Nothing Special   »   [go: up one dir, main page]
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 11 vistas

    Tel223 Lab5 RF 20190050 20190459

    Cargado por

    MIGUEL EDGARDO AHUMADA CLAROS

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Tel223 Lab5 RF 20190050 20190459

    Cargado por

    MIGUEL EDGARDO AHUMADA CLAROS
    11 vistas10 páginas

    Título original

    TEL223_LAB5_RF_20190050_20190459

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    11 vistas10 páginas

    Tel223 Lab5 RF 20190050 20190459

    Cargado por

    MIGUEL EDGARDO AHUMADA CLAROS

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 10

    EXPERIENCIA DE LABORATORIO

    Integrantes:
    - MIGUEL EDGARDO AHUMADA CLAROS 20190050
    - LUIS DIEGO ZUASNABAR CENTENO 20190459

    EXPERIENCIA 1: Tiempo de espera en la cola (W) para una cola M/M/1 (5 pts)
    En esta experiencia se usará IDTG para generar tráfico M/M/1, medir la ocupación
    promedio de la cola del transmisor (NQ) y en base a ella estimar el retardo promedio en
    la cola.

    Ud. deberá llenar las siguientes tablas para tasas de llegada nominales λ indicadas.

    λ Tasa de llegadas real


    Run 1 Run 2 Run 3 Run 4 Promedio
    1250 1112.60 1115.88 1111.37 1115.65 1113.875
    1750 1507.11 1514.09 1512.41 1512.48 1511.523
    2250 1887.56 1885.93 1891.11 1885.91 1887.628
    2375 1978.93 1981.62 1977.44 1980.54 1979.63
    2450 2039.16 2037.05 2041.52 2037.88 2038.903
    2475 2050.87 2053.72 2049.31 2050.85 2051.188

    λ Longitud de la cola (NQ)


    Run 1 Run 2 Run 3 Run 4 Promedio
    1250 0.11 0.0946 0.1065 0.1082 0.1048
    1750 0.3599 0.3653 0.3880 0.3871 0.375
    2250 1.2995 1.2873 1.211 1.2284 1.257
    2375 1.791 1.765 1.772 1.773 1.775
    2450 2.224 2.188 2.202 2.208 2.2055
    2475 2.26 2.277 2.168 2.1798 2.221

    λ Tasa de llegadas Utilización (ρ) Longitud de la Tiempo de espera en


    Real cola (NQ) la cola (W)
    1250 1113.875 0.5 0.1048 94.086 us
    1750 1511.523 0.7 0.375 248.094 us
    2250 1887.628 0.9 1.257 665.915 us
    2375 1979.63 0.95 1.775 896.63 us
    2450 2038.903 0.98 2.2055 1081.709 us
    2475 2051.188 0.99 2.221 1082.787 us
    mu=C/(L)=(10Mbps)/((458+14+20+8)*8bits/paq)=2500pps
    Siga los siguientes pasos:

    1. En el sender, limitar el tráfico ejecutando el siguiente comando:

    sender# tc qdisc replace dev ens4 root tbf rate 9.999mbit limit 200mb
    burst 32kb peakrate 10mbit mtu 1600

    2. Para comprobar que se ha configurado correctamente la disciplina, ejecutar


    el comando:
    3.
    sender# tc -p -s -d qdisc show dev ens4
    4. En el receiver, se va a recibir los paquetes enviados por el sender. Para ello, se
    debe ejecutar el componente ITGRecv y dejar al servidor escuchando:

    receiver # ITGRecv

    5. Ahora, generar tráfico M/M/1, por ejemplo, para λ=1250 pps. En el sender,
    abrir dos terminales. En el primero, se va generar el tráfico con la herramienta
    ITGSend con lo siguiente:

    sender# ITGSend -a 10.0.0.2 -l sender.log -x receiver.log -E 1250


    -e 458 -t 570000

    Inmediatamente, en el segundo terminal capturar las consultas del tc qdisc


    utilizando el archivo “queuemonitor.sh” (con factor de corrección x3) y guardar
    el output en el archivo cuyo nombre sigue el formato
    “mm1_{lambda}_{#_run}.txt”; en este ejemplo {lambda} es 1250 y {#_run} es
    1. Se va a ejecutar de la siguiente manera:

    sender# bash queuemonitor.sh ens4 190 0.01 > md1_1250_1.txt

    Importe el archivo a MATLAB (como en la tarea 3) y agrupe las mediciones del número
    de paquetes en la cola en intervalos de 10 segundos cada uno (o sea, 1000
    mediciones) y calcule el promedio para cada intervalo (al final le quedaran 19 valores).

    6. Determinar el valor de la tasa de llegadas real (p.ej., eliminar paquetes


    dropeados) con el componente ITGDec. Para ello, se debe ejecutar el
    siguiente comando en el servidor:

    receiver# ITGDec receiver.log

    7. Repetir este paso cinco (03) veces más (iteraciones del 2 al 4). Luego, calcular
    el promedio simple de todos los valores. Le deben quedar 19 valores, donde
    por ejemplo el primer valor es el resultado de promediar el “valor promedio en el
    intervalo [0, 10]seg.” obtenido en cada una de las 4 iteraciones.

    8. Viendo la evolución de los 19 valores promedios en el tiempo, determine a partir


    de que intervalo el tamaño en la cola converge al estado estable. Solo utilice los
    valores posteriores a esta convergencia para calcular el valor promedio de NQ,
    que será ingresado en las tablas arriba indicadas. Por ejemplo, si la
    convergencia se obtiene a partir del intervalo 4, promediar los valores en los
    intervalos del 4 al 19, e ingresarlos en las tablas.

    9. Aplicando el Teorema de Little, calcule el tiempo de espera en la cola (W) en


    función del número promedio de paquetes en la cola (NQ). [W = NQ/λ]. Llenar
    los valores en la tercera tabla para λ=1250.

    10. Repetir los pasos del 4) al 8) para los otros valores de λ. Llenar todas las
    celdas de las tablas de la presente experiencia.
    EXPERIENCIA 2: Tiempo de espera en la cola (W) para una cola
    M/D/1 (5pts)
    En esta experiencia se usará IDTG para generar tráfico M/D/1, medir la ocupación
    promedio de la cola del transmisor (NQ) y en base a ella estimar el retardo promedio en
    la cola.

    Ud. deberá llenar las siguientes tablas para tasas de llegada nominales de 1250, 1750,
    2250, 2375, 2450, 2475:

    λ Tasa de llegadas real


    Run 1 Run 2 Run 3 Run 4 Promedio
    1250 1115.61 1117.06 1119.45 1118.22 1117.59
    1750 1512.99 1514.61 1510.69 1511.66 1512.49
    2250 1885.52 1887.95 1888.79 1883.14 1886.35
    2375 1976.24 1973.27 1974.30 1973.61 1974.355
    2450 2032.47 2040.43 2031.69 2035.15 2034.935
    2475 2046.68 2049.90 2045.75 2046.61 2047.235

    λ Longitud de la cola (NQ)


    Run 1 Run 2 Run 3 Run 4 Promedio
    1250 0.0034 0.0024 0.0021 0.0027 0.00265
    1750 0.0222 0.029 0.035 0.0272 0.02835
    2250 0.2271 0.2321 0.2421 0.2313 0.23315
    2375 0.3814 0.3928 0.412 0.3951 0.39533
    2450 0.5256 0.4979 0.5018 0.5262 0.51288
    2475 0.5394 0.5677 0.5393 0.5531 0.54988

    λ Tasa de llegadas Utilización (ρ) Longitud de la Tiempo de espera en


    real cola (NQ) la cola (W)
    1250 1117.59 0.5 0.00265 2.37 us
    1750 1512.49 0.7 0.02835 18.7 us
    2250 1886.35 0.9 0.23315 123.59 us
    2375 1974.355 0.95 0.39533 200.23 us
    2450 2034.935 0.98 0.51288 252.04 us
    2475 2047.235 0.99 0.54988 268.59 us

    Repita los pasos 4) al 9) de la experiencia 1, con la diferencia que en el paso 4


    generará paquetes de tamaño fijo. Por ejemplo, con λ=1250 el comando sería:

    sender# ITGSend -a 10.0.0.2 -l sender.log -x receiver.log -E 1250


    -c 458 -t 570000

    Llenar todas las celdas de las tablas de la presente experiencia.


    EXPERIENCIA 3: Comparación con la teoría (5pts)

    En esta experiencia, Ud. comparará los valores obtenidos experimentalmente


    con los valores teóricos, y propondrá razones por cualquier discrepancia que
    haya encontrado.
    1. Plot M/M/1 vs M/D/1.
    Inserte un plot comparando las curvas de los retardos obtenidos. Responda:

    MD1 MM1
    Ratio:

    ¿Qué relación encuentra? ¿Es la predicha por K-P? En particular,


    ¿cuál es el ratio entre WM/M/1 y WM/D/1? Explicar detalladamente
    Se ve que la cola M/M/1 es mayor que la M/D/1, es decir, la M/M/1 tendrá un mayor
    tiempo de espera. El modelo de K-P nos muestra que M/M/1 es 2 veces más grande que
    la M/D/1, sin embargo, esto no se cumple, dado que en lo experimentado M/M/1 es más
    grande que M/D/1 en un factor mayor a 2. Esta aparente incongruencia se debe a que
    el modelo K-P no considera la fragmentación de paquetes. Y se tiene por ejemplo que
    en la M/M/1 se tiene que el tamaño de paquete es exponencial, por lo que si un paquete
    supera el límite será fragmentado. Con todo lo anterior y debido a la fragmentación de
    paquetes se podría tener paquetes que sean muy pequeños y distorsionen la curva
    estimada.

    2. Plot M/D/1 experimental versus la curva teórica


    Inserte un plot comparando la curva obtenida para el caso M/D/1 con el
    valor teórico. Para la curva teórica, grafique una línea continua. Para
    los valores medidos, márquelos con un símbolo ‘+’ pero no genere una
    línea entre ellos responda: ¿los valores experimentales convergen a
    los teóricos? Explique el porqué.

    En el caso de M/D/1, dado que el tamaño de paquetes es constante, ya no


    existe la fragmentación de paquetes, por lo que existirá una mayor cantidad
    de paquetes en cola. Con lo mencionado anteriormente, es lógico que los
    valores experimentales no se aproximen tan bien a la curva teórica. Además,
    si se sigue incrementando el ratio de llegadas, las gráficas deberían
    aproximarse mejor.

    3. Plot M/M1 experimental versus la curva teórica para M/M/1


    Inserte un plot comparando la curva obtenida para el caso M/M/1
    con el valor teórico. Para la curva teórica, grafique una línea
    continua. Para los valores medidos, márquelos con un símbolo ‘+’
    pero no genere una línea entre ellos responda: ¿los valores
    experimentales convergen a los teóricos? Explique el porqué.

    En caso de M/M/1 se observa que se aproxima mejor a la curva teórica, pero


    aún así se tiene algún punto dónde no se parezcan mucho los valores
    experimentales y teóricos, esto se debe a que en los valores experimentales, los
    paquetes sufren fragmentación, por lo que existen valores pequeños que no
    siguen con la tendencia de la curva y, de esta manera, se afecta a la tendencia
    de dicha curva. Si la ocupación se incrementa veremos que los valores
    experimentales se aproximan mejor a la curva teórica.

    4. Estimación del tiempo de simulación

    ¿Cuánto tiempo cree que se debería simular el proceso para lograr


    la estabilidad? Explique el porqué del valor propuesto.

    Debido a que el tiempo de simulación que tomamos para este caso es de 9.5
    minutos, nos sale muy corto los resultados que obtenemos al ocurrir distintos
    sucesos que pueden generar valores atípicos y así llegar a aproximaciones que
    no son del todo correctas o similares a lo teóricamente expuesto. Es por ello que
    en los anteriores laboratorios hemos optado por hacer simulaciones midiendo 1
    millón de instantes (valores) para que aún así teniendo resultados incoherentes
    la mayor parte de los resultados serán muy similares a lo teórico por lo que las
    curvas experimentales y teóricas suelen converger y tener un margen de error
    menor. Actualmente para tener la muestra de 1 millón de valores lo que se
    podría hacer es aumentar el tiempo de simulación a aproximadamente 50 a 60
    minutos y así lograr una mejor convergencia con mayor exactitud, no obstante,
    al hacer simulaciones mayores y ser estas reales se consumiría los recursos del
    equipo o sistema donde se estén realizando estos casos.
    5. Indicar el slice en el que fueron realizadas las pruebas para su posterior
    verificación.

    - TEL223_2022-1_20190459
    - TEL223_2022-1_20190050

    Código:
    Experiencia 1 y 2:

    Experiencia 3:

    También podría gustarte