Abstract

Results of backbone internet channel informational flows mutual influence research, based on 15 minutes long free access MAWI archive [1] internet-traffic damps are discussed. Informational flows are divided into three classes: “Elephants” “Miles” and “Mice”, based on the traffic value transmitted by the flow. In accordance with the author's methodology, random sequences (RS) containing the time-ordered values of the number of packets and the amount of information transmitted during a given time interval, as well as the average amount of information transferred per packet were obtained for each of the selected classes of streams. It is demonstrated that, contrary to well-established notions, the fractal (self-similar) properties are possessed not by (RS) but their accumulated sums. Estimates of their Hurst indices are obtained. Regression models, that describes the dependencies of the Hurst indices of the accumulated amounts of the (RS) based on the amount of information and the number of packets transmitted by each of the selected user classes, which allow to evaluate the mutual influence of the information flows created by Mice, Mules and Elephants, on each other, were defined. It is demonstrated that the values of transmitted for 15 minutes intervals information are connected with deterministic linear dependencies. This demonstrates the possibility of developing mechanisms for channel load balancing, based on transfer information amount control of each of the selected classes of users depending on the current values of the Hurst indicators of accumulated sums of the (RS) that can be used to improve the quality of service for users of this channel. Algorithm example is provided.
Translated title of the contributionThe backbone internet channel traffic flows mutual influence analysis
Original languageRussian
Pages (from-to)83-108
JournalCloud of Science
Volume6
Issue number1
Publication statusPublished - 2019

Fingerprint

Internet
Channel flow
Fractals
Resource allocation
Quality of service

GRNTI

  • 50.00.00 AUTOMATION. COMPUTER ENGINEERING

Level of Research Output

  • VAK List

Cite this

@article{23154bce1c7e4ee5b56f7c6f91c8a306,
title = "АНАЛИЗ ВЗАИМНОГО ВЛИЯНИЯ ИНФОРМАЦИОННЫХ ПОТОКОВ В МАГИСТРАЛЬНОМ ИНТЕРНЕТ-КАНАЛЕ",
abstract = "Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.",
author = "Поршнев, {Сергей Владимирович} and Божалкин, {Даниил Александрович} and Овечкина, {Елена Владимировна}",
year = "2019",
language = "Русский",
volume = "6",
pages = "83--108",
journal = "Cloud of Science",
issn = "2409-031X",
publisher = "Московский технологический институт",
number = "1",

}

TY - JOUR

T1 - АНАЛИЗ ВЗАИМНОГО ВЛИЯНИЯ ИНФОРМАЦИОННЫХ ПОТОКОВ В МАГИСТРАЛЬНОМ ИНТЕРНЕТ-КАНАЛЕ

AU - Поршнев, Сергей Владимирович

AU - Божалкин, Даниил Александрович

AU - Овечкина, Елена Владимировна

PY - 2019

Y1 - 2019

N2 - Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.

AB - Обсуждаются результаты исследования влияния информационных потоков в магистральном интернет-канале, проведенного на основе анализа 15-и минутных дампов интернет-трафика, находящихся в свободном доступе в архиве MAWI [1]. При этом выделены три класса информационных потоков, в зависимости от объемов переданной данными потоками информации: «Мыши», «Мулы» и «Слоны». В соответствие с авторской методикой для каждого из выбранных классов потоков получены случайные последовательности (СП) содержащие упорядоченные во времени значения количества пакетов и объемов информации, переданных в течение заданного временного интервала, а также среднего объема переданной информации, приходящейся на один пакет. Продемонстрировано, что вопреки устоявшимся представлениям, фрактальными (самоподобными) свойствами обладают не СП но их накопленные суммы и получены оценки их показателей Херста. Построены регрессионные модели, описывающие зависимости показателей Херста накопленных сумм СП от объемов информации и числа пакетов, переданных каждым из выбранных классов пользователей, которые позволяют оценивать взаимное влияние информационных потоков, создаваемых «Мышами», «Мулами» и «Слонами», друг на друга. Установлено, что значения объемов информации, переданной в течение 15 минут каждым из классов пользователей, связаны детерминированными линейными зависимостями. Это свидетельствует о возможности разработки механизмов балансировки объемов передаваемой информации, призванных повысить качество обслуживания пользователей данным каналом, на основе управления скоростью передачи информации каждого из выделенных классов пользователей в зависимости от текущих значений показателей Херста накопленных сумм СП Приведен пример подобного алгоритма.

UR - https://elibrary.ru/item.asp?id=37176029

M3 - Статья

VL - 6

SP - 83

EP - 108

JO - Cloud of Science

JF - Cloud of Science

SN - 2409-031X

IS - 1

ER -