Towards realistic modeling of IP-level topology dynamics

Transcription

1 Towards realistic modeling of IP-level topology dynamics Clémence Magnien, Amélie Medem, Fabien Tarissan LIP6, CNRS et UPMC Sorbonne Universités Algotel 2012 Mai 2012 La Grande Motte, Hérault, France

2 Etude de l'internet Internet : structure vivante Courant des travaux visent à cartographier l'internet Déconnexion et ajout quotidiens de machines/liens Test des futurs protocoles réseaux avant leur déploiement Comprendre comment la topologie de l'internet évolue dans le temps est tout aussi importante (sinon plus) Etude de la dynamique But : étude de la topologie de l'internet et sa dynamique 2

3 Vue égo-centrée Focus : topologie de routage IP autour d'un seul noeud Vue égo-centrée : ce qu'une machine voit de la topologie autour d'elle 3

4 Vue égo-centrée Focus : topologie de routage IP autour d'un seul noeud Vue égo-centrée : ce qu'une machine voit de la topologie autour d'elle 4

5 Plan (1) Mesurer la topologie IP d'internet autour d'un noeud (2) Extraire des propriétés de la dynamique (3) Les confronter à la dynamique des graphes artificiels 5

6 Plan (1) Mesurer la topologie IP d'internet autour d'un noeud Qu'est ce qu'une machine voit de l'internet? (2) Extraire des propriétés de la dynamique (3) Les confronter à la dynamique des graphes artificiels 6

7 Outil de mesures Tracetree Même principe que Traceroute Une mesure : une source, plusieurs destinations Un arbre de routage de chemins IP de la source aux destinations programme disponible, écrit en C(1) Radar Mesures périodiques avec Tracetree (1) A Radar for the InternetPublicly available datasets. 7

8 Mesures Source : PlanetLab et autres (> 150) Destinations : adresses IP aléatoires répondant au ping Délai entre passes de mesure : entre 1 et 15 mn Séries d'arbres de routage... passe 1 8 passe 2 passe 3 passe

9 Plan (1) Mesurer la topologie IP d'internet autour d'un noeud (2) Extraire des propriétés de la dynamique Comment évolue la vue égo-centrée mesurée? (3) Les confronter à la dynamique des graphes artificiels 9

10 Propriétés dynamiques Propriétés de la dynamique observées 10 Découverte de nouvelles adresses IP (IPs) Modèle d'apparition des IPs

11 Découverte de nouvelles IPs Stabilisation Woolthorpe 7 mois destinations passes? Nombre d'ips distinctes observées depuis le début Nouvelles IPs découvertes en continue Découverte à taux élevé : ~150 nouvelles IPs / jour Pas due à des artéfacts de mesure 11

12 Modèle d'apparition des IPs 2 grandeurs pour quantifier l'apparition d'une IP Présence : nombre de passes dans lesquelles l'ip est observée Blocs de présence : nombre des groupes de passes consécutives dans lesquels l'ip est observée 9 passes IPa observé dans les passes: 1, 2, 3, 5, 6, 8, 9 Présence de IPa= 7 Blocs de présence de IPa= 3 12

13 Modèle d'apparition des IPs Présence vs. blocs de présence (1) Une parabole 13

14 Modèle d'apparition des IPs Présence vs. blocs de présence IPs stables : observés dans des passes consécutives (1) Une parabole (2) Un grand ensemble de points proches l'axe des 14

15 Modèle d'apparition des IPs Parabole Soient 15 : équilibrage de charge (load-balancing) passes IPs sur chemins à load-balancing : Prob Présence : Blocs de présence : d'être observées

16 Plan (1) Mesurer la topologie IP d'internet autour d'un noeud (2) Extraire des propriétés de la dynamique Difficiles à expliquer sans connaître la structure de l'internet (3) Les confronter à la dynamique des graphes artificiels Comment expliquer la dynamique observée? 16

17 Notre approche But: Simuler des mesures Tracetree sur graphes artificiels Générer un graphe initial non-orienté G Graphe Erdös-Rényi, Power-law,... Simuler Tracetree sur G pour créer un arbre de routage T Plus courts chemins,... Incorporer à G des facteurs de changements de route Répéter ces étapes pour simuler des Tracetree périodiques 17

18 Changements de routes Quelques facteurs bien connus Equilibrage de charge (load-balancing) Modifications de la topologie de routage Comment modéliser ces facteurs? 18

19 Modèle de load-balancing Comment modéliser le load-balancing? Simulation des mesures Tracetree Plus courts chemins Arbre de routage BFS à partir d'un noeud source BFS aléatoire BFS Choix déterministe {2, 3} 3 BFS 2 1 Choix aléatoire {2, 3} 3 4 Load-balancing 19 Plusieurs BFS: même arbre Plusieurs BFS: arbres différents

20 Modèle d'évolution topologique Comment modéliser l'évolution de la topologie de routage? Plusieurs approches Réalistes ou pas : rebranchement des liens, ajout ou suppression de noeuds Rebranchement des liens ou swap Intérêt: la distribution du degré des noeuds est conservée! 20

21 Simulations But: Simuler des mesures Tracetree sur graphes artificiels (1) Générer un graph Erdös-Rényi (ER) G = (V,E) Nombre de noeuds: n; Nombre de liens: m (2) Sélectionner 1 source et d destinations Uniforme et aléatoire (3) Simuler Tracetree de la source aux destinations dans G BFS aléatoire T1 (4) Simuler les modifications de la topologie de routage Injecter s swap de liens dans G (5) Répéter les étapes 3 et 4 T2, T3, T4,, Tr 21

22 Reproduction de la dynamique Internet 22

23 Reproduction de la dynamique Internet Simulations (graphe ER avec n= ; m= ; d=3 000) 50 swaps Propriétés qualitativement similaires à ceux observées sur Internet! 23

24 Impact des paramètres Impact du nombre de swaps 0 swaps 10 swaps 50 swaps Plus de swaps Découverte de noeuds accélérée Pas de swaps Stabilisation La découverte continue des IPs: due à la modification des chemins 24

25 Impact des paramètres Impact du nombre de swaps 0 swaps 10 swaps 50 swaps Pas de swaps Seule la parabole est apparente La parabole disparaît lorsque le nombre swaps augmente Points proches de la parabole: due au load-balancing 25

26 Relation entre paramètres Relation entre le nombre de swaps et le nombre de liens (graphe ER avec n= ; d=3 000) m1= m2= Plus de liens Diminution de la pente de découverte 26

27 Relation entre paramètres Relation entre le nombre de swaps et le nombre de liens (graphe ER avec n= ; d=3 000) m2= m1= A ratio 27 égale Découverte à pente similaire

28 Résumé Dynamique de la topologie de l'internet au niveau IP autour d'un noeud Définition de deux propriétés caractérisant la dynamique Modèle explicatif : Topologie IP, Tracetree, changement de routes Dynamique reproduite sur des graphes Erdös-Rényi Perspectives 28 Intégrer d'autres facteurs de la dynamique Tester d'autres topologies : Power law, réalistes (Skitter, DIMES) Réaliser une analyse théorique : Quantifier les pentes des courbes

29 Questions? 29

30 IPs dynamiques Destinations stables 30

31 IPs aléatoires 31