Contrôle de congestion et gestion du traﬁc à partir de...

Contrôle de congestionet gestiondu trafic àpartir demesures

NicolasLARRIEU — Philippe OWEZARSKI

LAAS– CNRS7, avenueduColonelROCHE31077TOULOUSECedex 4{nlarrieu, owe}@laas.fr

RÉSUMÉ.Cepapierprésenteunenouvelleapprochepourl’Internet,dontl’objectif estd’améliorerla gestiondutrafic,la QdS1 etplusgénéralement,lesservicesréseaux.Cetteapproche,appeléeMBN2, reposeprincipalementsur l’utilisation detechniquesdemétrologieactiveset passivesqui permettentdemesurer entempsréel différentsparamètresdu réseauet desontrafic pourainsi réagir très rapidementet très précisémentà desévènementsspécifiquesse produisantdansle réseau(apparitiondecongestionpar exemple).Cepapier illustre l’approcheMBN autraversdu développementd’un mécanismede contrôlede congestionorientémesuresintituléMBCC3 etévaluépar dessimulationsNS-2.Ellesmontrent,enparticulier, commentcenouveaumécanismepermetd’améliorer lescaractéristiquesdu trafic ainsi quela QdSdansl’Internet,malgréla complexitéet la variabilité du trafic actuel.

ABSTRACT. Thispaperdealswith a newapproachfor theInternetwhich aimsat improvingtrafficandqualityof servicemanagementandmoregenerally networkservices.Thisapproach,calledMBN, mainly relieson theuseof activeandpassivemonitoringtechniqueswhich measure inreal timenetworkand traffic parametersand makespossibleto reactquickly and suitablytospecificeventsarising in thenetwork(congestionfor example).ThispaperillustratestheMBNapproach with a measurementbasedcongestioncontrol mechanism(MBCC)and evaluatesitthanksto NS-2simulation.They particularly showthat MBCCimprovestraffic characteristicsandQoSdespitethecomplexity andvariability of currenttraffic.

MOTS-CLÉS: Métrologie réseau,caractérisationde trafic, “MeasurementBasedNetworking”,contrôledecongestion,TFRC,QdSInternet

KEYWORDS:Networkmonitoring,traffic characterization,MeasurementBasedNetworking,con-gestioncontrol, TFRC,QoS

�. QdS: QualitédeService�. MBN : MeasurementBasedNetworking�. MBCC : MeasurementBasedCongestionControl

2 CFIP’05.

1. Intr oduction

Lestravauxderechercherécentsenréseau,baséssurl’utilisation detechniquesdemétrologie,ontpermisd’améliorerlesconnaissancessurle traficInternet.Eneffet,cesétudesont montréquecetrafic estloin d’êtrerégulieret qu’il estpossibled’observerdescaractéristiquesoscillatoiresàtoutesleséchellestemporellesi.e.pourdeséchellesde tempsfines(inférieuresà la seconde)et importantes(supérieuresà l’heure).Lesoscillationspourlespetiteséchellesdetempsnesontpassurprenantes.A l’in verse,lamiseenévidenced’oscillationsà long termesontassezinattenduesetproblématiquespour la stabilitéet lesperformancesdu réseau[PAR 97]. En particulier, les récentesétudesont montréquelesapplicationspair à pair (P2P),utiliséesmassivementpouréchangerdesvolumesd’informationtrèsimportants(albumsmusicauxoufilms) sontentraindemodifierlescaractéristiquesdutraficInternet[OWE 04a]. Cesapplications,par les oscillationsà long termequ’ellesinduisent,créentde la dépendancelonguemémoire(LRD) dansle réseau.CetteLRD ainsiquecesoscillationssonttrèsnéfastespour la QdSdu réseauétantdonnéqu’ellesprovoquentdesphénomènesimportantsdecongestionet un niveaudeservicetrèsinstablepour lesutilisateurs[WIL 95]. Deplus, les oscillationsà long termecréentdespropriétésde non-stationnaritédansletrafic, la valeurmoyennedu traficchangeantfréquemmentdefaçonsignificative.

Cepapierproposedoncd’exploiter les techniquesdemétrologieréseauentempsréelafin dedéfinirunearchitectureorientéemesure(appeléedansla suiteMBA pourMeasurementBasedArchitecture)et l’ensembledesmécanismesnécessairespermet-tantdemieuxadapterlesmécanismesdu réseauauxfréquentschangementsmesurésdansle trafic. Ainsi, la partie2 débute cepapierenanalysantlescaractéristiquesdel’Internetqui rendentsi difficile uneaméliorationdelaQdS.Dansundeuxièmetemps,la partie3 présentenotreapprocheorientéemesure(appeléedansla suiteMBN pourMeasurementBasedNetworking)et l’architectureMBA qui y estassociée(section3.2).Uncomposantessentieldecettearchitectureestle protocoleMSP(MeasurementSignalingProtocol)qui permetd’informerentempsréeltouslesacteursdu réseaudel’évolution descaractéristiquesdu trafic. Ce protocoledevra réaliserun compromisentrele besoinen rapiditépour permettrede délivrer desinformationssur l’état duréseauen tempsréel et le soucisd’éviter sasurcharge afin de lui permettreainsi defonctionnerdansdesréseauxde grandetaile (section3.2). Les exemplesd’applica-tions de l’approcheMBN sontnombreusesmaisnousavonsdécidéde l’illustrer parun nouveaumécanismede contrôlede congestionorientémesures(appelédanslasuiteMBCC pourMeasurementBasedCongestionControl).Il devra êtrecapabledelimiter le nombrede congestionset de pertesdansle réseaumaisausside pouvoiraméliorerla régularitédu trafic et l’utilisation desressourcesdu réseau.Dèslors, lapartie4 présentelesprincipesde fonctionnementde MBCC et deMSP et leur éva-luationconjointeensimulation(NS-2).Cettedernièresedérouleendeuxparties.Lapremièreétape(section5.2) permettradedéfinir quelssontlesparamètresoptimauxde MSPpourconcilier performance(vitesse),passageà l’échelleet absencedesur-charge du réseau.La deuxième(section5.3) démontreles avantagesde MBCC parrapportauxmécanismesdecontrôledecongestiontraditionnelscommeceuxdeTCP.Au final, la partie6 conclutcepapieretintroduit lesévolutionsàvenirpourl’approcheMBN.

2. Problématiquede la QdSdansl’Inter net

GarantirlaQdSconsisteàfournir leservicedemandédanstouteslescirconstances,y comprislesplusdifficiles.Parmi cesdernières,le niveaudeQdSdansl’Internetest

N. Larrieu,P. Owezarski 3

particulièrementsensibleà un grandnombrede«ruptures»duesà un volumeimpor-tantde trafic inattenduqui peutêtrelégitimedansle casdela diffusiond’un évène-mentpopulairesur le réseau,unedéfaillancetechniqueou encoreun comportementillicite d’un utilisateurdu réseau(attaquededéni de serviceparexemple).Les rup-turesdetrafic incluentplusgénéralementtouslesévènementsqui peuventprovoquerun changementimportantdanslescaractéristiquesdu trafic et qui peuventaffecterlaQdSdansle réseau.Danscecontexte, le développementdeméthodologiespourper-mettreunemesureglobaledu réseauestdevenueun enjeuimportant.Cesméthodessont essentiellespour permettrede détecteret de réagirà cesruptures.Ce sont lesconclusionsqui ont étéavancéesparle projetMetroPoLIS[MET ] ainsiquedenom-breuxautresprojetsrécentsderecherchequi ont montréquele trafic Internetesttrèsloin deprésenteruncomportementrégulieretmettentenévidencedelargesvariationsdesondébitmesurablesà toutesleséchellesdetemps[PAR 96]. Touscesprojetsontobservédespropriétésd’auto-similarité[PAR 00], de (multi-)fractalité[FEL 98] ouencoredeLRD [ERR96] dansle trafic actuelqui sontdesparamètresqui mesurentle degré importantdevariabilitédu trafic Internet.Cettedernièreestcausée,enparti-culierparlesmécanismesdecontrôledecongestion,spécifiquementceuxdeTCPquirestele protocoledominantdel’Internet [PAR 96]. Evidemment,le moded’émissionen rafaledeTCPinduit lescaractéristiquesoscillatoiresqui sontdeplusenplusob-servées.Cesoscillationssonttrèsnéfastespourl’utilisation globaledesressourcesduréseauétantdonnéquela capacitélibéréeparun flux TCPà la suited’uneperte,parexemple,nepeutpasimmédiatementêtrerécupéréeparun autreflux. Ceconstatsetraduitparungaspillagedesressourceset induit unediminutiondela QdSglobaledutraficet duréseau[PAR 97].

D’autrepart,lescapacitésgrandissantesdel’Internetpermettantauxutilisateursdetransmettredesflux deplusenplusgros(appeléséléphants)commedela musiqueoudesfilms parexempleentrainentuneaugmentationdel’échelledela LRD observableet avec elle, du niveaud’oscillation du trafic [WIL 95]. Cesvariationsd’amplitudecauséesparl’augmentationdunombredeflux éléphantsdansle réseausontbienplusimportantesqu’aveclesflux souris(lesflux courts)[BEN 03]. Eneffet, leséléphants,à causede leur duréedevie trèsimportantedansle réseau,ont le tempsd’atteindred’importantesvaleurspour la fenêtrede congestion(CWND) de TCP et ainsi, unesimpleséquencedepertespeutprovoqueruneimportanteréductionsuivie d’uneim-portanteaugmentationdu débit d’émission.Cephénomèneestaujourd’huiexacerbédansles réseauxcommerciaux.En effet, le trèsgrandsuccèsdesapplicationsP2Putiliséespouréchangerdesfichiersvolumineux(albumsmusicauxoufilms), modifieles propriétésdu trafic Internetqui devient un mélangede trafic Web et P2Poù leséléphantssontdeplusenplusnombreuxetdeplusenplusvolumineux(grâceenpar-ticulier à la démocratisationdesaccèshaut-débit: ADSL, cable...)! Nos étudessurcetteévolution du trafic démontrentquelesflux éléphantsreprésententenviron 5 %du nombredeflux dansl’Internet (ils n’étaientque2 à 3 % il y a cinqans)et queces5 % représententplusde60% dela totalitédutraficInternet[LAR 04]. Evidemment,cesvariationsimportantesdansle profil du trafic ont un impactsursespropriétésdestationnarité.Cetteremarquejustifie le développementdemécanismesefficacesper-mettantde garantiruneQdSstableau coursdu tempspour tousles utilisateurs.Lanon-stationnaritédu trafic,définiecommeun changementdansla moyennedu débit,adoncdesrépercutionsimportantessurla QdSduréseau.Deplus,lesétudesrécentessur le trafic Internet,ont mis en évidenceuneversatilitéforte du trafic dont les ca-ractéristiquessontà la fois trèsdifférentesd’un lien à l’autre et évoluentaussitrèsrapidementaucoursdu temps[SOU 04]. Notrepropositionqui estprésentéedanslapartie3 introduitainsiunenouvellesolutionpourgérerle réseauenprenantencomptelespropriétésdenon-stationnaritédutrafic,lesfortesvariationsquel’on peutmesurer

4 CFIP’05.

surunmêmelien ouaucontrairelescaractéristiquestrèsdifférentesdutraficd’un lienà l’autredansle réseau.

Un autreproblèmeimportantestrelatif à la difficultédemiseenœuvredesméca-nismesdeQdSdeboutenboutfaceà l’hétérogénéïtédela topologieetdela structureadministrative de l’Internet. Cepoint estillustré par la figure1. L’Internetestgéné-ralementdéfini commeuneinterconnexion de réseaux.C’est évidemmentvrai maisincomplet.En effet, l’Internet doit êtrede plus en plus vu commeun réseauglobaldécoupéendifférentsdomainesouSystèmesAutonomes(SA), indépendantadminis-trativementet gérésde façonautonome.ChaqueréseaudechaqueSA proposedoncdifférentsniveauxdeserviceet deQdSà sesusagers.Cephénomènedevient deplusen plus importantavec la prolifération de nouveauxtypesde réseauxreposantsurdestechnologiessans-fil(WIFI, GPRS,UMTS, etc.) ou satellitequi proposentdesniveauxde QdStrèsdifférents.Dansun tel contexte, assurerde la QdSde bout enboutestparticulièrementarduétantdonnéquele niveaudeserviceobtenuparunuti-lisateurseraminorépar le domaineayantles prestationsles plus bassesparmi touslesdomainestraverséssur le cheminentrela sourceet la destination.En particulier,lesliensde“peering”sontsouventsous-dimensionnésetà l’origine d’unediminutionimportantede la QdSet desperformancesdansla communicationde bout en bout[NOR 04]. Dansun tel contexte,améliorerla QdSdeboutenboutpourraitnécessiterla miseenplaced’une infrastructureglobaleet deprocéduresdegestioncentraliséepouréviter lesdifférencesentreSA. Unetelle hypothèsenepeutqueresterutopiquetant la compétition«économique»entreopérateurset fournisseursd’accèsestimpor-tante.Ainsi, trouver un accordglobal entretous cesacteurspour définir commentéchangerle traficInternetesttotalementinvraissemblable.La QdSdeboutenboutestdoncunproblèmeàconsidéreravecunevisionmulti-domaine.

3. Principesde l’appr ocheMBN

3.1. Définition del’architecture MBA s’appuyantsur desmesures

Conscientsdesdifférentsaspectsrelatifsà la problématiquede l’améliorationdela QdSdansl’Internet, il estaiséde comprendrequ’unesolutionstatiqueoptimalepourl’ensembledesconnexionsn’estpaspossibleà établir. Cetteconstatationnousaamenéà proposerl’approcheMBN qui permetderéagirentempsréel,globalement,localementet ponctuellementà différentsévènementsseproduisantdansle réseau.Ainsi, l’approcheMBN nécessitedeguetterdeschangementsqui seproduisentdansle réseauou le trafic par l’intermédiairede la mesuredesparamètresde QdSet dutrafic. La figure 1 décrit commentcesoutils de mesuredoivent êtredéployésdansle réseau.Elle détaillele casplusspécifiqued’uneconnexion MBCC régiepar l’ap-procheMBN entreunesourceet unedestination,traversantdeuxSA Internetainsique les routeursde bordureet de coeur. Cesrouteursintègrentle mécanismeMSP(permettantdemesureret designaleraux équipementsréseauxconcernéscesrésul-tats de mesure).Il està noter que les équipementsde mesuresontde plus en plusdéployésau seindesdifférentsSA Internetà l’heure actuelle.Néanmoins,mêmesitous les nœudsdu réseaune serontsansdoutejamaistouséquipésd’outils de me-sure,nouspensonsqu’encollectantet enutilisantlesrésultatsdemesuredessondeseffectivementdéployéesdansl’Internet,nouspouvonsaméliorerconsidérablementlagestiondu réseauet de sontrafic. Ainsi, MBN estpenséselonl’idée suivante: lesperformanceset la QdSpeuvent êtregrandementamélioréeset mêmedevenir opti-malesenutilisantdesinformationsdemesuresur le réseaumaismêmesi encertains


pointsduréseaul’information demesuren’estpasdisponible,le réseaudoit continuerà fonctionneravecdebonnesperformancesetunebonneQdS.

Figure 1. Déploiementarchitectural de MBN : exempledu contrôlede congestionMBCC

La structureadministrativedel’Internetnousamèneà considérerdifférentestech-niquesdemesure.En effet, lesmesuresintra-domainespeuventêtreréaliséespardeséquipementspassifs(systèmesbaséssurSNMP, NetFlow, DAG...)déployésparl’opé-rateurqui souhaiteréaliserunegestiondu réseaupluspertinente.Il pourraainsidis-poserd’informationsur le niveaudebandepassanteutiliséeet disponible,le nombrede flux actifsdanssonréseau,le tauxdeperte...A l’in versela mesuredu délai seraplus facile en employantdestechniquesactives.Pource qui estde la mesureinter-domaine,le problèmeestdifférent.Eneffet, l’opérateurconsidéré(qui peutêtreréduità unsimpleutilisateurdu réseau)nedisposerapasfacilementd’informationfiablesurun SA concurrent.Danscecas,il estnécessaired’utiliser destechniquesdemesuresactives, le principeétantd’émettredespaquetssondesà travers les domainespourlesquelsonsouhaiteestimerlesressourcesou la QdSenobservantcequi arrive à cespaquetssondes.

Ainsi, l’ensembledecesmesuresréaliséesentempsréeletsignaléesà l’ensembledeséquipementsréseauxconcernés(les sourcesde trafic par exemple),donneuneconnaissanceprécisede l’état du réseauet du trafic et permetainsi de parfaitementadapterleur débit d’émission(dansle casde MBCC par exemple)aux ressourcesdisponibles.Il est importantde noterqu’un aspectprimordial de MBN à trait à ladéfinition d’un protocolepermettantde signalerles informationsde mesuredansleréseauàla fois enintra-domainemaisaussiéventuellemententredifférentsopérateursou FAI (Fournisseursd’Accès Internet)si ceux-cidécidentde coopérerétroitementpourunobjectif commundefournituredeQdS.

6 CFIP’05.

3.2. Principesdu protocoledesignalisationdesmesures(MSP)

MSPestuncomposantclédel’architectureMBA maisil nécessitedetrouverpourlui le compromisentreefficacitéet capacitéà fonctionnerà largeéchelle.En effet, ilestnécessairedefournir desinformationssurle traficle plusrapidementpossiblepourpermettreauxcomposantsdu réseauderéagirsuiteà la réceptiond’informationstrèsrécentessur l’état du réseautoutenévitantdesaturerle réseauavecdesinformationsdesignalisation.Cebonfonctionnementàgrandeéchellenécessiteaussiquelescom-posantsMSPnestockentpasunetrop grandequantitéd’informations: les tablesdecorrespondancesà rajouterpourMBN danslesrouteursdoiventêtreaussipetitesquepossible(avec un nombrelimité d’entrées)pourpermettredeminimiserle tempsderecherched’uneinformation.

La figure1 présentele modedefonctionnementdeMSPdanssesgrandeslignespermettantd’atteindrecesobjectifsd’efficacitéet depassageà l’échelle(plusdedé-tails serontfournis dansla section4.1 relative à l’étude de casde MBCC). Toutd’abord,MSP estorientéconnexion, c’est à dire que le cheminsignalédoit être lemêmepour tousles paquetsd’une connexion choisie.Pourcela,nousavonsutiliséle principedeRSVP[BRA 97] avecun premierpaquetqui découvrele chemindelasourceà la destinationet ensuiteun paquetderetourqui revient à la source.Lesdif-férencesexistentpourle paquetderetourqui estunpaquetderéservationdansRSVPmaisunpaquetdesignalisationdansMSP: il transportedesinformationsdemesure.D’autrepart, lespaquetsdesignalisationsontenvoyésà chaquefois quenécessaire,alorsquedansRSVPils sont justeenvoyéslorsquela connexion estouverte.MSPutilisesimplementle principedeRSVPqui consisteà trouveruncheminetderevenirle long dece chemin.Cetteméthodepermetà MSPde parfaitementidentifierquelssont les composantsréseaux(les routeurs)rencontréssur le cheminet de limiter lenombredesourcesetdedestinationspourlesmessagesdemesure.

Pourpermettredeprendreencomptele problèmedu facteurd’échellerencontréparRSVPdanssondéploiementInternet,nousavonschoisi:

– De neconsidérerquelesflux éléphants.En fait, lessourisnecréentpasderéelproblèmedansle traficet touslesdommagessontgénéréspardeséléphants[BEN 03].Ainsi, les routeursMSP conservent justeuneinformationsur les flux éléphantslestraversant.Cettetechniquepermetde limiter le nombred’entréesdansla table deconnexion étantdonnéque les éléphantsreprésententune trèspetite proportiondunombretotaldeflux [LAR 04] ;

– D’envoyerlesinformationsdemesureseulementlorsqu’uneruptureestdétectéedansle trafic. Cettetechniquepermetdegénérerdu trafic designalisationseulementquandles conditionsdu réseauchangent1. Ce principe va donc limiter la quantitéde donnéesde signalisationet permettreaux émetteurset aux routeursde disposertrès rapidementd’informationsimportantessur l’évolution du réseauet du trafic :rappelonsquelesmesuressontréaliséestout au long du cheminentrela sourceet ladestinationetpotentiellementtrèsprêtdela source.

Enprocédantdelasorte,noussouhaitonsrésoudreleproblèmedufacteurd’échellequi aétéprécédemmentrencontrédansl’Internetdanslestentativesd’améliorationet

�. Evidemment,un envoi périodiqued’informationdemesureestaussiintégrédansMSPpour

détecterlesvariationstrèsdoucesdanslesfluctuationsdu trafic (c’està dire un traficsansrup-tureforte maisavecunecomposantedenon-stationarité).Etantdonnésonprincipederéactionbasésurla détectionderupture,la périodepourraêtretrèsgrande,induisantainsiunfaibletraficdesignalisation.


degarantiedela QdS.LesperformancesdeMSPserontprécisémentévaluéesdanslasection5.2.

4. Principesdu contrôle decongestionorienté mesures(MBCC)

Etantdonnéle niveaud’oscillationet denon-stationnaritédu traficqui causetantdedifficultéspourfournir uneQdSstablevoire garantie,cepapierproposeuneillus-trationduconceptMBN appliquéà la miseenplaced’un nouveaucontrôledeconges-tion. Les objectifsdeMBCC sontconjointementd’améliorerles caractéristiquesdutrafic et la performancedu réseauen lissantle trafic (de façonà limiter leseffets devariabilitédu trafic) et d’optimiserl’utilisation desressources(la bandepassantedis-ponible)enutilisantl’infrastructuredemesureMBA / MSP. Deplus,MBCC seraca-pabled’assurerunecertaineéquitéàdesflux concurrentsetdecontinueràfonctionneravecdebonnesperformancesmêmesi certainesmesuresmanquent.

Danslestravaux[LAR 03] [OWE 04a]sur l’analysedescaractéristiquesdu trafic(dont les résultatsont étérésumésdansla section2), la natureoscillatoiredu traficInternetaétémiseenévidence.Enparticulier, il aétémontréquecesoscillationsper-sistantesdansle temps(sourcesdela LRD observéedansle trafic)étaientduesà l’in-adéquationdeTCPpourla transmissiondesfichierstrèsvolumineuxsurdesréseauxàhautdébit.Ainsi, le problèmele plusimmédiatconcernela réductiondesoscillationset plusprécisémentla régulationdesoscillationspersistantesqui ont un impactdra-matiquesurla QdSdu traficet lesperformancesdu réseau.C’estpourcelaqu’undesobjectifsdeMBCC estd’offrir plusdestabilitéauxflux éléphants.Poursupprimerlescomportementsoscillatoiresobservablesà toutesleséchellesdetemps,le mécanismedecontrôledecongestionTFRC(TCPFriendlyRateControl)estcapabled’apporterune contribution importante.TFRC a été défini pour fournir un serviceadaptéauxapplicationsorientéesflux qui ont besoind’un débit lisseet régulier. Il essaiedonc,d’éviteraumaximumlesvariationsbrutablesdedébitqui apparaissentavecTCPdansle casd’unereprised’émissionqui suit la détectiond’uneséquencedepertes.En as-sociantun tel mécanismeau transfertdesflux éléphants,représentantla majoritéenvolumedu trafic, noussouhaitonscontrôlerlesoscillationsdu trafic et augmenterlaQdSet les performancesglobalesdu réseau.Le débit d’émissionde chaquesourceTFRC estcalculé,unefois par RTT, grâceà un algorithmeorientérécepteurqui sebasesur le tauxd’évènementsdepertes� estimépar le récepteur[FLO 00] et selonl’équationsuivante:

�� !��" ��$#�� #�� %'&(� � ��*)+�,#-�� !. &/&*& [1]

où :

–�

estle débitdetransmissionenoctetsparseconde,– � estla taille dupaquetenoctet,–

�estle tempsaller-retourenseconde,

– � estle tauxd’évènementdeperte(entre0 et1), il s’agitdela fractiondunombred’évènementsdepertessur le nombredepaquetstransmis,

–�*!��"

estla valeurdu timer deretransmissionTCPensecondeet normallementégalà 0 ��

,–

�estle nombredepaquetacquittésparunsimpleacquittementTCP.

8 CFIP’05.

Lesbénéficesdel’utilisation deTFRCà la placedeTCPont étédémontrésdans[LAR 03]. Cependant,si TFRCestcapablederéduirelesoscillationsdeTCP, il n’estpascapablede s’adapteraux rupturesbrutalesdu trafic (pannessur desliens impli-quantun rééquilibragedu trafic, pics de trafic dus à un trafic légitime lié à la dif-fusion d’un évènementtrès populairepar exemple.L’approcheMBN est proposéecommeunesolutionpourfairefaceà cesruptures.Ainsi, noussouhaitonsqueMBCCsoit unesolutionoptimalepermettantd’améliorerTFRC,qui enmoyenneestun pe-tit peu moinsefficacequeTCP New Renowith SACK2 (Selective ACKnowledge-ment[MAT 96]) [LAR 03]. PourbénéficierdesavantagesdeTFRC,nousavonsdéfiniMBCC commeunedesesextensionsenle dotantd’unecapacitéàutiliserlesrésultatsde mesurequi émanentdeséquipementsde métrologiedéployésdansle réseau.Enfaisantcechoix, noussommescapablesdeproduiredebonsrésultats(meilleursqueceuxde l’Internet actuel)mêmesi les informationsde mesuresonttemporairementindisponibles.

Le principede MBCC consisteà utiliser l’algorithme de TFRC pour calculerletaux d’émissionnominalde chaqueconnexion et de corrigercettevaleurgrâceà laconnaissancedu niveaudebandepassantedisponibleet consomméedansle réseau.Ainsi, si unefractiondela bandepassanteestdisponible,lessourcespourrontgéné-rer plusdetraficqu’indiquédansl’équation1 (qui correspondaudébitd’un flux TCP[ALT 00]) sanspourautantcréerdespertesetdescongestionsdansle réseau.Ainsi, leniveaudecongestiondu réseaudevrait êtresignificativementréduitendéployantdessourcesde trafic «pro-actives»,capablesd’adapteren tempsréel leur débit d’émis-sion en fonction desressourcesdisponibles.Un tel mécanismedevrait aussiaideràaugmenterl’équité entreles flux, étantdonnéquela correctionréaliséesur le débitd’émissionnedevrait pasdépendredela valeurdu RTT maisdela réellefractiondebandepassantedisponibleéquitablementpartagéeentrelesflux concurrents.

Commedans[LAR 03], MBCC serauniquementutilisépourlesflux éléphantsquisontlesflux qui génèrentle plusdeperturbationsdansle réseau.A l’opposé,commele trafic«souris»représenteunbruit blancGaussien[BEN 03], il n’induit pasdepro-blèmedetransfertimportantet il n’estdoncpasnécessairedemodifierleurprotocoledetransport.Ainsi, pourunepériodenormale(quandlesinformationsdemesuresontcorrectementreçues,qu’il n’y a pasdecongestionetquedela bandepassanteestdis-ponibledansle réseau),chaqueflux éléphantpeututiliserunefractionsupplémentairedesressourcesqui sontdisponibles.Cettefraction estcalculéeen divisant la bandepassantetotaledisponiblepar le nombrede flux moyenséléphantsdansle réseauàcemoment(cesinformationsétantfourniesparleséquipementsdemesurerencontréstout au long du chemin).Il estlogiquedediviserla bandepassantedisponiblepar lenombremoyendeflux actifs ( 1 ) traversantce lien car il a étédémontréqueles ar-rivéesdeflux éléphantssontprochesd’un processusPoissonien[BEN 03]. En effet,pourun processusdePoisson,commela moyenneestégaleà la variance,le nombremoyenest significatif car les valeursdu processusne serontjamais très éloignéesde cettevaleurmoyenne.A l’in versepour unepériodede congestion,lesémetteursMBCC devront réduireleur débit d’émissionpour résorberla congestionet ceci enessayantd’êtreaussiéquitablequepossible.Dèslors, lessourcesMBCC envoient lavaleurminimaleentreledébitTFRCetledébiteffectif obtenuparunflux àcemomentauniveaudugoulotd’étranglementsursonchemin.

Ainsi, leséquationsdecetalgorithmepeuventêtrerésuméesdela façonsuivante:

�. CetteversiondeTCPaétéchoisiecommeréférencecarelleestconsidéréecommela version

la plusperformantedeceprotocoledetransport.


– Pourunepériodesanscongestion(� �32) :

�5476 ( �� ,8�9�:-;=<?>A@;

– Pourunepériodedecongestion(�CB��2) :

�5476 ( �3DFE$GH�I� �J��LK 8�9�MN;=<?>A@O&;

Avec:

–8�9�:P;Q<?>A@

qui correspondà la bandepassantedisponibledansle(s) goulot(s)d’étranglementrencontré(s)sur le chemin.Il estcalculépar l’intermédiairedu rap-

port bandepassantetotaledisponibleR , cetteinformationétantfournieparlesrouteursMSPrencontréssurle chemin;

–8�9�M ;=<?>A@

quicorrespondàlabandepassanteconsomméeparleflux autraversdugoulotd’étranglement,cetteinformationestfourniepar le récepteurMBCC avec lesautresinformationsdebout-en-boutcommele RTT ou le tauxdeperte(cf. équation1).

4.1. DétailsdeMSP: illustration dansle casdu déploiementdeMBCC

EtantdonnélesprincipesdeMBCC qui viennentd’êtreprésentés,cettesectionvadécrirecommentlesrouteursMSPsecomportentpourtransmetrelesinformationsdesignalisationauxsourcesMBCC quesontla bandepassantedisponibleet le nombremoyende flux éléphantsmesuréssur le cheminempruntépar les flux MBCC. LecomportementdeMSPestdécritsurla figure1 etsesquatreétapesdefonctionnementdétailléesci-après:

1 - Ouverture d’une connexion éléphant.Un paquetde signalisationspécifique(OPEN_CONNECTION_PACKET) est émis par l’émetteur MBCC et indique àchaquerouteurrencontrésur le cheminqu’une connexion éléphantva être initiée.Danslesdifférentsrouteurstraversésparlepaquetdesignalisation,unetabled’adresseestmiseà jour avecl’adressedel’émetteurMBCC.

2 - L’agent récepteur MBCC envoie une information de mesure ini-tiale à l’émetteur MBCC en utilisant un paquet de signalisation (INI-TIAL_INFORMATION_PACKET). Ce paquet est analysé par chaque routeursur le cheminet mis à jour avec cesinformationsdemesurelocale(voir 3 - pour lesdétailsde la miseà jour). Ainsi, quandce paquetarrive à l’émetteurMBCC, il peutouvrir la connexion caril disposeainsid’informationsdemesuresurl’état du réseau.

3 - Les paquetsde donnéessontéchangésentrel’émetteurMBCC et le récepteur(MBCC_DATA_PACKET). Dansle mêmetemps,lesrouteursenvoientrégulièrementdesinformatoinsdemesureenutilisantdespaquetsdesignalisationspécifiques(UP-DATE_INFORMATION_PACKET). Cetteinformationestenvoyéequanduneruptureestdétectéeparlesrouteursdansl’ensembledesparamètresquel’on peutmesurerentempsréel (dansle casdesagentsMBCC : nombremoyendeflux éléphants( 1 ) etbandepassantedisponible).C’estun principeimportantcar il limite le nombred’in-formationsdemesuretransitantdansle réseau3. Lesprincipesdel’algorithmesontlessuivants:

- Si8�9

totale:-�S

(i.e. calculéeparle routeuri) <8�9

totale:OTUS V

(i.e. inclusedansle paquetdesignalisation)alors

8�9totale

:OTUS V��38�9totale

:-�S;

�. Il faut noterque les informationsde mesuresontaussiémisespériodiquementde façonà

informer les agentsMBCC de la tendancedesfluctuationsmêmesi ellessontdouces.Maisdanscecas,la périodepeutêtretrèsimportante,ceci impliquanttrèspeudetrafic additionnelpourla signalisation.

10 CFIP’05.

- Si 1 �S> 1 TUS V

alors 1 TWS V � 1 �S;

4 - Fermeturede la connexion éléphant.LesémetteursMBCC envoient un paquetde signalisationspécifique(CLOSE_CONNECTION_PACKET) informant tous lesrouteurssurle chemindela fin dela connexion. Cesdernierssupprimentdoncdeleurtabled’adressel’agentMBCC émetteur.

5. Validation expérimentalede l’appr ocheMBN appliquéeau contrôle decongestion

Danscettesection,nousprésentonsles résultatsexpérimentauxqui valident lesmécanismesMSPet MBCC. En particulier, la section5.2 quantifielesvaleursopti-malespour lesparamètresdeMSPet MBCC defaçonà trouver le meilleurcompro-misentrefaiblesurchargeduréseauparlesinformationsdemesure,tempsderéponsefaible et réactionsprécisesdesagentsMSPet MBCC. En s’appuyantsurcesvaleursoptimales,la section5.3étudieendétailslesavantagesdeMBCC pourla stabilitéduréseauet l’utilisation desressourcesenle comparantauxmécanismesdecontrôledecongestiontraditionnelsdeTCP.

5.1. Principesdessimulations

LesmécanismesMBCC et MSPont étéimplémentésetévaluésenutilisantNS-2.Il a éténécessairede développerun ensembled’outils pour mesurerla bandepas-santedisponibleetconsomméedansle réseausimuléetpouréchangerlesrésultatsdemesureentrelesrouteurset lessourcesdetrafic.

La topologieutiliséeestdécritedansla figure2. Danscessimulations,nousavonscrééune topologiemulti-domainesavec plusieursgoulôtsd’étranglement.Les fluxéléphants,utilisant soit MBCC, soit TCP SACK ainsi quele trafic de fond utilisantTCP New Renosont échangésde façon à entreren compétitiondanscesgoulôtsd’étranglement.L’objectif estdoncdemesurerl’impact réciproquedesflux MBCC enthéorierégulierssur ceuxTCPbeaucoupplusvariables.De plus, les liensdecoeurs(ceux desSA 1 et 3) représententles liens les plus «congestionnés»sur le cheminconsidéré.Ils induierontainsidespériodesdecongestionimportantesoù lescapaci-tésd’adaptabilitéde MBCC serontestiméeset sonniveaudeperformancecomparéavec lesautresmécanismesdecontrôledecongestion(ceuxdeTCPSACK). Chaquesimulations’appuiesurdestracesdetraficcollectéessurle réseauRenater. Ellessontrejouéesdansle simulateurNS-2 avec une méthodologiespécifiquedétailléedans[OWE 04b] dontl’objectif estdeproduiredessimulationsréalistes4.

L’objectif principal de cetteétudeestde comparerles capacitésd’adaptationdeMBCC faceà uneaugmentation(ou unediminution)de la charge du réseauet faceauxautresmécanismesdecontrôledecongestionpourévaluerl’équitéqu’il offre auxdifférentsflux. Pour réalisersonévaluation,plusieursparamètresont étéétudiésensimulation:

– l’impact du trafic de signalisationen calculantle pourcentageentre le débitmoyennécessairepourla signalisationet le débitmoyenglobalsurle réseau;

X. Il s’agitderejouerensimulationdeséchantillonsdetrafic Internetpourreproduiretoutesles

caractéristiquesstatistiquesdutrafic réel.


Figure 2. Topologiedu réseauutiliséepour lessimulationsNS-2

– l’évolutiondudébitpartypedetrafic (TCPouMBCC) enétudiantla variabilitédu trafic. Pourcela,nouscalculonsle débitmoyen( Y ), l’écart-type( Z ) et un coeffi-cientdestabilitédéfinidela façonsuivante: CS

�\[ ];

– l’évolutionduprocessusdepertepermettantd’évaluerlescapacitésd’adaptationdeMBCC et delescomparerà TCP;

– la persistancedesoscillationsdu traficencalculantle facteurdeHurst5.

5.2. Evaluationdela configurationoptimaledeMSP

Plusieurssimulationsont été menées,chacunediviséeen deux scénariosdiffé-rents: dansle premier, lesflux éléphants(trafic entrelesnoeudsA et F) sonttranmisenutilisantMBCC tandisquedansle second,ils utilisentTCPSACK. Le secondscé-narioestutilisécommeréférenceexpérimentalepourévaluerlesavantagesdeMBCC(en termesde stabilitéet de congestiondansle réseau).Danscesdeuxscénarios,letrafic de fond (traficsentrelesnoeudsB à C et D à E), qui estconstituéd’un traficInternetnormal,mélangedeflux sourisetéléphants,estémisenutilisantTCPversionNew Renoqui estla plusutiliséeà l’heureactuelledansl’Internet.

Chaquesimulationdure300 secondes.100 éléphantset 2000sourisont été re-jouées.Un desprincipauxobjectifsdecesexpérimentationsa étéd’étudierl’impactdu trafic de signalisationgénérépar MSP sur la congestiondu réseauet l’efficacitédesréactionsdeMBCC. Pourcela,il aéténécessairedetrouverlesvaleursoptimalespourlesdifférentsparamètresdefonctionnementdeMSP:

– Le premierparamètreestrelatif à la granularitédu systèmedemesure.En fait,la mesuredoit êtreréaliséesurdesintervalescourtsetparexemplele débitinstantané

^. Ceparamètre,notéH, quantifiela LRD du traficet représenteaussiunebonneévaluationde

sondegréd’oscillation [OWE 04a]. Pourle calculernousutilisonsuneanalysebaséesur unedécompositionenondelettes[ABR 98].

12 CFIP’05.

estainsicalculécommele débitmoyensurdecourtepériodedetemps(9�_QÀEbaA:O_

). Ceparamètrea un impactfort étantdonnéqueplus la granularitéestimportante,plus ledébitsemblelisse.Enconséquencecettegranularitéagitsurle volumedetraficgénéréparMSP6. Plusieurspériodesde0,2à 5 secondesontdoncététestées.

– Le deuxièmeparamètrepermetdefixer un seuil dedétectionpour les rupturesqui sontanalyséesdansle réseau.Il s’agitdedéterminerla variationminimale( c _=d!EIe

)entredeux mesuresconsécutives pour lesquellesnouspouvons considérerque lesconditionsdu réseauont changéet qu’il est nécessairede le signaleraux sourcesde trafic pour leur permettredes’adapterà ce changement.Ce seuil estexprimé enpourcentagedela capacitétotaledu lien.

– Pourfinir, la valeur“Time Out” ( f�g ) correspondaucomportementpériodiquede MSP nécessairedansle casoù aucunerupturene seproduit maissi l’évolutiondu réseaubien quetrèslentegénèreunetendancenon-stationnaire.Cettevaleurestdéfinieparrapportauparamètre

9�_=ÀE$aA:O_, elle nedoit pasêtrebeaucoupplus impor-

tantedefaçonàinformerrégulièrementlessourcesMBCCdesvariationsmêmelentesde débit.En suivant ce principe,nousavonsempiriquementsélectionnéles couples(9�_QÀEbaA:O_

, f�g ) : (9�_=ÀE$aA:O_��h2jik� � et f�g �h� � ) ou (

9�_QÀE$aA:l_��h2'inm � et f�g � 0 � )ou (

9�_QÀE$aA:l_L�o) � et f�g �pm � ) ou (9�_=ÀE$aA:O_q�p� � et f�g �hr � ) ou (

9�_QÀE$aA:l_L�sm �et f�g �s)=2 � ).

Nousavonsfait plusieurssimulationsen utilisant différentestracespour trouverle coupleoptimal (

9�_=ÀE$aA:O_=t �Qu S vxw <zy, c _Qd{E|eIt �Qu S v}w <

). Lesrésultatssontprésentésdanslesfigures3 qui représententle nombrecumulédepertesdansle réseau,la surchargede trafic induiteparMSP(enpourcentagedu trafic total) et le coefficient destabilitémesurépourle traficéchangé.

Tout d’abord,nousallonsinférer la valeuroptimalepour la9�_QÀEbaA:O_

de mesure.Un desobjectifsprincipauxdeMBCC estd’optimiseraumieuxl’utilisation desres-sourcesdu réseauengénérantle moinsdepertespossibles.Dansla figure3(a),seulsles résultatsavec une

9�_=ÀE$aA:O_ ~�) � sont acceptables7 (quel quesoit la valeurduseuil) : � _Q`��k_ � 476 ��~ � yU� u y TW�P�l�-�=�O�O��

. Un autreobjectif de MBCC estde trans-férer lesdonnéesavec un débit régulieret d’éviter les comportementsoscillantsquiinduisentunemauvaiseutilisationdesressourcesduréseau.Ainsi, dansla figure3(c),seulslesrésultatsavecune

9�_QÀEbaA:O_��p) � sontacceptables(quelquesoit la valeurduseuil) : ��c �

MBCC&�� c �

TCPSACK&. Lorsqu’onconsidèrelesrésultatssur l’im-

pactdu traficdesignalisation,ils nenécessitentpasdeconsidérationsupplémentaire.Ainsi, en croisantles résultatsdestrois paramètresprécédents(congestion,stabilitéet trafic designalisation),uniquementles résultatsobtenusavec une

9�_=ÀE$aA:O_F��) �respectenttouslescritèresdechoix.

Dansun deuxièmetemps,nousallons inférer la valeuroptimalepour le c _=d!E|e.

Dansce cas,seulsles résultatsexpérimentauxs’appuyantsur la stabilité du traficpeuvent nousapporterde l’information pour choisir le seuil optimal.Pour les deuxparamètresrestants(signalisationet perte),les résultatssontvraimenttrop prochespournousapporteruneinformationutile. Ainsi, nousprennonsencomptele seuiloùle CSestmaximum,il s’agitducasoù c _Qd!EIeH�p)=�

. Enconclusion,la pairedevaleursoptimalesest(

9�_=ÀE$aA:O_=t �=u S�v}w <zy �s) � , c _Qd{E|eIt �Qu S v}w < �s)=�). Ellesserontutiliséesdans

la sectionsuivantepourquantifierprécisémentlesavantagesdeMBCC parrapportàTCPSACK.

�. Plusla granularitéchoisieserafaible,plusla détectiondesvariationsseradefaçonpréciseet

plusle volumedesignalisationseraimportant.�. Pourune ��=�� Q�A�}� �Q�

lesniveauxdepertesentreMBCC etTCPSACK sonttropproches.


(a)Congestiondu réseau (b)Surchargedutraficdesignalisationparrapportautrafictotal

(c) Stabilitédutrafic

Figure 3. Evolutiondesparamètresdeperformanceenfonctiondesvaleursdefonc-tionnementdeMSP

5.3. Contribution deMBCC à la régularitédu trafic dansuneconfigurationmulti-domaine

CettedeuxièmeexpériencepermetdecomparerprécisémentlesimpactsdeMBCCetdeTCPSACK surla performanceduréseau,la régularitédutraficet l’optimisationdesressources.Elle vaillustrer lescapacitésdeMBCC pouraméliorerla régularitédutrafic pour lesflux MBCC et devrait aussimontrercommentMBCC peutaméliorerle profil du trafic en termedestabilitépour les flux qui n’utilisent pasMBCC maisqui sontenconcurrenceavec lesautresflux MBCC danslesgoulôtsd’étranglementde l’Internet. Pourcela,la topologieutiliséeestla mêmequedansl’expériencepré-cédente(cf. figure2). Lesscénariossontlesmêmesà l’exceptiondu nombredefluxqui a augmenté(d’un facteur10) et les simulationsdurent1800s de façonà intro-duire destransfertsd’éléphantsplus long commec’est le casdansl’Internet. Cette

14 CFIP’05.

expériencepermetaussid’évaluer les capacitésà grandeséchellesdesmécanismesproposésétantdonnéquele nombred’éléphantsestaugmentédefaçonconséquente.D’autre part, les routeursMSP sontconfigurésavec le couplede valeursoptimalesinféréprécédemment(

9�_=`AE$aA:O_��p) � , c _Qd!EIeH�h)Q�) et lesparamètresétudiésdansles

simulationssontlesmêmesquedansla partieprécédente.

Tout d’abord,le débit du trafic a étécalculé.Le tableau1 montrelesvaleursré-sultatspour lesscénarios1 et 2. CetteexpériencemetdoncenévidencequeMBCCest plus performantque TCP SACK car le débit et l’utilisation desressourcesestplusélevé et le trafic estaussiplusrégulier. D’autrepart,uneautreinformationinté-ressanteconcernele trafic de fond desgoulotsd’étranglement1 et 2 quandle traficéléphantMBCC estprésentdansle réseau(scénario1). Nouspouvonsvoir quedansle casoù TCP SACK est utilisé pour transmettreles éléphantsentreA et F (scé-nario 2), le débit moyendu trafic de fond estplus baset présenteplus de variabi-lité que quandMBCC est utilisé dansle réseau( ��c �

TCPNew RenoScénario2&��

��c �TCPNew RenoScénario1

&).

Tableau1. Analysedela variabilité du trafic

Cerésultatestconfirméavecl’analysedu processusdeperte.En effet, la figure4décritun niveaudepertesplusimportantdansle réseauquandTCPSACK estutilisé(cf. lescourbesduscénario2) quequandMBCCestutilisé(cf. lescourbesduscénario1). Cerésultatestenplusobservableà la fois pour le trafic éléphantet pour le traficdefond global.En effet, la variabilitédu traficdansle scénario2 estplusimportante,lescongestionsapparaissentdoncplusfacilementdansle réseauet le nombredeperteestplusélevé.

Figure 4. Estimationduniveaudecongestion


Figure 5. Estimationdela LRDdu trafic

MBCC a aussiun impacttrèsbénéfiquesur la LRD du trafic (figure 5). En fait,grâceà MBCC, la LRD estbeaucoupplusréduitedansle traficéléphant(voir le scé-nario 1 où � ��2'inm')

) en comparaisondu trafic TCP SACK éléphantde référenceoù la LRD est très élevée ( � ��2'in�P�

dansle scénario2). En conséquence,il y amoinsd’oscillations(cf. coefficient de stabilitédu tableau1). De plus, l’analysedela LRD du trafic de fond (cf. le basde la figure5) fait apparaîtrequele trafic globalquandleséléphantssonttransmisavecMBCC (cf. � �h2jik� 0 dansle scénario1) estmoinsdépendantà long termequ’avec TCP SACK (cf. � ��2'inrP#

dansle scénario2), cettespécificitégénérantplusdestabilitédansle profil du trafic et doncmoinsdecongestiondansle réseau.

6. Conclusionet travaux futurs

Dansce papier, nousavonsproposéunenouvelle approchequi utilise en tempsréel lesrésultatsdemétrologiepouraméliorerla QdSInternetavec l’objectif final depouvoir proposerunservicestable.Cetteapprocheaétéappliquéepourla conceptiond’un mécanismedecontrôledecongestion(MBCC) dontl’objectif estdelisserle tra-fic (unbesoinprimordialpourpouvoir fournir desservicesstablesetgarantis),limiterle nombredepertes,optimiserl’utilisationdesressourcesetfournir del’équité.Il fautnoterqueMBCC reposesuruneapprocheoriginalequi consistedavantageà gérerdefaçonintelligentele traficparrapportà sescaractéristiquescomplexes(oscillationsetruptures)plutôtquederéagiruniquementà descongestions.Lesrésultatsexpérimen-

16 CFIP’05.

tauxprouventqueMBCC atteintsesobjectifs: il fournit un débitoptimalet régulier,il utilise touteslesressourceset il fournit aussiplusd’équitéentrelesflux.

Au final, il estclair quelesrésultatsdeMBCC démontrentlesbénéficesdenotreapprocheMBN appliquéeaucontrôledecongestion.NouscroyonsaussiqueMBN aunevocationplusuniversellepourgérerl’Internet et sontrafic. En effet, MBN peutêtredéfini de façonà fournir unesolutionadaptéequi puissefaire faceà différentstypesde réseaux,de trafic ou deconditionsde fonctionnement.En particuler, MBNdevrait avoir desapplicationsdansd’autresdomainescommel’ingénieriedu trafic, latarificationouencorela sécuritéréseau.

7. Bibliographie

[ABR 98] ABRY P., VEITCH D., « Wavelet Analysis of Long RangeDependentTraffic »,Trans.Info. Theory, Vol.44,No.1, January1998,p. 2-15.

[ALT 00] ALTMAN E., AVRACHENKOV K., BARAKAT C., « A StochasticModel of TCP/IPwith StationaryRandomLosses», Proceedingsof ACM SIGCOMM, 2000.

[BEN 03] BEN AZZOUNA N., GUILLEMIN F., « Analysisof ADSL traffic onanIP backbonelink », Proceedingsof Globecom2003, December2003.

[BRA 97] BRADEN R., ZHANG L., « ResourceReSerVation Protocol(RSVP) – Version1messageprocessingrules», RFC, , n 2209,September1997.

[ERR 96] ERRAMILLI A., NARAYAN ., WILLINGER W., « Experimentalqueuinganalysiswith long rangedependentpackettraffic », IEEE/ACM Transactionson Networking,Vol.4, No.2, 1996,p. 209–223.

[FEL 98] FELDMANN A., GILBERT A., WILLINGER W., « Datanetworksascascades: In-vestigatingthe multifractal natureof InternetWAN traffic », Proceedingsof ACM SIG-COMM’98, 1998.

[FLO 00] FLOYD S., HANDLEY M., PADHYE J., WIDMER J., « Equation-basedcongestioncontrolfor unicastapplications», Proceedingsof ACM SIGCOMM’00, 2000.

[LAR 03] LARRIEU N., OWEZARSKI P., «TFRCcontributionto InternetQoSimprovement»,Proceedingsof thefourthCOST263internationalworkshopon Quality of Future InternetServices(QoFIS’2003), October2003.

[LAR 04] LARRIEU N., OWEZARSKI P., « De l’utilisation desmesuresdetrafic pour l’ingé-nieriedesréseauxde l’Internet », Techniqueset SciencesInformatiques, , n 5-6, RSTI,volume23,2004.

[MAT 96] MATHIS M., MAHDAVI J., FLOYD S., ROMANOV A., « TCPSelectiveacknowled-gementoptions», RFC, , n 2018,October1996.

[MET ] METROPOLIS,«Siteweb: http://www.laas.fr/owe/METROPOLIS/metropolis.html».[NOR 04] NORTON B., « Evolution of the U.S. PeeringEcosystem», Proceedingsof the

NorthAmericanNetworkOperators’ GroupWorkshop, May 2004.[OWE 04a] OWEZARSKI P., LARRIEU N., « Internettraffic characterization– An analysisof

traffic oscillations», Proceedingsof the7thIEEEInternationalConferenceonHigh SpeedNetworksandMultimediaCommunications(HSNMC’2004), July 2004.

[OWE 04b] OWEZARSKI P., LARRIEU N., « A tracebasedmethodfor realisticsimulations»,Proceedingsof the IEEE InternationalConferenceon Communications(ICC’2004), June2004.

[PAR 96] PARK K., K IM G., CROVELLA M., « On therelationshipbetweenfile sizes,trans-portprotocols,andself-similarnetworktraffic », IEEE ICNP, 1996.

[PAR 97] PARK K., K IM G., CROVELLA M., « On the Effect of Traffic Self-similarity onNetworkPerformance», SPIEInternationalConferenceon Performanceand Control ofNetworkSystems, November1997.


[PAR 00] PARK K., WILLINGER W., Self-similarnetworktraffic : anoverview, In Self-similarnetworktraffic andperformanceevaluation,J.Wiley & Sons,2000.

[SOU 04] SOULE A., NUCCI A., CRUZ R., LEONARDI E., TAFT N., « How to identify andestimatethelargesttraffic matrixelementsin adynamicenvironment», Proceedingsof thejoint internationalconferenceon Measurementand modelingof computersystems, ACMPress,2004,p. 73–84.

[WIL 95] WILLINGER W., TAQQU M., SHERMAN R., , WILSON D., «Self-similaritythroughhighvariability : statisticalanalysisof EthernetLAN traffic at the sourcelevel », ACMSigcomm’95,pages100–113, 1995.

Contrôle de congestion et gestion du traﬁc à partir de...

Documents

Transcript of Contrôle de congestion et gestion du traﬁc à partir de...