TU Darmstadt / ULB / TUprints

Energy-efficiency and Performance in Communication Networks: Analyzing Energy-Performance Trade-offs in Communication Networks and their Implications on Future Network Structure and Management

Kaup, Fabian :
Energy-efficiency and Performance in Communication Networks: Analyzing Energy-Performance Trade-offs in Communication Networks and their Implications on Future Network Structure and Management.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2017)

[img]
Preview
Dissertation Fabian Kaup - Text
Fabian Kaup_Energy-efficiency and Performance in Communication Networks.pdf - Published Version
Available under Only rights of use according to UrhG.

Download (12MB) | Preview
Item Type: Ph.D. Thesis
Title: Energy-efficiency and Performance in Communication Networks: Analyzing Energy-Performance Trade-offs in Communication Networks and their Implications on Future Network Structure and Management
Language: English
Abstract:

The demand on communication networks has increased over the past years and is predicted to continue for the foreseeable future [Cis16]. Cellular network access with a compound annual growth rate (CAGR) of 53 % is the main area of growth [Cis16]. This affects the network quality, bringing current network technologies to their limits [Qua13]. Future network standards like 5G promise to satisfy this demand, providing a 1000-fold increase in data rates and latencies as low as 1 ms [Qua13].

With information and communications technology (ICT) causing 10 % of the global energy consumption [Mil13], the increasing demand is also reflected in a growing energy consumption of communication networks [BBD+11]. The major contributor to the network power consumption are home gateways (HGWs) in the fixed access network, and mobile base stations in the cellular network [VHD+11]. This trend is predicted to continue [BBD+11].

To assess and optimize the power consumption of communication networks, power models of the involved devices are required. Using these, the efficiency of proposed optimization approaches can be assessed before deployment. A number of power models of conventional network equipment for different device classes can be derived from literature. Still, models of new device classes such as single-board computers (SBCs) and OpenFlow switches are not available. For each class, representative power models of several device types are presented. Further, the power consumption caused by new communication protocols such as MultiPath TCP (MPTCP) is not fully analyzed yet. This work is, to the best of the author’s knowledge, the first to publish SBC and OpenFlow power models and contributes to the understanding of MPTCP power consumption during constant bit rate (CBR) streaming.

For the analysis of the power consumption, also the knowledge of network performance is required, as it defines relative costs and the maximum number of supported users. This is well known and comparatively simple in fixed networks, but more challenging in a wireless context. A number of approaches are described in literature and implemented as commercial software (e.g. [SSM13; OpS]), but the data required for analysis and optimization is not available. Hence, extensive measurements of the cellular network are conducted in this work. The location-based availability and performance of cellular and WiFi networks are assessed in a crowd-sensing study. Based on measurements on regional trains, the predictability of the cellular service quality based only on available network technology and latency is shown to be feasible. Anomalies observed within the crowd-sensing data are analyzed using dedicated, stationary measurements. The main observation is that network management decisions have significant effects on end-to-end performance. By allocating users to random points of presence (PoPs)/exit gateways of the mobile network operator (MNO), the latency compared to the best observed allocation is increased by more than 58 % in over 80 % of the time.

Combining the energy models and network performance measurements as presented in this work, an energy evaluation environment is created to analyze the cost of mobile data communication. This combines the empirically determined performance of cellular and WiFi networks with the energy models of smartphones and traffic traces recorded by the participants of a crowd-sensing study. Thereby, the power consumption of the generated data patterns is established, and the effectiveness of network optimization approaches as presented in literature assessed. These prove to be less potent than originally claimed by the authors. This is expected considering the improvements in cellular networks and smartphones. Nonetheless, energy savings are observed. Considering the requirement of 5G networks to reduce latency to 1 ms, and improve capacity by a factor of 1000, while simultaneously reducing energy consumption, also changes in fixed access networks are required. A promising approach assuming further virtualization of networks using software defined networking (SDN) and network functions virtualization (NFV) is the placement of services closer to the end-users. Extrapolating the trend of increasing hardware capabilities of HGWs at almost constant cost, these may be used to provide additional services to local users. This may be achieved by e.g. using virtualized content distribution network (CDN) nodes running on HGWs, thus utilizing these often idle resources. This further equalizes the traffic within the core network by providing content locally and refreshing it during less traffic intensive periods. Simultaneously, the end-user perceived service quality is expected to increase. Thus, installed capacities can be used longer, resulting in better service quality at fixed energy cost.

Alternative Abstract:
Alternative AbstractLanguage
Seit Bestehen des Internets wird jährlich ein stark ansteigendes Datenvolumen verzeichnet und es wird erwartet, dass der beobachtete Trend weiter anhält [Cis16]. Gerade in Anbetracht des steigenden Bedarfs an hochauflösendem digitalen Videomaterial und dem zu erwartenden Anstieg durch interaktive Virtual Reality (VR) Anwendungen, wird der Bedarf an höheren Datenraten und niedrigeren Latenzen steigen. Besonders stark ist das Wachstum in Mobilfunknetzen, für die ein jährlicher Anstieg des Datenverkehrs von 53 % prognostiziert wird. Hier sollen Mobilfunknetze der fünften Generation (5G) Abhilfe schaffen [Qua13]. Das Ziel ist es, eine 1000-fach höhere Datenrate bei Latenzen von 1 ms zu erreichen [Qua13]. Gleichzeitig steigt allerdings auch der Energiebedarf stationärer und mobiler weltweiter Kommunikationsnetze [BBD+11]. Nach verschiedenen Schätzungen fallen aktuell bis zu 10 % des elektrischen Energieverbrauchs zu Lasten von Informations- und Kommunikationsinfrastruktur [Mil13]. In kabelgebundenen Netzen wird der Großteil des Energiebedarfs durch Heimrouter erzeugt, während in Mobilfunknetzen die Basisstationen die größten Energiekosten erzeugen [VHD+11]. Auf Grund dieser beiden Entwicklungen wird auch weiterhin ein steigender Energiekonsum erwartet. Um die Kosten mobiler Kommunikation zu bestimmen und zu optimieren, werden entsprechend Energiemodelle der beteiligten Geräte benötigt. Einige Modelle konventioneller Netzwerkinfrastruktur sind bereits in entsprechender Fachliteratur veröffentlicht, allerdings bestehen Lücken bezüglich neuartiger Geräte (Einplatinencomputer (SBCs)) und Datenflusssteuerungsverfahren (OpenFlow/SDN und MPTCP). Um auch diese in zukünftigen Optimierungsverfahren berücksichtigen zu können, wurden exemplarisch Energiemodelle für mehrere Geräte jeder Klasse erstellt und veröffentlicht. Da allerdings der Energieverbrauch speziell mobiler Endgeräte stark von Durchsatz und Latenz der verfügbaren Netzwerktechnologien abhängt, müssen auch diese zur Optimierung bekannt sein. Hier wurden bereits einige Ansätze vorgestellt (z.B. [SSM13; OpS]), allerdings sind die zur Optimierung benötigten Daten nicht verfügbar. Entsprechend wurde eine Android App veröffentlicht, die in mehreren Studien eingesetzt wurde um die Netzwerkqualität in verschiedenen Situationen zu ermitteln. Ziel hierbei war eine Karte der verfügbaren Mobilfunk- und WLAN-Netze, ihrer Latenz und des maximalen Datendurchsatzes zu erstellen. Zusätzlich wurden auch Messungen in Regionalbahnen durchgeführt, um einzig basierend auf Netzwerkverfügbarkeit und Paketverlustrate die Nutzbarkeit des Netzes für verschiedene Szenarien vorherzusagen. In den Studien beobachtete Unregelmäßigkeiten wurden mittels einer dedizierten, stationären Messstudie analysiert, woraus abgeleitet wurde, dass die zufällige, aber für 36 Stunden statische Zuordnung von Mobilgeräten zu bestimmten Standorten des Mobilfunkanbieters signifikanten Einfluss auf die Ende-zu-Ende Latenz hat. Hier wurden zwischen dem mobilen Endgerät und einem dedizierten Messserver in über 80 % der Fälle um mehr als 58 % erhöhte Latenzen beobachtet. Ähnliche Ergebnisse wurden auch beim Zugriff auf die zehn in Deutschland beliebtesten Internetseiten bestätigt. Zur Ermittlung der Energiekosten mobiler Datenkommunikation wurde eine Evaluationsumgebung erstellt, die basierend auf der gemessenen Netzverfügbarkeit und Qualität in Kombination mit Energiemodellen verschiedener Smartphones und Aufnahmen der Datennutzung mehrerer Smartphone-Nutzer den Energieverbrauch berechnet. Hiermit wurden zwei in der Literatur vorgestellte Optimierungsverfahren mit dem Energieverbrauch des unmodifizierten Systems verglichen. Die resultierenden Energieeinsparungen sind wesentlich niedriger als von den ursprünglichen Autoren angegeben, was allerdings auf Grund der Weiterentwicklung der Mobilfunknetze und Smartphones zu erwarten ist. Basierend auf weiteren gemessenen und in der Literatur veröffentlichten Energiemodellen in Kombination mit den Anforderungen von 5G Netzen wird das Potential der Nutzung von Heimroutern mit erweiterter Funktionalität (z.B. zum Vorhalten von Daten oder Optimierung des Datenverkehrs) bezüglich Datendurchsatz und Energieverbrauch hergeleitet. Da diese Geräte häufig nicht ausgelastet sind, und moderne Hardware kontinuierlich erhöhte Ressourcen bei ähnlichem Energieverbrauch bietet, werden durch diese Optimierungen Energieeinsparungen erwartet, da die Auslastung des dahinterliegenden Netzes ausgeglichen und somit verfügbare Kapazitäten länger genutzt werden können.German
Place of Publication: Darmstadt
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 18 Department of Electrical Engineering and Information Technology
18 Department of Electrical Engineering and Information Technology > Institute for Telecommunications
18 Department of Electrical Engineering and Information Technology > Institute for Telecommunications > Communications Engineering
18 Department of Electrical Engineering and Information Technology > Institute for Telecommunications > Communication Systems
DFG-Collaborative Research Centres (incl. Transregio) > Collaborative Research Centres > CRC 1053: MAKI – Multi-Mechanisms Adaptation for the Future Internet
DFG-Collaborative Research Centres (incl. Transregio) > Collaborative Research Centres > CRC 1053: MAKI – Multi-Mechanisms Adaptation for the Future Internet > B: Adaptation Mechanisms > Subproject B3: Economics of Adaption
Date Deposited: 22 Jun 2017 12:35
Last Modified: 22 Jun 2017 12:35
URN: urn:nbn:de:tuda-tuprints-62956
Referees: Hausheer, Prof. Dr. David and Widmer, Prof. Dr. Joerg
Refereed: 9 May 2017
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/6295
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year