Resumen
En la actualidad, una de las tecnologías más importantes son las telecomunicaciones, las cual despliega diversos elementos de infraestructura para permitir la comunicación a través de internet. Cuando se establece una conexión a internet, los paquetes de tráfico se dirigen de un dispositivo a otro, recorriendo diversas rutas a través de routers que procesan cada paquete. Estas redes presentan múltiples desafíos a la hora de procesar, distribuir y conectar el tráfico. Para abordar estos retos es necesario, por un lado, disponer de modelos que describan el comportamiento del tráfico y su evolución en el tiempo, como el Modelo de Flujo Markoviano Generalizado. Por otro lado, reservar en cada nodo parte del recurso disponible para las conexiones en proceso y para llevar a cabo este proceso de reserva se utiliza el Ancho de Banda Efectivo. En este trabajo describimos, a partir de un sistema de ecuaciones diferenciales, la distribución del buffer en equilibrio en fuentes de tráfico modeladas por un Modelo de Flujo Markoviano Generalizado. Como resultado principal de este trabajo, demostramos para este modelo, que es posible caracterizar el ancho de banda efectivo cuando la duración más probable del periodo ocupado del buffer antes del desbordamiento se hace cada vez mayor. Finalmente, verificamos numéricamente este resultado a partir de trazas de tráfico simuladas.
Citas
D. Anick, D. Mitra, M. Sondhi, Stochastic theory of a data-handling system with multiple sources. Bell System Tech. J. 61(1982), no. 8, 1871–1894. doi:10.1002/j.1538-7305.1982.tb03089.x
J. Bavio, B. S. Marrón, Properties of the estimators for the effective bandwidth in a generalized Markov fluid model. Open Journal of Statistics 8(2018), 69–84. doi: 10.4236/ojs.2018.81006
J. Cao, W. S. Cleveland, D. X. Sun, Bandwidth estimation for best-effort internet traffic. Stat. Sci. 19(2004), no. 3, 518–543. doi: 10.1214/088342304000000260
C. Courcoubetis, V. A. Siris, Procedures and tools for analysis of network traffic measurements. Perform. Eval. 48(2002), no. 1, 5–23. doi: 10.1016/S0166-5316(02)00028-7
C. Fernández, J. Bavio, B. Marrón, Evaluation of clustering techniques to estimate the effective bandwidth of a Markovian fluid from traffic traces. IEEE Latin America Transactions 21(2023), no. 5, 636–642.
I. Gelfand, Normierte ringe. Rec. Math. Moscou 9(1941), 3–23.
R. J. Gibbens, Traffic characterisation and effective bandwidths for broadband network traces. Stochastic Networks: Theory and Applications. O. U. Press (Ed.). 1996, 169–180. doi: 10.1093/oso/9780198523994.003.0009
R. Horn, C. Johnson, Nonnegative matrices. Matrix Analysis. C. U. Press (Ed.). 2012, 487–530. doi: 10.1017/CBO9780511810817
S. Karlin, H. M. Taylor, Review of matrix analysis. A First Course on Stochastic Processes. A. Press (Ed.). 2nd ed. 1975, 536–551. doi: 10.1137/1009056
F. Kelly, Notes on effective bandwidths. Stochastic Networks: Theory and Applications. O. U. Press (Ed.). 1996, 141–168. doi: 10 . 1093 / oso /9780198523994.003.0008
G. Kesidis, J. Walrand, C. S. Chang, Effective bandwidths for multiclass Markov fluids and other ATM sources. IEEE/ACM Trans. Netw. 1(1993), no. 4, 424–428. doi: 10.1109/90.251894
E. A. Lebedev, L. ILukashuk, Estimation of the maximum-likelihood for the infinitesimal matrix of the Markov-chain with continuous-time. Dopovidi akademii nauk ukrainskoi rsr seriya a-fiziko-matematichni ta technichni nauki 1(1986), 12–14.
G. Veciana, J.Walrand, Effective bandwidths: Call admission, traffic policing and filtering for ATM networks. Queueing Syst. 20(1995), 37–59. doi: 10.1007/BF01158431
##plugins.facebook.comentarios##
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2025 Carina Fernández, José Bavio, Beatriz Marrón