Scarica Presentazione

Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
tesi di laurea
Analisi a livello pacchetto del traffico di
Multiplayer Network Games
Anno Accademico 2006/2007
relatore
Ch.mo prof. Antonio Pescapè
correlatore
Ing. Alberto Dainotti
candidato
Pietro Marchetta
Matr. 534/1475
Contesto & Contributo
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Multiplayer Network Games:
Nel 2000, il 3% del traffico Internet era generato da giochi in rete.
Alcuni studi prevedono che nel 2008 questa percentuale aumenterà fino al 25%.
Le infrastrutture di rete, progettate per smaltire il canonico traffico Web e Peer-to-Peer, non riescono a
supportare efficacemente tali applicazioni.
Il forte interesse economico sorto intorno a questo nuovo bacino di potenziali utenti-giocatori ha spinto i
maggiori telecom operator a investire nell’adeguamento delle reti.
Obiettivo:
Studiare il traffico generato da Counter-Strike, un network game largamente diffuso e, dunque,
particolarmente rappresentativo:
Effettuare una caratterizzazione statistica del traffico generato dai client del gioco in termini di
Packet Size e Inter-Departure-Time (analisi a livello pacchetto).
Ottenere dei modelli statistici approssimanti.
Background
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
I Multiplayer Network Games tipicamente:
Generano pacchetti piccoli (meno di 100byte) per esigenze legate a una bassa latenza
Generano pacchetti a intervalli regolari (in virtù della tipica logica del gioco)
Utilizzano il protocollo UDP (basso overhead, interattività)
CounterCounter-Strike:
Strike:
E’ lo sparatutto più diffuso in assoluto (32000 server attivi e più di 100000 giocatori in tutto il mondo).
E’ stato trattato in letteratura da ricercatori quali Feng, Färber, Claypool, anche se da punti di vista
diversi.
In alcuni articoli si sostiene che il comportamento dell’applicazione è caratteristico per tutto il genere
degli sparatutto.
Related works:
works:
W. Feng, F. Chang, W. Feng, and J. Walpole. Provisioning on-line games: a traffic analysis of a busy
Counter-Strike server. In Proceedings of SIGCOMM Internet Measurement Workshop, November 2002.
M. Claypool, D. LaPoint, , and J. Winslow. Network Analysis of Counter-strike and Starcraft. In
Proceedings of the 22nd (IPCCC), April 2003.
J. Färber. Network game traffic modelling. In NetGames ’02: Proceedings of the 1st Workshop on
Network and system support for games, May 2002.
Testbed Esperimenti
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Parametri modellati statisticamente:
Inter-Departure-Time (IDT o IPT): l’intervallo di tempo che
impiega la sorgente di traffico a generare due pacchetti
consecutivi.
Packet-Size (PS): la dimensione dei pacchetti considerando
esclusivamente il carico utile (payload) dell’applicazione
(1)
(2)
Gli scenari analizzati:
1.
2.
3.
LAN party wired a 4 e 8 giocatori
LAN party wireless a 4 giocatori
Banda larga ADSL a 4 giocatori
Nello scenario ADSL sono state collezionate anche le
tracce in ingresso al server per poter apprezzare gli
effetti che ha la rete sul traffico.
(3)
Esperimenti effettuati presso il laboratorio ARCLAB del Dipartimento di Informatica e Sistemistica (D.I.S.), facoltà di Ingegneria.
Strumenti
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Software:
Tcpdump per raccogliere le tracce di traffico.
Plab per estrarre dalle tracce di traffico le occorrenze di IPT e PS.
Matlab per la caratterizzazione e la modellazione.
Analisi statistica:
Calcolo di dati sintetici: media, varianza, …
Diagrammi: PDF, CDF, Sequence plots, Byterate, Packetrate, Fitting, ...
Fitting: approssimazione della distribuzione empirica con un modello analitico che ne
ricalchi l’andamento.
Expectation Maximization [1]
Lambda square λ2[2]
Sviluppati i seguenti script in linguaggio matlab:
TLSRND - generatore di numeri casuali secondo la distribuzione Student’s T location-scale.
GAMMAMIX2 - script per il fitting di dati che si basa su un mix di due distribuzioni Gamma.
[1] J.A. Bilmes, “A Gentle Tutorial of the EM Algorithm and its Application to Parameter Estimation for Gaussian
Mixture and Hidden Markov Models”.
[2] S. Pederson, M. Johnson, “Estimating Model Discrepancy”. Technometrics, 32(3), pp. 305-314, Aug. 1990.
Analisi Sperimentale (1/2)
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Client IPT byte rate: Alessandro
Client IPT packet rate: Alessandro
Durante la connessione al server il client
manifesta un comportamento diverso:
Fase inattiva: il giocatore è
semplicemente collegato al server.
Fase attiva: il giocatore partecipa
attivamente alla sessione di gioco.
Le variazioni del bitrate in funzione della
fase dipendono dal PS non dall’IPT.
Clients PS PDF – Fase Inattiva
Il PS in fase inattiva è fortemente
prevedibile, con un valore dominante
(27byte).
Possibile dipendenza
dall’identificativo del giocatore.
Generati pacchetti di dimensioni
maggiori nel passaggio da una fase
all'altra.
Client PS Sequence: Alessandro
Analisi Sperimentale (2/2)
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Clients PS PDF – Fase Attiva (wired4)
Invarianza:
Invarianza: i giocatori manifestano comportamenti simili in
termini di PS e IPT anche in scenari diversi (wired a 4 e 8
giocatori, wireless, ADSL).
PacketPacket-Size:
Size: I pacchetti non assumono mai
dimensione superiore ai 60byte, in accordo a quanto
sostenuto da Feng, smentendo invece i valori riportati
da Färber . In dettaglio: il PS assume un insieme di
valori compresi tra i 25 e 60byte.
InterInter-PacketPacket-Time:
Time: Confermati gli studi di Färber
sull'IPT che in media, in ogni scenario e fase di gioco,
risulta pari a 41.7ms.
Nello scenario ADSL la rete ha un’influenza maggiore
sul traffico generato. Pertanto, l’analisi è risultata più
impegnativa.
Traffico sostanzialmente diverso da Starcraft che
appartiene a un’altra categoria di giochi in rete (RTS).
Clients IPT PDF – Fase Attiva (wired4)
Scenari ADSL
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Clients Upstream IPT PDF
Ricreate 2 sessioni di gioco:
1°Sessione: Raccolte tracce in uscita ai client e in ingresso
al server.
2°Sessione: Raccolta la sola traccia lato server.
Riscontrata forte anomalia nel comportamento di un singolo
giocatore in termini di IPT:
Necessario un approfondimento.
Clients Downstream IPT PDF
Osservare la stessa sessione di gioco sia dal punto di vista del
client ( ) che del server( ) ci permette di apprezzare gli effetti
che ha sul traffico la rete, principale indiziata per l’anomalia
riscontrata:
Il client genera traffico in funzione dei tempi e del tipo
di informazioni che riceve dal server ma è la rete in
questo senso a ricoprire un ruolo fondamentale.
Tuttavia la rete influisce, come era prevedibile,
esclusivamente in termini di IPT e non di PS che
assume il consueto andamento.
Server Upstream IPT PDF
Fitting Statistico
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
PS – PDF A CONFRONTO – FASE ATTIVA
Param.
Param.
Normal 1
Normal 2
Wired
Wired
4PL
8PL
Wireless
ADSL
1°Ses
ADSL
1°Ses
ADSL
2°Ses
(C)
(S)
(S)
mu
34.83
33.49
35.63
34.78
34.78
34.2
sigma
4.39
1.57
4.23
3.68
3.22
3.22
peso
0.37
0.2
0.34
0.35
0.32
0.3
mu
49.49
48.05
49.62
49.73
49.83
49.74
Sigma
3.61
4.5
3.43
3.84
3.77
3.44
peso
0.63
0.8
0.65
0.65
0.68
0.69
0.08
0.24
0.1
0.09
0.24
0.22
λ2
PS: Fitting con Mix di 2 distrib. Gaussiane
Tabella 1: Packet Size – Fase Attiva – byte
IPT – PDF A CONFRONTO – FASE ATTIVA
mu
sigma
nu
λ2
Wired 4PL
41699
104.82
0.704
0.18
Wired 8PL
41679
51.85
0.82
0.07
Wireless
41711
147.196
0.9
0.09
Adsl 1°S.(C)
41682
71.36
0.68
0.3
Adsl 1°S.(S)
40433
1534.6
0.9
0.53
Adsl 2°S.(S)
40704
1859.6
1.21
0.45
Scenario
Tabella 2: Inter-Deparute-Time – Fase Attiva – Student’s T location scale - us
IPT: Fitting con distrib Student’s T location-scale
Conclusioni
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Sono stati confermati alcuni risultati presenti in letteratura e sono stati forniti
ulteriori approfondimenti.
Il client di Counter-Strike genera un pacchetto di dimensioni non superiori ai 60bytes, in media,
ogni 41.7ms
Differenziazione del traffico in termini di PS tra fase attiva e inattiva
Invarianza nel comportamento del client in scenari diversi
Caratterizzazione statistica del traffico generato dal client in ogni scenario di gioco e fase di
attività in termini di interpartenze (IPT) e dimensione (PS) dei pacchetti.
Analisi preliminare degli effetti della rete sulle statistiche di livello pacchetto.
Modellazione delle distribuzioni mediante fitting statistico.
Le distribuzioni che hanno prodotto i risultati migliori si confermano in ogni scenario:
IPT: Student’s T location-scale
PS in fase attiva: mix di due Gaussiane
PS in fase inattiva: una semplice distribuzione discreta
I risultati del fitting statistico rappresentano una ulteriore conferma delle invarianze presenti nel
traffico generato dal client di Counter-Strike.
Sviluppi Futuri
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica
Analisi a livello pacchetto del traffico di Multiplayer Network Games
Possibili impieghi:
I modelli ottenuti potranno essere impiegati in simulatori di rete e generatori di traffico
sintetico al fine di effettuare studi realistici di analisi di performance e testare l’effettiva
capacità delle infrastrutture di supportare queste particolari applicazioni.
Possibili approfondimenti:
Studio delle dipendenze mutue tra PS e IPT e dipendenze temporali.
Fase Inattiva di Counter-Strike.
Effetti della rete su statistiche di livello pacchetto (es. nel caso ADSL).
Altri network games:
l’analisi e confronto del traffico generato da altri sparatutto.
confronto con il traffico generato da videogiochi di altri generi.