Provisionamento de Qualidade de Serviço em Redes MPLS utilizando Algoritmos Bio-inspirados ...

163 Pages·2010·8.9 MB·Portuguese

Universidade Federal de Minas Gerais
Programa de Pós-graduação em Engenharia Elétrica
Provisionamento de Qualidade de Serviço em Redes
MPLS utilizando Algoritmos Bio-inspirados em um
Ambiente de Tráfego Auto-Similar
Alessandro Vivas Andrade
Orientador: Professor Luciano de Errico
Tese apresentada à Comissão Examinadora, desig-
nada pelo Colegiado do Programa de Pós-Graduação
em Engenharia Elétrica da Universidade Federal de
Minas Gerais, como parte dos requisitos para obten-
ção do título de Doutor em Engenharia Elétrica
PPGEE- UFMG
Novembro de 2008
Dedico este trabalho a
Deus pelo seu imenso
amor e compreensão.
Agradecimentos
A
gradeço a Deus, que misericordiamente permitiu a conclusão dessa jor-
nada. Agradeço ao meu orientador, Prof. Luciano de Errico, pela paciência,
pelas conversas, pela motivação e por me orientar durante estes longos
anos. Ao Prof. Hani pelo suporte filosófico, criativo, por todas as conversas e conse-
lhos durante a jornada. Ao Prof. Murilo que me acompanha desde a defesa do meu
primeiro projeto orientado. A todos os professores do curso de Engenharia Elétrica
da UFMG pela minha formação e pelos valores que aprendi nesta universidade. Agra-
deço a todos os funcionários da UFMG em especial a Anete pela ajuda durante todo o
período do doutorado.
Aos professores Dalton Soares Arantes, Linnyer Beatriz Ruiz, Leandro Nunes de
Castro Silva e Walmir Matos Caminhas pelas importantes contribuições na defesa do
meu projeto de qualificação.
Aos colegas da Tim/Maxitel que me abrigaram durante o período de final do mes-
trado e início do doutorado: Adriano, Guilherme, Mi, Calazans, Show, Hebert, Japa,
Adriana e Sérgio.
Aos colegas da UFMG, Adriano, Cristiano, Arlindo, Carlos, Gustavo, Damares,
Leonardo Almeida e Leonardo, e a todos os membros do Cefala que me ajudaram
durante o decorrer do trabalho. Ao UNIBH que possibilitou o começo da jornada
tornando meu horário flexível para cursar as disciplinas obrigatórias.
Agradeço a família que me amparou como filho, Sr. Luciano, Dona Fátima e Fia.
Ao cunhado Leandro pelas conversas e pela companhia. Aos amigos Paulo, Elaine e
Marina pelos agradáveis momentos.
Minha mãe e minha irmã. Lilica, você é minha querida irmã e te amo de todo o
meu coração. Amo por gostar de você da forma que você é e pelo que representa em
minha vida. Minha mãe pela acolhida nesta jornada que ainda sigo. Eu te amo Dona
i
Terezinha.
Agradeço aos amigos da UFVJM, Reginaldo, Fábio Vitta, Patrícia Pitta, Claudia,
Marcio, Antônio, Virgínea e o amigo ex-vegetariano Toninho.
Aos amigos do UNIBH, Magali, Cibele, Rose, Afonso e Bráulio. Sinto muita falta de
vocês.
Luciana, minha vida e minha razão de viver. Você é tudo, o início e o fim, é o
caminho e dedico todo meu amor a você. Luísa que chegou a pouco tempo, meu amor
incondicional, minha filha querida tão aguardada. Meu duplo presente e agradeço a
Deus pela sorte de tê-la como filha.
ii
Resumo
O
presente trabalho detalha o núcleo de um sistema de Engenharia de Trá-
fego, capaz de operar sobre uma rede IP com MPLS com as dimensões e
características de um Autonomous System (AS) da Internet. Obedecendo
a um conjunto de restrições estabelecidas pelos clientes e pelo provedor de serviço,
e contabilizando os efeitos de auto-similaridade e da agregação de fontes de tráfego,
esse núcleo é capaz de estabelecer rotas otimizadas que atendam às diferentes de-
mandas impostas à rede. Fontes com característica auto-similar apresentam rajadas
em múltiplas escalas e demandam maior largura de faixa e maior volume de buffers
nos roteadores, os quais, se não atendidos, levam a um grande percentual de perda
de pacotes. A agregação de fontes com características de auto-similaridade é outro
fator relevante, pois pode levar a super estimação do tráfego necessário causando
desperdício de largura de faixa. O sistema funciona a partir da leitura das caracte-
rísticas da topologia de rede, de um conjunto de requisições, de restrições impostas
pelo usuário e pelo provedor de serviço e da seleção do tipo de algoritmo de otimiza-
ção a ser utilizado. Cada enlace possui características de atraso, perda de pacotes,
flutuação, capacidade total e capacidade residual. Como diversas rotas podem ser
alocadas em um determinado enlace, cálculos de agregação de fluxos devem ser fei-
tos para que a estimação da capacidade solicitada seja próxima da utilizada. Outra
funcionalidade do sistema é o balanceamento de carga da rede, conseguido através
de uma função de custo que é uma aproximação da curva de utilização de um enlace.
O trabalho foca no uso de heurísticas bio-inspiradas, em especial Algoritmos Gené-
ticos e Sistemas Imunológicos Artificiais. Adicionalmente, foi aplicado um conjunto
de heurísticas até então não utilizadas no problema de roteamento em redes MPLS,
tais como BCA, Opt-ainet e Copt-ainet. Entre as contribuições, destacam-se as mo-
dificações introduzidas no algoritmo Opt-ainet, a proposta de um Algoritmo Genético
iii
Híbrido com busca local Grasp e a aplicação do algoritmo Copt-ainet com busca local
Grasp. Outra contribuição, de cunho prático, foi o desenvolvimento de uma ferra-
menta que realiza a otimização da rede MPLS, gerando automaticamente scripts que
podem ser executados no simulador ns2, o uso imediato dos resultados produzidos
pelo processo de otimização.
iv
Abstract
T
he traffic profile of current networks comprises not only data (files, e-mail,
webpages) but multimedia communication as well (voice, audio, video). Traf-
ficEngineeringallowsthenetworkmanagement,tryingtoassurethatenough
resources will be available to attend the different traffic needs within the structure.
The main objective is to offer and maintain the Quality of Service (QoS) levels re-
quested by each application in the network. This work details the core of a Traffic
Engineering system, capable of operation over an IP/MPLS network with the size and
characteristicsofanInternetAutonomousSystem(AS).Followingasetofrestrictions,
defined by the clients and the Internet Service Provider (ISP), and taking into account
the effects of self-similarity and route agregation of traffic sources, this core can de-
fine optimized routes that attend to the different demands impose to the network.
Self-similar sources present bursts in multiple scales and require larger bandwidth
and greater buffer space in routers, which, if not satisfied, will lead to higher packet
loss rates. Aggregation of self-simillar sources is another relevant issue, as it may
lead to a over-estimation of the traffic, causing of waste of bandwidth. The system
starts by receiving the network topology, the set of requests, the restrictions defined
by clients and ISP, and the selection of the optimizing algorithm to be used. Each link
is characterized by its delay, packet loss, jitter, full capacity and residual capacity. As
different routes can be allocated to a specific link, flow aggregation must be computed
in order to have an estimated requested capacity close to the actual one. Another sys-
tem feature is the network load balancing, achieved by a cost function that is close to
the utilization curve of the link. The work relies on the use of bio-inspired heuristics,
in sepcial Genetic Algorithms and Artificial Immunologic Systems. In addition, the
system applies a set of heuristics not used before in some classes of problems such
as BCA, Opt-ainet e Copt-ainet. Among the contributions, we propose a modified
v
Opt-ainet algorithm, a Hybrid Genetic Algorithm with Grasp local search, and the use
of the Copt-ainet algorithm with Grasp local search. Another contribution, of practi-
cal relevance, is a tool that optimizes the MPLS network and automatically generates
scripts for the ns2 simulator, allowing a faster evaluation of the results produced by
the optimization process.
vi
Sumário
Sumário . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Lista de Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Lista de Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
1 Introdução 1
2 Qualidade de Serviço em Redes IP 4
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Aplicações Multimídia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Técnicas para Obtenção de Qualidade de Serviço . . . . . . . . . . . . . . 8
3 Multiprotocol Label Switching (MPLS) 15
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.1.1 Protocolos de Roteamento versus MPLS . . . . . . . . . . . . . . . 17
3.1.2 Descrição do Rótulo . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.3 Forward Equivalence Class (FEC) . . . . . . . . . . . . . . . . . . . 18
3.1.4 Distribuição de Rótulos . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Comparativo entre Roteamento IP e MPLS . . . . . . . . . . . . . . . . . . 20
3.2.1 Topologia Wei-sun . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.2 Topologia Mesh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.3 Topologia Dez Nós . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Aplicações Mal Comportadas . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4 Engenharia de Tráfego com MPLS . . . . . . . . . . . . . . . . . . . . . . . 30
3.4.1 Tipos de Engenharia de Tráfego . . . . . . . . . . . . . . . . . . . . 32
3.4.2 Algoritmos e Heurísticas de Otimização . . . . . . . . . . . . . . . . 32
3.5 Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
vii
Sumário
4 Modelagem de Tráfego para Qualidade de Serviço 37
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Processos Auto-similares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Atratores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.2 Auto-Similaridade no Tráfego . . . . . . . . . . . . . . . . . . . . . 41
4.2.3 Definição de Auto-similaridade . . . . . . . . . . . . . . . . . . . . . 45
4.2.4 Movimento Browniano Fracionário . . . . . . . . . . . . . . . . . . 46
4.2.5 Ruído Gaussiano Fracionário. . . . . . . . . . . . . . . . . . . . . . 47
4.2.6 Modelo de Tráfego Proposto por Norros . . . . . . . . . . . . . . . . 52
4.3 Processos Envelopes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.3.1 Processo Envelope para Tráfego Auto-Similar . . . . . . . . . . . . 55
4.4 Modelo para Agregação de Fontes . . . . . . . . . . . . . . . . . . . . . . . 58
5 Algoritmos Bio-inspirados 60
5.1 Algoritmos Genéticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.1.1 Algoritmo Genético Simples . . . . . . . . . . . . . . . . . . . . . . . 62
5.1.2 Função Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.1.3 Representação do Problema . . . . . . . . . . . . . . . . . . . . . . 63
5.1.4 Parâmetros de Ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.1.5 Cruzamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1.6 Algoritmo de Seleção . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1.7 Convergência Prematura . . . . . . . . . . . . . . . . . . . . . . . . 70
5.1.8 Cuidados na Construção da Função Objetivo . . . . . . . . . . . . 71
5.1.9 Algoritmo Genético Simples . . . . . . . . . . . . . . . . . . . . . . . 72
5.2 Sistemas Imunológicos Artificiais . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.1 Imunologia e Sistema Imunológico . . . . . . . . . . . . . . . . . . 75
5.2.2 Algoritmos Imunológicos Artificiais . . . . . . . . . . . . . . . . . . 81
5.2.3 Artificial Immune Network - Ainet . . . . . . . . . . . . . . . . . . . 83
5.2.4 Opt-ainet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2.5 Algoritmo B-Cell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.2.6 Algoritmo Cop-ainet . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6 Experimentos e Resultados 90
6.1 Ferramentas Utilizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2 Sistema Desenvolvido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.3 Restrição de Capacidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.3.1 Algoritmos Genéticos . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.3.2 Algoritmo Opt-ainet . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
viii