Markov Modulated Bernoulli Process in modeling network traffic

A big impact of self-similar nature of network traffic on queueing performance and Quality of Service in computer networks involves new modeling techniques to provide low computational complexity and better approximation of the real traffic. A discrete-time Markov modulated Bernoulli process is one of the traffic models that captures fractal behavior and can be used in performance testing of queueing systems such as routers or switches. In this paper the model is presented and evaluated from the point of view of the desired self-similarity level. New parameter values that give better results for estimation of Hurst exponent has been proposed. Simulation results are compared with the literature data.

Duży wpływ samopodobnego charakteru natężenia ruchu w sieciach komputerowych na efektywność pracy i poziom usług (Quality of Service) w sieci powoduje powstawanie nowych technik modelowania ruchu o niskiej złożoności obliczeniowej, lepiej dopasowanych do rzeczywistego ruchu. Proces Bernoulliego modulowany łańcuchem Markova będący dyskretnym procesem stochastycznym, ma właściwości które powodują, że przy odpowiednim doborze parametrów może on stanowić dobry model natężenia ruchu w sieci uwzględniający zjawisko samopodobieństwa, a co za tym idzie, może być z powodzeniem stosowany do testowania systemów kolejkowych zarówno teoretycznych jak i rzeczywistych takich jak routery czy switche. W artykule zaprezentowano i sprawdzono model pod kątem możliwości osiągnięcia założonego poziomu samopodobieństwa. Zaproponowano nowe wartości parametrów modelu dające lepsze rezultaty estymacji wykładnika Hursta. Wyniki symulacji porównano z danymi literaturowymi.