CARACTERIZACIÓN DE TRÁFICO DE VÍDEO Y TRÁFICO INTERNET

Transcripción

1 CARACTERIZACIÓN DE TRÁFICO DE VÍDEO Y TRÁFICO INTERNET E. Casilari, A. Reyes Lecuona, A. Díaz Estrella y F. Sandoval Dpto. Tecnología Electrónica, E.T.S.I. Telecomunicación, Universidad de Málaga, Campus de Teatinos, Málaga Tfno.: ; FAX ; casilari@dte.uma.es RESUMEN: Sin duda, dos de las aplicaciones que están requiriendo un mayor esfuerzo en el diseño y dimensionado de los sistemas de telecomunicación en la actualidad son Internet y el vídeo. En este trabajo se presentan las líneas maestras del modelado y caracterización del tráfico de vídeo VBR, exponiendo los distintos factores que influyen en las características estadísticas que presenta este tráfico. Asimismo, se describen los aspectos clave en el modelado del tráfico Internet, y más concretamente del tráfico WWW, destacando lo apropiado de una aproximación estructural al problema. 1. INTRODUCCIÓN Hasta hace pocos años, el limitado ancho de banda que ofrecían las redes existentes imponía fuertes restricciones a la transmisión de vídeo digital. Sin embargo, el crecimiento de la interconectividad de LANs, la expansión de tecnologías de fibra óptica y la posibilidad de reutilizar los soportes clásicos con mayores anchos de banda (mediante técnicas como VDSL, ADSL,...), así como el auge y aparición de nuevos servicios multimedia y la consolidación de estándares de compresión como MPEG, hacen pronosticar que los flujos que contienen imágenes en movimiento (vídeo) serán una fuente de tráfico telemático de primer orden en las futuras redes digitales. La importancia de este tipo de servicios para el diseño y gestión de las redes radica en dos motivos: de un lado, los elevados recursos que suelen requerir (entendiendo por recurso habitualmente el ancho de banda exigido) y, en segundo lugar, los altos niveles de calidad de servicio (básicamente pérdidas y retrasos) que solicitan a la red. Por otra parte, el espectacular crecimiento de Internet en los últimos años ha llevado a los fabricantes de sistemas y redes de acceso a replantearse el diseño de sus productos para soportar de forma más eficiente la creciente demanda de servicios relacionados con Internet. Para la simulación de las redes y sistemas que proporcionan acceso a Internet es imprescindible disponer de un modelado del tráfico de los usuarios de Internet. Las medidas realizadas sobre redes reales muestran que el modelado de Poisson es totalmente inadecuado, no solo para conexiones individuales, sino que además el tráfico agregado de Internet presenta correlación a muy largo plazo. Por tanto es preciso realizar una caracterización nueva de este tráfico, de forma que se modele correctamente el flujo de datos en los sistemas de acceso.

2 2. MODELADO DE TRÁFICO DE VÍDEO VBR La digitalización y transmisión sin comprimir de una señal de vídeo exige anchos de banda prohibitivos incluso hoy en día. Por ejemplo, pensemos que para transmitir una simple señal VGA, con 640 x 480 pixeles, a 25 fotogramas por segundo y dedicando 8 bits para codificar cada una de los tres componentes de color (RGB o rojo, verde y azul), se exigiría un ancho de banda de 640 x 480 x 25 x 24 = Mbps, tasa binaria que satura con mucho la velocidad primaria de ATM (pensada para enlaces SONET OC-3 a Mbps) y que apenas permitiría multiplexar tres señales en una red ATM con velocidad adicional (un enlace OC-9 a Mbps), tasas que, por otro lado, tardarán mucho todavía en llegar hasta el usuario final de una manera masiva. Afortunadamente, toda señal de vídeo presenta una doble redundancia (espacial y temporal) que permite reducir (comprimir) estas tasas de manera notable y sin pérdidas apreciables al ojo humano. La redundancia espacial, que eliminan los compresores intraframe, se fundamenta en el hecho de que existe una fuerte correlación entre pixeles adyacentes dentro de la misma imagen o fotograma. Los compresores interframe, en cambio, aprovechan la propia continuidad en el tiempo de la imagen, es decir, la redundancia temporal presente entre pixeles situados en la misma posición en fotogramas contiguos. Hasta la fecha gran parte de las comunicaciones de vídeo aprovechan esquemas de compresión en donde la calidad de la señal varía para garantizar un flujo de tasa binaria constante o CBR (Constant Bit Rate). Sin embargo, los escenarios de transmisión asíncronos, como el propuesto por ATM, aconsejan adoptar soluciones de tasa binaria variable o VBR (Variable Bit Rate). Los flujos generados por esta clase de compresión no sólo proporcionan una calidad constante, sino que además se pueden beneficiar de la multiplexación estadística que proveen las redes asíncronas, optimizando de esa manera el ancho de banda compartido. Como desventaja, sin embargo, se tiene que la gestión del flujo VBR (incluyendo tareas de control de admisión, vigilancia, conformado, controles reactivos, renegociación de recursos,...) se complica mucho más allá de los simples controles que bastan para manejar un flujo CBR. Por esta razón se justifica la necesidad de conocer y modelar con detalle la naturaleza del tráfico que generan los servicios de vídeo. Para las escalas temporales donde el modelado de tráfico vídeo resulta de interés, dos son los factores clave en el tráfico generado por servicios de vídeo: - De un lado, el grado de información contenida en la señal audiovisual. Esta información varía en la medida que lo hacen el grado de complejidad de la imagen y la movilidad de los objetos o de la propia cámara. - De otro lado, los mecanismos impuestos por el propio algoritmo de compresión. Por lo general se suelen modelar por separado ambos factores, dadas las diferentes propiedades estadísticas que imponen sobre el flujo digital. Así, mientras la naturaleza de la señal, que responde, al fin y al cabo, a una realidad visual cambiante y aleatoria, establece en el flujo características propias de un proceso aleatorio estocástico, los efectos causados por el compresor reflejan la estructura determinista de un proceso máquina: secuenciación fija de los distintos de fotogramas (especialmente notable en el caso de MPEG, como veremos) y, en todo caso, a unos niveles espaciales o subfotogramas claramente definidos.

3 2.1. INFLUENCIA DE LA NATURALEZA DE LA SEÑAL Las características más importantes que la naturaleza de una señal de vídeo incorpora en el tráfico generado se pueden cifrar en las siguientes: - Una enorme variabilidad de la tasa ofrecida a la red, determinada, como ya se ha apuntado, por la propia variabilidad de la complejidad y el movimiento de la imagen. Analíticamente, este fenómeno se puede detectar estudiando la función de densidad de probabilidad o pdf (probability density function). A diferencia del caso de una señal CBR, en donde a partir de cierta escala temporal (aproximadamente un segundo), el volumen de información emitido por unidad de tiempo es constante y, por tanto, la pdf tiende a una delta situada precisamente en ese valor de tasa constante, la variabilidad de una señal VBR impone en la densidad estadística del tráfico generado una forma mucho más abierta. - Interrelación a corto plazo del volumen de información emitida. La redundancia temporal que no llega a ser extraída de la señal, impone en el flujo una correlación a corto plazo o SRD (Short Range Dependence) que, estadísticamente, puede detectarse en los altos valores que presentan, para los primeros retrasos, los coeficientes de autocorrelación de la señal. - Interrelación a largo plazo: en un gran número de aplicaciones de vídeo (TV, películas) la señal audiovisual viene determinada, en una escala de tiempo más alta, por la evolución a través de largos periodos de actividad y complejidad de imagen más o menos homogénea. Estos periodos que visualmente podemos justificar por la existencia de diferentes planos, escenas o escenarios o incluso por el grado de movimiento medio que impone el propio argumento del contenido de la transmisión (pensamos sobre todo en películas), establece una correlación a largo plazo o LRD (Long Range Dependence) dentro de la señal, la cual se puede comprobar en un decaimiento lento o subexponencial (normalmente hiperbólico) de la función de autocorrelación, la cual alcanza valores significativos para retrasos superiores a varios minutos. Se puede establecer una clasificación de los modelos en función de la propiedad estadística (PDF, SRD o LRD) que tratan de imitar [3] [4]. Considerando el hecho de que un modelo puede ajustar más de una propiedad estadística, la clasificación global sería la representada en la figura 1. Como puede observarse en la figura, los círculos incluyen los tres estadísticos genéricos en tanto que los círculos discontinuos que separan los diversos modelos, intersectan a los primeros dependiendo de la característica que el modelo ajusta. En un artículo anterior en esta revista se revisaron de una manera sumaria los modelos resumidos en la figura. No obstante, en ella también se incluyen los modelos escénicos u orientados a escenas [2], los cuales conforman una aproximación específica al modelado de tráfico de vídeo. Estos modelos estructurales tratan de capturar la LRD imitando la causa física (la estructura interna) que la provoca, es decir, la existencia de escenas o planos. De este modo, dividen el tráfico en diferentes tipos de escenas, analizando por separado el flujo perteneciente a cada tipo, de manera que habitualmente se definen en dos capas o niveles: un nivel superior que modela la duración de la escena y la conmutación o cambio entre las mismas y un nivel inferior que imita el tráfico intraescena, esto es, el que se genera dentro de cada escena.

4 Ruidos proyectados PDFs estándar Variabilidad del tráfico: Modelos AR, ARMA PAR, TES, Cadenas de Markov Semejanza entre fotogramas contiguos: SRD PDF FARIMA proyectado, SRP, Modelos escénicos FARIMA, ARIMA FGN proyectado Existencia de escenas, planos,...: LRD FGN, FRP, Mapas caóticos Figura 1. Clasificación de los modelos de tráfico de vídeo VBR INFLUENCIA DEL COMPRESOR MPEG Uno de los efectos más importantes es el que provoca la distribución de los tipos de codificación en la norma MPEG, una de los estándares más extendidos. Con el objeto de una doble compresión espacial-temporal, la norma define tres tipos de fotogramas con codificaciones distintas: -En primer lugar, tendríamos los fotogramas tipo I (o intraframe) que, mediante técnicas como la transformada discreta del coseno (DCT), suprimen únicamente la redundancia espacial presente en ellos mismos. -En segundo lugar, existen también los denominados fotogramas tipo P (o predictive) que, añaden a la codificación propia de los I la supresión de la redundancia temporal existente con el fotograma I o P anterior. Esto se lleva a cabo mediante técnicas que incluyen la definición de vectores de movimiento (motion vectors). - Finalmente, la norma define fotogramas B (o bidirectional) cuya filosofía de funcionamiento es similar a la de los P, con la diferencia de que en este caso la compensación de movimiento se hace en ambos sentidos, es decir, con respecto al pasado (fotograma I o P previo) y al futuro (fotograma I o P siguiente) Estos tres tipos de fotogramas se ordenan, habitualmente, en secuencias fijas denominadas GOPs (Group of Pictures), cadena de fotogramas existentes entre dos fotogramas I consecutivos. La norma MPEG no define la estructura del GOP sino que deja al fabricante libertad para decidirla. Una estructura muy extendida en USA y Japón es la del tipo IBBPBBPBBPBB. Para ilustrar la secuenciación de fotogramas en un vídeo MPEG la figura 2 representa lo que podría ser la estructura de un GOP. En dicha figura las flechas representan dos ejemplos (uno para un fotograma P y otro para uno B) de las relaciones existentes con otros fotogramas a la hora de la decodificación. La principal repercusión, a nivel de tráfico, de la existencia de estos tres tipos de fotogramas se justifica por el hecho de que los fotogramas I suelen transportar más tráfico que los P y estos, a su vez, más que los B, debido al distinto grado de compresión que conllevan. La distribución del GOP impone, de este modo, la existencia de picos periódicos de tráfico provocados por la emisión de un fotograma I, así como

5 picos menores provocados por los P. La mejor manera de modelar este efecto impuesto por MPEG sin obviar los efectos a niveles superiores es dividir el tráfico generado por un modelo a nivel de GOP de acuerdo con la propia secuencia del formato y proporcionalmente al peso que cada tipo de fotograma posee sobre el tráfico total. (p.e.: en la señal "Star Wars" antes comentada, los fotogramas I concentran el 30% del tráfico mientras que sólo ocupan 1/12 del tiempo de emisión total). G O P I B B P B B I Figura 2. Estructura de una secuencia MPEG 3. MODELADO DE TRÁFICO INTERNET De los distintos servicios que integran la Internet, el World Wide Web (WWW) es sin duda el responsable de la mayor parte del tráfico de los usuarios (protocolo HTTP). Asimismo, parece que el tráfico debido a las transacciones de correo electrónico son la segunda fuente de tráfico (protocolo SMTP) Básicamente podemos distinguir dos aproximaciones al modelado de tráfico: la aproximación conductista o de "caja negra", en la que se modelan las características estadísticas del tráfico sin tener en cuenta su origen, y la aproximación estructural, en la que el modelo se basa en la estructura interna del sistema que genera el tráfico MODELADO DE TRÁFICO WWW Algunos autores han señalado la existencia de características autosemejantes en él [5]. Sin embargo, los modelos que se limitan a ajustar las características autosemejantes en el proceso de llegada de paquetes no parecen apropiados para modelar este tipo de tráfico [7]. En primer lugar, el tráfico de Internet está en continua evolución. No tiene sentido realizar un modelo que ajuste con exactitud el tráfico generado hoy, si es imposible reescalarlo para adaptarse a las características que presentará dicho tráfico mañana. Para conseguir esta escalabilidad es imprescindible diseñar un modelo en el que todos los parámetros posean un claro significado físico. Lamentablemente, los parámetros que definen las dependencias a largo plazo (autocorrelaciones, parámetro Hurst, etc.) no poseen significado físico evidente. Por otra parte, si todos los parámetros del modelo tienen significado físico evidente, es posible determinar la influencia de cada uno de esos parámetros en nuestro sistema, de forma que, estudiando la evolución de los estadísticos de dichos parámetros, podamos diseñar un modelo que estime las características del tráfico futuro.

6 En segundo lugar, algunos autores han señalado la necesidad de tener en cuenta en el modelado de tráfico de datos las características de la red [1]. Los protocolos sobre los que se soportan las aplicaciones de Internet disponen de controles de flujo y de recuperación de errores mediante retransmisiones. Esto hace que el tráfico que está generando un usuario no dependa únicamente de sus acciones, sino también de las características de la red. Y éstas dependen a su vez de la implementación de los protocolos y del estado de la red, reflejado en las probabilidades de error y pérdidas y en los retrasos. Así pues, los modelos de tráfico Internet deben separar las influencias del usuario y de los protocolos. Todos estos argumentos apoyan la decisión de usar modelos estructurales para el tráfico Internet en general, y para el tráfico Web en particular, en detrimento de los modelos conductistas. En este sentido, un modelo estructural de tráfico WWW debe inspirarse en el comportamiento de los usuarios de la WWW. Es muy razonable usar una estructura jerárquica multinivel compuesta por los niveles que se muestran en la tabla 1 [6]. NIVEL Nivel de sesión Nivel de Página Nivel de conexión Nivel de paquete DESCRIPCIÓN Sesión de trabajo con la WWW de un usuario Visita a una página Web Transferencia de un fichero (Conexión TCP) Transmisión de un paquete IP Tabla 1. Estructura del tráfico WWW En la figura 3 se esquematiza esta estructura. Un usuario comienza una sesión WWW ejecutando su navegador. A partir de ahí, la sesión se compondrá de consultas a páginas web de diversos servidores. Sesión Página Conexión Paquete Figura 3. Estructura del tráfico WWW. t Así pues, cada página se compondrá de un conjunto de ficheros (documentos HTML, imágenes, vídeos, sonido, etc.) que, de acuerdo con el protocolo HTTP 1.0, se transmiten por separado en diferentes conexiones TCP. Una conexión para cada fichero. Por lo tanto, cada conversación se compone de un conjunto de conexiones TCP, que se pueden desarrollar simultáneamente. Aunque el protocolo HTTP 1.1, que permite transmitir varios ficheros utilizando la misma conexión TCP, se está extendiendo en la actualidad, el cambio podría asumirse simplemente como un aumento de la cantidad de información transmitida en cada conexión y una disminución del número de conexiones que componen cada página, pero no sería necesario alterar el concepto de página y conexión.

7 Al comienzo de cada conexión el usuario solicita la transmisión de un fichero mediante la transmisión en sentido ascendente de una orden HTTP, generalmente la orden GET. Como respuesta, la máquina con la que tiene establecida la conexión TCP responde sirviendo el fichero solicitado troceado en paquetes IP, paquetes que son recibidos, en sentido descendente, por el usuario. Cuando el usuario recibe un paquete TCP/IP, dependiendo de la implementación TCP, responde con un paquete TCP/IP de reconocimiento (ACK). De esta forma, los parámetros que necesitaríamos definir son los de la tabla 2 [6]. NIVEL Nivel de sesión Nivel de página Nivel de conexión Nivel de paquete PARÁMETROS Tiempo entre sesiones Número de páginas por sesión Tiempo entre páginas Número de conexiones por página Tiempo entre inicios de conexiones Tamaño del fichero transmitido Tiempo entre paquetes Tamaño del paquete Tabla 2. Parámetros de un modelo estructural de tráfico WWW Es interesante destacar que el tamaño de los ficheros transmitidos, o lo que es lo mismo, la cantidad de información enviada en cada conexión se ajusta muy bien a una distribución de Pareto con varianza infinita. Esto puede ser la causa de la autosemejanza detectada por muchos autores [5]. CONCLUSIONES Comprender la naturaleza del tráfico generado por las aplicaciones Internet así como por servicios de vídeo resulta clave dada la proyección a corto y medio plazo de ambos servicios dentro de las redes digitales. En este artículo se han expuesto, a grandes rasgos, las líneas directrices del modelado de tráfico de vídeo y tráfico Web, para los cuales no son válidos los modelos clásicos (poissonianos) empleados tradicionalmente en telefonía. AGRADECIMIENTOS Este trabajo ha sido financiado en parte por la Comisión Interministerial de Ciencia y Tecnología (CICYT), Proyectos TIC y TIC REFERENCIAS [1.] Arvidsson Å., Karlsson P., On Traffic Models for TCP/IP", Proc. of 16 th International Teletraffic Congress (ITC), Edinburgh, UK, pp , Junio, [2.] Casilari, E., Lorente, M., Reyes, A., Díaz-Estrella, A., Sandoval, F., Scene oriented model for VBR video, Electronic Letters, Vol. 34, Nº 2, Enero, 1998, pp [3.] Casilari, E., Reyes, A., Díaz-Estrella, A., Sandoval, F., Characterization and Modelling of VBR Video Traffic, Electronic Letters, Vol. 34, Nº 10, Mayo, 1998, pp

8 [4.] Casilari, E., Reyes, A., Díaz-Estrella, A., Sandoval, F., Classification and Comparison of Modelling Strategies for VBR Video Traffic", Proc. of 16 th International Teletraffic Congress (ITC), Edinburgh, UK, Junio, [5.] Pitkow, J. E., "Summary of WWW Traffic Characterizations", Computer Networks and ISDN Systems, Vol. 30, 1998, pp [6.] Reyes Lecuona, A., González Parada, E., Casilari, Casasola, J. C., E., Díaz- Estrella, A., A Page-Oriented WWW Traffic Model for Wireless System Simulations", Proc. of 16 th International Teletraffic Congress (ITC), Edinburgh, UK, pp , Junio, [7.] Willinger W., Paxon V., Taqqu M. S., "Self-Similarity and Heavy Tails: Structural Modeling of Network Traffic", en A Practical Guide to Heavy Tails:Statistical Techniques and Applications, Adler R., Feldman R. y Taqqu M. S. eds., pp , Birkhauser, Boston, 1998.