Campus del Baix Llobregat
 
Projectes oferts

Projectes matriculats

Tribunals i dates de lectura

Projectes llegits
(2012-2)

DG ENG AERO/SIS TEL

DG ENG AERO/TELEMÀT

DG ENG SISTE/TELEMÀT

ENG TELEC 2NCICLE 01

ET AERO/ETT SIST 05

ET AERONÀUTICA 03

ETT SIST/ ET AERO 05

ETT SIST TELEC 00

ETT SIST TELEC 91

ETT TELEMÀTICA 00

GR ENG AERONAVEGACIÓ

GR ENG AEROPORTS

GR ENG SIS TELECOMUN

GR ENG SIST AEROESP

GR ENG TELEMÀTICA

MU AEROSPACE S&T 09

MU DRONS

MU MASTEAM 2009

MU MASTEAM 2015

Cerca projectes

Calendari TFG de dipòsit i lectura

Documentació

Web UPC


 

Projecte llegit

Títol: Monitorización de tráfico y encaminamiento en redes IP

Director: RINCÓN RIVERA, David

Departament: ENTEL

Títol: Monitorización de tráfico y encaminamiento en redes IP

Data inici oferta: 12-04-2013     Data finalització oferta: 12-12-2013


Estudis d'assignació del projecte:
    ENG TELEC 2NCICLE 01
    MU MASTEAM
Tipus: Individual
 
Lloc de realització: EETAC
 
Segon director (UPC): RASPALL CHAURE, Frederic
 
Paraules clau:
Netflow, tráfico, traffic, transit, IP, xarxes, redes, networks, Netflow, SNMP, traffic matrix, matriz de tráfico, predicción, prediction, PCA, SNMP
 
Descripció del contingut i pla d'activitats:
Una de las principales dificultades con las que se encuentra todo operador de red a la hora de aplicar técnicas de ingeniería de tráfico radica en la obtención de la matriz de tráfico. Por definición, una matriz de tráfico describe el volumen de tráfico intercambiado entre los puntos de ingreso y egreso de una red durante un intervalo de tiempo dado. La forma directa de obtener la matriz de tráfico se basa en la realización de medidas a nivel de flujo. Por desgracia, no todas las redes cuentan con dispositivos que posean tal capacidad.

En la primera parte de este PFC se presenta un método simple y eficiente para la estimación de la matriz de tráfico de una red IP. Para ello se emplea la información de encaminamiento de la red y la carga de sus enlaces como entradas de un sistema de ecuaciones lineales. Dicho método, denominado tomogravedad, se aplica en las redes GÉANT y GRNET.

En el caso de GÉANT, la información requerida se adquiere a partir de dos aplicaciones existentes en su portal de monitorización: Cacti y Looking Glass. En GRNET se emplea la herramienta de monitorización Nemo, desarrollada por profesores de la EETAC. Utilizando estos datos a la entrada de un sistema compuesto por diferentes módulos desarrollados en R, Java y Matlab, se obtienen 2016 matrices para la red GÉANT y 268 para GRNET.

Las matrices de tráfico han sido sometidas a un proceso de validación empleando nuevamente la carga de los enlaces. Los resultados obtenidos han sido satisfactorios, habiéndose conseguido, en el peor de los casos, unos valores de error cuadrático medio normalizado del 3,5% en GÉANT y 0,09% en GRNET.

Logrado el objetivo anterior, las series temporales centran la atención de la segunda parte del PFC. En ella se plantea una metodología para el análisis y predicción de los volúmenes de tráfico estimados que se intercambian los puntos de ingreso y egreso de la red GÉANT durante el intervalo de tiempo en cuestión. Nuevamente, los resultados obtenidos han sido satisfactorios, habiéndose conseguido en series predictibles, en el peor de los casos, un error cuadrático medio normalizado del 10%.

 
Overview (resum en anglès):
A fundamental obstacle to developing methods for traffic engineering in a network today is the inability of network operators to measure the traffic matrix. A traffic matrix provides, for every ingress point into the network and egress point out of the network, the volume of traffic exchanged between these points over a given time interval. The direct way to obtain the traffic matrix is based on performing flow level measurements. Unfortunately, many networks have no devices with such capabilities enabled.

The first part of this PFC introduces a simple and efficient method for computing traffic matrix in IP networks. For this purpose, link loads and network routing information are the inputs of a linear equations system. Such method, called tomogravity, is applied in GÉANT and GRNET networks.

In GÉANT the information will be acquired from the applications available in its monitoring web page: Cacti and Looking Glass. In the case of GRNET, a monitoring tool developed by professors of EETAC, called Nemo, has been used. With these data as inputs of a system composed by several modules developed in R, Java and Matlab, 2016 matrices have been obtained in GÉANT and 268 in GRNET.

The traffic matrices have been validated using the measured link loads. The obtained results have been satisfactory, getting in the worst case, a normalized mean square error of 3.5% in GÉANT and a value of 0.09% in GRNET.

Time series focus the attention of the second part of this PFC, where a methodology for the analysis and prediction of the traffic volumes estimated by the tomogravity method in GÉANT will be described. Again, the obtained results have been satisfactory, getting in predictable series, in the worst case, a normalized mean square error of 10%.



Data de generació 26/01/2021