Modlisation et Optimisation du Web

1
Modélisation et Optimisation du Web

• César JALPA VILLANUEVA
• Directeur Zhen LIU
• Projet MISTRAL

2
Plan d exposé

• 1. Motivation
• 2. WAGON Web trAffic GeneratOr and beNchmark
• 3. Expérimentations
• 4. Analyse Statistique
• 5. Conclusions et Perspectives

3
1. Motivation
WWW World Wide Web ou World Wide Wait?
Popularité
Croissance
16 de nouvelles pages chaque mois
1 nouveau serveur toutes les 2 secondes
Saturation de serveurs et réseaux
70 de trafic de l Internet
WWW World Wide Wait?
4
Qui, Quoi, Comment?

• Qui Quoi Comment
• serveur distribution sous-dimensionnement,
• mauvaise configuration, etc.
• réseaux support de sous-dimensionnement
• transmission
• protocoles transfert mauvaise conception,
• mauvais paramétrage, etc.
• navigateur récupération mauvaise conception,
• mauvais paramétrage, etc.
• cache ...

5
Outils dEvaluation de Performance et de
Dimensionnement pour le Web

• Objectifs
• évaluation et prédiction de performances
• dimensionnement
• optimisation des architectures et des paramètres
• Approches
• modèles analytiques
• simulation
• benchmarks

6
Benchmarks pour serveurs Web

• Un mécanisme pour générer un flux contrôlé de
  requêtes HTTP avec des métriques pour rapporter
  les résultats
• Scénario de base clients qui émettent un flux de
  requêtes et mesurent la réponse du système
• processus de génération de trafic
• jeu d essai (workload)
• mesures de performance

7
Benchmarks existants

• WebSTONE
• SPECweb96
• S-Client
• httperf
• hbenchWeb
• SURGE

8
2. WAGON Web trAffic GeneratOr and beNchmark

• Nouveau modèle de trafic plus réaliste, facile à
  paramétrer.
• Approche objets et java
• Emulation réseaux et transport
• Analyse Statistique
• Monitoring
• Interface Graphique

• extensibilité (HTTP-NG).
• Facilité de déploiement Internet 2 (VTHD)
• Probabilité Solaris, FreeBSD, Linux, Windows

9
WAGON Historique

• V.0 (1997) F. Ah-Yave et V. Marquion
• V.1 (1998) en collaboration avec N. Niclausse
  (thèse)
• test, déboguage
• ajout de fonctionnalités fichier de traces,
  approche objets, monitoring, émulation réseau.
• V.2 (2000) avec concours de N. Niclausse
• amélioration de l architecture
• extension du modèle de trafic
• multiple classes de clients (profiles)
• émulation du réseau
• module danalyse statistique
• algorithme EM
• tests d ajustement

10
WAGON Vue globale
Expérimentation
Synthèse du workload
Génération du trafic
11
WAGON Générateur de trafic

• Modèle de trafic
• le processus d'arrivées des sessions
• la distribution du nombre de clics
• la distribution du temps de réflexion

clicA1
clicA2
clicA3
clicA4
Session A
Session B
12
WAGON Générateur de trafic (suite)

• Modèle de navigation
• popularité
• routage

13
3. Expérimentation

• Comparaison des protocoles (HTTP1.0 et 1.1)
• Comparaison de serveurs (Apache, Jigsaw)
• Paramétrage de serveurs
• Auto-similarité du trafic généré par WAGON
• VTHD (Internet 2)
• Analyse Statistique

14
Conditions de réalisation

• Réseau expérimental
• 7 Pentium II,128Moctets
• 2PentiumPro, 64Moctets
• FreeBSD3.2
• deux switchs, 100Mbps
• DUMMYNET

15
Conditions de réalisation (suite)

• Serveur Web
• Apache, configuration par défaut (MaxClients 150,
  KeepAliveTimeout 15s)
• sous-ensemble du serveur INRIA (www.inria.fr)
• Paramètres du modèle de trafic
• analyse des fichiers de traces du serveur INRIA
• arrivée de sessions processus de Poisson, 0.002
  ? 0.008
• nombre de clics Gaussienne Inverse (µ 5, ?
  3) (5, 1.28)
• temps inter-clics LogNormal(m 3, s 1.1)
  (36.8s, 56.40s)

16
Conditions de réalisation (suite)

• Classes de clients
• type daccès délai (msec.) bande passante
• modem1 250 56 kps
• modem2 250 33 kps
• T1, DLS 20 1.5 Mbps
• WAN 80 150 kps
• satellite 500 2 Mbps
• Ethernet 0.1 100 Mbps
• Protocole
• HTTP1.0, 4 connexions
• HTTP1.1, 1 connexion, persistance Clasique,
  (HTTP1.1-D)
• HTTP1.1, 1 connexion, persistance Early Close,
  (HTTP1.1-EC)

17
Comparaison des protocoles HTTP1.0 et 1.1
Accès par modem
Accès lien T1
18
Comparaison des protocoles HTTP1.0 et 1.1 (suite)

• À faible charge
• HTTP1.1-D meilleur que HTTP1.0 et HTTP1.1-EC
• HTTP1.1-EC comparable à HTTP1.1-D
• À forte charge
• HTTP1.0 meilleur que HTTP1.1-D
• HTTP1.1-EC meilleur HTTP1.0
• HTTP1.1-EC significativement meilleur que
  HTTP1.1-D

19
Performance subjective Latence HTML
Accès par modem
Accès par WAN
20
Combien de connexions persistantes?
Netscape 6, IE 2
Temps de réponse (modem)
Latence HTML (modem)
21
4. Analyse Statistique

• Travaux de caracterisation
• moyenne, ecart type
• distributions simples Pareto, Weibull,
  LogNormal,
• Combinaison de Distributions corps queue
• Invariances?
• Mixage de distributions
• Algorithme EM

22
Algorithme EM
L algorithme converge vers un maximum global à
partir de presque nimporte quel point de départ
23
Statistiques et Identification de Paramètres

• fichiers de traces de trois serveurs WWW et un
  Proxy (Clarknet, Inria, Boeing, Worldcup98)
• Variables analysées
• tailles des fichiers (réponses)
• nombre de clics par session
• temps inter-clic
• temps d inter-arrivée des sessions

24
Analyse des variables
Taille des fichiers
25
Analyse des variables(suite)

• Traces Clarknet Arlitt and Williamson, 1996a

26
Analyse des variables (suite)
Nombre de clics
27
Analyse des variables (suite)
Temps inter-clic
28
Analyse des variables ... (suite)
inter-arrivée de sessions
29
5. Conclusions et Perspectives

• Conclusions
• Développement d un outil de génération de trafic
• Expérimentations
• Nouvelle approche pour la caractérisation du Web
• Découverte d invariances

30
5. Conclusions et Perspectives

• Perspectives
• Evolution de WAGON
• mélanges de distributions pour la génération de
  trafic
• HTTPn.m
• Autres protocoles que HTTP
• Autres applications
• benchmark pour serveurs proxy-cache
• Caractérisation
• raffinement de la méthodologie
• autres variables
• autres fichiers de traces