Modelo para la demanda de usuarios en un

Modelo para la demanda de usuarios en un enlace de acceso Carmen Pellicer Lostao (carmen. pellicer@unavarra. es) Daniel Morató Osés (daniel. morato@unavarra. es) Departamento de Automática y Computación Area de Ingeniería Telemática Universidad Pública de Navarra 28 Octubre 2004

INDICE 12/3/2020 n INTRO n MEDIDAS n ANALISIS MACRO n MODELO DE USUARIO n CONCLUSIONES 2

INTRO GESTION MEDIDAS DE TRÁFICO INTERNET ANALISIS DEL TRÁFICO MODELOS DE USO SIMULACION INNOVACION n Tráfico Internet n n n 12/3/2020 Naturaleza fractal Distribuciones de cola pesada Patrones de comportamiento de usuarios 3

INDICE 12/3/2020 n INTRO n MEDIDAS n ANALISIS MACRO n MODELO DE USUARIO n CONCLUSIONES 4

MEDIDAS_1 12/3/2020 n Enlace de Acceso Internet n Arquitectura Pasiva n Análisis off - line 5

MEDIDAS_2 n Trazas utilizadas: NOTA: Nº DTG en Millones de unidades y Volumen de tráfico DTG IP en Giga. Bytes n 12/3/2020 Paquetes descartados: NOTA: Datos correspondientes a Traza_1 (MIERCOLES 17/12/03) 6

INDICE 12/3/2020 n INTRO n MEDIDAS n ANALISIS MACRO n MODELO DE USUARIO n CONCLUSIONES 7

ANALISIS MACRO 12/3/2020 n Patrón horario n Asimetría en Volumen n Ancho de Banda n Mix de Protocolos IP 8

INDICE n INTRO n MEDIDAS n ANALISIS MACRO n MODELO DE USUARIO n 12/3/2020 n TIPOS n CARACTERIZACIÓN n INTRADIA n EVOLUCIÓN CONCLUSIONES 9

TIPOS n Tráfico agregado n Total/Bajada/Subida n n 12/3/2020 IP´s sin tráfico de subida Tipos de usuarios 10

TIPOS n Tráfico agregado n Total/Bajada/Subida n n 12/3/2020 IP´s sin tráfico de n A-> ELEFANTE subida B-> NAVEGADOR Tipos de usuarios n C-> FANTASMA n 11

ELEFANTE TIPO A: n n n 12/3/2020 Pareto: 1 -F(x)= c*x- Ajuste: c= 419. 58 y = 1, 81 Pareto con < 2 , varianza infinita Vol. medio 89 MB (σ=541 MB) Valores arbitrariamente altos pueden tener probabilidades de suceder no despreciables. Dimensionamiento del enlace: al aumentar el número de bytes la probabilidad de que un usuario haga una descarga superior es significativa. 12

NAVEGADOR TIPO B: n n n 12/3/2020 Weibull: 1 - F(x) = e –a(x^b) , donde a, b>0 y x ≥ 0 Ajuste: a=7, 088 E-5 y b=0, 633 Media y varianza finitas. Vol. medio 2 MB (σ=6, 5 MB) Cola más pesada que una exponencial, pero no es una distribución que sigue una ley de potencia. Varianza grande: patrón de comportamiento de los usuarios menos homogéneo. 13

FANTASMA TIPO C n n n n 12/3/2020 Exponencial desplazada. 1 -F(x) = b * e – ax , donde b, a≥ 0 y x>0. Ajuste: a=6. 37 E-4 y b=7. 32 Media y varianza finitas. Vol. medio 4, 4 KB (σ=1, 5 KB) Consumos muy bajos. Se advierte un patrón de comportamiento promedio. Eliminadas las máquinas sondeadas desde el exterior. 14

INTRADIA 12/3/2020 n TIPO A: uniformes n TIPO B: uso de oficina n TIPO C: fantasmas 15

EVOLUCIÓN_1 n Tras 4 meses n Modelo invariante n n Mix de usuarios n Patrón de consumo B y C aumentan el consumo medio 12/3/2020 16

EVOLUCIÓN_2 MIX de USUARIOS NIVELES CONSUMO TIPO de DISTRIBUC. 12/3/2020 17

INDICE 12/3/2020 n INTRO n MEDIDAS n ANALISIS MACRO n MODELO DE USUARIO n CONCLUSIONES 18

CONCLUSIONES n CONCLUSIONES: n Tres tipos de usuarios: n n n Patrones de comportamientos de consumo. Modelo diario y en diferentes partes del día. VALORACIÓN: n n 12/3/2020 ELEFANTE: <10% USUARIOS – 80% Bytes – 70 MB/día NAVEGADOR: >50% - 20 %Bytes – 2 ó 3 MB/día FANTASMA: ~25% - tráfico residual – 4 ó 8 KB/día Novedad y utilidad y ahora qué? 19

GRACIAS ! 12/3/2020 20