INFORME

MATERIA: COMUNICACIONES DEFINIDAS POR SOFTWARE.

TEMA: ANALISIS DE MODELOS DE TRÁFICO.

INTEGRANTES:

 Karen Narváez
 Iván Farez
 Roger Rojas
 Cesar Alava

MODELO PARA TRAFICO TELEFONICO

Objetivo:

Es estudiar el tráfico telefónico para proveer un método de

análisis y determinar un compromiso aceptable entre el costo
asociado a una configuración de red, su tamaño y la calidad de
servicio ofrecido.

Para este análisis usaremos el modelo de pérdida los mismos

que se han utilizado tradicionalmente para describir redes
telefónicas (de conmutación de circuitos).

Considere un enlace entre dos centrales telefónicas, el tráfico

consiste en las llamadas telefónicas en curso en el enlace
donde se analiza las llamadas entre 2 centrales telefónicas.

Tomemos en cuenta un único servidor que le llegaran

requerimientos o peticiones con una determinada tasa de
arribo de llamadas.
  El cliente serán las llamadas.
 Tasa de arribo de llamadas (cuantas llamadas voy a
generar)
 El tiempo de servicio.
 El servidor sobre el que se está produciendo la
comunicación.

Test
nt = 201; % number of channels
at = 17; % traffic intensity [Erlangs]
nExp=10;%numberofexperimentstocheckproccessingtime tFzeros(nExp,1);
tR=zeros(nExp,l);

far i=l:nExp
tic,Bct=Erl(nt,at);tF(i)=toe; tic,Bes=Erl_R(nt,at);tR(i)=toe; end

m tF = mean(tF)

m_tF =7.3930e-04

m_tR = mean(tR)
m_tR= 1.8480e-04

Capacity vs. Trafficintensity

a= 10:1:100;
la=length(a); n=zeros(la,1);
Bc_obj=0.25;%Qualityofservicerequired far h =1:la
n_c= 1;
ae=a(h);

Be=Erl(n_c,a_c); whileBe>Bc_obj
n_c = n_c+ 1;
BeErl_R(n_c,a_c);
end
n(h)=n-e,­

end
plot(a,n); grid on;
xlabel('Trafficintensity,a');ylabel('Capacity,n')
Quality of service vs. Trafficintensity

n_q= 61;%givennumberofchannels qos_a = zeros(la,1);

for q = 1:la
a_q = a(q);
qos_a(q) = 1-Erl_R(n_q,a_q);
end plot(a,qos_a) grid on;
xlabel('Traffic intensity, a');ylabel('QoS,1-Bc')
Quality of service vs. Capacity
n = 2:50;
ln = length(n);
a_q=25;%Erlang->giventrafficintensity qos_n =zeros(ln,1);
for q=l:ln
n_q = n(q);
qos_n(q) =1-Erl_R(n_q,a_q);
end plot(n,qos_n) grid on;
xlabel('Capacity,n');ylabel('QoS,1-Bc')
En la siguiente función usamos la formula de Erlangs común y la
formula de Erlangs Recursiva para reducir el tiempo de cálculo.

Functions
funetion Be= Erl(n, a)
% n = number of ehannels on the link
% a= (offered) traffie intensity
% Be= bloeking probability

num =(aAn)/faetorial(n); den= 0;

for i=0:n
den= den+(aAi)/faetorial(i);
end
Be= num/den;
end

funetion Be_s = Erl_R(n,a)

Be0=Erl(0,a);%initialstate for s =1:n
Bes=a* Be_0/(s+a*Be_0); Be_0 =Be_s;
end
end
 MODELO PARA TRAFICO DE DATOS

OBJETIVO:

Los modelos de colas son adecuados para describir datos (con

conmutación de paquetes) tráfico a nivel de paquete.

Se va a considerar un enlace entre 2 routers de paquetes y el

tráfico va a consistir los que se transmita a lo largo del enlace.

Vamos a modelar este sistema como encolamiento puro porque

vamos a tener un buffer de almacenamiento para los paquetes
que no se alcancen a procesar se irán almacenando para ser
procesados posteriormente.

 Vamos a tener un cliente que será nuestro paquete de

datos
 Tasa de llegada de paquetes
 Longitud del paquete
 Un servidor con una determinada capacidad que se medirá
con la velocidad del enlace
Capacity vs. arrivalrate
a=0:0.001:1;%arrivalrate[p/us] la=length(a);
LS=zeros(la,1);%variabletostoreC(lambda) z10;%longesttimetowait[us]
L=1;%averagepacketlength[kb] e= 0;%linkspeed[Gbpsorkbpus]
Pz_obj0.01%Qualityofservicerequired

Pz_obj = 0.0100

for 1 =1:la
e=e;
lambda= a(l);
Pz =Wait(c,lambda,L,z); whilePz>Pz_obj
e=e+0.001;
Pz = Wait(c,lambda,L,z);
end
LS(l) = e;
end

plot(a,LS); grid on
title('Capaci ty vs. Arrival rate') xlabel('Arrival rate (\lambda) [packets/\mus]
Quality of Service vs. Arrival rate
z=10;%longestwaitingtime[us] L1; %[kbits]
e1;%linkspeed[GbpsorKb/us]
QoS_l = zeros(la,1); % variable to store the QoS(lambda)

for 1 =1:la
lambda= a(l);
QoS_l(l) = 1 - Wait(C, lambda, L,z);
end

plot(a,QoS_l);gridon
title('QualityofServicevs.Arrivalrate') xlabel('Arrival rate (\lambda) [packets/\
Quality of service vs. Capacity
z = 10; % longest waiting time[us]
L1;%averagepacketlenght[kbits]
e0.6:0.01:1;%linkspeedvectorforanalysislC =length(C);
lambda= 0.6; %[packets/us]
QoS_C = zeros(lC,1); % vector to storeQoS(C)

for q=l:lC
c = C(q);
QoS_C(q) = 1-Wait(c, lambda, L,z);
end
plot(C, QoS_C); gridon
title('QualityofServicevs.Capacity') xlabel('Link Speed (C) [Gbps]') ylabel({'QoS
 0_9

0 _8

0_7
-
0 _6 , O 5
DA
(íJ Ñ 0_3

aoCL 0-2

o ........__,_.. ,'---.._.
0_6 0_65 0_7 0-75 0_8 0_85 0_9 0_95
Link Speed (C)
[Gbps]

function Pz = Wait(C,lambda,L,z)
%UNTITLED3 Summary of this function goeshere
%Detailedexplanationgoeshere iflambda*L<e%(stable-rho<l)
Pz((lambda*L)/C)*exp(-((C/L)-lambda)*z);
else
Pz = 1;
end end

CONCLUSIONES:
Con estas simulacones se puede demostrar en operaciones reales
que se puede ahorrar recursos cuando no se tiene en uso la red en
ciertos intervalos de poco de trafico, y esto se lo logra mediante el
analisis de la capacidad vs trafico a si como la calidad de servicios vs
capacidad.