Monitorización del ancho de banda de redes usando wavelets
Title (trans.)
Network bandwidth monitoring using waveletsAuthor
Acedo Fajardo, AlejandroEntity
UAM. Departamento de Tecnología Electrónica y de las ComunicacionesDate
2018-02Subjects
Monitorización de redes; Medidas de red; Transformada Wavelet; MRTG; TelecomunicacionesNote
Trabajo fin de máster en Ingeniería de TelecomunicaciónEsta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
En este proyecto se presenta una implementación mejorada de la herramienta de monitorización de tráfico MRTG - Multi Router Traffic Grapher. Esta popular herramienta utiliza un mecanismo de promediado simple para agregar los datos en distintas escalas temporales para no saturar las bases de datos donde almacena la información. Sin embargo, la precisión obtenida al comparar las señales reconstruidas y las originales es generalmente baja por lo que puede perderse información de monitorización valiosa. Por otro lado, las medidas de red presentan un comportamiento claramente diferenciado, siendo el tráfico parecido entre los días laborales, aumentando por las mañanas, decreciendo a la hora de comer y siendo mínimo por las noches. Además, esta periodicidad se refleja tambi´en a nivel semanal, mensual e incluso anual de acuerdo con los patrones de tráfico de los usuarios. Por tanto, para aprovechar este carácter periódico se ha decidido utilizar la Transformada Wavelet en sustitución de la función promediadora de MRTG. Concretamente, se han generado tres modelos diferentes con distintas configuraciones en función del uso de los coeficientes de detalle y aproximación de la Transformada Wavelet. Estos modelos se han evaluado mediante un gran conjunto de medidas reales recogidas de RedIRIS, que es la Red Espan˜ola para la Interconexi´on de los Recursos Informáticos de las universidades y centros de investigación. Para cada modelo, se ha analizado la familia wavelet que mejores resultados ofrece, el nivel de compresión alcanzado y la mejora de la precisión con respecto a la obtenida por MRTG. Cabe destacar que la precisión se ha medido en base a dos medidas de rendimiento correspondientes al MSE y el MAPE. Los resultados muestran que el tercer modelo es el que ha conseguido un mejor equilibrio entre la información de monitorización perdida y el nivel de compresión utilizado, por lo que es el que finalmente se ha implementado en Python. Con respecto a esta implementación, cabe decir que se ha seguido el mismo formato que MRTG, generando de forma dinámica un informe en HTML con gráficas en PNG que representan la carga de tráfico de los enlaces de red a lo largo del tiempo This project carried out an improved implementation of the traffic monitoring tool MRTG — Multi Router Traffic Grapher. This popular tool uses a simple averaging mechanism to compact the data at different time scales to not over flow databases where the information is stored. Nevertheless, the resulting precision is generally low when comparing the reconstructed and the original signals so valuable monitoring information can be lost. Interestingly, we note that network measurements have a clearly periodic behavior, presenting similar traffic between working days, increasing usage at mornings, decreasing at lunch times and dipping to the minimum values at nighttimes. Furthermore, such periodicity is showed across weeks, months and even years according to users’ patterns. Therefore, to take advantage of this periodic behavior, we have decided to apply the Wavelet Transform in substitution of the MRTG’s averaging function. More specifically, we have developed three models with different settings depending on the use of approximation and details’ Wavelet Transform coefficients. These models have been evaluated through a significant set of real measurements collected from RedIRIS, the Spanish National Research Network. In each model, we have analyzed the wavelet families that attain the best results, the level of compression achieved and the accuracy improvement compared with the MRTG counterpart. It is worth remarking that the precision has been obtained through two performance metrics such as MSE and MAPE. The results show that the third model achieves a better balance between the loss of monitoring information and the level of compression, hence it has been translated into a final monitoring tool. With regard to this implementation, carried out in Python, we have followed the same format and operation flow that MRTG follows, i.e., generating dynamically an HTML file containing different PNG figures that represent the traffic burden of the network interfaces over time at different time scales
Files in this item
Google Scholar:Acedo Fajardo, Alejandro
This item appears in the following Collection(s)
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/
Related items
Showing items related by title, author, creator and subject.
-
Diseño e implementación de un framework para la monitorización de aplicaciones usando OpenFlow
Esparza Juandeaburre, Alejandro
2020-07 -
Análisis de técnicas de medida del ancho de banda: influencia de la carga del sistema y de la red sobre la precisión de la medida
Santiago del Río, Pedro María
2010 -
Gestión de ancho de banda en tráfico de red en hardware reconfigurable
Sanz Cebollero, Sergio
2017-05