Моделирование сетевого трафика

Моделирование сетевого трафика — это процесс, используемый в телекоммуникационной инженерии для измерения эффективности сети связи.

Телекоммуникационные системы — это сложные системы реального мира, содержащие множество различных компонентов, которые взаимодействуют в сложных взаимосвязях. ^[1] Анализ таких систем может стать чрезвычайно сложным: методы моделирования, как правило, анализируют каждый компонент, а не отношения между компонентами. ^{[1] [2]} Моделирование — это подход, который можно использовать для моделирования больших, сложных стохастических систем в целях прогнозирования или измерения производительности . ^{[1] [2] [3]} Это наиболее распространенный метод количественного моделирования. ^[1]

Выбор симуляции в качестве инструмента моделирования обычно обусловлен тем, что она менее ограничительна. Другие методы моделирования могут накладывать существенные математические ограничения на процесс, а также требовать принятия множества внутренних допущений. ^[2]

Моделирование сетевого трафика обычно выполняется в четыре этапа: ^{[1] [2]}

• Моделирование системы как динамического стохастического (т.е. случайного) процесса
• Генерация реализаций этого стохастического процесса
• Измерение данных моделирования
• Анализ выходных данных

Обычно для моделирования телекоммуникационных сетей используются два вида симуляций: дискретные и непрерывные. Дискретные симуляции также известны как дискретно-событийные симуляции и представляют собой динамические стохастические системы на основе событий. Другими словами, система содержит ряд состояний и моделируется с использованием набора переменных. Если значение переменной изменяется, это представляет собой событие и отражается в изменении состояния системы. Поскольку система является динамической, она постоянно меняется, а поскольку она стохастическая, в системе присутствует элемент случайности. Представление дискретных симуляций выполняется с использованием уравнений состояний, которые содержат все переменные, влияющие на систему.

Непрерывные симуляции также содержат переменные состояния; однако они непрерывно изменяются со временем. Непрерывные симуляции обычно моделируются с использованием дифференциальных уравнений, которые отслеживают состояние системы относительно времени.

• Обычные аналитические методы используют обширные математические модели, которые требуют допущений и ограничений, которые должны быть размещены на модели. Это может привести к предотвратимой неточности в выходных данных. Моделирование избегает размещения ограничений на системе, а также принимает во внимание случайные процессы; фактически в некоторых случаях моделирование является единственным практически применимым методом моделирования; ^{[1] [2]}
• Аналитики могут подробно изучать взаимосвязи между компонентами и моделировать прогнозируемые последствия нескольких вариантов проектирования, прежде чем внедрять результат в реальном мире. ^{[1] [2]}
• Можно легко сравнить альтернативные конструкции, чтобы выбрать оптимальную систему. ^[1]
• Фактический процесс разработки симуляции может сам по себе предоставить ценную информацию о внутренней работе сети, которую, в свою очередь, можно использовать на более позднем этапе. ^[1]

• Разработка точной имитационной модели требует значительных ресурсов. ^{[1] [2]}
• Результаты моделирования настолько хороши, насколько хороша модель, и, таким образом, являются лишь оценками/прогнозируемыми результатами. ^[1]
• Оптимизация может быть выполнена только с использованием нескольких альтернатив, поскольку модель обычно разрабатывается с использованием ограниченного числа переменных. ^{[1] [2]}
• Создание симуляций требует больших затрат и очень дорого в изготовлении.

Имитационные модели генерируются из набора данных, взятых из стохастической системы. Необходимо проверить, что данные статистически достоверны, подгоняя статистическое распределение и затем проверяя значимость такого подгона. Кроме того, как и в любом процессе моделирования, необходимо проверить точность входных данных и удалить любые выбросы. ^[1]

После завершения моделирования данные необходимо проанализировать. Выходные данные моделирования дадут только вероятную оценку реальных событий. Методы повышения точности выходных данных включают: многократное выполнение моделирования и сравнение результатов, разделение событий на пакеты и их индивидуальную обработку, а также проверку того, что результаты моделирования, проведенного в смежные периоды времени, «связаны» для создания согласованного целостного представления системы. ^{[1] [4]}

Поскольку большинство систем включают стохастические процессы, моделирование часто использует генераторы случайных чисел для создания входных данных, которые приближаются к случайной природе реальных событий. Сгенерированные компьютером [случайные числа] обычно не являются случайными в самом строгом смысле, поскольку они вычисляются с использованием набора уравнений. Такие числа известны как псевдослучайные числа. При использовании псевдослучайных чисел аналитик должен убедиться, что истинная случайность чисел проверена. Если обнаруживается, что числа ведут себя недостаточно случайным образом, необходимо найти другой метод генерации. Случайные числа для моделирования создаются генератором случайных чисел .

• Модель канала
• Моделирование сети
• Сетевой симулятор
• Модели мобильности
• Модель генерации трафика
• Язык моделирования
• Теория массового обслуживания