Recently, self-similar and long range dependent characteristics have received significant attention in network traffic modelling, and it has been known that increasing the link bandwidth is more efficient than increasing the buffer size to meet the required QoS(Quality of Service) for self-similar traffic. So, many studies have been focusing on the estimation of the required bandwidth for self-similar traffic. However, a deterministic bandwidth allocation strategy seems not to be quite effective because of the Noah effect and the Joseph effect.
Therefore, we propose the new method to allocate bandwidth dynamically according to the amount of traffic volume. In the proposed method, to avoid frequent estimation of the bandwidth, which is undesirable in the practical situation, we divide the M/G/∞ input process X(t) into two sub-processes, long time scale
process $X_l(t)$ and short time scale process $X_s(t)$. For $X_s(t)$ which is Makovian, we allocate a deterministic bandwidth using the effective bandwidth and for $X_l(t)$ which varies (relatively) slowly and hence doesn't need to be estimated frequently, the required bandwidth is estimated and allocated dynamically using the linear prediction. Throughout simulations we verify that our proposed method performs well to satisfy the required QoS.
최근 네트웍 트래픽에 대한 연구에서 자기 유사성 (self-similarity)의 특징이 두드러지게 보여지고 있으며, 이러한 자기 유사적인 트래픽의 경우 작은 사이즈의 버퍼를 두고 대역폭을 충분히 할당해 주는 방법이 서비스 품질 개선에 더 효과적인 것으로 연구되어 왔다. 그렇다고 충분한 대역폭을 일정하게 할당해 주게 되면 자기 유사적인 트래픽 특성상 트래픽 양이 많을 경우도 적을 경우도 오랜시간 지속되게 되는데, 트래픽 양이 적을 경우에는 할당된 커버퍼가 그대로 낭비되어 자원의 효율적 사용면에서 문제가 발생하게 된다. 따라서, 이 논문에서는 트래픽의 양에 따라 대역폭을 할당해 주는 방법을 제안하고 있다. 유입되는 트래픽이 많으면 많은 양의 대역폭을, 유입되는 트래픽이 적으면 적은 양의 대역폭을 할당하는 방식으로서, 트래픽의 양에 따라 대역폭을 동적으로 할당해주게 되면 일정한 수준의 서비스 품질도 유지할 수 있게 되고, 남는 대역폭은 다른 트래픽을 서비스 할 수 있게 되므로 네트웍 자원을 효율적으로 이용할 수 있게 된다. 이 논문에서는 동적으로 대역폭을 할당하는 방안으로 선형예측법을 고려한다. 먼저, 실제 인터넷 트래픽을 잘 모델링 할 수 있는 것으로 알려진 M/G/∞ input process 를 구현하고, 예측하는 횟수가 너무 빈번하게 일어나지 않도록, 이 프로세스를 time scale 에 따라 두개의 프로세스로 나누어, 두개의 프로세스 각각에 다른 방식으로 대역폭을 할당해 준다. 작은 time scale로 이루어진 프로세스의 경우는 기존의 Markovian 이론을 이용하여 대역폭을 일정하게 할당해주는 반면에 time scale 이 큰 프로세스의 경우는 선형 예측 방법을 이용하여 동적으로 적당한 대역폭을 할당해준다. 시뮬레이션 결과, time scale 이 큰 프로세스는 선형 예측법에 따라 할당된 대역폭에 의해 거의 모두 서비스 되어지는 것으로 확인할 수 있었다. 즉, 자기 유사성을 갖는 트래픽의 경우, 선형 예측 방법을 이용하여 적절하게 대역폭을 할당해 주는 방식이 서비스 품질 보장과 네트웍 자원의 효율적 이용에 있어 효과적임을 확인할 수 있다.
