Internet Banda Larga

(1)

Uma Caracterizaç ão de Comportamento de Usu ários de Internet Banda Larga

Pedro H. Calais Guerra

^∗

, Leonardo C. Dutra Rocha Jussara Almeida , Wagner Meira Jr. , Virg´ılio Almeida

1

Departamento de Ciência da Computação Universidade Federal de Minas Gerais

Av. Antˆonio Carlos, 6627 - Pampulha - CEP 31270-010 Belo Horizonte - Minas Gerais - Brasil

{pcalais,lcrocha,jussara,meira,virgilio}@dcc.ufmg.br

Abstract. This paper presents a characterization of broadband user behavior from an Internet Service Provider standpoint. Users are broken into two major categories: residential and Small-Office/Home-Office (SOHO). For each user category, the characterization is performed along four criteria: (i) session ar- rival process, (ii) session duration, (iii) number of bytes transferred within a session and (iv) user request patterns. We identified probability distributions that represent very well the workload generated by the users of each category and managed to point significant differences between them. Moreover, we iden- tified groups of user sessions with very distinct characteristics between them.

Understanding user behavior according to these aspects is an important step to the development of more efficient applications for broadband users.

Resumo. Neste artigo apresentamos uma caracterizaç ão do comportamento de usuários de Internet Banda Larga de um provedor de acesso (ISP). Os clientes do ISP foram divididos em duas categorias (residencial e comercial), e para cada categoria investigamos: (i) processo de chegada de sess ões, (ii) duração das sessões, (iii) número de bytes transferidos em cada sess ão e (iv) padrões de requisição dos usuários a serviços Web. Conseguimos identificar distribuições de probabilidade que representam com fidelidade a carga gerada pelos usu ários de cada categoria, além de determinar diferenças significativas entre elas. Além disso, identificamos grupos representativos de sess ões de usuários que pos- suem comportamento bastante distinto entre si. Entender o comportamento dos usuários segundo esses aspectos é um passo importante para o desenvolvimento de aplicações mais eficientes e efetivas direcionadas para os clientes de Internet Banda Larga.

1. Introduc¸˜ao

A crescente difusão de conexões de banda larga, particularmente de conexões utilizando tecnologias de TV a cabo e ADSL, tem criado novas possibilidades de uso dos recursos da Internet por parte dos usuários de pequenas instituições e usuários domésticos. A disponibilidade cont´ınua de conexão aliada ao aumento da qualidade de serviço de acesso

∗Aluno de Iniciac¸˜ao Cient´ıfica

(2)

conduz o usuário ao uso mais intenso dos diferentes serviços dispon´ıveis na Internet atual, em particular, aplicações de comércio eletrônico, Internet banking e sistemas Peer-to-Peer para compartilhamento de recursos, principalmente arquivos de v´ıdeo e áudio.

Em outras palavras, a maior disponibilidade provida pela conexão de banda larga leva a um comportamento t´ıpico de usuário bastante complexo e potencialmente diferente daquele de um usuário de acesso discado. Um estudo recente da Pew Internet & American Life [Pew, 2004] mostrou que, se comparado com usuários de acesso discado, usuários de banda larga se envolvem com mais atividades diferentes, têm uma tendência maior de criar e gerenciar conteúdo on-line e buscam informações com muito mais frequência.

Apesar desse relatório da Pew, não existem na literatura muitos estudos sobre o comportamento de usuários de Internet Banda Larga. Este artigo pretende contribuir para o conhecimento nesse campo apresentando uma caracterização do comportamento desses usuários, baseada em logs reais de um grande provedor de acesso brasileiro. A partir da divisão dos usuários em duas categorias (residencial e comercial), a caracterização avalia a forma como os usuários se conectam ao ISP, quanto tempo eles permanecem on-line, o número de bytes que eles transferem em suas sessões e o que eles fazem enquanto estão conectados, em termos das requisições a serviços Web, como HTTP, email, Peer- to-Peer etc. Essas informações podem ser muito úteis no planejamento da capacidade da infra-estrutura dos provedores e provêem subs´ıdios para avaliação de práticas como personalização de serviços e adoção de tarifaç ões diferenciadas, com boa relação custo- benef´ıcio tanto para o usuário quanto para o provedor.

O trabalho de iniciação cient´ıfica aqui contido foi no sentido de, munido das métricas de caracterização, projetar, implementar e validar todo o ferramental de caracterização, assim como aplicar esse ferramental a dados reais e participar da análise de resultados. Este trabalho já resultou na ferramenta BUBA - Broadband User Be- havior Analysis [Calais et al., 2005] (que pode ser acessada via Web através do site http://buba.speed.dcc.ufmg.br, login e senha reic) e em um artigo também relacionado a ele [Marques et al., 2004], ambos de autoria do bolsista.

O artigo está organizado da seguinte forma: a seção 2 discute alguns trabalhos relacionados. A seção 3 descreve o processo de coleta de dados e a metodologia de caracterização que foi aplicada. A seção 4 apresenta os resultados mais relevantes obtidos através da caracterização. Por fim, as conclusões são apresentadas na seção 5.

2. Trabalhos Relacionados

Diversas caracterizaç ões de carga e do comportamento de usuários estão dispon´ıveis na literatura. Cargas Web tradicionais, referentes a requisições HTTP a documentos e ar- quivos de imagem são analisadas em vários estudos anteriores, concentrados tanto na carga do lado do servidor [Arlitt and Jin, 2000] quanto do cliente [Barford et al., 1999].

Estudos mais recentes caracterizam a carga de trabalho de outros tipos de

aplicações, como v´ıdeo sob-demanda [Costa et al., 2004] e serviços Peer-to-Peer (P2P)

[Gummadi et al., 2003, Saroiu et al., 2002, Leibowitz et al., 2003], que tˆem se tornado

cada vez mais populares devido `a crescente disponibilidade de conex˜oes de banda larga

[Lakshminarayanan and Padmanabhan, 2003]. Algumas caracterizac¸ ˜oes de cargas de tra-

balho P2P analisam vários aspectos do tráfego gerado por aplicações desse tipo, como a

(3)

popularidade e o tamanho dos objetos, a utilização de largura de banda e a duração das sessões [Gummadi et al., 2003, Saroiu et al., 2002, Hamada et al., 2004].

Enquanto essas análises focam em um tipo espec´ıfico de aplicação, nosso tra- balho se concentra nas requisições a um grande número de serviços diferentes, como HTTP, FTP, P2P etc. Nesse sentido, a caracterização de um proxy de um ISP de banda larga [Arlitt et al., 1999] é possivelmente o trabalho mais próximo ao nosso. No entanto, além de caracterizar o tráfego gerado por usuários de Internet Banda Larga, procuramos também determinar padrões nas requisições dos usuários e confrontar os resultados obti- dos para os usuários residenciais e comerciais.

3. Metodologia de Caracterizac¸˜ao

Nesta seção apresentamos nossa metodologia de caracterização e como ela é aplicada ao ambiente do ISP.

O objetivo da caracterização é prover um entendimento do comportamento dos usuários de banda larga em termos do consumo de recursos e serviços requisitados, sendo dessa forma baseada em quatro critérios: o processo de chegada de sessões, a duração das sessões, o volume de bytes transferidos e o padrão de requisições dos usuários. Os dois primeiros fornecem informação temporal sobre a carga gerada pelos usuários. O volume de bytes transferidos provê informações sobre o consumo de banda, que é um recurso cr´ıtico a ser administrado por qualquer ISP. Por fim, os padrões de requisições entre os usuários do ISP qualificam as sessões em termos de requisições aos serviços Web.

Para realizar a caracterização, utilizamos três fontes de dados: um log de autenticação de usuários, uma base de dados dos usuários e um log de tráfego. O log de autenticação é compat´ıvel com o protocolo RADIUS [Rubens and Simpson, 2000] e registra o momento em que cada sessão iniciou e terminou, a duração, o número de bytes enviados e recebidos e o IP dinamicamente atribu´ıdo ao usuário em cada sessão. A base de dados de usuários é uma tabela que informa a categoria de cada cliente do ISP (resi- dencial ou comercial) e que por questões de privacidade, foi anonimizada. O terceiro log

é coletado através do Netflow [Netflow, 2005]. O Netflow divide o tráfego em fluxos e cada fluxo é caracterizado por um timestamp que indica quando o mesmo foi registrado no log, o IP de origem e de destino dos dados, a porta de destino utilizada, o protocolo (TCP ou UDP) e o volume de bytes transferidos.

A partir dos logs acima discutidos, foi realizado um pré-processamento dos mes- mos para que seja poss´ıvel extrair as informações de forma mais simplificada e eficiente.

Combinando as três fontes de dados (RADIUS, Netflow e a classificação dos clientes) extraimos todas as informações necessárias para caracterizar cada sessão dos usuários.

Para fins de caracterização, apenas sessões que iniciaram e terminaram durante o per´ıodo de coleta de log foram consideradas.

O padrão de requisições dos usuários é obtido dos logs de tráfego que registram

as requisições aos serviços em cada uma das sessões dos usuários. A utilização de um

serviço consiste em requisições a uma aplicação ou conjunto de aplicaç ões e é identificada

através de portas onde os servidores respondem à essas requisições. Usamos uma versão

estendida da taxonomia utilizada pelo IANA (Internet Assigned Numbers Authority) para

relacionar essas portas com seus respectivos serviços. A extensão foi necessária porque a

(4)

utilização de algumas portas são bem conhecidas mas não registradas, como por exemplo a porta 4662, utilizada pela aplicação de Peer-to-Peer eDonkey [Tutschku, 2004].

Para identificar tais padrões, utilizamos o k-means [Hartigan, 1975], um algoritmo de agrupamento. Esse tipo de algoritmo é uma técnica bem conhecida para segmen- tar um grupo heterogêneo de entidades (no caso, sessões de usuários de Internet) em grupos (ou clusters) que possuem comportamento semelhante. No caso, queremos de- terminar grupos de usuários que acessem os mesmos serviços Web com uma frequência parecida. O número de grupos ideal é determinado através do β-CV, como descrito em [Mensacé and Almeida, 2000]. Cada grupo é representado por um CBMG (Customer Be- havior Model Graph) [Mensacé and Almeida, 2000]. O CBMG consiste em um grafo di- recionado onde os vértices são os diversos serviços oferecidos na rede (HTTP, POP3, FTP etc) e as arestas representam as probabilidades de um usuário deixar de utilizar um serviço para utilizar outro. O CBMG é uma representação semanticamente rica e ao mesmo tempo sucinta, e perfis representativos de sessões são encontrados através do agrupamento das sessões em CBMGs.

4. An´alise de Resultados

Esta seção apresenta os resultados mais relevantes obtidos em nossa caracterização. A seção 4.1. mostra uma visão geral dos dados. O processo de chegada de sessões, a duração das sessões e o volume de bytes transferidos são caracterizados na sessão 4.2.. A seção 4.3. analisa os padrões de requisições dos usuários.

4.1. Vis˜ ao Geral da Carga

Tabela 1. Sum ´ario dos Dados (CV = co-vari ˆancia)

classe de usu´arios residencial comercial

# de sess˜oes completadas 162741 37880

total de bytes recebidos (GB) 5387 (75%) 1791 (25%) total de bytes enviados (GB) 2063 (82%) 452 (18%) média de sessões completadas por usuário 29,60 22,70 duração média das sessões (horas) e CV 6,43 (2,32) 8,59 (2,26) bytes recebidos por sessão (MB) e CV 33,90 (7,83) 48,42 (8,08) bytes enviados por sessão (MB) e CV 12,98 (4,57) 12,23 (3,46)

A Tabela 1 mostra uma visão geral da carga de trabalho do usuários residenciais e comerciais. Os logs que utilizamos na caracterização abrangem um per´ıodo de 28 dias, durante o qual cerca de 200.000 sessões se completaram. Aproximadamente 80% das sessões são de usuários residenciais, e essa proporção se mantém no que se refere aos bytes enviados e recebidos. Pela tabela, notamos também que a freqüência com que os usuários comerciais estabelecem sessões é um pouco maior que a dos usuários comerciais, apesar de que esses últimos tendem a possuir sessões um pouco mais longas.

A Figura 1 apresenta gráficos que mostram o número de sessões simultâneas ati-

vas, em uma semana t´ıpica. ´ E interessante notar a grande queda no n´umero de usu´arios

comerciais utilizando a rede durante os fins-de-semana. Esta queda tamb´em ´e notada en-

tre os usu´arios residenciais, apesar de ser bem mais branda. A partir desses resultados, os

provedores podem se planejar para realizar reparos e upgrades no sistema em hor´arios em

que o menor número de usuários estejam conectados. Além disso, o número de conexões

(5)

simultâneas criadas por usuários de um ISP de banda larga deve ser bem administrado, devido à limitação do número de IPs válidos distribu´ıdos para cada ISP.

0 500 1000 1500 2000 2500 3000 3500 4000 4500

domingo segunda terça quarta quinta sexta sábado

Nœmero de Sessıes Ativas

Dia da Semana

(a) usu´arios residenciais

0 500 1000 1500 2000 2500 3000 3500 4000 4500

domingo segunda terça quarta quinta sexta sábado

Nœmero de Sessıes Ativas

Dia da Semana

(b) usuários comerciais Figura 1. N úmero de Sess ões Ativas em uma Semana T´ıpica

4.2. Caracter´ısticas das Sess˜ oes

Nesta seção analisamos os três primeiros critérios utilizados em nossa caracterização: (i) processo de chegada de sessões, (ii) duração das sessões e (iii) volume de tráfego.

4.2.1. Processo de Chegada de Sess ˜ oes

Para caracterizar o processo de chegada de sessões, escolhemos per´ıodos de estabilidade quanto à taxa de chegada de sessões a fim de evitar efeitos indesejáveis de agregação de dados. A escolha dos per´ıodos analisados foi feita com a preocupação de abranger diferentes momentos do dia e diferentes dias da semana, incluindo fins-de-semana. O método dos m´ınimos quadrados foi utilizado para determinar qual distribuição melhor representava o conjunto de dados, e uma inspeção visual também foi feita.

Encontramos que o tempo entre chegada de sessões possui distribuição exponen- cial tanto para sessões de usuários residenciais quanto comerciais, como ilustrado nas Figuras 2(a) e 2(b) respectivamente. A Tabela 2 mostra um resumo dos resultados obtidos na modelagem, fornecendo o intervalo de variação da média e da co-variância (CV) dos tempos entre chegada de sessões, assim como o valor do parâmetro λ obtido, que repre- senta a taxa de chegada de sessões. Os resultados são consistentes com os apresentados em [Floyd and Paxson, 2001].

O parâmetro λ relativo aos usuários residenciais mostra que a taxa de chegada de sessões desses usuários se mantém relativamente alta durante todo o dia, variando entre 4 a 10 segundos. Já os usuários comerciais são responsáveis por uma grande taxa de chegada de sessões no in´ıcio do dia, porém em outros momentos (como madrugadas e fins-de-semana) essa taxa cai bastante.

4.2.2. Durac¸˜ ao das Sess˜ oes

Para caracterizar a duração das sessões, analisamos separadamente a duração de todas

as sessões que se iniciaram em um dado dia, para evitarmos a agregação dos resultados.

(6)

0 10 20 30 40 50 60 70 80 0

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Tempo entre Chegada de Sessões (segundos)

Prob (X>x)

Exponencial Dados

0 50 100 150 200 250 300

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Tempo entre Chegada de Sessões (segundos)

Prob (X>x)

Exponencial Dados

(b) usu´arios comerciais

Figura 2. Distribuic¸ ˜ao do Tempo entre Chegadas de Sess ˜oes (segundos).

Tabela 2. Sum ário da Distribuiç ão do Tempo Entre Chegadas de Sess ões Tempos entre Chegadas de Sess ões dist.

carga de trabalho m´edia (seg) CV exponencial residencial 4,81 - 10,20 1,02 - 1,05 0,10 - 0,21 comercial 4,63 - 42,19 0,98 - 0,99 0,02 - 0,22

distribuic¸ ˜ao exponencial:Xp(x) =λe⁻^λx

Novamente o processo foi repetido para um grande n´umero de dias.

0 20 40 60 80 100 120 140 160 180 200

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Duração das Sessões (horas)

Prob (X>x)

Lognormal Dados

0 50 100 150 200 250 300 350

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Duração das Sessões (horas)

Prob (X>x)

Lognormal Pareto Dados

(b) usuários comerciais Figura 3. Distribuiç ão da Duraç ão de Sess ˜oes (horas).

Tabela 3. Sum ário das Distribuiç ões da Duraç ão de Sess ões

carga de trabalho m´edia (horas) CV dist. Log-Normal dist. Pareto

σ µ k α

residencial 4,71 - 13,09 1,75 - 2,47 1,18 - 1,52 0,48 - 1,86 - - comercial 6,95 - 19,21 1,53 - 1,62 0,92 - 1,45 1,04 - 2,30 1,82 - 7,18 1,28 - 1,95 distribuic¸ ˜ao Log-Normal:^Xp(x) = _xσ^√¹

2πe

−(ln(x)−µ)2

2σ2 Distribuic¸ ˜ao Pareto:^Xp(x) = _x^αkα+1^α ,onde x≥k.

As sessões de usuários residenciais podem ser aproximadas por uma distribuição

Lognormal, conforme pode ser observado na Figura 3(a), o que ´e consistente com os

resultados apresentados em [Floyd and Paxson, 2001]. No entanto, as sess˜oes de usu´arios

comerciais são melhor modeladas por um combinação entre as distribuições Lognormal

(7)

e Pareto, para o corpo e cauda respectivamente, como ilustra a Figura 3(b). A Tabela 3 mostra um sum´ario dos resultados.

Os gráficos da Figura 4 indicam uma diferença clara entre os usuários residenciais e comerciais. Estes últimos tendem a estabelecer sessões que duram em torno de 10 a 12 horas, correspondentes ao tempo de jornada de trabalho comumente adotado nas organizações. Essa diferença justifica a necessidade de uma modelagem mais complexa composta por duas distribuições diferentes na duração de sessões comerciais.

0 5000 10000 15000 20000 25000 30000 35000 40000 45000

0 5 10 15 20 25

Número de Sessões

Duração (horas) Duração x Número de Sessões

0 1000 2000 3000 4000 5000 6000 7000 8000

0 5 10 15 20 25

Número de Sessões

Duração (horas) Duração x Número de Sessões

(b) usuários comerciais Figura 4. Histograma da Duraç ão de Sess ões

4.2.3. Tr´afego

Nesta seção caracterizamos o número total dos bytes enviados e recebidos em cada sessão.

Assim como nas seç ões anteriores, a análise é realizada para diferentes dias.

Encontramos que tanto para as sessões residenciais quanto para as comerciais, os bytes recebidos (Figura 5) e os bytes enviados (Figura 6) podem ser modelados de forma satisfatória por uma distribuição Lognormal, confirmando os resultados apresentados em [Arlitt and Jin, 2000, Barford et al., 1999, Floyd and Paxson, 2001].

0 20 40 60 80 100 120 140 160 180 200

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Bytes Recebidos (MB)

Prob (X>x)

Lognormal Dados

0 20 40 60 80 100 120 140 160 180 200

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Bytes Recebidos (MB)

Prob (X>x)

Lognormal Dados

Figura 5. Distribuiç ão do N ´umero de Bytes Recebidos por Sess ão (MB).

Um sum´ario dos resultados pode ser observado pela Tabela 4. Comparando as

duas categorias de usuários, notamos que os usuários comerciais em média enviam e

recebem mais bytes. Possivelmente, isso se deve em parte ao fato de que empresas e

(8)

0 20 40 60 80 100 120 140 160 180 200 0

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Bytes Enviados (MB)

Prob (X>x)

Lognormal Dados

0 20 40 60 80 100 120 140 160 180 200

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Bytes Enviados (MB)

Prob (X>x)

Lognormal Measured

Figura 6. Distribuiç ão do N ´umero de Bytes Enviados por Sess ão (MB).

organizações em geral possuirem várias máquinas em rede compartilhando a conexão à Internet, o que leva a um maior consumo de banda.

Tabela 4. Sum ário das Distribuiç ões do Tr áfego de Bytes em cada Sess ão bytes transferidos dist. Log-Normal

carga de trabalho m´etrica m´edia (MB) CV σ µ

residencial recebidos 28 - 44 3,95 - 4,63 1,62 - 1,83 1,76 - 2,46 comercial recebidos 47 - 80 3,31 - 3,40 1,47 - 1,70 2,39 - 3,27 residencial enviados 10 - 16 6,82 - 8,27 1,84 - 2,09 0,31 - 1,09 comercial enviados 9 - 23 2,98 - 6,82 1,51 - 2,09 0,41 - 1,31

4.3. Padr˜ oes de Requisic¸˜ oes dos Usu´arios

Nesta seção investigamos os padrões de requisições dos usuários do ISP de banda larga, focando nas classes de serviços mais comumente requisitadas pelos mesmos.

Primeiramente analisamos a popularidade dos serviços utilizados por cada uma das duas classes de usuários, em três aspectos: a presença desses serviços nas sessões, ou seja, a porcentagem das sessões que possuem pelo menos uma requisição a cada um dos serviços (Figuras 7(a) e 8(a)); o número de requisições a cada serviço (Figuras 7(b) e 8(b)) e os bytes transferidos através de cada um (Figuras 7(c) e 8(c)).

Apesar do HTTP estar presente em mais de 95% das sessões em ambas as car- gas de trabalho (residencial e comercial), serviços de email (SMTP e POP3) e aplica- tivos de troca de mensagens instantâneas (MSN e ICQ) também são populares entre os usuários. Já os serviços de P2P (Kazaa, e-Donkey, BitTorrent, SoulSeek e WinMX) são os que mais transferem bytes, apesar de não estarem presentes em grande parte das sessões dos usuários. Um fato surpreendente nesses resultados é a grande presença de serviços P2P também entre os usuários comerciais.

Dada a natureza dos diferentes servic¸os requisitados pelos usu´arios da carga de tra-

balho analisada, o segundo passo na avaliação de padrões de requisições é a caracterização

das sessões dos mesmos buscando identificar a frequência dos pedidos para cada serviço e

a frequˆencia com a qual os usu´arios comutam entre os mesmos. Para isso, representamos

a sequência de pedidos a serviços em cada sessão como um CBMG, conforme descrito na

seção 3., e utilizamos técnicas de agrupamento para encontrar os padrões de requisições

que melhor representam o comportamento dos usu´arios.

(9)

0 10 20 30 40 50 60 70 80 90 100

HTTP−PROXY

DNSIRC

SMTP

PEER−ENABLER

POP3

MSN−MESSENGER

KAZAA

AIM/ICQ

HTTPS

HTTP

Porcentagem

Serviço Presença de serviços

(a) presenc¸a de servic¸os

0 5 10 15 20 25 30 35 40

IRC

AIM/ICQ

HTTPS

SMTP

PEER−ENABLER

EPMAP

CSTRIKE

E−DONKEY

DNSPOP3

HALFLIFE

MSN−MESSENGER

MICROSOFT−DS

KAZAA

HTTP

Porcentagem

Serviço Número de Requisições aos Serviços

(b) requisiç ões aos serviços

0 50 100 150 200 250 300 350 400 450 500

MICROSOFT−DS

WINMX

COUNTERSTRIKE

SOULSEEK

SMTP

BITTORRENT

E−DONKEY

HTTPKAZAA

Tráfego (GB)

Serviço Bytes Transferidos por Serviço

(c) bytes transferidos por serviço Figura 7. popularidade de serviços (usu ários residenciais)

0 10 20 30 40 50 60 70 80 90 100

FTP−DATA

IRCFTP

HTTP−PROXY

MS−STREAMING

PEER−ENABLER

AIM/ICQ

DNS

KAZAA

SMTP

MSN−MESSENGER

POP3HTTPS

HTTP

Porcentagem

Serviço Presença de Serviços

(a) presenc¸a de servic¸os

0 5 10 15 20 25 30 35 40

HTTPS

SMTPEPMAP

PEER−ENABLER

COUNTERSTRIKE

E−DONKEY

DNSPOP3

HALFLIFE

MSN−MESSENGER

MICROSOFT−DS

KAZAA

HTTP

Porcentagem

Serviço Número de Requisições aos Serviços

(b) requisiç ões aos serviços

0 10 20 30 40 50 60 70 80

MS−STREAMING

FTP−DATA

BITTORRENT

MSN−MESSENGER

MICROSOFT−DS

SOULSEEK

POP3WINMX

HTTPS

COUNTERSTRIKE

SMTP

E−DONKEY

KAZAA

HTTP

Tráfego (GB)

Serviço Bytes Transferidos por Serviço

(c) bytes transferidos por serviço Figura 8. popularidade de serviços (usu ários comerciais)

Em nossa análise, encontramos 3 grupos de sessões de usuários residenciais e o mesmo número para os usuários comerciais. Os dados de cada grupo estão resumidos nas Tabelas 5 e 6. A Figura 9 representa graficamente os CBMGs das sessões dos usuários res- idenciais e a Figura 10, das sessões comerciais. O grafo 9(b), que representa os usuários que se limitam a navegar em sites Web a maior parte do tempo, corresponde ao grupo 2 da Tabela 6. O grafo 9(c) modela os usuários que utilizam aplicações P2P (como o Kazaa), que correspondem àqueles que estão no grupo 3 da Tabela 5. Analisando esse último CBMG em conjunto com sua respectiva tabela é poss´ıvel verificar que a carga que este exerce no provedor é significativamente superior à carga dos outros grupos de usuários.

E interessante observar que a co-variância da distribuição dos dados analisada por ´ cada grupo separadamente é significativamente menor que aquela que considera todas as sessões (Tabela 1) o que mostra que, de alguma forma, conseguimos encontrar gru- pos representativos de sessões, mais homogêneas que aquelas que se dividem apenas em residenciais e comerciais.

P2P HTTP

EPMAP MS−DS

84%

5%

4%

66%

34%

14%

2%

3%

93% 95%

(a) grupo 1

HTTP 98%

2%

HTTPS 14%

86%

(b) grupo 2

P2P HTTP 22%

10%

90% 78%

(c) grupo 3 Figura 9. grupos de usu ´arios residenciais

(10)

Tabela 5. Grupos de usu ´arios residenciais (CV = co-vari ˆancia)

grupos de usu´arios grupo 1 grupo 2 grupo 3

requisiç ões aos serviços HTTP (36%) MS-DS (30%) EPMAP (22%) MSN (12%)

HTTP (97%) MSN (3%)

KAZAA (64%) HTTP (36%)

# de sess˜oes completadas 2775 (4%) 55048 (80%) 10858 (16%) total de bytes recebidos (GB) 143,39 (6%) 894,12

(35%)

1502,49 (59%) total de bytes enviados (GB) 70,47 (8%) 141,62

(15%)

722,71 (77%) duração média das sessões (horas) e CV 9,94 (2,30) 5,23 (1,86) 15,68 (1,86) bytes recebidos por sessão (MB) e CV 52,91 (3,71) 16,63 (4,03) 141,70 (2,64) bytes enviados por sessão (MB) e CV 26,01 (4,87) 2,63 (3,69) 68,16 (3,69)

Tabela 6. Grupos de usu ´arios comerciais (CV = co-vari ˆancia)

grupos de usu´arios grupo 1 grupo 2 grupo 3

requisiç ões aos serviços HTTP (73%) POP3 (24%) HTTPS (3%)

HTTP (96%) HTTPS (4%)

HTTP (54%)

KAZAA (46%)

# de sess˜oes completadas 483 (8%) 4770 (77%) 911 (15%)

total de bytes recebidos (GB) 17,93 (9%) 65,16 (31%) 125,40 (60%) total de bytes enviados (GB) 5,92 (7%) 11,10 (14%) 63,86 (79%) duração média das sessões (horas) e CV 8,22 (1,06) 5,32 (4,07) 14,09 (1,59) bytes recebidos por sessão (MB) e CV 38,02 (3,51) 13,99 (4,03) 71,78 (2,79) bytes enviados por sessão (MB) e CV 12,55 (4,00) 2,38 (3,18) 14,09 (3,41)

HTTP 95%

3%

22%

POP3 HTTPS

3%

15%

2%

78%

82%

(a) grupo 1

HTTP 98%

2%

HTTPS 14%

86%

(b) grupo 2

P2P HTTP

11%

89% 77%

23%

(c) grupo 3 Figura 10. grupos de usu ´arios comerciais

5. Conclus˜oes e Trabalhos Futuros

Diversos estudos vêm sendo publicados considerando a caracterização de diferentes

servic¸os Web, tais como o HTTP, streaming media e P2P. Entretanto, existem poucos es-

tudos dispon´ıveis que avaliam os servic¸os de Internet de banda larga em conjunto. Neste

trabalho analisamos a atividade dos usu´arios de banda larga, estudando de forma quan-

titativa e qualitativa a carga gerada por ela. A caracterizac¸˜ao utilizou logs coletados em

pontos espec´ıficos de um provedor de acesso (registros da autenticação dos usuários e do

tráfego gerado por eles) e foi feita a n´ıvel de sessão e a n´ıvel de requisição. Alguns dos

resultados encontrados s˜ao: (i) o tempo entre chegada de sess˜oes de clientes residenciais e

comerciais segue uma distribução exponencial, (ii) para sessões de clientes residenciais e

também comerciais, o número de bytes enviados e recebidos pode ser modelado através de

uma distribuição de Lognormal, (iii) através do uso do CBMG descobrimos seis grupos de

usuários com padrões de requisições significativamente diferentes entre si. Os resultados

(11)

apresentados neste trabalho são uma primeira tentativa de caracterizar o comportamento de usuários banda larga. Estamos trabalhando no refinamento da caracterização dos CB- MGs, para avaliar o comportamento de outros sistemas como por exemplo, Web Services.

Em paralelo, a ferramenta BUBA, produto da iniciação cient´ıfica do bolsista, continuará sendo aperfeiçoada.

Referˆencias

(2004). The Broadband Difference. Pew & American Life. www.pewinternet.org.

Arlitt, M., Friedrich, R., and Jin, T. (1999). Workload Characterization of a Web Proxy in a Cable Modem Environment. Technical Report HPL-1999-48, Internet Systems and Applications Laboratory - HP Laboratories Palo Alto.

Arlitt, M. and Jin, T. (2000). Workload Characterization of the 1998 World Cup Web Site. IEEE Network, 14(3):30–37.

Barford, P., Bestavros, A., Bradley, A., and Crovella, M. E. (1999). Changes in Web Client Access Patterns: Characteristics and Caching Implications. World Wide Web, Special Issue on Characterization and Performance Evaluation, 2(1-2):15–28.

Calais, P. H., Albergaria, E. T., Rocha, L., Marques, H. T., Almeida, J. M., Meira, W., and Almeida, V. (2005). BUBA: Uma Ferramenta para Análise de Comportamento de Usuários de Internet de Banda Larga. 23o Simp ósio Brasileiro de Redes de Computa- dores - Salão de Ferramentas.

Costa, C., Cunha, I., Borges, A., Ramos, C., Rocha, M., Almeida, J., and Ribeiro-Neto, B. (2004). Analyzing Client Interactivity in Streaming Media. In Proceedings 13th World Wide Web Conference, New York, NY.

Floyd, S. and Paxson, V. (2001). Difficulties in Simulating the Internet. IEEE/ACM Transactions on Networking, 9(4).

Gummadi, K., Dunn, R., Saroiu, S., Gribble, S., Levy, H., and Zahorjan, J. (2003). Mea- surement, Modeling, and Analysis of a Peer-to-Peer File-Sharing Workload. In Pro- ceedings of the 19th ACM Symposium on Operating Systems Principles (SOSP-19), Bolton Landing, NY.

Hamada, T., Chujo, K., Chujo, T., and Yang, X. (2004). Peer-to-Peer Traffic in Metro Networks: Analysis, Nodeling and Policies. IEEE/IFIP Network Operations & Man- agement Symposium (NOMS 2004).

Hartigan, J. (1975). Clustering Algorithms. John Wiley and Sons, Inc.

Lakshminarayanan, K. and Padmanabhan, V. (2003). Some Findings on the Network Performance of Broadband Hosts. Internet Measurement Workshop (IMC’03), pages 45–50.

Leibowitz, N., Ripeanu, M., and Wierzbicki, A. (2003). Deconstructing the Kazaa Net- work. 3rd IEEE Workshop on Internet Applications (WIAPP’03).

Marques, H. T., Almeida, J. M., Rocha, L. C. D., Meira, W., Calais, P., and Almeida, V.

A. F. (2004). A Characterization of Broadband User Behavior and their e-Business

Activities. SIGMETRICS Perform. Eval. Rev., 32(3):3–13.

(12)

Mensac´e, D. and Almeida, V. (2000). Scaling for e-Business: Technologies, models, Performance and Capacity Planning. Prentice Hall, Upper Saddle River - NJ.

Netflow (2005). www.cisco.com/warp/public/732/Tech/netflow.

Rubens, C. R. S. W. A. and Simpson, W. (2000). Remote Authentication Dial In User Service (radius) rfc 2865.

Saroiu, S., Gummadi, K., Dunn, R., Gribble, S., and Levy, H. (2002). An Analysis of In- ternet Content Delivery Systems. In Proceedings of the Fifth Symposium on Operating Systems Design and Implementation (OSDI 2002).