SAN을 이용한 제한된 버퍼 크기를 갖는 출력큐잉 ATM 스위치 성능평가 Performance Evaluation of Output Queueing ATM Switch with Finite Buffer Using Stochastic Activity Networks원문보기
네트워크 연결을 위한 고속 스위치는 계속해서 발달하여 왔으며, 스위치가 필요한 성능을 내는가를 여러 조건으로 분석하는 것은 중요한 일이다. 하지만, 복잡한 구조를 가진 시스템을 모델링하여 그 성능을 측정하는 것은 쉬운 일이 아니다. 큐잉이론을 이용한 모델링은 큰 상태 공간을 고려해야 됨은 물론이고 성능평가에 있어서도 복잡한 계산과정을 수행해야 하지만, SAN(Stochastic Activity Networks)에 의한 모델링과 성능평가는 그에 비해 간단하다는 장점이 있다. 본 논문의 목적은 출력포트에 큐를 갖는 고속 ATM 스위치를 확장된 SPN(Stochastic Petri Net)인 SAN을 이용해 모델링하고, 셀 도착 과정은 실제 트래픽과 유사한 특징을 가지고 있는 MMPP(Markov Modulated Poisson Process)로 모델링하여 그 성능을 평가하는데 있다. MMPP 모델을 이용한 버스티 트래픽을 고겨한 성능측정과 아울러 SAN의 장점을 이용한 확장이 용이한 스위치 모델을 보이고자 한다. 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치에 도착하은 셀은 포아송 도착 과정에서는 정확히 표현할 수 없는 버스티 특징을 표현할 수 있어 좀더 실제 트래픽에 가까운 MMPP로 모델링한다. SAN 모델은 UltraSAN 소프트웨어 패키지를 이용해 대기행렬의크기, 지연시간 그리고 셀 손실률에 대한 성능을 측정한다.
네트워크 연결을 위한 고속 스위치는 계속해서 발달하여 왔으며, 스위치가 필요한 성능을 내는가를 여러 조건으로 분석하는 것은 중요한 일이다. 하지만, 복잡한 구조를 가진 시스템을 모델링하여 그 성능을 측정하는 것은 쉬운 일이 아니다. 큐잉이론을 이용한 모델링은 큰 상태 공간을 고려해야 됨은 물론이고 성능평가에 있어서도 복잡한 계산과정을 수행해야 하지만, SAN(Stochastic Activity Networks)에 의한 모델링과 성능평가는 그에 비해 간단하다는 장점이 있다. 본 논문의 목적은 출력포트에 큐를 갖는 고속 ATM 스위치를 확장된 SPN(Stochastic Petri Net)인 SAN을 이용해 모델링하고, 셀 도착 과정은 실제 트래픽과 유사한 특징을 가지고 있는 MMPP(Markov Modulated Poisson Process)로 모델링하여 그 성능을 평가하는데 있다. MMPP 모델을 이용한 버스티 트래픽을 고겨한 성능측정과 아울러 SAN의 장점을 이용한 확장이 용이한 스위치 모델을 보이고자 한다. 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치에 도착하은 셀은 포아송 도착 과정에서는 정확히 표현할 수 없는 버스티 특징을 표현할 수 있어 좀더 실제 트래픽에 가까운 MMPP로 모델링한다. SAN 모델은 UltraSAN 소프트웨어 패키지를 이용해 대기행렬의크기, 지연시간 그리고 셀 손실률에 대한 성능을 측정한다.
High speed switches have been developing to interconnect a large number of nodes. It is important to analyze the switch performance under various conditions to satisfy the requirements. Queueing analysis, in general, has the intrinsic problem of large state space dimension and complex computation. I...
High speed switches have been developing to interconnect a large number of nodes. It is important to analyze the switch performance under various conditions to satisfy the requirements. Queueing analysis, in general, has the intrinsic problem of large state space dimension and complex computation. In fact, The petri net is a graphical and mathematical model. It is suitable for various applications, in particular, manufacturing systems. It can deal with parallelism, concurrence, deadlock avoidance, and asynchronism. Currently it has been applied to the performance of computer networks and protocol verifications. This paper presents a framework for modeling and analyzing ATM switch using stochastic activity networks (SANs). In this paper, we provide the ATM switch model using SANs to extend easily and an approximate analysis method to apply A TM switch models, which significantly reduce the complexity of the model solution. Cell arrival process in output-buffered Queueing A TM switch with finite buffer is modeled as Markov Modulated Poisson Process (MMPP), which is able to accurately represent real traffic and capture the characteristics of bursty traffic. We analyze the performance of the switch in terms of cell-loss ratio (CLR), mean Queue length and mean delay time. We show that the SAN model is very useful in A TM switch model in that the gates have the capability of implementing of scheduling algorithm.
High speed switches have been developing to interconnect a large number of nodes. It is important to analyze the switch performance under various conditions to satisfy the requirements. Queueing analysis, in general, has the intrinsic problem of large state space dimension and complex computation. In fact, The petri net is a graphical and mathematical model. It is suitable for various applications, in particular, manufacturing systems. It can deal with parallelism, concurrence, deadlock avoidance, and asynchronism. Currently it has been applied to the performance of computer networks and protocol verifications. This paper presents a framework for modeling and analyzing ATM switch using stochastic activity networks (SANs). In this paper, we provide the ATM switch model using SANs to extend easily and an approximate analysis method to apply A TM switch models, which significantly reduce the complexity of the model solution. Cell arrival process in output-buffered Queueing A TM switch with finite buffer is modeled as Markov Modulated Poisson Process (MMPP), which is able to accurately represent real traffic and capture the characteristics of bursty traffic. We analyze the performance of the switch in terms of cell-loss ratio (CLR), mean Queue length and mean delay time. We show that the SAN model is very useful in A TM switch model in that the gates have the capability of implementing of scheduling algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
ATM_switch 는 앞의 (그림 10)에서 세부적인 SAN 모델과 동작을 설명하였다. Reple SAN의 서브네트모델인 rnmpp를 복사하기 위한 것이다. mmpp 모델을 몇 개 복사할 것인지는 Repl에 개수를 설정함으로써 결정할 수 있다.
출력포트의 개수를 변화시키거나 필요에 따라 입력되는 트래픽을 다른 모델로 적용할 때 시스템의 전체 모델을 고려해야 하도록 되어있다. 따라서 본 논문에서는 이러한 것을 극복할 수 있는 SAN 모델을 제시한다.
각 포트에 도착하는 셀은 서로 독립적이다. 본 논문에서는 각 입력포트에 도착하는 셀 중에서 어느 특정 출력포트로 향하는 셀만을 고려한다. 각 출력포트에서 서로 독립적인 버퍼를 갖고 있기 때문에 하나의 출력포트를 고려한 모델링은 다른 출력포트에도 똑같이 적용될 수 있으므로 특정 출력포트에 대해서만 모델링한다.
큐잉 모델을 선택했다. 앞에서 소개한 SAN을 실제 시뮬레이션에서 어떻게 적용시키는가를 보이기 위해서이다.
가설 설정
셀을 버릴 것인지 아닌지를 결정하는 것은 ATM 스위치의 기능적 모델인 그림에서 라우팅과 셀손실 결정 부분에서이다. 입력단에 도착하는 셀은 1 셀 시간 내에 모두 처리된다고 가정한다. 라우팅과 셀손실 결정에 대한 모델링과 그것에 대한 설명은 본 논문의 3.
제안 방법
2■■상태를 갖는 MMPP를 SAN으로 모델링하여 ATM 스위치의 입력단에 도착하는 셀을 생성하는데 이용한다. MMPP의 파라미터를 바꾸면서 二l 에 따른 셀 손실률, 버퍼에 남아있는 평균 셀의 크기, 셀 지연시간 등을 측정한다.
본 논문에서는 이러한 시스템의 복잡성과 모델링할 때 큰 상태 공간을 직접 고려하지 않아도 되는 모델링 기술로써 PN(Petri Net)[2-4]을 선택했다. PN올 이용한 모델링은 knockout 스위치[5]를 [6]에서 SWN(Stochastic Well-formed Net)을 이용해 이루어졌다. [기에서는 PN 을 이용해 폴링 시스템을 모델링하였다.
또한, 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치를 SAN으로 모델링하고 二L 성능을 측정하였다. SAN으로 모델링된 스위치는 UltraSAN 소프트웨어 패키지를 이용해 시뮬레이션하였다. SAN 모델을 위한 UltraSAN 은 마코프 체인을 자동으로 생성해주고 해석해 준다.
시뮬레이션을 위해 2-상태 MMPP 모델의 파라미터 4가지를 변화시키면서 버스티 특성을 갖는 트래픽을 생성할 수 있지만, 그것 중 상태 천이율을 변화시켜 버스티 트래픽을 생성했다. 그리고, 버퍼의 크기를 변화시키면서 생성된 트래픽에 따른 성능을 측정했다.
두 번째는 MMPP 모델의 파라미터 중 상태 1에서 상태 2로 천이되는 비율인 <血를 변화시키고 나머지 파라미터 값은 고정시킨 후 시뮬레이션하였다. 们2을 0.
포아송 과정으로는 트래픽의 버스티 특성을 표현할 수 없기 때문에 본 논문에서는 셀 도착 과정을 MMPP 트래픽 모델을 적용하여 SPN의 일종인 SAN으로 모델링하였다. 또한, 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치를 SAN으로 모델링하고 二L 성능을 측정하였다. SAN으로 모델링된 스위치는 UltraSAN 소프트웨어 패키지를 이용해 시뮬레이션하였다.
입력포트의 수를 증가시키려면 Composed Model에서 Repl의 설정을 증가시키면 되고, 그렇게 함으로써 전체 모델을 변경하지 않고도 간단히 모델을 바꾸어 시뮬레이션할 수 있다. 본 논문에서는 PN의 일종인 SAN으로 ATM 스위치를 모델링하는데 중점으로 두었기 때문에 입력포트는 8포트로 설정하여 시뮬레이션하였다. 입력단에 도착하는 셀들의 트래픽 형태를 바꾸기 위해서는 (그림 11)의 mmpp 서브네트모델을 다른 서브네트 모델로 교체함으로써 모델 전체를 바꾸지 않고도 가능하게 해준다.
mmpp 모델을 몇 개 복사할 것인지는 Repl에 개수를 설정함으로써 결정할 수 있다. 본 논문에서는 복사 개수를 8개로 하였다. MMPP 트래픽 형태로 8개의 각 입력포트에 독립적으로 셀이 도착하는 것이다.
본 논문의 구성은 시스템의 모델링에 적용된 SAN 에 대한 원형 (prim面tives)을 설명하고, SAN을 이용한 모델링의 예로 M/M/1C11] 큐잉 모델을 선택하여 SAN 원형을 적용하고 각종 파라미터를 설정하는 예를 보여준다. 그리고 시뮬레이션 결과를 그래프로 출력하여 보여준다.
셀 도착 프로세스는 두 가지 상태를 갖는 MMPP 모델을 적용하여 SAN으로 모델링하였다. MMPP 모델은 천이율(transition rate)과 도착율로 표현될 수 있다.
A(en_decision)의 설정은 <표 5>에서 보는 바와 같이 결정된 시간 1/N으로 하였다. 셀 손실 결정이 고속으로 이루어져야 하는데 최악의 경우인 입력포트 N의 역수 시간 사이에 이루어지도록 했다. 이 시간이 완료되면 I(decision)의 설정에 따라 셀이 이동하게 된다.
포트의 속도나 스위치의 입력포트에 도착하는 실제 트래픽의 형태가 각기 다르기 때문이다. 시뮬레이션을 위해 2-상태 MMPP 모델의 파라미터 4가지를 변화시키면서 버스티 특성을 갖는 트래픽을 생성할 수 있지만, 그것 중 상태 천이율을 변화시켜 버스티 트래픽을 생성했다. 그리고, 버퍼의 크기를 변화시키면서 생성된 트래픽에 따른 성능을 측정했다.
3장에서는 출력 큐잉 ATM 스위치를 기능적인 측면에서 간단히 설명하고, 셀 도착 프로세스를 MMPP로 모델링하고 동작을 설명한다. 이어서 출력큐잉 ATM 스위치를 모델링하고, SAN 모델에 적용된 각종 파라미터 값을 표로 보여준다. 4장에서는 성능분석 분야로 성능측정할 때 적용된 셀 손실률과 평균 지연시간에 대한 수식을 설명하고, 시뮬레이터에서는 어떻게 적용되었는지를 표로 보여준다.
값은 고정시켰다. 입력포트의 개수은 8, 입력포트에 셀이 존재할 확률 P는 0.9, 2-상태 MMPP 모델의 상태 1에서 상태 2로 천이되는 비율 血는 1, 상태 2에서 상태 1로 천이되는 비율 을 10으로 설정했다. 血와 如1의 역수인 상태 1과 2에서 머무는 시간을 과 &라 하면, 心과 T2 시간에 생성되는 셀은 단위 시간당 10의 비율인 트래픽 환경으로 설정하였다.
출력큐잉 ATM 스위치의 버퍼 크기와 도착하는 셀의 트래픽 형태를 달리하기 위해 MMPP에서의 값올 바꾸면서 그것에 따른 CLR, 버퍼에 남아있는 평균 셀 개수 그리고, 평균 셀 지연시간 등을 측정하여 그래프로 보여주고 분석하였다.
복잡한 구조를 가진 시스템을 모델링하여 그 성능을 측정하는 것은 쉬운 일이 아니다. 포아송 과정으로는 트래픽의 버스티 특성을 표현할 수 없기 때문에 본 논문에서는 셀 도착 과정을 MMPP 트래픽 모델을 적용하여 SPN의 일종인 SAN으로 모델링하였다. 또한, 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치를 SAN으로 모델링하고 二L 성능을 측정하였다.
대상 데이터
본 논문의 SAN을 이용해 모델링하고자 하는 대상은 출력포트에 버퍼를 갖는 ATM 스위치이다. (그림 8)은 ATM 스위치을 기능적인 면에서 표현한 것이다.
본 논문의 대상모델은 수식적 분석은 이미 되어있지만, SAN을 이용한 모델링은 아직 되어 있지 않은 출력포트에 제한된 크기의 버퍼를 갖는 ATM 스위치로 한다. 셀 도착 과정은 버스티 특성을 고려할 수 있어 실제 트래픽과 유사한 MMPP(Markov Modulated Poisson Process)로 모델링한다.
이론/모형
(그림 8)에서 보는 바와 같이 입력포트에 도착하는 셀은 버스티 트래픽 특징을 표현할 수 있어 실제 트랙픽과 유사한 2-상태를 갖는 MMPP 모델을 적용한다. 각 포트에 도착하는 셀은 서로 독립적이다.
Networks)[9]을 이용한다. SAN 모델의 성능평가를 위한 소프트웨어 패키지로써 UltraSAN[9]을 이용한다. SAN: 일반 PI'S! 순간 천이(immediate transition)와 SPN의 확률 천이 (stochastic transition), 즉 점화율(filing rate)이 지수분포함수나 결정된(deterministic) 시간에 따른 천이를 동시에 이용할 수 있을 뿐 아니라 점화할 때 토큰을 변화시킬 수 있는 입 .
본 논문에서는 ATM 망의 성능측정을 위한 모델링 기술로서 PN의 일종이며 SPN(Stochastic PN)이나 GSPN (Generalized SPN)보다 확장된 SAN(Stochastic Activity Networks)[9]을 이용한다. SAN 모델의 성능평가를 위한 소프트웨어 패키지로써 UltraSAN[9]을 이용한다.
또한 큰 상태 공간을 고려해야 하는 문제는 복잡한 시스템의 성능평가에서 일반적으로 부딪치는 문제이다. 본 논문에서는 이러한 시스템의 복잡성과 모델링할 때 큰 상태 공간을 직접 고려하지 않아도 되는 모델링 기술로써 PN(Petri Net)[2-4]을 선택했다. PN올 이용한 모델링은 knockout 스위치[5]를 [6]에서 SWN(Stochastic Well-formed Net)을 이용해 이루어졌다.
셀 도착 과정은 버스티 특성을 고려할 수 있어 실제 트래픽과 유사한 MMPP(Markov Modulated Poisson Process)로 모델링한다. 포아송 과정(poisson process) 은 일반적으로 컴퓨터나 통신망에서 도착 과정 모델링을 위해 많이 사용되어왔지만, 버스티 트래픽의 특징을 표현하지 못하기 때문에 실제 트래픽을 정확히 표현하지 못한다.
성능/효과
9, 버퍼의 크기 Q는 20으로 값을 설정하였다. 결과에서 버퍼에 남아있는 평균 셀 개수만을 고려했을 때는 4의 값이 약 22일 때 남아있는 셀의 개수가 2미만임으로 2셀 크기의 버퍼 크기만 있으면 될 것으로 판단되지만, 같은 환경에서 평균 셀 손실 개수를 보면 약 le-04개이다. 2셀 크기만으로는 버퍼의 크기가 충분하지 않다는 것을 알 수 있다.
1과 10의 비율로 도착하는 트래픽 형태를 갖는 스위치 환경일 경우 출력단의 버퍼 크기는 2개의 셀을 수용할 수 있는 용량이면 충분한 것으로 나타났다. 그러나, 다음 결과 그래프인 손실되는 평균 셀 개수를 참조해보면 실제 버퍼 크기는 20임에도 불구하고 손실되는 셀의 개수는 최대 10e-3까지 나타난다.
본 논문에서 제시한 출력큐잉 ATM 스위치의 SAN 모델은 입력단의 셀 도착 과정을 달리하거나 입력포트의 수를 변화시킬 필요가 있을 때 그 확장이 용이함을 설명하였다.
그래프에서 幻이 22일 때 평균 지연시간은 9셀 시간이다. 이 22, T27\ 10, 셀 생성율이 각각 0.1 과 10인 트래픽 환경에서 출력단에 도착하는 셀은 평균 9 셀 시간이 지난 후에 서비스를 받고 전송된다는 것을 알 수 있다.
참고문헌 (16)
Marco Ajone Marsan and Rossano gaeta, 'Modeling ATM systems with GSPNs and SWNs,' Performance Evaluation Review, Vol.26, No.2, pp.28-37, 1998
Michael K. Molloy, 'Performance Analysis Using Stochastic Petri Nets,' IEEE Trans. on Computers, Vol.C-31, No.9, pp.913-917, Sep. 1982
Giovanni Chiola et al, 'Generalized Stochastic Petri Nets : A Definition at the Net Level and Its Implications,' IEEE Trans. on Software Engineering, Vol.19, No.2, pp.89-107, Feb. 1993
Yu-Shuan Yeh et al, 'The Knockout Switch : A Simple, Modular Architecture for High-Performance Packet Switching,' IEEE Journal on Selected Areas in Communications, Vol.SAC-5, No.8, pp.1274-1283, Oct. 1987
Rossano Gaeta and Marco Ajmone Marsan, 'SWN Analysis and Simulation of Large Knockout ATM Switches,' ICATPN, pp.326-344, 1998
Oliver C. IBE, Kishor R. Tribedi, 'Stochastic Petri Net Models of Polling Systems,' IEEE Journal of Selected Areas in Communications, Vol.8, No.9, pp.1649-1657, 1990
L. A. Kant, 'Analysis of Cell-Loss Processes and Restoration Schemes in ATM Networks,' Ph.D thesis, the university of arizona, 1996
W. H Sanders, 'UltraSAN User's Manual v3.0,' UIUC, 1995
Robin A. Sahner, Kishor S. Trivedi, Antonio Puliafito, 'Performance and Reliability analysis of Computer Systems-An Exmaple-Based Approach Using the SHARPE Software Package,' Kluwer Academic Publishers, 1996
Leonard Kleinrock, 'Queueing Systems, Vol.1 : Theory,' John Wiley & Sons. 1975
H.Yoon et al, 'The Knockout Switch Under Non-uniform Traffic,' IEEE Trans. on Communications, Vol.43, No.6, pp.2149-2156, Jun. 1995
※ AI-Helper는 부적절한 답변을 할 수 있습니다.