Contributions to the Analysis of Scaling Laws and Quality of Service in Networks: Experimental and Theoretical Aspects
Contributions à l'analyse des lois d'échelles et de la qualité de service dans les réseaux : aspects expérimentaux et théoriques
Résumé
In today's context of rapid expansion of the Internet, deep understanding of the statistical properties of network traffic is essential for Internet Service Providers to offer users the best "Quality of Service" possible. A major breakthrough in that direction was the discovery in 1993 of the self-similarity of network traffic, followed up by the ON/OFF model proposed in 1997 that posits the heavy-tailness of flow-size distributions as a plausible origin of this property. While of great interest, such mathematical models always rely on necessary simplifying assumptions which can limit their practical applicability to real networks, in particular due to the complexity of the TCP protocol. In this thesis, we use a hybrid approach based on the combination of real traffic traces, controlled experiments and theoretical developments to address some open questions concerning network traffic properties and their impact on QoS. Our experiments are based on a large-scale controllable testbed and an efficient traffic capture system. Then, we first address issues related to aggregate network traffic: we extend previous long-range dependent models and we propose an estimator of the flow-size distribution's tail index under sampling. We also perform an empirical study of the impact of long-range dependence and heavy-tails on QoS. Finally, we turn to the packet-level traffic of one TCP source and show, using a large-deviation principle, that it can be finely characterized by a multifractal structure intimately related to the control mechanism AIMD, and naturally reproduced by Markov models.
Dans le contexte actuel d'expansion rapide de l'Internet, la compréhension profonde des propriétés statistiques du trafic réseau est essentielle pour que les fournisseurs d'accès puisse offrir la meilleure "Qualité de Service" possible aux utilisateurs. Une avancée majeure dans cette direction a été la découverte en 1993 de l'auto-similarité du trafic, suivie en 1997 par le modèle ON/OFF qui interprète cette propriété par les tailles de fichiers à queue lourde. Bien qu'ils soient d'un grand intérêt, de tels modèles mathématiques s'appuient nécessairement sur des hypothèses simplificatrices qui peuvent en limiter l'applicabilité en situation réelle, en particulier du fait de la complexité du protocole TCP. Dans cette thèse, nous utilisons une approche hybride, basée sur la combinaison de traces de trafic réelles, d'expériences contrôlées et de modèles théoriques, pour aborder certaines questions ouvertes sur le trafic réseau et la Qualité de Service. Nos expériences utilisent une plate-forme contrôlable à grande échelle et un système performant de capture du trafic. Nous abordons dans un premier temps des questions liées au trafic agrégé : nous étendons les modèles existants de longue mémoire et nous proposons un estimateur du paramètre de queue lourde sous échantillonnage. Nous étudions ensuite empiriquement l'impact de la longue mémoire et des queues lourdes sur la Qualité de Service. Nous nous tournons enfin vers le trafic d'une seule source TCP et montrons, à l'aide d'un principe de grandes déviations, qu'il peut être finement caractérisé par une structure multifractale reliée au mécanisme de contrôle AIMD, et naturellement reproduite par des modèles markoviens.
Loading...