Classement des flots dans l ’ Internet à partir d ’ un trafic échantillonné à l ’ échelle des paquets

Content Provider	Semantic Scholar
Author	Barakat, Chadi Iannaccone, Gianluca Diot, Christophe
Copyright Year	2005
Abstract	Inverting flow properties from sampled traffic is known to be complex and prone to errors. Previous work has mainly focused on inverting general traffic properties such as flow size distribution, average flow size, or total number of flows. In this work, we study the feasibility of the inversion of individual flow properties. We address this problem by analyzing the detection and ranking of the largest flows from sampled traffic. Surprisingly, our analytical analysis indicates that a high sampling rate (10% and even more) is required. To reduce the sampling rate by an order of magnitude, the ranking must be limited to just a few large flows, or the traffic must consist of several millions of flows. The sampling rate can also be reduced if one is not interested in the relative sizes of the largest flows but just aims at detecting them. We verify our analytical result with trace-driven sampling simulations. Key-words: Traffic sampling, largest flow ranking, stochastic processes, trace-driven realtime sampling simulations ∗ C. Barakat is with INRIA Sophia Antipolis. This work was done while he was visiting Intel Research Cambridge. Email: chadi.barakat@inria.fr. † G. Iannaccone and C. Diot are with Intel Research Cambridge. Email: gianluca.iannaccone@intel.com, christophe.diot@intel.com. Classement des flots dans l’Internet à partir d’un trafic échantillonné à l’échelle des paquets Résumé : L’inversion des propriétés des flots dans l’Internet à partir des échantillons du trafic est connue comme étant un problème compliqué et non précis. Les travaux dans la littérature ont particulièrement concentré sur l’inversion de propriétés générales des flots, comme la distribution de la taille des flots, leur taille moyenne, ou leur nombre total. Dans ce travail on s’intéresse à l’inversion de propriétés spécifiques de certains flots. On étudie le problème de l’angle de détection et de classement des flots qui consomment le plus de ressources, et ceci à partir d’un trafic échantillonné à l’échelle des paquets. Notre étude analytique montre un résultat surprenant et inattendu : la détection et le classement des flots les plus gros demandent un taux d’échantillonnage élevé de l’ordre de 10%. Pour réduire le taux d’échantillonnage d’un ordre de grandeur, le classement doit être limité à un petit nombre de flots qui se trouve en tête de la liste des gros flots, ou le trafic doit être formé d’un très grand nombre de flots de l’ordre d’un million ou plus. Le taux d’échantillonnage peut être aussi réduit si quelqu’un se limite seulement à la détection des flots les plus gros sans s’intéresser à leur classement les uns par rapport aux autres. Nous validons nos résultats analytiques par des simulations basées sur des traces réelles. Mots-clés : Echantillonage du trafic, classement des gros flots, processus stochastisques, simulations basées sur des traces Ranking flows from sampled traffic 3
File Format	PDF HTM / HTML
Alternate Webpage(s)	http://hal.inria.fr/docs/00/07/07/32/PDF/RR-5266.pdf
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article