Influenza dei meccanismi di controllo delle connessioni sulle caratteristiche autosimilari del traffico su rete

La tesi è stata interamente sviluppata presso il laboratorio di Telecomunicazione e Tecnica dell’Informazione dell’università di Palermo e si inserisce nell’ambito di un progetto di ricerca condotto dall’Università di Palermo stessa in collaborazione con le società ALCATEL e 6Wind.
La tesi è stata incentrata sullo studio e sulla sperimentazione di un servizio per le reti di telecomunicazione che è stato previsto nell’ambito di un miglioramento generale delle reti di nuova concezione. Tale studio è stato condotto in ambiente operativo diverso da quello tradizionalmente ipotizzato, e si è conclusa con un importante risultato scientifico che ha sovvertito determinate certezze sviluppatesi negli anni per via di ipotesi scientifiche non adeguate.
In particolare il servizio su cui si è lavorato è il controllo di ammissione delle connessioni, servizio che è stato introdotto dalle nuove specifiche ITEA.
I meccanismi di controllo di ammissione delle connessioni (CAC) nascono come strumento per fornire qualità di servizio nelle reti: l’ammissione di un nuovo flusso dovrebbe avvenire solo se la rete è in grado di fornirgli il servizio richiesto senza degradare la QoS dei flussi già ammessi. E’ chiaro che l'implementazione di un efficiente meccanismo di CAC rappresenta un elemento cardine per la realizzazione di servizi di rete e condiziona fortemente la possibilità di garantire Qualità di Servizio (QoS) in maniera affidabile.
Nello studio delle caratteristiche del traffico delle reti a pacchetto si è scoperto, sin dal 1994, un fenomeno particolarmente rilevante per chi è chiamato a progettare e dimensionare le risorse di una rete: l’auto-similarità. Da allora è stata condotta una vasta attività di ricerca per individuare le cause del fenomeno e valutarne appunto le conseguenze pratiche per il progetto delle reti. La maggior parte degli studi porta alla conclusione che, in presenza di auto-similarità, il dimensionamento delle risorse basato sui modelli di traffico tradizionali non riesca a garantire la QoS richiesta. E ciò vale anche in presenza di meccanismi CAC tradizionali, basati su parametri, che decidono in base alla conoscenza “a priori” delle caratteristiche dei flussi, ammettendo nel sistema un numero di flussi la cui aggregazione si comporti, statisticamente, in modo da conseguire la QoS richiesta. E’ stata altresì sviluppata un’altra classe di algoritmi le cui decisioni si basano sullo stato della rete stimato attraverso misure, quali per esempio quelle della banda utilizzata o della lunghezza delle code nei nodi. Tali metodi, storicamente, sono stati considerati approssimazioni dei primi: si ripiega sulle misure quando non è possibile conoscere le caratteristiche dei flussi offerti. Le sperimentazioni condotte in passato su modelli di traffico semplici hanno confermato che le prestazioni di queste “approssimazioni” sono inferiori.
Tuttavia per quanto riguarda la tesi è stato condotto un lungo e complesso lavoro sperimentale di confronto tra le due diverse tipologie di CAC in un contesto di traffico auto-similare.
I risultati ottenuti sono notevoli perché mostrano come gli algoritmi basati su misurazioni riducono l’auto-similarità del traffico offerto, e riescono ad offrire così prestazioni molto migliori e meno dipendenti dalle proprietà statistiche dei flussi in ingresso alla rete.
In definitiva risulta sovvertita la tesi secondo la quale i meccanismi di CAC basati su misurazione sarebbero solamente delle approssimazioni di quelli basati su parametri. Tale tesi soffre di ipotesi errate sul traffico che attraversa la rete, ipotesi derivate per lo più dalla convinzione che le caratteristiche statistiche del traffico dati fossero simili a quelle del traffico telefonico.
Del resto, il risultato trovato nella tesi si può intuitivamente spiegare se si considera la capacità dei meccanismi basati su misure di adattare continuamente il numero di connessioni attive sulla base dell’utilizzo effettivo delle risorse di rete da parte delle connessioni stesse, in un contesto in cui il comportamento aggregato delle sorgenti converge molto lentamente al alla media statistica, che pertanto si rivela essere un parametro poco affidabile.