Increasing network utilization and utility for time-sensitive applications

Abstract

Nowadays real-time networks are indispensable when it comes to modern industrial applications. Traffic has to be transmitted with hard or soft delay bounds and guaranteed throughput. Handling this traffic and maximizing the throughput in a network can be very challenging depending on the type of traffic. On the one hand, there is planned traffic in a network which is easy to handle because of its predictable nature. On the other hand, there is unplanned traffic, e.g. event-triggered traffic, which is much harder to manage. This event-triggered traffic is needed to allow applications to improve control loop quality or give them the possibility to handle alarm storms, where one event forces many reactions in the network. Thus, techniques are needed to handle unplanned traffic, such as event-triggered traffic. To do so, over provisioning a network is not an option because it would be to expensive and the resources of the network would not be optimally used. This means new options have to be investigated to handle unplanned traffic for time-sensitive applications. This thesis introduces a new approach where traffic shaping is used to handle traffic of time-sensitive application like event-triggered traffic. The new approach helps to improve the overall utilization in the network while guaranteeing a certain bandwidth for very application. To do so shaping with application knowledge at the network edge is used to optimize the performance, and in-network shaping with limited knowledge about the network situation helps to cope with worst-case situations. The approach has the benefit that it is almost stateless and does not have the requirement of any per-stream basis knowledge except of a metering algorithm at the edges of a network. In addition to that the shaping at the edges of a network allows a higher send rate at the application side. This gives applications the possibility to improve utilization in the network, while also limiting single applications from greedily spamming the network with to much data. The improvements and the increasing overhead as well as necessary technologies of this new approach will be introduced in this thesis. The evaluation shows that it is possible to guarantee a certain bandwidth and delay for every stream while increasing the utilization for specific network scenarios and traffic characteristics such as event-triggered traffic. The thesis also provides the theoretical background on how to calculate a worst-case estimation for the delay, drop rate of messages and the throughput for this new approach. These estimations are done using the Network Calculus framework. Furthermore the fairness between streams and limiting factors for this approach are discussed and evaluated.

Real-time networks sind aus heutigen modernen Industrieapplikationen nicht mehr wegzudenken. Netzwerkverkehr muss mit harten oder weichen Delaygrenzen oder garantiertem Durchsatz übermittelt werden. Um diesen Netzwerkverkehr handhaben zu können und gleichzeitig den Durchsatz in einem Netzwerk zu maximieren, kann, basierend auf der Art des Netzwerkverkehrs, sehr anspruchsvoll sein. Zum einen gibt es geplanten Netzwerkverkehr, der aufgrund seiner Vorhersagbarkeit einfach zu handhaben ist. Auf der anderen Seite gibt es ungeplanten Netzwerkverkehr, wie etwa eventausgelöstem Netzwerkverkehr (engl. event-triggered traffic) welcher deutlich schwerer zu handhaben ist. Eventausgelöster Netzwerkverkehr wird beispielsweise benötigt, um Applikationen die Möglichkeit zu geben, ihre control loop Qualität zu verbessern, oder mit alarm storms umgehen zu können, bei denen ein Event viele Reaktionen im Netzwerk auslösen kann. Daher müssen neue Techniken gefunden werden, um ungeplanten Netzwerkverkehr wie den eventausgelösten Netzwerkverkehr handhaben zu können. Um dies zu erreich ist eine Überversogrung des Netzwerk keine Option, da diese sehr teuere wäre und viele Resourcen im Netzwerk nicht optimal genutzt werden würden. Also müssen neue Optionen ergründet werden, um mit ungeplanten Netzwerkverkehr von zeitkritischen Applikationen umgehen zu können. In dieser Thesis wird ein neuer Ansatz vorgestellt, in dem traffic shaping verwendet wird, um mit Netzwerkverkehr von zeitkritischen Applikationen, wie etwa eventausgelöstem Netzwerkverkehr, umgehen zu können. Der neue Ansatz hilft dabei die allgemeine Auslastung in einem Netzwerk zu verbessern und gleichzeitig eine gewisse Bandbreite für jede Applikation im Netzwerk zu garantieren. Um dies zu erreichen, wird shaping mit Applikationswissen an den Kanten des Netzwerkes eingesetzt, um die Performanz zu erhöhen und in-network shaping mit limitiertem Wissen über die aktuelle Netzwerksituation, um mit worst-case Situationen umgehen zu können. Der neue Ansatz hat den Vorteil, dass er nahezu ohne jegliche Zustandsinformation auskommt und kein Wissen auf per-Stream Basis vorraussetzt, außer einem metering Algorithmus an den Kanten des Netzwerks. Zusätzlich erlaubt der neue Ansatz durch das shapen von Netzwerkverkehr and den Kanten des Netzwerks eine höhere Senderate auf der Applikationsseite. Dies ermöglicht der Applikation ihre eigene Auslastung zu optimieren und limitiert gleichzeitig einzelne Apllikationen dabei das Netzwerk mit zu vielen Daten zu fluten. Die Verbesserungen und der höhere Aufwand des neuen Ansatzes werden zusammen mit den nötigen Technologien in dieser Arbeit vorgestellt. Die Evaluation zeigt, das es mit dem neuen Ansatz möglich ist, eine gewisse Bandbreite und harte Delaygrenzen zu garantieren und gleichzeitig die Netzwerkauslatung für spezielle Szenarien und Charakteristiken des Netzwerkverkehrs zu erhöhen. Darüber hinaus wird das theoretische Hintergrundwissen, um worst-case Annahmen für das Delay, die Droprate und den Durchsatz in einem Netzwerk treffen zu können, erläutert. Diese Annahmen werden mit Hilfe des Network Calculus Frameworks getroffen. Zusätzlich werden auch limitierende Faktoren sowie die Fairness zwischen den einzelnen Streams in einem Netzwerk mit dem neuen Ansatz diskutiert und evaluiert.