badanie efektywno´sci algorytmów routingu rozga e ´znego w du
Transkrypt
badanie efektywno´sci algorytmów routingu rozga e ´znego w du
1 Maciej Piechowiak 2006 Piotr Zwierzykowski Politechnika Poznańska Wydzia Elektroniki i Telekomunikacji Katedra Sieci Telekomunikacyjnych i Komputerowych ul. Piotrowo 3A, 60-965 Poznań Poznańskie Warsztaty Telekomunikacyjne Poznań 7 - 8 grudnia 2006 {mpiech,pzwierz}@et.put.poznan.pl BADANIE EFEKTYWNOŚCI ALGORYTMÓW ROUTINGU ROZGAEŹNEGO W DUZYCH SIECIACH Streszczenie: Artyku prezentuje wyniki badań algorytmów liwiajacy do MST [4]. Algorytm umoz wyznaczenie drze- heurystyczych dla poacze ń rozga eźnych (multicast). Sta- ek (SPT) minimalizuje koszt kaz dej wa najkrótszych ściez nowi rozszerzenie poprzednich publikacji [1, 2] poprzez zastosowanie struktur sieciowych mo zliwie wiernie odzwierciedlajacych rzeczywista topologi e Internetu o du zej licz- ki mi dym z czonków grupy mulściez edzy nadawca, a kaz ek o najmniejszym koszticast tworzac drzewo ze ściez bie w ezów. W artykule wykorzystano podstawowe meto- cie. W algorytmie tym stosuje si e algorytm Dijkstry lub dy generowania topologii sieci metod e Waxmana i me- Bellmana-Forda, a nast epnie odcina ga ezie drzewa, któ- tod e Barabasi-Alberta. Zwrócono tak ze uwag e na zale z- re nie zawieraja w ezów odbiorczych [7, 8]. Zastosowanie ności pot egowe wyst epujace mi edzy parametrami opisuja e znaczenie w sieciach wykorzytechniki multicast ma duz cymi globalna sieć. Przeprowadzono badania wydajności wspomnianych algorytmów w funkcji podstawowych parametrów sieci. stujacych multimedialne aplikacje wymagajace szybkiej i niezawodnej komunikacji (np. usuga triple-play). W celu zapewnienia wydajnej transmisji danych wymagane jest zdeniowanie maksymalnego opóźnienia pakietów w sie- 1. Wprowadzenie dym z odbiorców ci mi edzy w ezem nadawczym, a kaz i utrzymywanie go na niezmiennym poziomie. Zjawisko Multicasting jest sposobem transmisji mi edzy w ezem sieci stanowiacym źródo ruchu, a określona grupa uktuacji opóźnienia (jitter) jest w tym wypadku równiez adane. niepoz odbiorców. Istnieje zatem grupa urzadze ń w rzeczywistej Z powodu wysokich wymagań jakościowych trans- sieci odbierajacych identyczne dane w tym samym czasie. misji stawianych przez aplikacje multimedialne, algoryt- Technika multicast wymaga wydajnych algorytmów ro- my routingu powinny uwzgl edniać dodatkowy parametr utingu, których zadaniem jest konstruowanie drzewa o mi- (metryk e) sieci opóźnienie (d). Proces optymalizacyj- nimalnym koszcie mi edzy urzadzeniem-nadawc a, a gru- ny (konstruowanie drzewa multicast) powinien uwzgl ed- ytkowników w sieci. Taki pa w ezów reprezentujacych uz e maksymalne opóźnienie (∆) mi niać takz edzy w ezem sposób komunikacji zapobiega zwielokrotnianiu pakietów dym z odbiorców. Parametry transmisji nadawczym, a kaz w sieci wysyane dane docieraja tylko do tych w ezów zapewniajace określona jakość usug w sieciach pakieto- (routerów), które prowadza bezpośrednio do zdeniowa- wych (ang. Quality-of-Service) sa aktualnie przedmiotem nych odbiorców, czonków grupy multicast. badań projektantów algorytmów i protokoów routingu. eli sieć komunikacyjna przedstawimy jako graf, Jez e znalezienie minimalnego drzeW [3, 4] udowodniono, z N P -zupenym to wynikiem dziaania takiego algorytmu routingu b edzie wa multicast jest problemem drzewo rozpinajace zakorzenione w w eźle nadawczym i wi ecej parametrów QoS. Z tego wzgl edu, w celu uzy- i obejmujace wszystkie w ezy odbiorcze wchodzace w oności obliczeniowej stosuje si skania akceptowalnej zoz e skad grupy multicast. Z punktu widzenia optymalizacji ajace algorytmy heurystyczne zbliz si e do rozwiazania do- na podzielić na: minimalne drzewo struktury drzewa moz kadnego. dla jednego Steinera (MST ang. Minimum Steiner Tree) oraz drzewo Badania algorytmów routingu na poziomie symu- ek mi najkrótszych ściez edzy w ezem źródowym, a kaz lacji komputerowych wymagaja implementowania sieci dym z w ezów odbiorczych (SPT ang. Shortest Path (grafów) odzwierciedlajacych rzeczywista topologi e sie- Tree). Znalezienie minimalnego drzewa Steinera, b edace problemem N P -zupenym, potrzeba rozszerzenia badań na duz e ci Internet. Stad tez prowadzi do struktury o mi- sieci (o kilku tysiacach w ezów) pojedyncze w ezy sie- nimalnym koszcie cakowitym [3]. Literatura prezentuje ci moga wówczas reprezentować systemy autonomiczne szereg heurystyk rozwiazuj acych ten problem w czasie (AS) [9]. wielomianowym [46]. W kontekście transmisji danych ności pomi Literatura potwierdza zalez edzy metoda w sieciach pakietowych najcz eściej wymienia si e algo- generowania topologii sieci, a efektywnościa algorytmów one rytm KMB, który pozwala uzyskać rozwiazania zbliz 1 autor jest tak ze pracownikiem Instytutu Mechaniki Środowiska i Informatyki Stosowanej Uniwersytetu Kazimierza Wielkiego w Bydgoszczy ny aspekt baroutingu [10]. Wielu autorów pomija ten waz dań powielajac przyj ety standard dotyczacy generowania topologii sieci wykorzystywanych w symulacjach [11,12]. Przytoczone uwagi wpyn ey na kierunek badań pro- e oprawadzonych przez autorów, których celem stao si 3. Reprezentatywne algorytmy heurystyczne liwiajacej cowanie metodologii umoz rzetelne porównanie istniejacych rozwiaza ń oraz propozycje wasnych algoryt- Algorytmy z ograniczeniami (ang. constrained) sa heurystykami wyznaczajacymi minimalne drzewa multi- mów. W artykule przedstawiono dziaanie oraz porównano efektywność popularnych algorytmów heurystycznych w ności od parametrów topologii sieci oraz od modeli zalez zastosowanych do generowania topologii. Rozdzia drugi deniuje model sieci, a rozdzia trzeci opisuje heurystyki uwzgl edniajace opóźnienie: KPP (Kompella, Pasqualle, Polyzos) [12], CSPT (ang. Constrained Shortest Path Tree) [5], BSMA i DCMA. Rozdzia czwarty przedstawia metody generowania struktur reprezentujacych badana topologi e sieci (model Waxmana i Barabasi-Alberta) i ności pot wyjaśnia istnienie zalez egowych mi edzy pewnye mi parametrami opisujacymi sieć Internet. Deniuje takz podstawowe parametry sieci. Rozdzia piaty zawiera wyniki symulacji zaimplementowanych algorytmów i ich interpretacj e. yciem dodatkowego parametru - opóźnienia (∆) cast z uz onego na kaz de acze naoz w sieci. Algorytm KPP [12] wyznacza w pierwszym kroku podgraf skadajacy si e z w eza źródowego i grupy w ezów de acze odbiorczych. Kaz w tym grae penym reprezen k tuje nakrótsza ściez e mi edzy danymi w ezami w grae oryginalnym N. Nast epnie algorytm wyznacza drze- wo rozpinajace o najmniejszym koszcie z uwzgl ednieniem onego na opóźnienie (∆). W końcowej fawarunku naoz zie KPP zast epuje kraw edzie wyznaczonego drzewa ściez kami z grafu oryginalnego N i usuwa z grafu cykle z yciem algorytmu Prima. Zoz oność czasowa algorytmu uz KPP wynosi O(∆|V |2 ). Algorytm CSPT (ang. Constrained Shortest Path Tree) jest heurystyka budujac a drzewo o minimalnym dym z w koszcie mi edzy nadawca, a kaz ezów odbior nienie wzduz caej ściez ki przekroczych [5]. Jeśli opóz 2. Model sieci czy wartość my, z e sieć komunikacyjna reprezentowana jest Zaóz jako skierowany, spójny graf zbiorem w ezów, a E N = (V, E), gdzie V ek speniajacych nym koszcie (ang. least-cost) dla ściez wymagania QoS, a w drugim drzewo LD o minimal- dym aczem wych w sieciach komunikacyjnych). Z kaz skojarzone sa dwa parametry: koszt D(e). kroku algorytmu wyznaczane jest drzewo LC o minimal- - zbiorem aczy mi edzy w eza- e = (u, v) miedzy wezem u i v pociaga za soba istnienie acza e0 = (v, u) dla dowolnych u, v ∈ V (odpowiednik aczy dwukierunko- opóźnienie ka wyznaczana jest na nowtedy ściez jest mi sieci. Istnienie acza e ∈ E ∆, yciem parametru opóźnienia. Zatem w pierwszym wo z uz C(e) oraz Koszt poaczenia reprezentuje wyko- rzystanie zasobów acza. C(e) jest zatem funkcja wiel- nym opóźnieniu (ang. least-delay) dla pozostaych ście ek. Końcowy etap to naoz enie obydwu rozwiaza z ń i oność obliusuni ecie ewentualnych cykli w grae. Zoz ona do zoz oności czeniowa pierwszych kroków jest zbliz Dijkstry wynosi wynosi O(|V |2 ), oność ostatniego kroku a zoz O(V ) [5]. Algorytm DCMA (ang. Fast Delay-Constrained kości ruchu w danym aczu i pojemności bufora wyma- Multicast Routing Algorithm) [13] jest algorytmem heury- ganej dla tego ruchu. Opóźnienie w aczu z kolei jest stycznym, który wyznacza drzewo dla poacze ń rozga eź- suma opóźnień wprowadzanych przez propagacj e w a nych o niskim koszcie z zachowaniem wymagań dotycza czu, kolejkowanie i przeaczanie w w ezach sieci. Gru- cych maksymalnego opóźnienia. W celu uproszczenia ob- pa multicast jest zbiorem w ezów b edacych odbiorcami liczeń, algorytm wykorzystuje informacje o topologii sieci ruchu grupowego (identykacja odbywa si e na podsta- uzyskiwane za pomoca protokou routingu OSPF. Wyni- wie unikalnego adresu i), G = {g1 , ..., gn } ⊆ V , gdzie n = |G| ≤ |V |. Weze s ∈ V jest źródem dla grupy multicast G. Drzewo multicast T (s, G) ⊆ E jest drzewem zakorzenionym w w eźle źródowym s i obejmuja cym wszystkich czonków grupy G. Cakowity koszt drzeP na określić jako wa T (s, G) moz t∈T (s,G) C(t). Ściezka P (s, G) ⊆ T (s, G) jest zbiorem aczy mi edzy s a g ∈ G. Koszt ściez ki P (s, G) moz na przedstawić jako P mierzone mi edzy p∈P (s,G) C(p), natomiast opóźnienie P poczatkiem i końcem ściezki: tez p∈P (s,G) D(p). Stad na wyznaczyć jamaksymalne opóźnienie w drzewie moz ko maxg∈G [ P p∈P (s,G) D(p)]. ka powstaa w wyniku kiem dziaania algorytmu jest ściez PLC (s, v) i PLD (v, gi ). Dobór weza ki minimalnego kosztu dodania do siebie ściez ki minimalnego opóźnienia ściez pośredniego v zapewnia zachowanie maksymalnego opóźnienia ∆ wzduz ściez ki. O(m log m + V ). oność czasowa algorytmu Zoz wynosi wyznacza drzewo Algorytm BSMA [14] równiez minimalnego kosztu z zachowaniem wymagań dotycza cych maksymalnego opóźnienia ∆. Cakowity koszt drze- wa skontruowanego przez algorytm BSMA jest porówny oność walny z drzewem konstruowanym przez KPP. Zoz obliczeniowa algorytmu wynosi O(kV 3 log V ), gdzie k Drzewo Steinera jest dobra reprezentacja rozwiaza ek konieczna do zbudowania ściez jest średnia liczba ściez nia problemu routingu multicast. Takie podejście nabiera ki o ograniczonym opóźnieniu. Ponadto, do dziaania al- szczególnego znaczenia, gdy mamy do czynienia tylko z gorytmu konieczne jest, aby w eze źródowy posiada in- jedna aktywna grupa multicast, a koszt caego drzewa ma liwia prakformacje o caej topologii sieci, co uniemoz oność obliczebyć minimalny. Ze wzgl edu jednak na zoz tyczne implementacje. niowa tego algorytmu (problem N P -zupeny) [3] stosuje eli zbiór w si e algorytmy heurystyczne. Jez ezów minimal- 4. Topologia sieci Internet nego drzewa Steinera zawiera wszystkie w ezy danej sieci, wtedy problem sprowadza si e do znalezienia minimalne- Internet jest zbiorem hostów poaczonych siecia na uzyskać go drzewa rozpinajacego (rozwiazanie to moz skadajac a si e z aczy i routerów. Takie spojrzenie na sieć w czasie wielomianowym). atwo przenieść na graf jako struktur e opisu rzeczywi- stej sieci. Wspóczesny Internet jest zbiorem poaczonych B. Parametry topologii sieci ze soba domen, czyli zgrupowanych w ezów sieci (routerów), które obj ete sa wspólna administracja i wspódziela informacje o routingu. Internet skada si e z tysi ecy takich da zawiera przydomen administracyjnych, z których kaz na zatem najmniej jeden system autonomiczny (AS). Moz generować syntetyczne struktury odzwierciedlajace topo- nienia wyników badanych algorytmów W celu uzalez y najpierw poacze ń rozga eźnych od topologii sieci, nalez zdeniować podstawowe parametry wykorzystywanych struktur: • średni stopień w eza (ang. average node degree): logi e rzeczywistej sieci Internet. Dav = A. Metody generowania topologii sieci W badaniach efektywności algorytmów routingu gdzie 2k n (3) n - liczba wezów, k - liczba krawedzi, cz esto stosuje si e metod e generowania grafów losowych szej • średnica (ang. diameter) - jest dugościa najduz zaproponowana przez Waxmana [15], która deniuje ek mi spośród najkrótszych ściez edzy dwoma dowolny- prawdopodobieństwo kraw edzi mi edzy w ezem uiv ja- mi w ezami w grae; maa średnica odpowiada krótszym kom w grae, ściez ko: P (u, v) = αe −d βL (1) 0 < α, β ≤ 1, d jest odlegościa euklidesowa miew ezem u i v , a L jest maksymalna odlegościa mi e- szej spośród naj hop-diameter - jest dugościa najduz ek mi krótszych ściez edzy dwoma dowolnymi w ezami ki sa wyznaczane w grae, przy czym najkrótsze ściez gdzie i oceniane na podstawie liczby skoków (ang. hops) czyli dzy ki (koszt jednostkraw edzi wchodzacych w skad tej ściez dzy dwoma dowolnymi w ezami. Zwi ekszenie parame- α powoduje wzrost liczby krawedzi w grae, podczas gdy zwi ekszenie parametru β zwi eksza stosunek kraw edzi tru dugich do krótkich. kowy), szej spośród length-diameter - jest dugościa najduz ek mi najkrótszych ściez edzy dwoma dowolnymi w eza ki wyznaczane sa mi w grae, przy czym najkrótsze ściez Inne podejście do problemu zaproponowa Baraba- yciem dugości euklidesowej jako metryki, z uz si [16]. Proponowany model sugeruje dwie przyczyny wy- • wspóczynnik grupowania (ang. clustering coefcient) ności pot st epowania zalez egowych (power laws) w rozkadzie liczby kraw edzi wychodzacych z danego w eza: γv weza v jest stosunkiem liczby aczy mi edzy w ezem liwych aczy v , a wezami sasiednimi do liczby moz mi e- stopniowy wzrost sieci oraz preferencyjne przyaczanie. dzy w ezami sasiaduj acymi [18]. Wzrost sieci wynika z przyaczania nowych w ezów do Innymi sowy, jeśli przez istniejacej struktury co powoduje stopniowe zwi ekszanie za rozmiaru sieci, przy czym przyaczanie to odbywa si e sza zalez ność: zy), suszna b edzie poniz v w sposób preferencyjny istnieje wi eksze prawdopodo e nowy w bieństwo, z eze poaczy si e z istniejacymi w eza- γv = ym stopniu w eli w mi o duz eza (w ezy popularne). Jez eze e poaczy u przyacza si e do sieci, prawdopodobieństwo, z do niej) określa zalez ność: v (nalez acym juz si e z w ezem k∈V gdzie dv |E(Γ(v))| |E(Γ(v))| = ¡kv ¢ kv (kv − 1) 2 1 X γv |V | (5) v∈V V jest zbiok∈V dk jest suma jest stopniem w eza docelowego, rem w ezów przyaczonych do sieci, a γ= (2) dk (4) Wartość średnia wspóczynnika grupowania wyznacza si e nast epujaco: dv P (u, v) = P Γ(v) oznaczymy sasiedztwo w e- (b edace podgrafem zawierajacym sasiaduj ace w e- P przyawszystkich kraw edzi wychodzacych w ezów juz sza zalez ność jest speniona, gdy Powyz V (1) ⊂ V kv ≥ 2. Niech oznacza zbiór w ezów o stopniu równym 1. Uwzgl edniajac ten warunek [19, 20]: czonych do sieci. γ̂ = W celu zastosowania obu metod wykorzystano aplikacj e BRITE (Boston university Representative Internet X 1 γv |V | − |V (1) | v∈V (6) Topology gEnerator) [17] jako narz edzie generujace rze- ny parametr, od którego uzalez niona jest Innym waz czywiste topologie sieci. Rysunek 1 pokazuje typowe to- efektywność badanych algorytmów, to liczba w ezów pologie wygenerowane z wykorzystaniem metody Wa- multicast (czonków grupy), oznaczana jako xmana i Barabasi-Alberta (w metodzie B-A (Rys. 1b) wy- m. C. Zale zności pot egowe raźnie widoczne sa w ezy preferowane). Przyj eto model sieci, której w ezy rozmieszczono lo- e topologia wspóW pracach [19, 20] wykazano, z 1000 × 1000. ności (prawa) pot czesnego Internetu wykazuje zalez ego- sowo na siatce kwadratowej o rozmiarach Dla metody Waxmana przyj eto domyślne wartości parametrów α i β (α = 0, 15, β = 0, 2). Kaz de acze w sieci c(u, v) (wyznaczana ja- posiada metryk e zwana kosztem we postaci y ∼ xα . Zalez ność ta jest szczególnie widocz- na na poziomie systemów autonomicznych (AS). Wykadnik pot egi α e być uz yty do charakterymoz ko odlegość euklidesowa mi edzy w ezami zawierajacymi zowania badanego grafu. W tym celu zaproponowano no- to acze) oraz wynikajace z odlegości euklidesowej mi e- we metryki grafowe. Cz estotliwość fd stopnia weza d jest d(u, v). Oznacza to, z e dla ce- liczba w ezów, które posiadaja stopień w eza (outdegree) de acze lów symulacji, kaz w sieci posiada dwa parametry eli w o wartości d. Jez ezy w grae zostana uporzadkowane (metryki): koszt i opóźnienie. zgodnie z malejac a wartościa stopnia w eza, wtedy rzad dzy w ezami - opóźnienie 210000 koszt drzewa multicast koszt drzewa multicast 170000 150000 130000 110000 CSPT/DCMA (Waxman) CSPT/DCMA (Barabasi) KPP/BSMA (Waxman) KPP/BSMA (Barabasi) 90000 70000 50000 500 CSPT/DCMA (Waxman) CSPT/DCMA (Barabasi) KPP/BSMA (Waxman) KPP/BSMA (Barabasi) 320000 190000 700 900 1100 1300 1500 1700 1900 2100 2300 270000 220000 170000 120000 2500 70000 200 300 400 liczba węzłów sieci (n ) 500 600 700 800 liczba węzłów w grupie (m ) (a) (b) n (a) i liczby wezów w grupie m (b) z m = 300, Dav =4, ∆ = 10) Rys. 1. Cakowity koszt drzewa multicast w funkcji liczby w ezów sieci uwzgl ednieniem metody generowania sieci (n=1000, rv , v w tak e algoWykresy przedstawione na Rys. 1 pokazuja, z ustalonej sekwencji. rytmy KPP i BSMA pozwalaja konstruować drzewa multi- yciem powyz szych parametrów sieci moz na zdenioZ uz cast o najmniejszym koszcie przy wykorzystaniu struktur ności pot wać nast epujace zalez egowe: sieciowych uzyskanych metoda Waxmana. W kontekście v (dv ) jest proporcjonalny do rzedu weza v (rv ) podniesionego do potegi R: zastosowanej metodologii badań (5 serii po 1000 pomia- (rank), oznaczany jako jest indeksem w eza • stopień w eza cay niemal identyczne wyniki. dv ∝ rvR • cz estotliwość (fd ) stopnia w eza do stopnia w eza podniesionego do pot egi rów), algorytmy CSPT i DCMA oraz KPP i BSMA zwra- (7) d jest proporcjonalna W przypadku metody Barabasi, efektywność algorytmu KPP jest gorsza od prostego algorytmu CSPT, który wykorzystuje sieci generowane metoda Waxmana (mimo, e implementowana sieć posiada ta sama liczb z e w ezów O: ny wniosek wskazuje kierunek dalszych i aczy). Ten waz O fd ∝ d (8) szych metryk sporzadza Dla powyz si e charakterystyki badanych topologii wykreślajac pary (rv , dv ) oraz (d, fd ) w skali logarytmicznej. e wpyw innych badań, które powinny uwzgl edniać takz parametrów sieci (np. sposób generowania parametrów a czy) w celu opracowania rzetelnej metodologii porównywania istniejacych i nowych algorytmów. W kolejnym etapie wprowadzono wspóczynnik ja- ania prowadzone byy w oparciu Przytoczone rozwaz δ kości określajacy procentowy wzrost kosztu drzewa w o analiz e rzeczywistej topologii sieci Internet, która pro- ności od zastosowanego algorytmu i metody generazalez wadzono w National Laboratory for Applied Network Re- cyjnej w stosunku do rozwiazania minimalnego (algorytm search (USA), gromadzac informacje z tablic routingu ro- KPP wykorzystujacy metod e Waxmana): uterów BGP przez dedykowany do tego celu serwer. noNa bazie tych danych i zdeniowanych zalez δ= ści pot egowych zaproponowano heurystyczny generator Ch topologii Inet. Badania porównawcze przeprowadzone gdzie ności przez autorów projektu [9] wykazay istnienie zalez na heurystyk e, a e w modelach generowanych przez aplipot egowych takz (KPP). Ch − Cmin · 100 [%] Cmin (9) jest kosztem drzewa generowanego przez bada- Cmin jest kosztem drzewa minimalnego kacj e BRITE (wykorzystujac metod e Barabasi-Alberta), W Tabeli 1 przedstawiono wyniki obliczeń z wyko- co świadczy o przydatności tej metody w badaniach symu- szego wzoru. Warto zauwaz yć, z e dla rzystaniem powyz lacyjnych. Z tego wzgl edu kolejne badania autorów b eda nić o ponad tego samego algorytmu wyniki moga si e róz dotyczyy wykorzystania struktur otrzymanych z genera- ności od metody generowania topologii sie60% (w zalez tora Inet do badań efektywności algorytmów rozg eźnych. ci). Wyniki prezentowanych algorytmów (cakowity nione zostay takz e od koszt drzewa multicast) uzalez 5. Wyniki badań pozostaych parametrów sieci: średnicy (hop-diameter i Przeprowadzone badania dotycza wpywu parame- length-diameter) oraz wspóczynnika grupowania (γ̂ ). Ba- trów topologii sieci na wydajność prezentowanych algo- dania te przeprowadzono dla staej liczby w ezów i stopnia rytmów heurystycznych dla poacze ń rozga eźnych. grafu (n = 1000, m = 300, Dav = 4). Parametry te nie sa Badania przedstawione na Rys. 1 prezentuja porów- przekazywane w pliku konguracyjnym aplikacji BRITE nanie algorytmów KPP, CSPT, BSMA i DCMA (cako- dej wygew sposób bezpośredni, lecz wyznaczane dla kaz dy z algorytwity koszt drzewa konstruowanego przez kaz nerowanej struktury. ności od liczby w mów) w zalez ezów w sieci czonków grupy n oraz liczby m (wezów odbiorczych). Koszt naoz o- Wyniki przedstawione na Rys. 3 jednoznacznie e koszt generowanych przez algorytmy rozwskazuja, z de acze ny na kaz w sieci (metryka) jest odlegościa eukli- y od wspóczynnika grupowania wiaza ń nie zalez desowa mi edzy danymi w ezami. tym samym rozmiarze sieci). γ̂ (przy 100 100 Waxman 80 70 60 50 40 30 20 Waxman Barabasi 90 Barabasi rozkład średnic sieci [%] rozkład średnic sieci [%] 90 80 70 60 50 40 30 20 10 10 0 0 4 5 6 6 7 7 8 średnica hop-diameter średnica hop-diameter (a) (b) koszt drzewa multicast Rys. 2. Porównanie rozkadu średnic (hop-diameter) sieci o 40 w ezach (a) i 1000 w ezach (b) 180000 gorytmów zarówno algorytm KPP, jak i CSPT, generuja 170000 drzewa o mniejszych kosztach przy wykorzystaniu meto- 160000 e prody Waxmana do modelowania sieci. Oznacza to, z 150000 na uzyskać drzewa o niz szym koszcie wadzac badania moz 140000 e jako wynik zastosowania metody generacyjnej, któtakz 130000 norodność struktur sieci, a nie ra dopuszcza wi eksza róz 120000 CSPT/DCMA (Waxman) CSPT/DCMA (Barabasi) KPP/BSMA (Waxman) KPP/BSMA (Barabasi) 110000 100000 90000 1,06 1,1 1,14 1,18 1,22 1,26 1,3 1,34 współczynnik grupowania (γ ) tylko jako wynik zastosowania bardziej wydajnego algorytmu routingu [2]. W czasie eksperymentów symulacyjnych uwzgl edniano 95% przedziay ufności wyznaczone zgodnie z roz dej kadem tStudenta dla pi eciu serii (1000 struktur w kaz serii). Rys. 3. Cakowity koszt drzewa multicast w funkcji 6. Podsumowanie γ̂ = 1000, m = 300, Dav = 4) wspóczynnika grupowania (n Porównanie obydwu metod generacyjnych pozwala yć, z e generowane metoda Barabasi-Alberta strukzauwaz tury cechuja si e wi ekszymi wartościami wspóczynnika grupowania (1,281,36) w stosunku do metody Waxmana (1,061,12). Ta obserwacja potwierdza wcześniejsze ba e w Internecie rówdania [18] prowadzace do wniosku, z wyst niez epuje zjawisko maego świata (ang. small world phenomenon). Szczególnie dotyczy to analizy sieci na poziomie systemów autonomicznych (AS). Wniosek ten pozwala na wskazanie modelu Barabasi-Alberta jako metody znacznie lepiej odzwierciedlajacej topologi e rzeczywistej e stwierdzić, z e ten sam alsieci. Badanie to pozwala takz gorytm generuje rozwiazania o mniejszym koszcie przy yciem metody zastosowaniu struktur generowanych z uz Waxmana. n 500 1000 1500 2000 2500 W artykule przedstawiono i porównano reprezentatywne algorytmy routingu dla poacze ń rozga eźnych, kadac nacisk na jakość modelu sieci (dokadność odzwiecie skodlenia rzeczywistej topologii Internetu). Dlatego tez rzystano z narz edzia jakim jest generator topologii BRITE [17]. W celu analizy efektywności reprezentatywnych al ność od pagorytmów heurystycznych zbadano ich zalez rametrów określajacych topologi e sieci. e koszt konWyniki badań pozwalaja stwierdzić, z y nie tylko od wydajności sastruowanego drzewa zalez od zastosowanej mego algorytmu routingu, ale równiez metody generowania topologii sieci. Porównujac wartości kosztów konstruowanych drzew multicast uzyskane na zauwaz yć, z e model dla wspomnianych metod moz e wierniej odzwierciedla topoBarabasi-Alberta, mimo z logi e sieci Internet, pozwala na konstrowanie drzew mul- metoda Waxmana KPP/BSMA CSPT/DCMA 22% 26% 27% 28% 28% metoda Barabasi KPP/BSMA CSPT/DCMA 62% 91% 59% 86% 55% 79% 54% 77% 52% 72% ticast o wi ekszym koszcie. Badania dla sieci o kilku tysiacach w ezów modeluja rzeczywista sieć Internet na poziomie systemów autonomicznych (AS) i stanowia kolejny krok w badaniach autorów zmierzajacych do zdeniowania metodologii testowania algorytmów heurystycznych dla poacze ń rozga- nych Tabela. 1. Procentowy wzrost kosztu drzewa dla róz algorytmów w stosunku do rozwiazania minimalnego (n = 500 . . . 2500, m = 300, Dav = 4) Prezentowane w Tabeli 1 wyniki odpowiadaja kosztom drzew uzyskanych w wyniku dziaania badanych al- eźnych w sieciach pakietowych. SPIS LITERATURY [1] M. Piechowiak and P. Zwierzykowski, The Application of Network Generation Methods in the Study of Multicast Routing Algorithms, Fourth International Working Conference on Performance Modelling and Evaluation of Heterogeneous Networks, pp. 24/1 24/8, September 2006. [2] , The Inuence of Network Topology on the Efciency of QoS Multicast Heuristic Algorithms, in 5th International Symposium: Communication Systems Networks and Digital Signal Processing, 2006, pp. 115119. [3] R. Karp, Reducibility among combinatorial problems, Complexity of Computer Computations, pp. 85104, 1972. [4] L. Kou, G. Markowsky, and L. Berman, A fast algorithm for Steiner trees, Acta Informatica, no. 15, pp. 141145, 1981. [5] J. S. Crawford and A. G. Waters, Heuristics for ATM Multicast Routing, Proceedings of 6th IFIP Workshop on Performance Modeling and Evaluation of ATM Networks, pp. 5/15/18, July 1998. [6] Q. Sun and H. Langendoerfer, Efcient Multicast Routing for Delay-Sensitive Applications, in Proceedings of the 2-nd Workshop on Protocols for Multimedia Systems (PROMS'95), October 1995, pp. 452458. [7] E. Dijkstra, A note on two problems in connexion with graphs, Numerische Mathematik, vol. 1, pp. 269271, 1959. [8] R. Bellman, On a routing problem, Quarterly of Applied Mathematics, vol. 16, no. 1, pp. 8790, 1958. [9] Q. C. C. Jin and S. Jamin, Inet: Internet topology generator, University of Michigan at Ann Arbor, Technical Research Report CSETR-433-00, 2000. [10] E. W. Zegura, M. J. Donahoo, and K. L. Calvert, A Quantitative Comparison of Graph-based Models for Internet Topology, IEEE/ACM Transactions on Networking, 1997. [11] M. F. Mokbel, W. A. El-Haweet, and M. N. El-Derini, A delay constrained shortest path algorithm for multicast routing in multimedia applications, in Proceedings of IEEE Middle East Workshop on Networking. IEEE Computer Society, 1999. [12] V. P. Kompella, J. Pasquale, and G. C. Polyzos, Multicasting for Multimedia Applications, in INFOCOM, 1992, pp. 20782085. [13] B. Zhang, M. Krunz, and C. Chen, A fast delay-constrained multicast routing algorithm, IEEE ICC 2001 Conference, Helsinki, Finland, 2001. [14] Q. Zhu, M. Parsa, and J. J. Garcia-Luna-Aceves, A source-based algorithm for delay-constrained minimum-cost multicasting, in INFOCOM '95: Proceedings of the Fourteenth Annual Joint Conference of the IEEE Computer and Communication Societies (Vol. 1)-Volume. IEEE Computer Society, 1995, p. 377. [15] B. Waxmann, Routing of multipoint connections, IEEE Journal on Selected Area in Communications, vol. 6, pp. 16171622, 1988. [16] A. L. Barabasi and R. Albert, Emergence of scaling in random networks, Science, pp. 509512, 1999. [17] A. Medina, A. Lakhina, I. Matta, and J.Byers, BRITE: An Approach to Universal Topology Generation, IEEE/ACM MASCOTS, pp. 346356, 2001. [18] D. J. Watts and S. H. Strogatz, Collective dynamics of 'smallworld' networks, Nature, vol. 12, no. 393, pp. 440442, 1998. [19] M. Faloutsos, P. Faloutsos, and C. Faloutsos, On Power-Law Relationships of the Internet Topology, ACM Computer Communication Review, Cambridge, MA, pp. 111122, 1999. [20] T. Bu and D. Towsley, On distinguishing between Internet power law topology generators, in In Proceedings of INFOCOM, 2002.