Multiplayer Network Games

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Multiplayer Network Games"

Eduardo Manzi
8 anni fa
Visualizzazioni

1 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

relatore Ch.mo prof. Antonio Pescapè correlatore Ing.

2 Contesto & Contributo 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.

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.

3 Background 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) Counter-Strike Strike: E lo sparatutto più diffuso in assoluto (32000 server attivi e più di 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: 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 M. Claypool, D. LaPoint,, and J. Winslow. Network Analysis of Counter-strike and Starcraft. In Proceedings of the 22nd (IPCCC), April J. Färber. Network game traffic modelling. In NetGames 02: Proceedings of the 1st Workshop on Network and system support for games, May 2002.

tutto il mondo). E stato trattato in letteratura da ricercatori quali Feng, Färber, Claypool, anche se da punti di vista diversi.

4 Testbed Esperimenti 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. LAN party wired a 4 e 8 giocatori 2. LAN party wireless a 4 giocatori 3. 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.

LAN party wired a 4 e 8 giocatori 2. LAN party wireless a 4 giocatori 3.

5 Strumenti 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 squareλ 2 [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 , Aug

.. Fitting: approssimazione della distribuzione empirica con un modello analitico che ne ricalchi l andamento.

6 Analisi Sperimentale (1/2) 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. Client IPT byte rate: Alessandro Client IPT packet rate: Alessandro 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. Clients PS PDF Fase Inattiva Client PS Sequence: Alessandro

Client IPT byte rate: Alessandro Client IPT packet rate: Alessandro Il PS in fase inattiva è fortemente prevedibile, con un valore dominante (27byte).

7 Analisi Sperimentale (2/2) Clients PS PDF Fase Attiva (wired4) Invarianza: i giocatori manifestano comportamenti simili in termini di PS e IPT anche in scenari diversi (wired a 4 e 8 giocatori, wireless, ADSL). Packet-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. Inter-Packet Packet-Time: Confermati gli studi di Färber sull'ipt che in media, in ogni scenario e fase di gioco, risulta pari a 41.7ms. Clients IPT PDF Fase Attiva (wired4) 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).

In dettaglio: il PS assume un insieme di valori compresi tra i 25 e 60byte.

8 Scenari ADSL 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. Server Upstream IPT PDF Tuttavia la rete influisce, come era prevedibile, esclusivamente in termini di IPT e non di PS che assume il consueto andamento.

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

9 PS PDF A CONFRONTO FASE ATTIVA Fitting Statistico Param. Wired 4PL Wired 8PL Wireless ADSL 1 Ses (C) ADSL 1 Ses (S) ADSL 2 Ses (S) Normal 1 mu sigma peso Normal 2 mu Sigma peso λ PS: Fitting con Mix di 2 distrib. Gaussiane Tabella 1: Packet Size Fase Attiva byte IPT PDF A CONFRONTO FASE ATTIVA Scenario mu sigma nu λ 2 Wired 4PL Wired 8PL Wireless Adsl 1 S.(C) Adsl 1 S.(S) Adsl 2 S.(S) Tabella 2: Inter-Deparute-Time Fase Attiva Student s T location scale - us IPT: Fitting con distrib Student s T location-scale

1 0.09 0.24 0.22 PS: Fitting con Mix di 2 distrib. Gaussiane Tabella 1: Packet Size Fase Attiva byte IPT PDF A CONFRONTO FASE ATTIVA Scenario mu sigma nu λ 2 Wired 4PL 41699 104.82 0.704 0.

10 Conclusioni 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.

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

11 Sviluppi Futuri 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.

Possibili approfondimenti: Studio delle dipendenze mutue tra PS e IPT e dipendenze temporali. Fase Inattiva di Counter-Strike.

Documenti analoghi

LABORATORIO DI RETI. 02 La Multiplazione Statistica nelle Reti a Paccchetto

LABORATORIO DI RETI. 02 La Multiplazione Statistica nelle Reti a Paccchetto LABORATORIO DI RETI 02 La Multiplazione Statistica nelle Reti a Paccchetto La multiplazione La capacità dei mezzi trasmissivi fisici può essere suddivisa per ottenere più canali di velocità più bassa La