Análisis por Simulación del Impacto de los Parámetros EDCA de la norma IEEE e Rendimento Wi-Fi con QoS

Transcripción

1 Análisis por Simulación del Impacto de los Parámetros EDCA de la norma IEEE e Rendimento Wi-Fi con QoS Santiago Pérez; Higinio Facchini; Alejandro Dantiacq; Gastón Cangemi Resumen: Las redes Wi-Fi se han vuelto las redes más populares en el acceso a los servicios de red y de banda ancha móvil/wireless a Internet. Y se espera que en los próximos años los servicios y aplicaciones de streaming o interactivos de video, alcancen hasta un 70% del tráfico total sobre dichas redes. En orden a satisfacer los requerimientos que se avecinan de QoS (Quality of Service Calidad de Servicio) se introdujo la tecnología Wi-Fi EDCA (Enhanced Distributed Channel Access) e. Se ha realizado un estudio detallado del impacto que tienen los parámetros de configuración de EDCA e de Wi- Fi sobre el rendimiento de cada tráfico en particular, y sobre la red en su conjunto. Para ello, se adoptó un modelo de simulación de estación Wi-Fi implementado en HSAN (Hierarchical Stochastic Activity Networks), una extensión de Redes de Petri, que se ejecuta sobre el simulador Möbius. Las simulaciones permitieron establecer que otros valores de los parámetros, a los que son usados habitualmente por defecto en los dispositivos Wi-Fi, logran mejores prestaciones. Los investigadores y la industria podrían usar estos datos para ajuste manual de los parámetros EDCA en los dispositivos Wi-Fi que tengan esta capacidad disponible. Efectivamente, algunos productos con certificación EDCA WMM (Wi-Fi MultiMedia) ya permiten cambiar los valores por defecto de los parámetros. Y también podrían ser usados por los investigadores de algoritmos de sintonización de los parámetros EDCA. Palabras claves: Redes, Wi-Fi, QoS, EDCA e, WMM. La provision de QoS (Quality of Service) para las aplicaciones Wi-Fi de capa superior es uno de los más grandes desafíos tecnológicos de la actualidad. En particular, si se tiene en cuenta que los enlaces wireless tienen características tales como altos niveles de pérdidas, ráfagas de pérdidas de tramas, alta latencia y jitter. En las redes Wi-Fi originales ( sin QoS) sólo se provee el servicio de mejor esfuerzo (ANSI/IEEE: 2012), es decir, no hay ningún tratamiento especial para los tráficos de las aplicaciones multimedia y de tiempo real, que al ser limitadas 1

2 en tiempo requieren ciertas garantías. En Wi-Fi sin QoS, todas las estaciones compiten por el canal con la misma prioridad. No existe un mecanismo de diferenciación para proveer mejor servicio para el tráfico calificado que para las aplicaciones de datos comunes. Las limitaciones mencionadas previamente de QoS motivaron numerosos aportes de investigación para mejorar el rendimiento de la Wi-Fi original. Para la provisión de QoS en dispositivos Wi- Fi se estableció la norma EDCA e (Figura 1) (ANSI/IEEE: 2012). Antes de entrar en la capa MAC (Medium Access Control), cada paquete de datos recibido desde la capa superior tiene asignado un valor de prioridad de usuario específico. EDCA introduce cuatro diferentes colas FIFO (first-in first-out), llamadas ACs (Access Categories) en cada estación (Figura 2). Fig. 1. Arquitectura MAC de e (Fuente: IEEE Std ). Diferentes clases de aplicaciones (por ejemplo, tráfico background, tráfico de mejor esfuerzo, tráfico de video y tráfico de voz) deben estar dirigidos a diferentes ACs. Cada AC se comporta como una simple entidad compitiendo con sus propios parámetros de contención o parámetros EDCA (CWmin[AC], CWmax[AC], AIFS[AC] y TXOPLimit[AC]), los cuales son anunciados periódicamente por el AP en tramas beacon (Fig. 2). Básicamente, a más pequeño los valores de CWmin[AC], CWmax[AC], AIFS[AC], y a mayor TXOPLimit[AC], más cortos los retardos de acceso de canal para el correspondiente AC, y más alta la prioridad para acceder al medio (ANSI/IEEE: 2012). 2

3 Figura 2. Representación esquemática de estaciones Wi-Fi con EDCA e. El propósito de usar diferentes parámetros de contención para diferentes colas es dar a una clase de prioridad baja un tiempo de espera superior que una clase de prioridad alta, de modo que la clase de prioridad alta probablemente pueda acceder al medio más rápido que la clase de prioridad baja. Se debe notar que los tiempos de backoff de diferentes ACs en una estación Wi-Fi son generados aleatoriamente y pueden alcanzar cero simultáneamente. Esto puede causar una colisión interna. En tal caso, un planificador virtual en cada estación le permite solo transmitir tramas a la AC de más alta prioridad. Desarrollo de contenidos Este artículo presenta el impacto cuantitativo de cada parámetro EDCA en el rendimiento global del mecanismo IEEE e, introducido para suministrar QoS a las redes WLAN Los investigadores y la industria podrían usar estos datos para sus propuestas de algoritmos de sintonización y para los ajustes manuales de los parámetros EDCA en los dispositivos que tengan esta capacidad disponible. Actualmente, algunos productos con certificación EDCA/WMM (Wi-Fi MultiMedia) permite cambiar los valores por defecto de CWmin, CWmax y TXOP, entre otros parámetros. Se ha realizado un análisis cuantitativo por simulación de las optimizaciones que podrían obtenerse. Con dicho objeto, se usó un modelo para nodos Wi- Fi EDCA e con la ayuda de la herramienta Möbius, la que soporta una extensión de SPN (Stochastic Petri Networks), 3

4 conocida como HSAN (Hierarchical Stochastic Activity Networks). Para la experimentación se consideró un escenario realista formado por estaciones wireless con la capacidad de transmitir tráfico de voz, video y mejor esfuerzo, en presencia de ruido y EMI (Electromagnetic Interferences). Los resultados muestran que la configuración por defecto de los parámetros EDCA no es óptima, y que con una selección apropiada, pueden obtenerse mejoras significativas que simultáneamente satisfagan los requerimientos de QoS especificados. Estación con QoS de experimentación Para el desarrollo de las simulaciones de este trabajo se usó un modelo de nodo wireless EDCA e (Vasques et al.: 2005) implementado con la herramienta Möbius (Illinois University: 2014) [Fig. 3], de la Universidad de Illinois, que soporta una extensión de SPN (Stochastic Petri Net), conocidas como HSAN (Hierarchical Stochastic Activity Networks) (Sanders et al.:2001, ). El formalismo de modelación es completamente similar a las Redes de Petri Estocásticas clásicas con cuatro objetos primitivos: lugares, actividades, compuertas de entrada (input gates) y compuertas de salida (output gates). Las interacciones (flujo de datos) entre estos objetos se describen por medio de arcos. Las HSANs proveen una interesante aproximación de modelación jerárquica, que se combina con soluciones analíticas de estado del arte y simulación. Además, y desde el punto de vista de la modelación, el modelo también exhibe un importante nivel flexibilidad. Efectivamente, una ventaja significativa, para evitar el proceso de construir un modelo de red para cada uno de los escenarios de simulación, es que el modelo adoptado representa una simple estación que soporta QoS. Este modelo es luego replicado, para obtener el escenario de simulación requerido. El número de réplicas se parametriza por el usuario y está totalmente automatizado por la herramienta de modelación Möbius. Esto provee una serie de facilidades en el proceso de evaluación, con la aceleración en el análisis de diferentes escenarios de red. Por ejemplo, en el caso de una evaluación de escenarios compuestos por un número de 4

5 estaciones crecientes, o variando su proporción relativa, con tráfico diverso. Fig. 3. Vista parcial del modelo sobre la interface del Project Editor de Möbius A mayor conocimiento de los autores, este es el primer modelo EDCA e usando una versión de Redes de Petri (HSANs), que replica fielmente el estándar. Configuración del escenario de experimentación Todas las simulaciones experimentales se obtuvieron usando el modelo de simulación EDCA, previamente descrito, y con un intervalo de confianza del 95% y una precisión del 5 %. Las métricas de performance a analizar fueron: rendimiento absoluto, rendimiento relativo, pérdida de paquetes, retardo de cola promedio y tamaño de cola promedio. 5

6 El modelo de la estación incluye un submodelo de error. Se trata de una variante del modelo de error de Gilbert-Elliot. Se definió un BER (bit error rate) medio de 10-4, y probabilidades de estado estable de encontrar el canal en interferencia del 13,3%. Inicialmente, se adoptaron los parámetros generales a en 36 Mbps, configuración EDCA por defecto y los tipos de tráfico indicados en la Tabla 1. Se observa que las las estaciones transmiten 3 diferentes ACs: un flujo isócrono de voz con periodos fijos de 20 ms, un flujo de video Poisson, y un flujo de mejor esfuerzo con distribución Pareto (Pérez et al.: 2012) y factor de forma 1.9 (con rendimiento medio equivalente a la distribución Poisson). Se adoptó la distribución Pareto porque responde más fielmente al comportamiento autosimilar del tráfico Wi-Fi de datos en general. 6 TABLA I Parámetros a en 36 Mbps y EDCA por defecto iniciales utilizados en la experimentación Voz Video Best Effort AIFSN CWmin CWmax Paquete 160 bytes 1280 bytes 1500 bytes Rate 64 Kbps 640 Kbps 1024 Kbps TXOP 1,504 ms 3,008 ms ---- Rate a 36 Mbps asifstime 16 µs aslottime 9 µs ACCATime 4 µs aairpropagationtime 1 µs arxtxturanroundtime 2 µs apreamblelenght 16 µ aplcpheaderlength 4µ Tamaño máximo de cola 50 N max retransmisiones 7 BER medio 10-4 Y el escenario de experimentación se observa en la Fig. 4, tal como se puede configurar en el simulador Möbius. La red está formada por el submodelo de estación experimental, replicado N veces, y el submodelo de errores. Todas las estaciones transmiten una mezcla de los mismos tipos de tráficos.

7 Fig. 4 Escenario de Experimentación. Comparación del comportamiento de la red usando los parámetros por defecto y otros parámetros de mejora Para el análisis del impacto diferenciado de cada parámetro EDCA, se planteó la comparación del comportamiento de la red usando los parámetros por defecto, respecto a cuándo se utilizan otros seleccionados para dar un mayor rendimiento. A esos parámetros nuevos, determinados por simulación (Pérez et al: 2013), se les llamó de mejora porque, no siendo los parámetros por defecto, mostraron un mejor rendimiento general de la red. Se conservaron las configuraciones generales de a en 36 Mbps, y los tipos de tráficos utilizados en los experimentos descriptos previamente. La Tabla II presenta los parámetros de mejora adoptados para el ensayo. Estos valores podrían ser usados para la configuración manual de los dispositivos de re que soporten EDCA o para la inicialización de un algoritmo de adaptativo que ajuste los parámetros EDCA dinámicamente sin intervención manual. Y en la Fig. 5 se observan las comparaciones del rendimiento absoluto (o simplemente rendimiento), de los flujos de voz, configurados con los parámetros de mejora y con los parámetros por defecto. El tráfico de voz con los parámetros de mejora alcanza un máximo de 1,262 Mbps para 20 estaciones, con una mejora del 36,62%. Por brevedad no se presentan las comparaciones de los tráficos de video y de mejor esfuerzo. Sin embargo, se destaca que las conclusiones son similares. Por lo tanto, se obtienen mejores prestaciones individuales y globales. 7

8 TABLA II Parámetros EDCA de mejora utilizados en la experimentación Voz Video Best Effort AIFSN CWmin CWmax TXOP 1,504 ms 15,040 ms 15,040 ms Paquete 160 bytes 1280 bytes 1500 bytes Rate 64 Kbps 640 Kbps 1024 Kbps Fig. 5. Comparación del rendimiento en Mbps del tráfico de voz con parámetros de mejora y por defecto, en función del número de estaciones. Certificación EDCA/WMM de la Alianza Wi-Fi Como un primer paso concertado, los grupos de industrias (como la Alianza Wi-Fi) y los líderes industriales (como Cisco, y otros) definieron en 2004 los requerimientos fundamentales de la QoS en WLAN a través de su EDCA/WMM (Wi-Fi MultiMedia) (Wi-Fi Alliance: 2008), asegurando el soporte de las características claves e interoperación a través de sus programas de certificación. Los APs y las placas de red se ofrecen comercialmente bajo la denominación WMM. En WMM, salvo que se indique lo contrario, se usan los parámetros por 8

9 defecto. De manera complementaria, con soluciones propietarias, algunos fabricantes permiten la configuración manual de los parámetros EDCA, en las líneas de productos inalámbricos avanzados. Por ejemplo, la línea de productos de Cisco Aironet 1600/2600/3600 Series APs (Cisco Systems Inc.: 2014) soportan WMM (Wi-Fi Alliance: (2014). Y efectivamente, cuando se habilita la QoS, el AP usa el modo WMM por defecto con los valores dados por la norma IEEE EDCA e. El AP aplica las mejoras WMM en los paquetes que envía a los dispositivos clientes (estaciones) WMM, y las políticas de QoS básicas a los clientes que no soportan WMM. Sin embargo, para este modelo de AP, Cisco permite al administrador de red cambiar dichos valores por configuración manual, advirtiendo que cualquier cambio puede conducir a comportamientos imprevisibles. En la Figura 7 se observa la página de configuración RADIO A ACCESS CATEGORIES de dicho AP para los ajustes. En los apartados precedentes se han indicados valores de mejora (obtenidos por simulación) que dan mayores prestaciones, en cualquier contexto (Pérez et al. 2013). Fig. 7. Vista pantalla RADIO A ACCESS CATEGORIES de configuración manual de parámetros EDCA en APs Aironet Serie 2600 de Cisco. Previsiones en el estándar EDCA IEEE e De esta forma, se observa que las últimas versiones de permiten un mecanismo básico de actualización de los parámetros EDCA, ante eventuales cambios del tráfico que 9

10 pudiesen determinarse en el AP. Aunque no se especifica si los nuevos valores se obtienen por reconfiguraciones manuales o de manera automática. Aun así, esto implica una facilidad mayor al momento de la reconfiguración del equipamiento de red con el objeto de obtener mejores prestaciones, aun en ambientes con requerimientos estrictos de QoS. Y eventualmente, facilitar la implementación de ajuste dinámico. Conclusiones Se ha presentado un estudio del impacto que tienen los parámetros EDCA sobre el rendimiento de las redes Wi-Fi con QoS. Para ello, se adoptó un modelo de simulación implementado con HSANs, que se ejecuta sobre el simulador Möbius. El mismo comprende una implementación precisa y detallada de la función EDCA asociada a las estaciones Wi-Fi con QoS, considerando tanto su perspectiva funcional y temporal. Se ha demostrado, por simulación, que con una selección apropiada de los parámetros EDCA pueden alcanzarse mejoras significativas. Por ejemplo, para el escenario utilizado, con 20 estaciones Wi-Fi, el rendimiento del tráfico de voz crece un 36%, respecto a cuándo se usan los parámetros por defecto. Por lo tanto, los valores de estas configuraciones, deducidas a partir de los resultados obtenidos por simulación, podrían utilizarse en los equipos de red que permitan el cambio manual de dichos parámetros para un mejor rendimiento general de la red. Y también, podrían aplicarse en los algoritmos de sintonización, como recurso software complementario a la norma IEEE EDCA e. Estos algoritmos, que tienen en cuenta el estado dinámico del sistema Wi-Fi y experimentan trabajar siempre en puntos de mejora, podrían ajustar los parámetros EDCA a nuevos valores (sin intervención manual), indiferente de los cambios aleatorios en el tráfico WLAN y de la proporción de los tipos de tráficos presentes, en contraposición a mantener los valores estáticos por defecto. De esta forma, se podría obtener un arranque efectivo del algoritmo y rápida convergencia a los estados de mejores prestaciones. 10

11 Bibliografía ANSI/IEEE Std (2012). Edition Illinois University. Performability Engineering Research Group. Disponible en: < (consulta 15/07/2014). Cisco Systems Inc. (2014). Disponible en: 534/data_sheet_c html (consulta 15/7/14) Pérez S. et al. (2012). Estudio sobre la Distribución de Tráfico Autosimilar en Redes Wi-Fi. XVIII CACIC 2012, Congreso Argentino de la Computación Pérez S. et al. (2013). EDCA e performance under different scenarios - Quantitative analysis. AINA IEEE International Conference on Advanced Information Networking and Aplications. Barcelona. Spain. Sanders W. et al. (2001). Stochastic activity networks: formal definitions and concepts, Lectures Notes in Computer Science. pp Vasques F. et al. (2005). Wireless Real-Time Communication for Industrial Environments using the IEE e Communication protocol. Disponible en: (consulta 15/7/14). Wi-Fi Alliance (2004). Disponible en: (Consulta 15/7/14). Wi-Fi Alliance (2008). Disponible en: (Consulta 15/7/14). Wi-Fi Alliance (2014). Disponible en: (Consulta 15/7/14). *** 11