Содержание к диссертации
Введение
1 Современные методы анализа нагрузки в телекоммуникационных сетях 11
1.1 Специфика трафика сети ОКС №7 11
1.2 Статистические свойства трафика сетей с коммутацией пакетов 13
1.3 Математическое описание самоподобного трафика 19
1.3.1 Дробное Броуновское движение 19
1.3.2 Дробный гауссовский шум 21
1.3.3 Дробный авторегрессионый интегрируемый процесс скользящего среднего 22
1.3.4 Распределение Парето 24
1.3.5 Логарифмически-нормальное распределение 26
1.4 Архитектура протокола ОКС №7 28
1.5 Применимость принципов самоподобия к сети ОКС №7 44
1.6 Выводы 52
2 Анализ трафика сети ОКС №7 ..54
2.1 Анализ трафика сети ОКС №7 проводной телефонии 54
2.2 Анализ трафика сети ОКС №7 мобильной телефонии 63
2.3 Выводы 68
3 Моделирование трафика сети ОКС №7 70
3.1 Введение 70
3.2 Идентификация модели трафика ОКС№7 71
3.3 Результаты моделирования сигнального трафика проводной телефонии 73
3.4 Моделирование трафика сетей GSM 77
3.5 Выводы 82
4 Управление трафиком общеканальной сети сигнализации №7 83
4.1 Постановка задачи оперативного управления нагрузкой сети ОКС №7 83
4.2 Оценка вероятности превышения заданной величины интенсивности трафика сети ОКС №7 84
4.3 Алгоритм управления сетью ОКС №7 92
4.4 Эффективность использования алгоритма управления сетью ОКС №7 98
4.5 Выводы 102
Заключение 103
Список литературы 105
Приложение 1 ПО
Приложение 2 111
Приложение 3 112
- Статистические свойства трафика сетей с коммутацией пакетов
- Применимость принципов самоподобия к сети ОКС №7
- Анализ трафика сети ОКС №7 мобильной телефонии
- Оценка вероятности превышения заданной величины интенсивности трафика сети ОКС №7
Введение к работе
Актуальность темы
Предоставление телекоммуникационных услуг требует обеспечения оператором надлежащего качества связи, описанного в соответствующих отраслевых стандартах и нормах, утвержденных приказами Минсвязи России. Определяющим показателем качества услуг связи является бесперебойность, то есть доступность канала связи должна быть либо постоянной, либо не превышать установленного в руководящих документах Минсвязи России времени. При проектировании и строительстве современных телекоммуникационных сетей всё большее применение находит идея конвергенции, то есть речь и данные предполагается передавать одной и той же средой. Таким образом, существующая телефонная сеть общего пользования (ТфОП) всё больше применяется для объединения сетей, использующих различные протоколы и технологии. В связи с этим большое внимание уделяется сети общеканальной сигнализации №7, которая является основным транспортом служебной информации ТфОП. Следовательно, сбои в работе сети ОКС №7 могут повлечь за собой перерыв связи между коммутаторами и, даже, остановку работы всей сети. Известны исследовательские работы Б.С. Гольдштейна, A.M. Фельдмана, И.М. Ехриель, Р.Д. Рерле, довольно подробно описывающие данную проблему.
В 1980 году появился принципиально новый тип сигнализации -общеканальная сигнализация №7 (ОКС №7, CCS7), которую можно было использовать на сетях связи различного назначения, как на местных, так на междугородних и на международных. По своим функциональным возможностям она превосходила все имевшиеся до этого межстанционные сигнализации и открывала широкие перспективы. ОКС №7 стала базой для построения сети общеканальной сигнализации
(CCSN). Первоначально сигнальная нагрузка была довольно мала, и построение сети не вызывало проблем. Как правило, для обеспечения связи между двумя коммутационными системами хватало одного канала ОКС №7, который мог обслуживать, до 1000, а в некоторых случаях до 2500 телефонных соединений. Однако позже, кроме услуг телефонной сети общего пользования (ТФОП), начали получать распространение услуги сети с интеграцией служб (ISDN), услуги интеллектуальных сетей (IN и AIN), сетей GSM. Такое разнообразие телекоммуникационных услуг повлекло за собой резкий всплеск роста нагрузки иногда даже не связанной с телефонным соединением как, например, роуминг. Впервые с проблемой перегрузки столкнулись в США. В 1991 году часть телефонной сети страны оказалась неработоспособной из-за блокировки сети ОКС №7, без связи остались несколько миллионов абонентов. Блокировка была вызвана сбоем программного обеспечения. Сбой привёл к тому, что пункты сигнализации начали генерировать большое количество ошибочных сигнальных единиц, что вызвало перегрузку. Такая ситуация обратила внимание на необходимость изучения нагрузки сети ОКС №7. Одними из первых работ в этой области являются исследования Д. Даффи, А. Макинтоша, М. Розенштейна, У. Уилингера (D. Duffy, A. Mcintosh, М. Rosenstein, W. Willinger), в которых проводится сбор и анализ данных о загрузке звеньев ОКС №7. Данные исследования показали несоответствие имеющихся моделей реальному трафику. Встала проблема моделирования и прогнозирования нагрузки.
Стохастические модели трафика, используемые до настоящего времени, предполагают пуассоновское распределение поступающих сообщений и экспоненциальное распределение длин сообщений.
Примерно в то же время исследования проблемы перегрузок в сетях передачи данных показало присутствие большого последействия и пачечности трафика. Результаты статистической обработки данных о трафике приведены в работах сотрудников исследовательской
лаборатории Белла У. Лилэнда, М. Такку, У. Уилингера и Д. Уильсона (W. Leland, М. Taqqu, W. Wilinger, D. Wilson).
Зная, что сеть ОКС №7 является сетью с пакетной коммутацией, можно сделать предположение о том, что трафик данной сети по своим свойствам может быть близким к свойствам трафика сетей передачи данных.
В настоящее время сеть ОКС №7 в России уже имеет довольно разветвлённую структуру. Непрерывный рост сложности сети ОКС №7 и нагрузки в ней, требует, для поддержания высокого качества предоставляемых услуг, полного контроля сети ОКС №7 и предсказуемости поведения её трафика. Несмотря на то, что существуют системы мониторинга сети ОКС, как встроенные в программное обеспечение коммутаторов, так и пассивные, реализованные на отдельном оборудовании, методики прогнозирования трафика пока не существует.
В перспективе сеть ОКС №7 должна объединить большинство существующих сетей, построенных с использованием технологий VoIP, ATM, ISDN, а так же интеллектуальных сетей, сетей сотовой связи и, разумеется, сетей традиционной телефонии. Международный союз электросвязи определил использование системы ОКС №7 в сетях связи следующего поколения и в сетях мобильной связи третьего поколения UMTS.
Структура протокола ОКС №7 в оборудовании реализована в виде системы очередей, шин, внутренних матриц и процессов. Любая из подсистем может подвергнуться перегрузке при чрезмерном трафике. Исследования, проведённые ранее, показывают, что основными причинами перегрузок являются запросы перенаправления сигнального трафика при отказе одного или нескольких звеньев, а так же при проведении интерактивных игр (телеголосования, SMS-игры и т.д.) и во время социально значимых событий.
Служебная информация, которой обмениваются два коммутатора, может проходить через несколько транзитных пунктов сигнализации, не участвующих в организации разговорного тракта. При отказе одного из узлов сети, потоки сигнальной нагрузки будут перераспределены между смежными узлами. В этом случае нагрузка на них будет возрастать быстрее, чем обычно. В такой ситуации, во избежание перегрузки, необходимо иметь представление о тенденции возрастания нагрузки. Имея модель трафика сети ОКС №7, возможно будет сделать такие прогнозы с допустимой точностью.
При несовершенной системе расчёта сигнальной нагрузки и отсутствии моделей, прогнозы которых согласовывались бы с реальными данными, довольно легко допустить ошибки при проектировании сети ОКС №7, которые в последствии могут обернуться возможностью блокировки части, а может даже и всей сети. Кроме того, важно иметь возможность заблаговременного предсказания возникновения перегрузки, чтобы оперативно среагировать и изменить маршруты прохождения сигнального трафика.
Таким образом, основной задачей представленной работы является анализ вероятностных характеристик трафика сети ОКС №7, разработка метода прогнозирования возникающей сигнальной нагрузки и создание алгоритма управления сигнальным трафиком на основе данных прогноза.
Цель работы
Исследование и анализ вероятностных характеристик трафика сети общеканальной сигнализации №7. Разработка метода прогнозирования сигнальной нагрузки на основе полученных статистических данных. Разработка алгоритма динамического управления трафиком.
Основные задачи исследования
анализ существующих методов моделирования нагрузки телекоммуникационных сетей;
исследование трафика сети ОКС №7, определение его вероятностных характеристик;
разработка метода моделирования и прогнозирования поведения нагрузки сети ОКС №7;
разработка методики определения возможности перегрузки звена ОКС №7;
разработка алгоритма управления трафиком сети ОКС №7.
Методы исследования
Основные теоретические и экспериментальные исследования диссертационной работы выполнены с применением методов теории вероятностей, математической статистики, теории случайных процессов.
Научная новизна работы
В работе впервые:
установлены законы поведения трафика сети ОКС №7;
предложена математическая модель трафика сети ОКС №7;
предложена процедура прогнозирования изменения нагрузки в сети ОКС №7;
разработана методика определения возможности перегрузки звена ОКС №7;
разработан алгоритм управления трафикам сети ОКС №7.
Практическая ценность и реализация результатов работы
В работе предложен новый метод моделирования трафика сети ОКС №7, на основе которого разработан алгоритм управления, позволяющий повысить отказоустойчивость сети.
Методика построения прогнозов, основанная на данной модели, позволяет более точно рассчитать сеть ОКС №7 на этапе проектирования.
Разработанный в диссертации алгоритм управления сетью ОКС №7, а так же метод построения прогнозов нагрузки сети приняты к использованию в телекоммуникационной компании ЗАО «Самара Телеком» для управления сетью ОКС №7, а так же для проектирования вновь вводимых фрагментов сети.
Апробация работы
Основное содержание работы докладывалось и обсуждалось на IX и XI Российских научно-технических конференциях ПГАТИ (Самара, 2002, 2004 гг.), 59-ой Научной сессии, посвященной дню радио, 4-ой, 5-ой и 6-ой Международных конференциях «Цифровая обработка сигналов и её применение».
Публикации
Основное содержание диссертации отражено в 10 опубликованных работах. Публикации включают 7 тезисов докладов, 3 статьи в научных изданиях.
Структура и объём работы
Диссертационная работа состоит из введения, четырёх глав, заключения, списка литературы и приложений. Основная часть работы содержит 100 страниц.
Положения, выносимые на защиту
модель трафика сети ОКС №7, учитывающая его самоподобие;
метод построения прогнозов трафика, основанный на предложенной модели;
методика принятия решения о возможности перегрузки сети ОКС №7;
алгоритм управления сетью ОКС №7.
*
Статистические свойства трафика сетей с коммутацией пакетов
Сегодня можно выделить несколько различных типов телекоммуникационного трафика, таких как трафик локальных сетей Ethernet, глобальных сетей, использующих протоколы FTP и Telnet, видео трафик с переменной скоростью, передаваемый по сетям ATM, трафик протокола WWW . Всё это трафик сетей с пакетной коммутацией, и для того чтобы математически описать его, необходимо решить два вопроса -по какому закону распределены поступающие пакеты, и какова взаимосвязь между этими пакетами и есть ли она вообще. Анализ статистических данных о трафике в различных типах сетей с пакетной коммутацией выявил некоторую общность его свойств. Сходство заключается в том, что поток информации состоит из повторяющихся, «похожих» друг на друга фрагментов. Следует уточнить, что понимается под словом «похожие». Вероятность появления той или иной случайной величины в пределах одного фрагмента (назовём его базовой структурой) описывается некоторым законом распределения вероятностей, причём этот закон подходит для описания остальных базовых структур. Такое свойство было названо самоподобием.
В 1993 году сотрудники исследовательской лаборатории Белла (Bellcore) У. Лилэнд, М. Такку, У. Уилингер и Д. Уильсон (W. Leland, М. Taqqu, W. Wilinger, D. Wilson) на конференции Sigcomm 93 опубликовали статью, в которой показали, что суммарный трафик Ethernet обладает свойством самоподобия или фрактальности, то есть его структура повторяется при изменении масштабов. Аналогичные наблюдений были опубликованы В. Пакстоном и С. Флойдом (V. Paxton S. Floyd) для протоколов глобальных сетей FTP и Telnet на конференции Sigcomm 94. Кроме того, свойство самоподобия было обнаружено в видеотрафике, передаваемом с переменной скоростью через сети ATM и Internet, о чем заявили М. Гаррет и У. Уилингер всё на той же Sigcomm 94. В трафике, создаваемом протоколом WWW свойство самоподобия описывали М. Кровелла и А. Беставрос (М. Crovella, A. Bestavros) в ряде публикаций в 1995 и 1996 годах. Поскольку в пакетном трафике различных сетей было обнаружено свойство самоподобия, возникла проблема создания моделей, которые бы могли достаточно точно описывать подобный трафик, либо применения уже известных моделей для описания этих процессов, поскольку не все имевшиеся модели соответствовали параметрам трафика. Вывод о самоподобии процесса можно сделать на основе количественной оценки его статистических характеристик -автокорреляционной функции и дисперсии.
Статистически самоподобие выражается в том, что зависимость между величинами трафика убывает очень медленно. Существует несколько математических моделей, довольно удачно описывающих самоподобные случайные процессы. Преимущество использования случайных самоподобных процессов состоит в том, что основанные на них модели описывают поток информации гораздо точнее, чем традиционные модели на основе пуассоновского процесса, который вообще не учитывает корреляцию в потоке.
Последовательность, обладающая свойством самоподобия это процесс, представляющий подобие структур по большому диапазону изменения масштабов конкретного измерения. Другими словами базовая структура повторяет себя в широком диапазоне масштабов других измерений (геометрических, статистических или временных), и статистические показатели процесса не меняются. Однако такие свойства подходят реальным явлениям не по всей их протяжённости, и в определённый момент такая структура перестаёт правильно описывать процесс.
Самоподобие, следовательно, может быть связано с теорией фракталов и иметь общие свойства с фракталами, которые являются объектами с неизменным внешним видом при различных масштабах. Определение фрактала, данное Мандельбротом, звучит так: "Фракталом называется структура, состоящая из частей, которые в каком-то смысле подобны целому". Понятие фракталов включает, кроме геометрического значения, статистику и динамику. Это означает, что существуют фрактальные процессы других измерений, например, геометрических, статистических и динамических. В данном случае особый интерес представляют стохастические фракталы, которые получаются в том случае, если в итерационном процессе случайным образом менять какие-либо его параметры. Как раз такой случай мы имеем, рассматривая телекоммуникационный трафик. При этом получаются объекты очень похожие на природные - несимметричные деревья, изрезанные береговые линии и т.д. Двумерные стохастические фракталы используются при моделировании рельефа местности и поверхности моря.
Процессы, обладающие свойством самоподобия, можно разделить на непрерывные и дискретные. В зависимости от этого их математические характеристики будут определяться следующим образом.
Применимость принципов самоподобия к сети ОКС №7
Такой процесс ещё называют стационарным процессом с большой памятью, с большим интервалом корреляции или с сильной зависимостью
С точки зрения интуиции, самой очевидной характеристикой большого последействия будет то, что суммарный процесс Х т) имеет невырожденную структуру корреляции для больших т. Следствием является то, что усреднённый процесс Х т) не будет выглядеть как белый шум. Вместо этого, суммарный трафик будет состоять из подпериодов с большей и меньшей пульсацией как для малых так и для и значительных масштабов времени.
Для процессов с большим последействием можно сказать, что коэффициент автокорреляции для больших А: и т: Уравнение 1.56 показывает, что для достаточно больших к и т, автокорреляция зависит только от к и не зависит от т. Это свойство называется асимптотическим самоподобием второго порядка. Так что большое последействие подразумевает асимптотическое самоподобие второго порядка. Процесс X, как было сказано, будет в точности самоподобным второго порядка (или фрактальным) если Вышеприведённые выражения подразумевают, что процесс X и усреднённый процесс Х"т) имеют идентичные корреляционные структуры и «выглядят» похоже. Обычно, вместо параметра ft используют параметр Н = 1-/3/2. Коэффициент Н характеризует стохастический процесс следующим образом: 1. если \/2 Н \, процесс имеет большое последействие, 2. если Н = 1/2, то процесс имеет малое последействие или вообще без последействия. При наличии статистических данных о трафике, для изучения его характеристик очень удобно использовать графический метод для сравнения. Так, например, на рисунке 1.6 представлены две кривые. Кривая А, полученная по данным оригинального трафика, собранного в сети передачи данных университета штата Огайо [43]. Кривая В показывает последовательность, полученную после внутренней перетасовки оригинального трафика при т — 25. Внутреннее тасование производится следующим образом. Первичная последовательность интервалов прибытия делится на блоки размера т. Если число интервалов прибытия равно N, то число таких блоков будет равно N/m. Затем, сохраняя последовательность блоков, порядок интервалов прибытия внутри них перемешивается. Результатом этого действия станет уничтожение слабой корреляции данных при сохранении сильной корреляции. Сравнение графиков даёт чёткое представление о незначительности слабой корреляции.
Имея статистические данные о передаче сигнальных единиц сети ОКС №7, для исследования характеристик сигнального трафика можно применять приведённые выше методы. Бесспорно, существуют различия протоколов передачи данных (результаты, исследования которых приведены на рисунке 2) и протокола ОКС №7. Однако, следует учитывать и особенности трафика сети ОКС №7, связанные именно с особенностью телефонной нагрузки. Это, например то, что в дневное время корреляция будет слабее, чем ночью вследствие большой продолжительности ночных разговоров, или различное поведение «хвоста» распределения в течение дня и во время часа наибольшей нагрузки, когда преобладают именно короткие разговоры.
В главе 1 показано, что проблема обеспечения высокого качества услуг в сетях с пакетной коммутацией стоит уже довольно давно. Было замечено, что трафик сетей передачи данных обладает общими свойствами, что выражается в сохранении статистических свойств трафика при изменении масштабов. Данное свойство было названо самоподобием или фрактальностью. Присутствие свойства самоподобия позволяет прогнозировать процесс на довольно большое время вперёд, поскольку процесс, по сути, состоит из повторяющихся базовых структур, обладающих схожими статистическими свойствами.
Рассмотрены модели, удовлетворительно описывающие процессы, обладающие свойством самоподобия.
Показано, что адекватность прогноза, тем не менее, зависит от природы трафика, то есть нагрузка в локальных сетях Ethernet, глобальных сетях, использующих протоколы FTP и Telnet, видеотрафик с переменной скоростью, передаваемый по сетям ATM, трафик протокола WWW, описывается своей моделью и определяется это поведением источников нагрузки.
Описана актуальность проблемы перегрузок сетей общеканальной системы сигнализации №7. Сеть ОКС №7 является сетью с коммутацией пакетов и осуществляет передачу служебных данных. Кроме того, в мобильных сетях ОКС №7 используется для передачи данных пользователей - SMS сообщений. Можно сделать предположение, что трафик сети ОКС №7 схож по своим свойствам с трафиком других сетей с пакетной коммутацией. Таким образом, основными целями представленной работы являются сбор данных и анализ статистических характеристик трафика сети ОКС №7, разработка метода прогнозирования возникающей сигнальной нагрузки и создание алгоритма управления сигнальным трафиком на основе данных прогноза.
В работе рассматриваются два принципиально различных типов трафика сети ОКС №7. Один - массив данных сигнализации ОКС №7, порождаемых исходящим междугородним трафиком проводной телефонии между опорно-транзитным пунктом связи (ОПТС) АТСЭ-70 и автоматической междугородней телефонной станцией (АМТС) г. Самара. Другой - массив данных сигнализации ОКС №7, собранный на сети стандарта GSM федерального оператора сотовой связи - «Вымпелком-Р» соединяющей центры коммутации мобильной связи (Mobile Switching Center - MSC) MSC Самара и MSC Саратов. Таким образом, будет проводиться анализ междугороднего трафика порождаемого абонентами классической проводной телефонии и абонентами мобильной телефонии. Сравнение этих двух случаев представляет интерес, поскольку известно, что временное распределение нагрузки в сетях проводной и мобильной телефонии различается довольно сильно.
Анализ трафика сети ОКС №7 мобильной телефонии
Постоянно увеличивающаяся разветвлённость сети ОКС №7 открывает возможность создания нескольких маршрутов прохождения служебной информации между двумя оконечными пунктами сигнализации. Служебная информация, которой обмениваются два коммутатора, может проходить через несколько смежных узлов, не участвующих в организации разговорного тракта. При отказе одного из узлов сети, потоки сигнальной нагрузки будут перераспределены между смежными узлами. В этом случае нагрузка на них будет возрастать не мгновенно, но значительно быстрее, чем обычно. В такой ситуации, определив предельную сигнальную нагрузку, которую может обрабатывать узел, можно, с допустимой вероятностью, предсказать момент достижения порога и рассчитать схему маршрутизации сигнальных потоков. При этом удастся избежать перегрузки отдельных узлов, так как в рассчитанный пиковый момент, часть нагрузки будет отводится с узла на менее загруженный. Имея модель трафика сети ОКС №7, возможно будет сделать такие прогнозы с довольно высокой точностью. Таким образом, можно сформулировать требования к модели: Модель должна позволять строить прогноз на довольно продолжительный период времени, опираясь на данные о поведении трафика. Модель должна реагировать на резкие изменения скорости роста трафика и адекватно предсказывать пиковые значения и время спада нагрузки в этом случае. Вычисление прогноза не должно занимать много времени, так как при возникновении нештатной ситуации требуется как можно быстрее получить результаты расчета. В главе 2 было проведено исследование трафика сети ОКС №7 проводной и мобильной телефонии и выявлено, что он близок по своим свойствам к самоподобному случайному процессу. Методы и модели, применяемые для моделирования самоподобного трафика, приведены в главе 1. Проанализировав приведённые случаи применения моделей, а так же их недостатки, самым логичным будет остановиться на модели АРПСС (авторегрессионного проинтегрированного скользящего среднего), поскольку она является довольно простой в реализации, что позволяет быстро получать прогноз и пересчитывать коэффициенты модели в случае изменения характера потока поступающей нагрузки.
Известно, что трафик сети ОКС №7, во первых, не удовлетворяет условиям стационарности, а во вторых, может быть удовлетворительно смоделирован с помощью модели авторегрессии - проинтегрированного скользящего среднего (АРПСС). Уравнение АРПСС, имеет вид [1]: где ф(Я)- стационарный оператор авторегрессии Q(B)- оператор скользящего среднего, параметр d такой, что d-я разность процесса может быть представлена стационарным процессом авторегрессии -скользящего среднего.
Данную модель можно представить в виде разностного уравнения [1]: ф(В) - обобщённый оператор скользящего среднего, отражающий нестационарность процесса:
Ряды, построенные на основе данных, собранных на звеньях сигнализации ОКС №7 имеют ярко выраженные суточные колебания (периоды), следовательно, имеет смысл применить мультипликативную модель сезонного ряда, которая представляет собой перемножение соответствующих параметров двух моделей АРПСС. Одна из них описывает взаимосвязь значений процесса в периоде, а другая -взаимосвязь соответствующих значений разных периодов. Общий вид мультипликативной модели:
Параметры авторегрессии выражаются через автокорреляцию измеренных значений процесса и вычисляются с помощью линейных уравнений Юла - Уокера. Параметры скользящего среднего так же выражаются через значения автокорреляции, однако, уравнения в этом случае нелинейны [1].
В результате анализа собранных данных и применения к ним вышеупомянутой модели было выяснено, что наиболее подходящей является модель АРПСС (0,1,1)х(0,1,1)96. В этой модели 96 - коэффициент сезонности, который определяет количество значений ряда в одном периоде. Тогда модель (4) в явном виде будет иметь вид:
На рисунке 3.1 приведён график собранных данных, с использованием которых проводилась идентификация моделей, ряд составлен из отсчётов, отображающих количество значащих сигнальных единиц (MSU). Приведённые данные собирались только в будние дни двух последовательных недель. Сплошной линией показаны реальные данные, а пунктиром - результаты прогнозирования в соответствии с моделью (3.5). В выходные дни нагрузка сети ОКС №7 уменьшается в несколько раз, поэтому возникновение перегрузок на отдельных направлениях маловероятно, даже в случае отказа одного из узлов. Однако в случае необходимости для этих данных может быть построен прогноз с использованием той же модели, потому что изменения нагрузки в выходные носят тот же характер, что и в будни.
Результаты прогнозирования довольно близки к измеренным значениям, однако ценность такого прогноза не особенно велика, поскольку прогноз в данном случае будет повторять среднестатистические значения ряда.
Гораздо большее практическое значение будет модель АРПСС (1,0,0)(1,1,1)97, параметры которой рассчитываются аналогично примеру в пункте 3.2. Данная модель будет довольно полезна при изменении нагрузки. При возникновении в сети аварийных ситуаций и перераспределении потоков сигнальной нагрузки, кривая роста трафика будет расти круче, чем в нормальных условиях. Опираясь на данные, собранные за начальный период аварийного возрастания сигнального трафика, а так же на статистические данные о его поведении, можно сделать краткосрочный прогноз изменения сигнальной нагрузки. Для моделирования такой ситуации был проведён следующий статистический эксперимент. Возьмём последовательность данных, которая анализировалась ранее. Она состоит из 10 периодов. Для того чтобы сымитировать аварийное возрастание нагрузки, данные последнего периода ряда, представленного на рисунке 3.1 были увеличены в 2 раза. В реальной ситуации, зафиксировав нетипичный рост нагрузки, оператор должен провести расчет ожидаемого роста нагрузки. Для имитации такой ситуации отбросим все данные последнего периода начиная с 11:00 и предоставим возможность модели провести расчет, опираясь на данные до 11:00. В соответствии с моделью АРПСС (1,0,0)(1,1,1)97 был построен прогноз на 20 часов вперёд, результаты которого приведены на рисунке 3.2. Из полученных результатов расчета видно, что модель учитывает скорость и пределы роста сигнальной нагрузки, а так же форму кривой, её описывающей.
Оценка вероятности превышения заданной величины интенсивности трафика сети ОКС №7
Для осуществления оперативного управления сетью сигнализации ОКС №7 необходимо постоянное наблюдение за сигнальным трафиком. Данный процесс, в принципе, может быть автоматизированным и не требующим постоянного контроля оператора. Оператор будет получать предупреждающее сообщение при изменении тенденции роста трафика. Процесс постоянного мониторинга сигнального трафика сети ОКС №7 связан с двумя проблемами - требуются ресурсы для обработки информации, то есть процессорные ресурсы и ресурсы для хранения этой информации.
Поскольку процесс учёта сигнальной нагрузки требует довольно много ресурсов процессоров коммутатора, то можно использовать системы пассивного мониторинга. Такие системы уже имеются и позволяют обеспечить распределённый мониторинг элементов сети ОКС №7, централизованный сбор и анализ данных, предварительную оценку и отображение информации о функционировании сети сигнализации ОКС №7 и работающих под её управлением разговорных каналов. Основными классами объектов наблюдения являются сигнальные звенья и пучки звеньев, сигнальные маршруты и пучки маршрутов. Данные системы так же позволяют получить статистические данные о состоянии пучков звеньев, о числе повреждений и восстановлений звеньев, об общей загрузке звеньев и загрузке по отдельным подсистемам, а так же проследить зависимость изменения загрузки от времени и получить данные о количестве сообщений каждого типа. Имеется так же возможность собирать статистические данные о разговорных трактах по отдельным направлениям в течение заданного периода времени, кроме того, имеется возможность получить распределение неуспешных вызовов по разным классам причин разъединений. Функции сбора статистики об интенсивности потоков вызовов и длительности обслуживания основаны на обработке информационных записей, создаваемых системой сигнализации ОКС №7 для каждого вызова и формируют такие данные, как средняя и максимальная длительность обслуживания вызова, суммарная длительность разговора, анализ часа наибольшей нагрузки (ЧНН), выявление труднодоступных направлений. Несмотря на довольно большой объём предоставляемой информации, имеющиеся системы оповещают о проблемах сети лишь по факту их свершения, и не способны заранее предсказать, на каком из направлений сети возможны перегрузки. Следует отметить, однако, что данные системы предоставляют информацию о сети, опираясь на которую можно сделать прогноз нагрузки на любом из наблюдаемых направлений.
Проблема с ресурсами носителей информации так же решаема. В целях экономии ресурсов памяти предлагается поступать следующим образом. В течение одной недели провести детализированный сбор информации о загрузке звена сигнализации, на основании анализа которой составить подробный график об изменении трафика звена ОКС №7. В дальнейшем следует проводить измерения нагрузки, например, за каждые 15 или 30 минут (как это делалось при анализе трафика в главе 2), и сравнивать тенденцию изменения с исходным графиком. При отклонении в сторону увеличения скорости роста нагрузки, следует уменьшить интервал измерения и информировать оператора. Данные для построения исходного графика следует обновлять с интервалом, определяемым ростом абонентской базы. Таким образом, удастся значительно сократить используемые ресурсы памяти не потеряв постоянного контроля над состоянием сети сигнализации ОКС №7.
Имея данные за несколько дней, можно строить прогноз на сутки вперёд, используя методику, описанную в главе 3. Прогноз будет обновляться с учётом вновь собранных данных. Кроме того, необходимо проводить постоянное сравнение расчетных данных прогноза и реальных данных. В случае, если будет замечено расхождение с расчетными данными, то есть если будет замечено увеличение скорости роста нагрузки звена сигнализации ОКС №7, то следует сократить интервал между измерениями нагрузки и по вновь собранным данным построить прогноз нагрузки в соответствие с моделью (3.1.5). Из построенного прогноза станет видно, когда сигнальная нагрузка превысит максимально допустимый уровень и превысит ли она его вообще. В соответствие с прогнозом следует принимать решение об изменении конфигурации сети, то есть, следует ли принимать какие либо действия или нет.
После определения начала нетипичного роста нагрузки следует определить её источник. Для этого нужно определить, на каких ещё направлениях, входящих в рассматриваемый транзитный пункт сигнализации, наблюдается резкий рост нагрузки. Если таковых больше не обнаружено, то, значит, рост вызван активностью собственной абонентской базы (такое бывает, например, при телеголосовании).
При определении того, что угроза перегрузки неизбежна, можно выполнить (в зависимости от скорости роста нагрузки) следующие действия: 1. Увеличить количество каналов ОКС №7 (если позволяет время и оборудование). Для примера, при наличии физической возможности, то есть если имеются линейные и станционные технические средства, и при согласованности параметров канала ОКС №7, данная процедура на коммутаторе типа 5ESS занимает порядка 10 минут. Проблема данного решения состоит в том, что направление, на котором планируется провести расширение пучка звеньев ОКС №7, может быть стыком с коммутатором другого оператора связи, и могут возникнуть различного рода административные проблемы. 2. Изменить маршруты прохождения транзитного трафика, то есть, направить трафик, который не терминируется на данном узле через другие STP. Данная процедура занимает довольно много времени, поскольку приходится анализировать всю структуру сети в целом. Кроме того, присутствие на сети нескольких различных операторов связи так же вносит дополнительные трудности.
