Introducción al tráfico autosimilar en redes de comunicaciones

• Alzate Monroy, Marco Aurelio ^[1]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
• Localización: Ingeniería, ISSN-e 2344-8393, ISSN 0121-750X, Vol. 6, Nº. 2, 2001, págs. 6-17
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    El tráfico se modela mediante un proceso estocástico que representa la demanda que los usuarios de una red de comunicaciones imponen sobre los recursos de la red. Originalmente se consideró que los tiempos entre llegadas de las demandas de los usuarios eran independientes entre sí, así como la cantidad misma de la demanda (tiempos entre llamadas y duración de las llamadas, tiempos entre llegada de paquetes y longitud de los paquetes, tiempos entre solicitud de conexiones y duración de las sesiones, etc.). Posteriormente se vio la necesidad de incluir el efecto de la correlación existente entre estas variables, para lo cual se desarrollaron modelos más elaborados en los que la correlación decaía exponencialmente con el tiempo. Sin embargo, recientemente se ha evidenciado que, en las redes modernas de comunicaciones, la correlación entre estas variables no decae tan rápidamente y puede persistir a través de muchas escalas de tiempo. Este fenómeno, que afecta significativamente el desempeño de las redes de comunicaciones, se puede representar adecuadamente mediante modelos de tráfico fractal o autosimilar. En este artículo se presentan los conceptos más básicos involucrados en el estudio de estos modelos, con el fin de facilitar al lector su introducción a la literatura especializada sobre el tema.

  • English

    Traffic is modeled as an stochastic process representing the demand that users impose on the resources of a communication network. Originally,both the demand interarrival times and the demand amounts were considered as sequences of independent variables (call durations, packet lengths,file sizes, etc.). Later on, it became apparent that the correlation among these variables were so important that new models with exponentially decaying, correlations were developed. However, recent evidence has shown that the correlation among these variables can decay much slower and persists through several time scales. This phenomenon, that impacts the network performance significatively, can be represented via fractal or self-similar models. In this paper we present the most basic concepts involved in the study of these models, hoping to help the reader to be better prepared for reading the especialized literature on the subject.