ADS29009-2019-1

De MediaWiki do Campus São José
Ir para: navegação, pesquisa

Índice

AULA 1 - Dia 26/07/2018

  • Apresentar e Discutir Plano de Ensino
  • Conceitos em ADS

Plano de Ensino

SLIDES DA AULA

ATIVIDADE 1

PARTE 1

O código abaixo permite estimar o tempo de execução do programa (processo) para executar um determinado loop. Modificar o programa e gerar um gráfico mostrando a média do tempo de execução para uma faixa de 1 até 100 processos. Discutir o resultado. Postar no SIGAA um mini-relatório com:

  • objetivo do experimento
  • dados do PC utilizado (número de cores);
  • código modificado;
  • gráfico tempo médio x número de processos;
  • discussão do resultado.

//Modificado de https://www.geeksforgeeks.org/measure-execution-time-with-high-precision-in-c-c/

  1. include <sys/time.h>
  2. include <sys/types.h>
  3. include <sys/wait.h>
  4. include <unistd.h>
  5. include <stdio.h>


int main() {

   long int i;
   double tempo_bloco; 
   int status;
   pid_t pid;
   for (i=0;i<23;i++) {
   	if (fork()==0) {
   		struct timeval start, end; 
   
   		gettimeofday(&start, NULL); 
  
               for (i=0; i<10000000000L; i++)  {  // loop de interesse
               } 
   		gettimeofday(&end, NULL);   
   		tempo_bloco = (end.tv_sec - start.tv_sec) * 1e6; 
   		tempo_bloco = (tempo_bloco + (end.tv_usec -  
                             start.tv_usec)) * 1e-6; 
   		printf("Tempo = %lf\n", tempo_bloco);
   		exit(0); 
   	}
   }
   while ((pid = wait(&status))>0); //espera por todos os filhos terminarem

} </syntaxhighlight>

PARTE 2

Projetar um experimento para verificar se o mecanismo nice (usando setpriority()) funciona conforme o esperado. Use o programa acima como base. Defina:

  • os objetivos do experimento
  • métricas
  • parâmetros
  • fatores
  • Apresente e discuta os resultados.

Incluir a PARTE 2 no relatório do experimento.

AULA 2 - Dia 18/02/2019

  • Continuação da Aula anterior: Conceitos Básicos de ADS
  • ATIVIDADE 1

AULA 3 - Dia 20/02/2019

  • Medição em Redes

Medição Ativa e Passiva em Redes

  • Referência:

Survey Sobre Medição em Redes

  • Slides: Medição Ativa - Iperf

https://www.dropbox.com/s/38qy76phjob7a3o/Medi__oEmRedes.pdf?dl=0

ATIVIDADE 2

Implemente um experimento usando o iperf para:

  • determinar a vazão máxima entre PC1 e PC3 usando o protocolo UDP;
  • descobrir a janela "ótima" do TCP para maximizar a vazão entre PC1 e PC2;

Use a seguinte configuração do netkit:

  1. Definição das máquinas

R1[type]=router PC1[type]=generic PC2[type]=generic PC3[type]=generic

  1. Definição dos roteadores padrão

PC1[default_gateway]=10.0.0.254 PC2[default_gateway]=10.0.1.254 PC3[default_gateway]=10.0.1.254

  1. Definição das interfaces do roteador

R1[eth0]=lan0:ip=10.0.0.254/24:rate=10000 R1[eth1]=lan1:ip=10.0.1.254/24:rate=10000

  1. Definição das interfaces dos PCs

PC1[eth0]=lan0:ip=10.0.0.1/24:rate=10000 PC2[eth0]=lan1:ip=10.0.1.2/24:rate=10000 PC3[eth0]=lan1:ip=10.0.1.3/24:rate=10000 </syntaxhighlight>

ATIVIDADE 3 - Questionário Medição Ativa x Passiva em Redes

1.Explique a diferença entre medição ativa e passiva em redes.

2.Liste os benefícios advindos da a aquisição de dados/avaliação de desempenho derivado da medição ativa ou passiva.

3.Descreva como o SNMP e RMON podem ser usados no contexto de medição em redes.

4.Apresente brevemente as sete métricas de desempenho IP proposta pela IETF (IP Performance Metrics - IPPM)

5.Em medição passiva existem problemas associados ao sigilo de dados. Discuta que problemas são estes e como podem ser contornados.

6.Em medição ativa normalmente se usa o conceito de "probes". Explique o que é e discuta características desejáveis de uma pacote probe. Discuta também o conceito de intrusão neste contexto.

7.Explique como é formado o tempo de retardo (delay) fim-a-fim na comunicação de dados.

8.Explique como é computada a capacidade de um caminho (fim-a-fim) de comunicação.

9.Qual conceito de banda disponível ("Available bandwidth"). Discuta a técnica PPTD (ou SLOPS ou TOPS). Faça um esquema/procedimento inicial de como pode ser usada esta técnica em um experimento real de medição de banda disponível.

Outras Referências

https://www.caida.org/publications/papers/2003/bwestmetrics/


AULA 4 - Dia 26/02/2019

Objetivos

  • Discussão da Atividade 1: Definição do experimento, métricas, caracterização da carga de trabalho, parâmetros e fatores
  • Medição Ativa e Passiva: Continuação


Links Interessantes


AULA 5 - Dia 13/03/2019

Objetivos

  • Sumarização de Dados
  • Confiança Estatística

https://www.dropbox.com/s/yrcsrmfbcukatwz/ConfiancaEstatisticav1.pdf?dl=0


TAREFA 4

  • Exercícios dos slides conforme repassado em aula: data limite => 23/03/2019


AULA 6 - Dia 20/03/2019

Objetivos

  • Sumarização de Dados
  • Confiança Estatística

Exercício (TAREFA 5)

O código abaixo permite melhor enteder o conceito de Intervalo de Confiança (IC). Uma amostra é extraída de uma população normal com média e desvio padrão conhecidos. O IC é calculado para um nível de confiança de 95%.

1)Implemente um código adicional para que seja realizada 10000 computações (coleta de amostras - cada amostra com 33) de IC e para que seja verificado se o nível de confiança está sendo respeitado.

2) Pesquisar no matlab o equivalente a função norminv para a distribuição T-student. Aplicar o programa para resolver os intervalos solicitados no slide da aula (exemplo da fila).


%code adapted from http://www2.cs.siu.edu/~qcheng/Teaching%20Software/Matlab%20Tutorials.pdf
 
n=33; % *Linha 1: simula o tamanho da amostra (por exemplo, 4 repetições de uma simulação do omnet)*
pm=12;  ps=10;  % *Linha 2: parâmetros de uma população normal: média 12 e desvio 10*
alfa=0.05; num_exp=100% *Linha 3: 1-alfa determina o nível de confiança 
figure;  hold on;  % Linha 4: prepara uma figura*
for i=1:num_exp ;   % Linha 5: Cada loop simula um experimento: a retirada de 100 conjuntos de amostras de tamanho n *
  x=pm+ps*randn(n,1);  % *Linha 6: retira as n observações da população. Em x estão n amostras*
  mx=mean(x); % *Linha 7: faz a média das n amostras*
  zcr=norminv(1-alfa/2,0,1);  % *Linha 8 modificado código original - determina a referência superior para confiança de 0.05 - inversa da normal padrão*
  sem=ps/sqrt(n);  % *Linha 9: desvio padrão da média amostral*
  me=zcr*sem; % *Linha 10: margem de erro para computação do intervalo de confiança*
  CI1= mx-me;    % Linha 11: limite inferior do intervalo de confiança*
  CI2= mx+me;   % Linha 12: limite superior do intervalo de confiança*
  plot(i*ones(1,n), x, 'k.','markersize',5); % Linha 13: plotagem do intervalo*
  plot(i*ones(1,2),[CI1, CI2],'g+') % show CI * Linha 14: plotagem do intervalo* 
  if pm<CI1 || pm>CI2  % Linha 15: intervalos que não contém a média da população!! *
    plot(i,pm,'r*','markersize',10)  %*Linha 16: ressaltado em vermelho*
  end  % *Linha 17*
end % Linha 18
xlabel('numero do experimento')  % *Linha 19*
ylabel('observacoes ')  % *Linha 20*
title(['95% CI:',num2str(mx,3),'\pm',num2str(me,3)]), shg % *Linha 21*

AULA 7 - Dia 27/03/2019

Objetivos

  • Introdução a Simulação com Eventos Discretos
  • Simulação de Fila MM1 usando um Simulador Implementado em C/C++

Material de Referência

TAREFA 6

  1. Adaptar o código de tratamento de uma fila MM1 simples, conforme colocado no slide para um formato de um simulador de eventos discretos com filas. Use o código abaixo como apoio.
//Basead em http://stdcxx.apache.org/doc/stdlibug/2-2.html#225

#include <queue>
#include <iostream>
#include <cstdlib>

//==================================================================
// classes evento e simulação - base para o desenvolvimento da simulação
//==================================================================

class event {
public:
  // Construct sets time of event.
  event (double t) : time (t)
    { }

  // Execute event by invoking this method.
  virtual void processEvent () = 0;

  const double time;
};


class simulation {
public:
  simulation () : simtime (0), eventQueue () 
    {}
  void run ();
  void  scheduleEvent (event * newEvent) {
    eventQueue.push (newEvent);
  }
  double simtime;
protected:
  class eventComparator {
    public:
    bool operator() (const event * left, const event * right) const {
      return left->time > right->time;
    }
  };
  std::priority_queue<event*,
                      std::vector<event *, std::allocator<event*> >,
                      eventComparator> eventQueue;  //fila de eventos 
};

void simulation::run () {

  while (! eventQueue.empty ()) { //enquanto exisitr eventos na fila de eventos

    event * nextEvent = eventQueue.top (); //captura evento no topo da fila
    eventQueue.pop ();  //retira evento da fila
    simtime = nextEvent->time;  //ajusta tempo de simulação
    nextEvent->processEvent ();  //processa evento
    delete nextEvent;  //remove evento
  }
}

//===================================================================
//Customização dos eventos e do simulador
//===================================================================

class standardArrival : public event {
public:
  standardArrival (double t)
    : event (t)
    { }
  virtual void processEvent ();
};

void standardArrival::processEvent () {
  std::cout << "processando evento no tempo " << time  << '\n';
}

class simuladorFilas : public simulation {
public:
  simuladorFilas ()
    { }
 
} oSimulador;

// from https://stackoverflow.com/questions/2704521/generate-random-double-numbers-in-c

double fRand(double fMin, double fMax)
{
    double f = (double)rand() / RAND_MAX;
    return fMin + f * (fMax - fMin);
}

int main () {

  // Inicializar aqui a fila de eventos
  double t;

  oSimulador.scheduleEvent (new standardArrival (t=fRand(1.0,10.0)));
  oSimulador.scheduleEvent (new standardArrival (t=t+fRand(1.0,10.0)));
  oSimulador.scheduleEvent (new standardArrival (t=t+fRand(1.0,10.0)));

  // Executar simulador
  oSimulador.run ();


  return 0;
}

AULA 8 - Dia 02/04/2019

Objetivos

  • Implementação do Simulador a Eventos Discretos para Fila MM1
  • Geração de Números Randômicos na Simulação

Material de Referência


Ainda Tarefa 6

  • Na fila MM1 passada em aula, a distribuição dos tempos de chegada e dos tempos de serviço seguem uma distribuição exponencial. Na atividade 6 foi solicitado converter o código do simulador MM1 para uma estrutura de simulador a eventos discretos. Resta realizar esta geração randômica.

Para tanto, vamos seguir o método da função inversa da seguinte forma:

(1) Implementar uma classe de geração randômica uniforme segundo o método do polinômio congruente;

(2) Implementar uma classe de geração exponencial que se utiliza da classe anterior e implementa a função inversa (ver slides)

(3) Incorporar esta implementação no código do simulador.

  • Implementar uma Classe de Geração de Números Randômicos a partir de uma distribuição exponencial usando o método da função inversa. Usar o método de polinômio congruente linear para geração da distribuição uniforme.

Código do Matlab para entendimento do método linear congruente

Código Matlab de Apoio

%parâmetros
a=7^5;
c=0;
x0=1;
m=2^31-1;
% zerar xn
xn=zeros(20000,1);
%gerar numeros
for i=1:10000
  xn(i)=mod(a*x0+c,m);
  x0=xn(i);
end
% ajustar para gerar entre 0 e 1 
un=xn/m;
% plotar histograma
hist(un(1:10000),10);

AULA 9 - Dia 03/04/2019

Objetivos

  • Implementação do Simulador a Eventos Discretos para Fila MM1
  • Geração de Números Randômicos na Simulação


Link Geração Randômica Linear Congruente

Dia 10/04/2019

AULA DE SEXTA

AULA 10 - Dia 16/04/2019

Objetivos

  • Uso de um SImulador a Eventos Discretos para Redes: Omnet
  • Tutorial Tic-Toc
    • conceito de gates e de vetor de gates;
      • envio de mensagens e de cópias de mensagens;
    • Modelagem de Delays
    • Uso de funções de geração de números randômicos
    • Modelagem de retransmisssão: timeouts e cancelamento de timeout;

Considerações sobre a simulação com o omnet

No manual de simulação do Omnet pode-se observar que:

Eventos e Ordem de Execução

  • mensagens são representadas por eventos (class cMessage) e subclasses;
  • o tempo de ocorrência de um evento é o momento da chegada da mensagem (arrival time) no módulo de destino;
  • timeouts serão implementados por um módulo emissor como mensagens para eles mesmos (self-messages);
  • eventos são processados de acordo com o tempo de chegada (mensagens com tempo mais antigos primeiro) de forma a manter a relação de causalidade;
  • Caso duas mensagens tenham o mesmo tempo de chegada tem-se que:
    • a mensagem com maior prioridade atribuída pelo usuário é executada primeiro ( higher scheduling priority);
    • caso tenham a mesma prioridade, será executada a que estiver primeiro na fila (escalonada pelo scheduler).

Referência

Acesso omnetpp na Cloud IFSC

  • Contribuição de Gabriel de Souza/CTIC.

Fazer:


ssh SEU_USUARIO_LDAP@nuvem.sj.ifsc.edu.br -p 2223 -XC
$ omnetpp

Roteiro para Conceitos Básicos

USando o manual rever:

  • 2.1 Conceitos de Modelagem
    • Hierarquia de Módulos;
    • Tipo Módulo;
    • Links, Portos e Mensagens
  • 2.4.Depuração do Código
  • 2.5.Visualização da Troca de Mensagens após a Simulação (Sequence Chart)

Exercício após step 2

  1. Ler no manual sobre cPacket
  2. Modificar o tictoc1 para usar cPacket, configurando o tamanho do pacote para 10bits
  3. Ler no manual sobre Channel e como setar datarate
  4. Configurar o channel para datarate de 2bps e delay de 1bps
  5. Executar a simulação para algumas trocas de mensagens.
  6. Examinar o arquivo de elog e examinar os resultados. Como aparece o delay? O atraso de transmissão está coerente?

AULA 11 - Dia 17/04/2019

Objetivos

  • Continuação Setp2. aa Step10
  • Exercício Simulação camada IP

Para rodar sem IDE

 ssh SEU_USUARIO_LDAP@nuvem.sj.ifsc.edu.br -p 2223 -XC
 cd [diretorio_arquivos]
 opp_makemake
 make
 ./nome_arquivo_sim

Para record elog

Colocar no ini

 record-eventlog = true

Tarefa

  • Estudar o cPacket do omnet (estudar cMessage)

Aula 12 - Dia 24/04/2019

Objetivos

Capacitar o aluno a:
  • Mostrar graficamente variáveis associadas a métricas
  • Coletar estatísticas (step 15)
  • Visualizar as saídas de vetores e escalares;
  • Consolidar o conhecimento explorando uma implementação de fila MM1 no omnet.

Procedimento

  • Logar no servidor e seguir o tutorial com os alunos:
  • Rever step 10 (vetor de módulos e gates, envio de mensagens com indexação), 11 e 12 (two way connections)
  • Seguir Sptep 13 até o final

Tutorial

Exercício

A finalidade deste exercício é implementar um Modelo de Fila MM1 usando o Omnet de forma a:

  • Analisar o delay de cada requisicação usando o arquivos vec
  • Analisar o delay médio
  • Explorar o conceito de Experimento/Medição/Run
  • Modificar parâmetros de entrada do modelo
  • Baseado em Paolo Giaccone
  • Explorar funções getCreationTime, getTimestamp, setTimestamp do cMessage.

Preparação inicial

Versão Manual

 $ mkdir MM1
 $ cd MM1

Versão IDE

Seguir passos do tutorial tictoc para criação do projeto mas agora adaptando ao exemplo da MM1.

Arquivo mm1.ned

Criar mm1.ned:

// *** mm1.ned *** simple Generator { parameters: volatile double interArrivalTime; // sec @display("i=block/source"); gates: output out; }

simple Queue { parameters: volatile double serviceTime; // sec @display("i=block/queue"); gates: input in; output out; }

simple Sink { parameters: @display("i=block/sink"); gates: input in; }

network MM1 { submodules: gen: Generator{ @display("p=273,101");

       }

queue: Queue{

               @display("p=165,79");
       }

sink: Sink{

               @display("p=50,79");
       }

connections: gen.out --> queue.in; queue.out --> sink.in; } </syntaxhighlight>

Arquivo generator.cc

Criar generator.cc:

/*** generator.cc ***/
#include <string.h>
#include <omnetpp.h>

using namespace omnetpp;

class Generator: public cSimpleModule {
private:
	cMessage *sendMsgEvent;
public:
	Generator(); // constructor
	virtual ~Generator(); // destructor
protected:
	virtual void initialize();
	virtual void finish();
	virtual void handleMessage(cMessage *msg);
};

Define_Module(Generator);

Generator::Generator() {
	sendMsgEvent=NULL;
}

Generator::~Generator() {
	cancelAndDelete(sendMsgEvent);
}

void Generator::initialize() {
	// create the "send" packet
	sendMsgEvent=new cMessage("sendEvent");
	// schedule the first event at random time
	scheduleAt(par("interArrivalTime"), sendMsgEvent);
}

void Generator::finish() {
}

void Generator::handleMessage(cMessage *msg) {
	cMessage *pkt;
	simtime_t departure_time;
	// create new packet
	pkt = new cMessage("packet");
	// sent to the output
	send(pkt,"out");
	// compute the new departure time
	departure_time=simTime()+par("interArrivalTime");
	// schedule the new packet generation
	scheduleAt(departure_time, sendMsgEvent);
}

Arquivo queue.cc

  • Baseado em Paolo Giaccone
  • NOTE que nesta implementação a requisição servida fica no topo da fila.
/*** queue.cc ***/
#include <string.h>
#include <omnetpp.h>

using namespace omnetpp;

class Queue : public cSimpleModule {
private:
	// local variable
	cQueue buffer;
	cMessage *endServiceEvent;
	simtime_t service_time;
public:
	// constructor
	Queue(); // constructor
	virtual ~Queue(); // destructor
protected:
	virtual void initialize();
	virtual void finish();
	virtual void handleMessage(cMessage *msg);
};

Define_Module(Queue);
	Queue::Queue() {
	endServiceEvent=NULL;
}

Queue::~Queue() {
	cancelAndDelete(endServiceEvent);
}

void Queue::initialize() {
	endServiceEvent=new cMessage("endService");
}

void Queue::finish() {}

void Queue::handleMessage(cMessage *msg) {
	cMessage *pkt;
	// if msg is endServiceEvent, then
	//dequeue and send the pkt to the output
	//if another pkt is available in the buffer, then
	//start a new service
	// if msg is a packet, then
	//enqueue the pkt
	//if server idling, then
	//start a new service
	if (msg==endServiceEvent) {
		// dequeue
		pkt=(cMessage*)buffer.pop();
		// send
		send(pkt,"out");
		if (!buffer.isEmpty()) { // if another pkt is available
			// start the service
			service_time=par("serviceTime");
			scheduleAt(simTime()+service_time,endServiceEvent);
		}
	} else { // msg is a packet
		// enqueue
		buffer.insert(msg);
		// if the server is idling
		if (!endServiceEvent->isScheduled()) {
			// start the service
			service_time=par("serviceTime");
			scheduleAt(simTime()+service_time,endServiceEvent);
		}
	}
}

Arquivo sink.cc

/*** sink.cc ***/
#include <string.h>
#include <omnetpp.h>

using namespace omnetpp;

class Sink : public cSimpleModule {
private:
	// online stats
	cStdDev delayStats;
	cOutVector delayVector;
public:
	Sink(); // constructor
	virtual ~Sink(); // destructor
protected:
	virtual void initialize();
	virtual void finish();
	virtual void handleMessage(cMessage *msg);
};

Define_Module(Sink);
Sink::Sink() {}

Sink::~Sink() {}

void Sink::initialize() {
	delayStats.setName("TotalDelay");
	delayVector.setName("Delay");
}

void Sink::finish() {
	recordScalar("Ave delay",delayStats.getMean());
	recordScalar("Number of packets",delayStats.getCount());
}

void Sink::handleMessage(cMessage *msg) {
	// compute queueing delay
	simtime_t delay=simTime() - msg->getCreationTime();
	// update stats
	delayStats.collect(delay);
	delayVector.record(delay);
	// delete msg
	delete(msg);
}

Arquivo omnet.ini

  1. omnetpp.ini

[General] network = MM1 sim-time-limit = 100s

    • .interArrivalTime=exponential(2)
    • .serviceTime=exponential(0.8)

</syntaxhighlight>

Execução da Simulação

$ opp_makemake
$ make
$ ./MM1

Exercícios

1.Ler o manual de simulação do omnet Cap/Secão 10.4 (https://omnetpp.org/doc/omnetpp/manual/#sec:config-sim:parameter-studies)
2.Modificar o exemplo da fila acima para:
Criar um sistema de filas encadeadas onde a saída de uma fila MM1 alimenta duas outras filas filas MM1 através de um spliter.
A saída da primeira fila deve ser redirecionada para este splitter que reparte o tráfego segundo de forma parametrizável para as filas posteriores,
3.Mostrar um gráfico de barras comparando os "delays" (tempo no sistema) médios,máximo e mínimo de cada sistema MM1 e do sistema completo. A média deverá ser realizada sobre 5 repetições.
4.Parametrizações:
Probabilidade a ser usada no splitter: 0.2 (MM1-B) e 0.8 (MM1-C)
Generator: interarrival time: 1s
Tempo de Serviço: primeiro MM1-A: 0.6s, MM1-B: 0.7s e MM1-C: 0.5s

Acesso Cloud

ssh SEU_USUARIO_LDAP@nuvem.sj.ifsc.edu.br -p 2223 -XC

Aula 13 - Dia 30/04/2019

Objetivos

  • Construir uma rede de Filas MM1 usando o Omnet
  • Gerar estatísticas sobre o tempo médio de espera no sistema em um ramo da fila;
  • Usar as facilidades de repetição da simulação
  • Gerar o intervalo de confiança para a medição realizada.

Modelo de Simulação desejado

A fila de MM1 a ser implementada segue o modelo abaixo. A geração de tráfego é Poisson e o serviço segue distribuição exponencial. 70% do tráfego gerado por queue0 é reconduzido para queue1 e 30% para queue2.

FilaMM1-ADS29009.png

ETAPA 1

  • Criar um projeto de simulação;
  • Especificar o arquivo NED para criar a fila interligada:

ETAPA 2

  • Incluir um arquivo generator.cc de forma similar ao da aula anterior.

ETAPA 3

  • Modificar o arquivo queue.cc para o comportamento desejado: 70% do tráfego para queue1 e 30% para queue2.


ETAPA 4

Acrescentar o armazenamento de estatística. Para o tempo médio de espera no sistema precisamos apenas armazenar um escalar. Observando o código da aula anterior, pode-se observar que o cálculo do "delay" já é relativo a criação da mensagem. Então o retardo total em cada braço da fila já está sendo computado.

ETAPA 5

Acrescentar o omentpp.ini. Deixar os mesmos parâmetros da aula passada mas aumentar o tempode simulação para 10000s. Fazer um plot do tempo médio comparando os resultados. É possível tirar alguma conclusão?

ETAPA 6 - Acrescentando repetições e tempo de warmup.

Para acrescentar repetições no experimento podemos usar o parâmetro repeat no omnetpp.ini. Colocar 30 repetições. O tempo de warmup computa os dados somente após o período definido, de forma a eliminar transientes iniciais. Colocar warmup-period de 10s. Plotar e examinar os resultados.

repeat=30
warmup-period=10s

Para rodar a simulação com as repetições, deve-se desabilitar a interface gráfica: clicar com o mouse da direita sobre o omnetpp.ini. Em Run As->Run Configurations setar Cmdenv em user interface:

TelaConfiguracao-ADS29009.png

Filtrar, selecionar, plotar e simular os resultados.

Para simular em linha de comando:

  opp_makemake
  make
  ./MM1v3 -u Cmdenv -c General -g

Onde MM1v3 é o arquivo binário gerado na simulação.

ETAPA 7

Parametrize os tempos de serviço de forma individual (para cada fila). Tente encontrar um valor de tempo de serviço que deixe o tempo do ramo Queue0 - Queue1 menor que o do ramo Queue0 - Queue2.

Aula 14 - Dia 8/05/2019

Objetivos

  • Continuação do projeto do splitter


Link para o manual de instalação do Omnet

https://omnetpp.org/documentation/

Aula 15 - Dia 14/05/2019

Objetivos

  • Familiarizar o aluno com conceitos da biblioteca INET do Omnet:
  • Realização dos Steps de 1 a 5 do Tutorial Wireless


Tutorial Wireless

Step 1 - Dois hosts se comunicando sem fio

  • Explicar o arquivo NED e omnetpp.ini
  • Mostrar a estrutura do Wireless Node, entrando no inet/src/nodes
  • Configuração de Endereços IP e uso do ARP
  • Modelo de Tráfego
  • Meio Físico
  • Interface NIC
  • Rodar a simulação e verificar o número de pacotes transmitidos e recebidos

Exercício

  • Criar uma configuração adicional no omnetpp.ini:

[Config Wireless01-Ex1]
extends = Wireless01
network = WirelessAd

</syntaxhighlight>

  • Criar uma network WirelessAd adicional no WirelessA.ned extendendo a WirelessA. Acrescentar um nodo comunicante hostC com uma aplicação UDP similar a do hostA e com destino ao hostB. No hostB configurar uma aplicação UDP servidora escutando em uma porta adicional. Rodar a comunicação e verificar o número pacotes recebidos confrontando com os transmitidos. Registrar os eventos (evetlog) e observar o diagrama de troca de mensagens.

Step 2 - Animações

Step 3 - Acréscimo de Nodos e redução da distância de comunicação

Step 4 - Rota Estática

Step 5 - Habilitando interferência

Step 6 - Uso do CSMA

Aula 16 - Dia 22/05/2019

Objetivos

  • Finalização do assunto de SImulação a Eventos Discretos
  • Apresentação das Implementações do Simulador
  • Discussão das possíveis modificações para implementar duas filas encadeadas onde a primeira fila alimenta a segunda fila com 10% do tráfego.

AULA 17 - Dia 28/05/2019

  • Introdução a Cadeias de Markov

Referências

https://www.dropbox.com/s/c5j4fbgav3uo7pj/CadeiasDeMarkovDiscretas_Parte1.pdf?dl=0

AULA 18 - Dia 29/05/2019

  • Introdução a Cadeias de Markov
  • REgime TRansitório
  • Regime Permanente

Referências

https://www.dropbox.com/s/c5j4fbgav3uo7pj/CadeiasDeMarkovDiscretas_Parte1.pdf?dl=0

AULA 19 - Dia 5/06/2019

Objetivos

  • DTMC: Holding Time, Média de primeira transição
  • Simulação de DTMC
  • Tarefa

Slides Aula

Programa Simulação Cadeia Markov

TAREFA 8 - Simulação de Caddeia de Markov e comparação com resultado teórico de 05/06/2019 às 00h00 a 11/06/2019 às 23h59 Não 0

Segundo discutido em sala e exercício do slide

https://www.dropbox.com/s/hvgk42nhhcsyjlt/SimMarkovAlunos.m

  P = [ 
          0.2    0    0.8    0    0    0    0    0    0    0;
          0    0.2    0.3  0.3  0.2  0    0    0    0    0;
          0    0    0.1    0    0    0.9  0    0    0    0;
          0    0    0    0    0    0    1.0  0    0    0;
          0    0    0    0    0    0.3  0.7  0    0    0;
          0    0    0    0    0    0    0    0.2  0    0.8;
          0    0    0    0    0    0    0    0    0.8  0.2;
          1.0  0    0    0    0    0    0    0    0    0;
          0    1.0  0    0    0    0    0    0    0    0;
          0.2 0.6  0    0    0    0    0    0    0    0.2;
         ];

AULA 20 11/06/2019

Aplicações de DTMC

  • Aplicação na Modelagem de camada de Enlace

AULA 21 - 12/06/19

  • Aula de Encaminhamento do Simulador de Eventos Discretos
  • Finalização do Exercício Simulação de Caddeias de Markov Discretas

AULA 22 19/06/2019

  • Aplicação de DTMC no Slotted Aloha

TAREFA 9

1) Desenhar uma cadeia de Markov (DTMC) para o Slotted Aloha rotulando as transições com as probabilidades extraídas. 2)Equacionar para encontrar o vetor estacionário em função das probabilidades 3) FAzer um exemplo numérico definindo valores para N, a e T de forma a computador os valores de s1, s2 e s3

AULA 23 24/06/2019

Objetivos

  • Introdução a CTMC (Cadeias de Markov Tempo Contínuo)==

Material

https://www.dropbox.com/s/rs8ziywi92n10vq/CadeiasDeMarkovContnuas_Parte1.pdf?dl=0

AULA 24 25/06/2019

Objetivos

  • Introdução a CTMC (Cadeias de Markov Tempo Contínuo) - Continuação==
  • Exercícios

Exercício

Considere um Controle de Admissão para uma rede Wifi dedicada a VOIP onde é possível alocar prioritariamente até 3 sessões para comunicação em tempo real. Considere que é possível alocar até 2 sessões (não preemptíveis) de melhor esforço dentro deste número de sessões. Construa uma CTMC que permita computar a probabilidade de bloqueio de sessões prioritárias e de melhor esforço quando a taxa de chegada de sessões VOIP é de 3 por hora com uma média de 15 minutos por sessão. A taxa de chegada de sessões de melhor esforço é de 10 sessões por hora com uma média de 20 minutos. Considere chegadas Poisson e tempos de serviço exponenciais. Como ficaria a probabilidade de bloqueio para 4 sessões garantidas?

AULA 25 3/07/2019

Objetivos

  • Exercícios CTMC
  • Introdução a Teoria de Filas

Material de Referência

https://www.dropbox.com/s/sy8j17pgelruqd4/TeoriaDeFilas_Introducao.pdf?dl=0

https://www.dropbox.com/s/8e7qo02ihk9d102/Filas_MM1_CapacidadeIlimitada.pdf?dl=0

AULA 26 3/07/2019

Objetivos

  • Introdução a Teoria de Fila
  • Fila MM1

Material de Referência

https://www.dropbox.com/s/sy8j17pgelruqd4/TeoriaDeFilas_Introducao.pdf?dl=0

https://www.dropbox.com/s/8e7qo02ihk9d102/Filas_MM1_CapacidadeIlimitada.pdf?dl=0


AULA 27 3/07/2019

  • Filas MM1n e MM1k
  • Redes de Filas
  • Outros Tópicos: Redes de Petri
  • Verificação dos Simuladores implementados.

Referências