developed by professors of EETAC, called Nemo, has been used. With these data as inputs of a system composed by several modules developed in R, Java and Matlab, 2016 matrices have been obtained in GÉANT and 268 in GRNET. The traffic matrices have been validated using the measured link loads. The obtained results have been satisfactory, getting in the worst case, a normalized mean square error of 3.5% in GÉANT and a value of 0.09% in GRNET. Time series focus the attention of the second part of this PFC, where a methodology for the analysis and prediction of the traffic volumes estimated by the tomogravity method in GÉANT will be described. Again, the obtained results have been satisfactory, getting in predictable series, in the worst case, a normalized mean square error of 10%.
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Telemàtica i xarxes d'ordinadors::Trànsit de dades
Local area networks (Computer networks)
Netflow
Tráfico
Traffic
Transit
IP
Xarxes
Redes
Networks
Netflow
SNMP
Traffic matrix
Matriz de tráfico
Predicción
Prediction
PCA
SNMP
Xarxes d'àrea local (Xarxes d'ordinadors)
info:eu-repo/semantics/bachelorThesis
Universitat Politècnica de Catalunya
         

Mostrar el registro completo del ítem

Documentos relacionados

Otros documentos del mismo autor/a