理解 IP QoS 模型行为
DES 和流量分析都支持 IP QoS,然而由于这两种技术的特性,每种仿真类型对 QoS 行为的建模方式存在差异。理解每个模型的运行方式将帮助你解读仿真结果,并使你能够决定哪种技术最适合你的建模目标。
本节重点说明流量分析与 DES 在 IP QoS 模型以下方面的行为:
流量表示
你可以对网络流量进行特征描述所达到的详细程度,是 DES 与流量分析在 IP QoS 建模方式上许多差异的根源。
在 DES 中,每个数据包都被单独建模,数据包的大小及其他特性根据创建该数据包的应用中所配置的设置而变化。例如,如果你使用分布来改变该应用流量的大小和间隔时间(inter-arrival time),那么它的数据包将具有不同的大小,并以不同的间隔发出。
在流量分析中,数据包不是被逐个建模的。取而代之的是使用数据包流(traffic flow)来汇总两个节点之间的部分流量。一个流中的所有流量都被配置为使用单一的平均数据包大小和单一的平均间隔时间。
就流量分析对其所建模的流量所掌握的信息量而言,它无法以 DES 能够做到的方式考虑流量中的差异。例如,DES 可以考虑多个大数据包在短时间内到达时产生的性能变化。而流量分析则不会捕捉到这种行为,因为它只使用平均值进行运算。
排队
流量分析和 DES 都对排队行为建模,但方式不同。
流量分析在仿真期间不对路由或拓扑变化建模——它假设网络处于稳定状态。因此它可以使用数学公式(M/G/.)来建模排队行为。这些公式假设指数分布的间隔时间和恒定的处理时间。
离散事件仿真让你对网络中的故障与恢复建模,并计算由此产生的路由变化。每个数据包的行为都结合网络的当前状态进行建模。排队行为也被详细建模:每个队列都按所配置的排队方案建模,并且经过该队列的所有数据包都被逐个建模。
监管
监管在 DES 中建模,在流量分析中不建模。
整形
流量整形在 DES 中建模,在流量分析中不建模。支持以下类型的流量整形。
- Generic Traffic Shaping(通用流量整形),它使用基于流的加权公平队列。使用访问列表来确定对哪些流量进行整形。
- Class-Based Weighted Fair Queueing(CBWFQ,基于类的加权公平队列),即按类而非在访问列表内配置的流量整形,通过以下两种方式支持
- 与 GTS 结合使用
- 在 GTS 内部使用
注意: 不支持分布式流量整形。
拥塞避免
拥塞避免——RED 和 WRED——在 DES 中建模,在流量分析中不建模。
结果报告
你能从仿真中获得的信息类型也因仿真类型而异。主要差别是只有 DES 收集响应时间统计量。
可用于分析 IP QoS 行为的统计量如下。除另有说明外,这些统计量对两种仿真类型均可用。
- 响应时间(仅 DES)
- 数据包端到端(ETE)延迟
- 数据包 ETE 抖动(两者都有,但流量分析只给出最大值)
- 数据包 ETE 丢包,最大值(仅流量分析)
- 排队延迟
- 丢包
- 抖动