Caracterización de los servicios ofrecidos en redes utran, modelado de su consumo de recursos y análisis de su grado de servicio

Zusammenfassung

RESUMEN En la actualidad, el dimensionamiento de la capacidad en los diferentes recursos de la red UTRAN se está realizando de forma empírica. Es decir, se amplía capacidad en los diferentes recursos y se observa la evolución de los fallos de conexión en el nodo. La presente Tesis propone un modelado de la gestión de la capacidad de los recursos de un nodo B ante la demanda simultánea de múltiples servicios. Este modelado permitirá dimensionar la capacidad de cada uno de los recursos para una combinación de tráficos multiservicio determinada, así como estimar los fallos de conexión achacables a carencias de capacidad en cada uno de los recursos. Ayudará asímismo a distinguir fallos de conexión debidos a congestión de fallos debidos a un mal funcionamiento hardware del recurso. El resultado de este trabajo será un modelo que permita a los operadores de red conocer la distribución de recursos necesaria para atender una determinada demanda de tráficos multiservicio. Así, se podrán corregir situaciones de exceso o defecto de recursos, consiguiendo un ahorro de coste operativo para el operador y mejorando la accesibilidad de la red. Se podrán detectar situaciones de accesibilidad degradada debido a fallos hardware y se podrá realizar el dimensionamiento óptimo de la red para una demanda futura estimada. Esta aplicación es de gran interés en la actualidad, donde es habitual que en grandes concentraciones de usuarios (conciertos, manifestaciones, encuentros deportivos, ...) la red no es capaz de atender la demanda generada. Ya no tanto en voz, donde el consumo de recursos es más liviano, sino en transferencia de datos y en señalización. Los canales de tráfico ascendente suelen estar más pobremente dimensionados y en ocasiones están provocando fallos para los smartphone que intentan subir ficheros pesados a un servidor (fotos, video). En el downlink hay un uso muy intensivo (video en streaming, por ejemplo), que se ve penalizado en casos de saturación. La señalización tiene un tráfico elevado al estar estos dispositivos continuamente pasando de estado idle a estado activo (por ejemplo cuando una aplicación tipo twitter se conecta recurrentemente para comprobar si hay mensajes nuevos). Los servicios pueden clasificarse de la siguiente forma: Garantizados (o rígidos): para admitir la conexión, la red comprueba si cuenta con los recursos suficientes, los reserva, y sólo los libera al finalizar la misma. No garantizados (o elásticos): no se reservan recursos para una conexión, por lo que pueden ser desviados a otro servicio de mayor prioridad, reduciendo el Grado de Servicio. Adaptan su ocupación del recurso a la disponibilidad de dicho recurso de forma dinámica [2] mediante la participación de protocolos que implementan funciones tales como el control de flujo. Un mismo servicio puede consumir de forma elástica un recurso , mientras que consume de forma rígida otro. Así, por ejemplo, el ancho de banda de plano de usuario de Iub en las conexiones de datos se consume de forma elástica, mientras que el ancho de banda de plano de control empleado en la señalización se consume de forma rígida. Una correcta caracterización de los diferentes servicios permitirá modelar su consumo de recur- sos. Una conexión consume fundamentalmente los siguientes recursos a nivel radio: Ancho de banda determinado para el enlace entre el Nodo B y la RNC (enlace Iub). El ancho de banda disponible en cada momento dependerá de los diferentes servicios, ya que cada uno de ellos demanda una tasa binaria distinta. Códigos de canalización, cuya característica más explícita son los códigos de expansión o Spreading Codes (SC). Este recurso es especialmente importante en el downlink, ya que los códigos de canalización parten de un único árbol generador, mientras que en el enlace ascendente cada usuario tiene su propio árbol de códigos. Por ello, éste será un factor limitante únicamente en el enlace desdencente. Channel Elements (CE). Se define como una unidad de medida de los recursos de procesado en banda base por parte de los nodos B, implementados en el consumo de una conexion de voz. En la presente Tesis, se utiilza el modelo Kaufman-Roberts para estimar la probabilidad de bloqueo para cada uno de los servicios que ha de atender un recurso. Usamos una versión modificada aprovechando la FFT, en lugar de la versión recursiva clásica, consiguiendo una notable mejora en el tiempo de computación. Ésto permite que el modelo pueda aplicarse como herramienta de trabajo habitual en el operador de red. Las probabilidades de bloqueo por servicio se agrupan, obteniendo una probabilidad agregada en cada recurso. Posteriormente, obtenemos una probabilidad de bloqueo global, considerando la concatenación de recursos (y teniendo en cuenta los intentos de conexión que se bloquean al paso por cada uno de ellos). Por último, los resultados se validan en escenarios reales, contrastando los valores del modelo con los reportados por la red. La red reporta la probabilidad de bloqueo global del sistema, y los valores son similares a los obtenidos por el modelo. Pero nuestro modelo permite obtenier los valores a nivel de recurso, algo no disponible en los contadores reportados por la red. El tráfico de entrada que usamos en el modelo es el reportado por la red, con la salvedad de que la red reporta cada 15 minutos. Y en la tesis se usan realiza un conformado de tráfico basado en una distribución de Poisson, que permite obtener valores con granularidad de 1 minuto, con un error muy bajo de reconstrucción. El modelo presentado en esta Tesis está siendo usado satisfactoriamente en un operador de red móvil consiguiendo los siguientes beneficios: + se consigue reducir el bloqueo, aumentando capacidad en el recurso limitante; + se distribuye la capacidad de forma eficiente a los diferentes recursos, ampliando sólo los que son necesarios; + se ha dimensionado correctamente la capacidad para eventos de alto tráfico, a partir de estimaciones de tráfico; + se han detectado casos de fallo hardware, en los que éste, y no la congestión, era el motivo de los fallos de conexión.