Soutenance mémoire
Bases du télétrafic
Définition d’un trafic
Le trafic d’un réseau correspond au volume d’informations transportées ou traitées par ce réseau. Il pourra s’agir de données relatives aux échanges d’informations entre usagers (voix, images, e-mails, fichiers…), mais aussi des données relatives aux échanges d’informations entre machines de commande du réseau (données de signalisation dans un réseau de circuits, informations de routage dans un réseau IP, données d’exploitation…). Plus les échanges entre usagers ou machines sont fréquents et de longues durées, plus les ressources nécessaires à l’écoulement de ce trafic seront importantes.
Classes de trafic
Il existe deux grandes classes de trafic : le trafic de type « streaming » et le trafic de type « élastique».
Trafic de type « streaming »
Le trafic de type « streaming », appelé aussi trafic « temps réel », a une caractéristique de débit et de durée incompressibles. Il est associé à la notion de service orienté connexion avec une conservation de son intégrité temporelle. Le délai de transfert des données doit être contrôlable, mais les pertes de paquets à certain degré peuvent être tolérables. Les flux de trafic streaming sont typiquement produits par les services téléphoniques et vidéo.
Trafic de type élastique
Le trafic de type élastique est caractérisé par un débit qui peut s’adapter à des contraintes extérieures (bande passante insuffisante par exemple) sans pour autant remettre en cause la viabilité du service. Cette classe de trafic est essentiellement engendrée par le transfert d’objets numériques tels que les pages web, les courriers électroniques et les fichiers de données. Le respect de leur intégrité est indispensable mais les contraintes de délai de transfert sont moins fortes.
Différents niveaux de flux de trafic
Paquet
Les paquets forment l’entité de trafic la plus fine que l’on considère dans les réseaux de données. Ils constituent l’élément élémentaire traité par la couche réseau. Ils sont de longueur très variable et leur processus d’apparition est très complexe en raison de la superposition de services de nature très diverses.
Flot
Les flots constituent l’entité de trafic intermédiaire que l’on pense être la mieux adaptée pour effectuer les études d’ingénierie de trafic de données. Ils correspondent à des transferts plus ou moins continus de séries de paquets associés à une même instance d’une application donnée.
Session
Une session est une sorte de transposition de la notion d’appels considérés en téléphonie à commutation de circuits. Une session est une succession de flots correspondant à une certaine période d’activité d’un utilisateur. Ces trois échelles de décomposition du trafic sont indispensables. Pour les applications temps réel, c’est le délai de traversée de paquets qui mesure la qualité de service et pour les applications à transfert de données, c’est le temps de transfert global de flots qu’on prend en considération. L’intégrité d’une session est aussi importante dans le cas où on souhaite que certaines sessions ne soient pas interrompues. Il a été constaté qu’une analyse au niveau paquet s’avère plus complexe que celle au niveau des flots ou de sessions.
Théorie de file d’attente
La théorie des files d’attente a pour objectif de considérer les phénomènes d’attente et d’engorgement liés au caractère aléatoire et imprévisible des événements rencontrés telles les requêtes d’établissement de connexions, les paquets traversant les routeurs. Dans notre travail, cette théorie est d’une réelle importance puisqu’elle a pour finalité l’évaluation des performances des systèmes et des réseaux.
Définition d’une file d’attente
Une file d’attente est un système utilisé pour modéliser des phénomènes de partage de ressources. On y trouve les notions de clients et de serveurs : les clients sont les entités qui se déplacent dans un réseau de serveurs, où ils reçoivent un traitement. [3] Lorsque plusieurs clients tentent simultanément d’obtenir un service, certains doivent patienter et attendre dans des files d’attente, ou des tampons. La file d’attente est caractérisée, d’après la figure (1.02), par :
– le mécanisme ou la loi d’arrivées des clients : c’est un processus aléatoire nommé « processus des arrivées » ou « processus des naissances » ;
– le temps de service ou la loi de la durée de service, c’est-à-dire la distribution de probabilité de sa durée ;
– la discipline de service qui détermine le type d’ordonnancement des clients de la file (c’està-dire la façon de choisir un client dans la file lorsqu’un serveur se libère).
Processus de naissance et de mort
Il nous vient de considérer la notion d’état du système qui permet de donner la liste des caractéristiques qu’il possède, mais également de donner les éléments qui permettent de prévoir son évolution. Ainsi dans notre cas d’un système stochastique, la prévision du futur prend un caractère probabiliste : on ne saura prévoir l’état exact dans quelques secondes, mais seulement sa distribution de probabilité. Le processus de naissance et de mort est basé sur le processus de Markov dans le cas où celui-ci ne peut faire de « sauts » que vers ses voisins les plus proches ; c’est-à-dire que l’état du système évolue depuis Ek vers Ek-1 ou Ek+1. Le taux de passage de l’état Ek vers Ek+1 est traditionnellement noté λk : c’est le taux de naissance, le taux de passage de l’état Ek vers Ek-1 est le taux de mort noté μk comme le montre la figure (1.03) Le problème à résoudre est de chercher à dériver la distribution de probabilité de l’état, c’est-à-dire la fonction Pk(t) = P [X(t)= k], l’état initial étant supposé connu.
Notation de Kendall
Un système de files d’attentes est identifié par la notation de Kendall qui est un formalisme unanimement adopté notée A/B/n/K/N.
● A représente le processus des arrivées des clients et peut prendre les valeurs de conventions suivantes :
– M (comme Markov) quand le processus suit une loi de Poisson,
– D quand le processus suit une loi constante (arrivée Déterministe ou synchrone),
– GI quand le processus suit une loi Générale Indépendante (processus de renouvellement),
– G quand le processus suit une loi Générale, sans hypothèse d’indépendance.
● B représente le processus de service et est noté :
– M (comme Markov) quand le processus suit une de loi exponentielle,
– D quand le processus suit une loi constante (service déterministe),
– GI quand le processus suit une loi générale indépendante,
– G quand le processus suit une loi Générale, sans hypothèse d’indépendance.
● n représente le nombre de serveurs dans la file d’attente. Ce nombre entier varie entre 1 et l’infini.
● K représente la capacité mémoire du système d’attente, c’est donc le nombre maximum de clients pouvant être présents simultanément dans le système. Ce nombre entier varie entre 1 et l’infini. Quand la capacité mémoire de la file est considérée comme illimitée (infinie), ce paramètre est omis.
● N représente la discipline de service, par exemple :
– FIFO : premier arrivé premier servi (appelée aussi First Come First Serve FCFS),
– LIFO : dernier arrivé premier servi (appelée aussi Last Come First Serve LCFS),
– SJF : Shortest Job First ou encore servir le travail le plus court d’abord,
– SRO : Service in Random Order ou encore servir en ordre aléatoire.
Ce paramètre est omis si la politique est FIFO.
|
Table des matières
INTRODUCTION GENERALE
CHAPITRE 1 CONCEPTS DU TELETRAFIC
1.1 Introduction
1.2 Bases du télétrafic
1.2.1 Définition d’un trafic
1.2.2 Classes de trafic
1.2.3 Différents niveaux de flux de trafic
1.3 Théorie de file d’attente
1.3.1 Définition d’une file d’attente
1.3.2 Notation de Kendall
1.3.3 Objectif du système de files d’attente
1.4 Réseaux de files d’attente
1.4.1 Réseaux de Jackson
1.4.2 Réseaux BCMP
1.5 Autres modèles de trafics
1.5.1 Processus ON/OFF
1.5.2 Processus MMPP
1.6 Conclusion
CHAPITRE 2 MODELISATION DE TRAFIC IP
2.1 Introduction
2.2 Concepts de réseaux et Internet
2.2.1 Modèles d’architecture des réseaux
2.2.2 Réseau à commutation de paquets
2.3 Caractérisation du trafic IP
2.3.1 Auto-similarité
2.3.2 Sporadicité
2.3.3 Dépendance à long terme
2.4 Modèles auto-similaire du trafic IP
2.4.1 Processus ARIMA
2.4.2 Processus FARIMA
2.4.3 Processus de mouvements browniens fractionnaires FBM
2.4.4 Modèle Bruit Fractionnaire Gaussien FGN
2.5 Conclusion
CHAPITRE 3 PERFORMANCES RESEAUX
3.1 Introduction
3.2 Qualité de service
3.3 Indicateurs de performances ou KPI
3.3.1 La bande passante
3.3.2 La latence du réseau
3.3.3 La gigue
3.3.4 Le débit réseau
3.3.5 La perte de paquets
3.3.6 Valeurs des indicateurs de performances
3.4 Impact du routage IP sur la performance réseau
3.4.1 Concepts de graphes valués
3.4.2 Algorithme de Bellman-Ford
3.4.3 Algorithme de Dijkstra
3.5 Assurance de la QoS dans les réseaux
3.5.1 Concept de contrôle de flux
3.5.2 Contrôle de débit
3.5.3 Réservation de ressources : IntServ
3.5.4 Différenciation de services : DiffServ
3.6 Relation entre routage et contrôle de flux dans la performance réseau
3.7 Conclusion
CHAPITRE 4 ANALYSE DES MECANISMES DE GESTION DE QOS
4.1 Introduction
4.2 Problématiques
4.2.1 Niveau trafic IP
4.2.2 Niveau file d’attente
4.3 Principe de gestion la QoS
4.4 Présentation du réseau à simuler
4.4.1 Environnement de simulation : OPNET Modeler
4.4.2 Topologie du réseau à étudier
4.4.3 Caractéristiques des trafics à étudier
4.5 Simulation 1 : analyse des algorithmes de gestions de file d’attente
4.5.1 Principes des gestions de file d’attente pour l’évitement de congestion
4.5.2 Présentation des scénarii de simulation
4.5.3 Paramètres de configurations utilisés
4.5.4 Paramètres de sortie à collecter
4.5.5 Interprétations des résultats
4.5.6 Synthèse des résultats
4.6 Simulation 2 : analyse des mécanismes d’ordonnancement
4.6.1 Principe des algorithmes d’ordonnancement
4.6.2 Présentation des scénarii de simulation
4.6.3 Paramètres de sortie à collecter
4.6.4 Interprétations des résultats
4.6.5 Synthèse des résultats
4.7 Conclusion
CONCLUSION GENERALE
ANNEXE 1 RAPPELS MATHEMATIQUES
ANNEXE 2 PROTOCOLES DE ROUTAGES DYNAMIQUES
