analisis de rendimiento de un canal aplicando tecnologia …repository.udistrital.edu.co ›...

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

MEDICIÓN DE DESEMPEÑO DE SISTEMA

DE MONITOREO DE REDES CON

PROTOCOLO NETFLOW EN MODELO BIG

DATA.

Autor

Luis David Díaz Pinilla

MAESTRIA EN TELECOMUNICACIONES MOVILES

FACULTAD DE INGENIERIA

Bogotá – Colombia

2019




Luis David Díaz Pinilla 2018 Periodo 3 2

MEDICIÓN DE DESEMPEÑO DE SISTEMA

DE MONITOREO DE REDES CON

PROTOCOLO NETFLOW EN MODELO BIG

DATA.

Autor

Luis David Díaz Pinilla

Director

Ing. Roberto Ferro Escobar PhD

MAESTRIA EN TELECOMUNICACIONES MOVILES


Bogotá – Colombia

Junio 2019




Tabla de Contenido

TABLA DE CONTENIDO ......................................................................................................................................... 3

TABLA DE ILUSTRACIONES ................................................................................................................................. 6

PALABRAS CLAVES ................................................................................................................................................ 8

RESUMEN ................................................................................................................................................................... 9

INTRODUCCIÓN ..................................................................................................................................................... 10

1. PLANTEAMIENTO DEL PROBLEMA ....................................................................................................... 11

2. OBJETIVOS ..................................................................................................................................................... 12

2.1. Objetivo general. 12

2.2. Objetivos específicos. 12

3. METODOLOGÍA ............................................................................................................................................. 13

3.1. Tipo de investigación. 13

3.2. TOGAF en el proyecto 14

3.3. Información desarrollo del proyecto 15

4. MODELO MATEMÁTICO ............................................................................................................................ 20

4.1. Bandwidth Mánager 21

4.2. Modelo Erlang 23

4.3. Modelo Ergódico 25




5. MARCO TEÓRICO ......................................................................................................................................... 28

5.1. Herramientas de Análisis 28

5.2. Generalidades Big Data 31

5.3. Gestión de Eventos y sistemas de Monitoreo. 34

5.4. Topologías de Red. 36

5.4.1. Topología de Anillo ............................................................................................................................... 37

5.4.2. Topología de Malla: ............................................................................................................................... 38

5.4.3. Topología de estrella: ............................................................................................................................ 39

5.4.3. Topología de Bus ................................................................................................................................... 41

5.5. Cisco Netflow. 42

5.6. Cisco Application Visibility and Control. 44

5.7. Modelo distribución Gaussiana 46

5.8. Teletráfico 47

5.9. Probabilidad de bloqueo 53

5.10. Sistema Celular 56

5.11. Edge Computing 58

5.12. GPRS. 61

5.13. FOG COMPUTING. 62

5.14. Procesos estocásticos. 67

6. DESARROLLO DEL PROYECTO ................................................................................................................ 68

6.1. Configuración de equipos Cisco AVC 69

6.2. Ergodicidad del sistema 85




6.3. Colpatria datos Excel. 87

6.4. SOE 360 datos Excel. 88

6.5. Código matemático Matlab 89

6.6. Fase de pruebas 93

6.7. Análisis de datos y mejora del consumo de ancho de banda mediante QOS y AVC 101

6.8. Resultados 111

7. DESCRIPCION Y ANÁLISIS. ...................................................................................................................... 116

8. CONCLUSIONES. ......................................................................................................................................... 132

9. REFERENCIAS. ............................................................................................................................................. 135




Tabla de ilustraciones

ILUSTRACIÓN 1, ARQUITECTURA DE INVESTIGACIÓN TOGAF IBM ........................................................................ 14

ILUSTRACIÓN 2. DESCRIPCIÓN RED PROCESO CISCO AVC [RED INTERNA CENTURYLINK]. .................................. 16

ILUSTRACIÓN 3. SISTEMA DE PROCESAMIENTO [24] ................................................................................................. 22

ILUSTRACIÓN 4. PROCESO DE COLAS [21] .................................................................................................................. 25

ILUSTRACIÓN 5, MATLAB INTERPRETACIÓN IMAGEN TOMADA [39] ........................................................................ 30

ILUSTRACIÓN 6, TOPOLOGÍA DE ANILLO, AUTORÍA PROPIA ......................................................................................................... 37

ILUSTRACIÓN 7, TOPOLOGÍA DE MALLA AUTORÍA PROPIA ........................................................................................................... 39

ILUSTRACIÓN 8, TOPOLOGÍA DE ESTRELLA, AUTORÍA PROPIA .................................................................................................... 40

ILUSTRACIÓN 9, TOPOLOGÍA DE BUS AUTORÍA PROPIA ................................................................................................................. 41

ILUSTRACIÓN 10, ESQUEMA CISCO AVC ELABORACIÓN PROPIA............................................................................................... 45

ILUSTRACIÓN 11, INGENIERÍA DE TELETRÁFICO Y RECOMENDACIÓN UIT [25] ...................................................... 51

ILUSTRACIÓN 12. TODOS LOS SERVIDORES TODOS OCUPADOS ADA [26] ................................................................ 53

ILUSTRACIÓN 13, FUNCIONAMIENTO MULTIPLEXACIÓN DE INFORMACIÓN [53] ..................................................... 54

ILUSTRACIÓN 14, DESCRIPCIÓN CELDAS CELULARES [29] ........................................................................................ 57

ILUSTRACIÓN 15, COMPARACIÓN PROTOCOLOS EDGE Y GPRS TOMADA [38] ...................................................... 61

ILUSTRACIÓN 16. ARQUITECTURA FOG COMPUTING [40] ......................................................................................... 63

ILUSTRACIÓN 17. PROPUESTA FRAMEWORK PARA LA PRIVACIDAD [44] ................................................................. 66

ILUSTRACIÓN 18 SATURACIÓN POR ALTO CONSUMO EQUIPO CONGRUPO NETFLOW [RED INTERNA

CENTURYLINK] .................................................................................................................................................. 68

ILUSTRACIÓN 19 SATURACIÓN POR ALTO CONSUMO EQUIPO SOLUCIONES EMPRESARIALES 360 NETFLOW

[RED INTERNA CENTURYLINK] ......................................................................................................................... 68

ILUSTRACIÓN 20. ACTIVACIÓN Y CONFIGURACIÓN MÓDULO AVC-CISCO ............................................................................ 70

ILUSTRACIÓN 21. CORRECTA CONFIRMACIÓN DEL MÓDULO AVC .......................................................................... 71

ILUSTRACIÓN 22. TOPOLOGÍA EQUIPO COLPATRIA [AUTORÍA PROPIA]. ................................................................. 71

ILUSTRACIÓN 23.TOPOLOGÍA EQUIPO CONGRUPO [AUTORÍA PROPIA]. .................................................................. 72

ILUSTRACIÓN 24. TOPOLOGÍA EQUIPO SOE 360 [AUTORÍA PROPIA]. ...................................................................... 72

ILUSTRACIÓN 25. PÁGINA PRINCIPAL INGRESO CLAPPS / CENTURYLINK .............................................................................. 74

ILUSTRACIÓN 26. APLICATIVOS PORTALES. AUTORÍA PROPIA .................................................................................................... 75

ILUSTRACIÓN 27. LOGUIN HÉLIX PORTAL. AUTORÍA PROPIA ...................................................................................................... 75

ILUSTRACIÓN 28. INGRESO PM REPORT. AUTORÍA PROPIA ........................................................................................................ 76




ILUSTRACIÓN 29, CONFIGURACIÓN EQUIPOS AVC. .................................................................................................. 77

ILUSTRACIÓN 30, INFORMACIÓN RECOLECTADA AVC ............................................................................................. 78

ILUSTRACIÓN 31, PROCESO CREACIÓN DE INFORMES AUTORÍA PROPIA................................................................................. 78

ILUSTRACIÓN 32, SQL CARGUE DE CONSULTAS AUTORÍA PROPIA ............................................................................................. 79

ILUSTRACIÓN 33, ESTRUCTURA CONSULTA SQL, [AUTORÍA PROPIA]. ..................................................................... 80

ILUSTRACIÓN 34. DATA EQUIPOS AVC [AUTORÍA PROPIA] ...................................................................................... 81

ILUSTRACIÓN 35. DIAGRAMA DE FLUJO DEL PROYECTO .................................................................................................................... 82

ILUSTRACIÓN 36. GRAFICA PROCESO ERGÓDICO MATRIZ NO ERGÓDICA [AUTORÍA PROPIA] ................................ 91

ILUSTRACIÓN 37. EXPORTAR PROCESO ERGÓDICO [AUTORÍA PROPIA] ................................................................... 92

ILUSTRACIÓN 38. RELACIÓN CONGRUPO CON CÓDIGO MATLAB [AUTORÍA PROPIA]. ............................................. 94

ILUSTRACIÓN 39. PROCESO EQUIPO SOE 360 GRAFICA MATLAB [AUTORÍA PROPIA]. ............................................ 95

ILUSTRACIÓN 40. PROCESO EQUIPO COLPATRIA GRAFICA MATLAB [AUTORÍA PROPIA]. ....................................... 96

ILUSTRACIÓN 41. CONSUMO DE LOS SERVIDORES, NIVEL DE TRÁFICO POR CANAL [AUTORÍA PROPIA]. ................ 97

ILUSTRACIÓN 42 . PROCESO EQUIPO CONGRUPO GRAFICA MATLAB [AUTORÍA PROPIA]. .................................. 99

ILUSTRACIÓN 43 PROCESO EQUIPO IPESA GRAFICA MATLAB [AUTORÍA PROPIA]. .............................................. 100

ILUSTRACIÓN 44 GRAFICO NETFLOW CLIENTE CONGRUPO [AUTORÍA PROPIA]. .............................................. 101

ILUSTRACIÓN 45 GRAFICO SATURACIÓN CLIENTE CONGRUPO [AUTORÍA PROPIA]. .......................................... 102

ILUSTRACIÓN 46 GRAFICO AVC CLIENTE CONGRUPO TOP 10 [AUTORÍA PROPIA]. ......................................... 103

ILUSTRACIÓN 47 ACTUALIZACIÓN MICROSOFT CLIENTE CONGRUPO [AUTORÍA PROPIA]. .............................. 105

ILUSTRACIÓN 48 COMPARING TRAFFIC POLICING AND TRAFFIC SHAPING FOR BANDWIDTH LIMITING [66] ..... 107

ILUSTRACIÓN 49. GRAFICA DE TRÁFICO POR COLA QOS CLIENTE CONGRUPO [AUTORÍA PROPIA]. ................ 111

ILUSTRACIÓN 50 GRAFICA DE DROPS POR COLA QOS CLIENTE CONGRUPO [AUTORÍA PROPIA]. .................... 112

ILUSTRACIÓN 51 GRAFICA DE DROPS POR COLA QOS CLIENTE CONGRUPO [AUTORÍA PROPIA]. .................... 113

ILUSTRACIÓN 52 DROPS POR COLA QOS CLIENTE CONGRUPO [AUTORÍA PROPIA]. ......................................... 114

ILUSTRACIÓN 53 TRAFICO POR COLA QOS CLIENTE CONGRUPO [AUTORÍA PROPIA]. ..................................... 115

ILUSTRACIÓN 54 DIAGRAMA DE ANÁLISIS......................................................................................................................................... 116

ILUSTRACIÓN 55. DIAGRAMA DE PROCESOS .................................................................................................................................... 119

ILUSTRACIÓN 56. ORACLE SQL ............................................................................................................................... 123

ILUSTRACIÓN 57. QUERY SCRIPT VIEWER ........................................................................................................................................ 124

ILUSTRACIÓN 58. SELECT Y FROM ........................................................................................................................................................ 125

ILUSTRACIÓN 59. CLAUSULA WHERE .................................................................................................................................................. 126

ILUSTRACIÓN 60. GROUP BY ................................................................................................................................................................... 126




ILUSTRACIÓN 61. FILTRO QUERY.......................................................................................................................................................... 127

ILUSTRACIÓN 62. ARCHIVO EN EXCEL EXPORTADO DEL WEB INTELLIGENCE .................................................................. 127

ILUSTRACIÓN 63. CARGAR MATRIZ EN MATLAB ............................................................................................................................ 130

ILUSTRACIÓN 64. ESTRUCTURA DE ARCHIVO ODS. ............................................................................................... 131

Índice de Tablas

TABLA 1. PROCESO PRUEBAS MATLAB ................................................................................................................... 73

TABLA 2. EQUIPOS AVC. ............................................................................................................................................. 81

TABLA 3. ESTADO MATRIZ CADENA E MÁRKOV AVC. ............................................................................................. 86

TABLA 4. ESTADO MATRIZ CADENA E MARKOV COLPATRIA ............................................................................................................ 87

TABLA 5. ESTADO MATRIZ CADENA E MARKOV AVC SOE ...................................................................................... 88

TABLA 6. ESTADO MATRIZ CADENA DE MARKOV AVC CONGRUPO .................................................................... 99

TABLA 7. ESTADO MATRIZ CADENA DE MARKOV AVC IPESA. ............................................................................ 100

TABLA 8. ESTADO MATRIZ CADENA DE MÁRKOV AVC IPESA .............................................................................. 109

TABLA 9. EJEMPLO DE ESTADÍSTICA RECOPILADA POR DÍA .......................................................................................................... 128

TABLA 10. EJEMPLO DE ESTADÍSTICA CADENA DE MÁRKOV ..................................................................................................... 129

TABLA 11. EJEMPLO DE MATRIZ DE MÁRKOV ................................................................................................................................ 130

Palabras Claves

KEYWORDS :

NETFLOW

AVC

ADMINISTRADOR DE ANCHO BANDA

MODELO ERGÓDICO

ERGODICIDAD

ANALITICA DATOS




Resumen

El documento realiza el análisis y evaluación de la cadena de procesos que limita la capacidad

o cuello de botella en un canal de información, este dato de referencia se obtuvo de una empresa

del sector TI que utiliza tecnología Cisco y hace la recolección de datos por medio del protocolo

Netflow, los indicadores fueron empleados para mostrar el consumo de información que genera

un cliente, así se identifican las aplicaciones de mayor consumo en un periodo o rango de tiempo

y se determina la causa de saturación de un canal de información,

Como fue mencionado con anterioridad el canal captura datos a través de NetFlow, que es un

protocolo de red desarrollado por Cisco Systems para recolectar información sobre tráfico IP.

Netflow se ha convertido en un estándar que al ser aplicado mejora el rendimiento del canal, sin

embargo, ¿se puede identificar saturación en los servicios por la alta demanda de procesamiento?,

A través del modelo Ergódico que es un modelo matemático que evalúa el comportamiento

promedio, se realiza una prueba de identificación que consiste en tomar datos de ingreso y

evaluarlos para encontrar una solución, es preciso señalar que para los dispositivos muestreados

se implementó la tecnología AVC “Application Visibility and Control”.

Por lo anterior se diseñó un código para el desarrollo del proyecto, se utilizó un software con

alto nivel de procesamiento que permite realizar operaciones entre matrices, en este caso

MATLAB y con este software se evaluó si el canal de comunicaciones es Ergódico o no, así, se

lograra identificar, ¿qué aplicaciones o procesos causan la saturación del servicio?, siendo el caso

viable, llegar a responder la pregunta ¿se puede optimizar?




Introducción

Para la implementación del sistema de analítica de datos orientado a BI en la empresa

CenturyLink se identificó un problema de gran importancia que impacta a los servicios prestados

por la entidad, el problema es conocido como saturación en el ancho de banda (BW) de un canal

y durante el periodo en que se presenta es acompañado por lapsos en los que existe perdida de

información, dicha situación dificulta a la tecnología implementada la captura de información

completa de los equipos “Routers”, dejando un vacío de información, importante y sin identificar

que se requiere analizar, sin estos datos no hay forma alguna de saber los factores que ocasionaron

la saturación del canal, ni la información que está pasando por este.

En consecuencia, el uso de trazas de información o conversaciones conocidas como “Flows”

de datos son ampliamente empleados en redes y aunque propone un desafío grande el almacenar

estos flujos de datos, analizarlos y procesarlos en tiempo real también permite mostrar patrones y

datos generales del tráfico que resultan de gran utilidad en; monitoreo de calidad del servicio,

tráfico de red, detección de intrusos entre otras, además la información obtenida es empleada junto

con el protocolo de análisis de datos, que es una herramienta conocida y aplicada en Inteligencia

de Negocios con la finalidad de obtener información para la toma de decisiones, para este caso,

los datos de gran volumen o BIG DATA recopilados se pueden analizar para obtener ideas que

conduzcan a la toma de decisiones más acertadas, a movimientos veloces y en tiempo real, que

permitan responder al problema de manera estratégica obteniendo una respuesta ágil.




1. Planteamiento del Problema

Hoy todos los sistemas de comunicación convergen a las nuevas tendencias que dicta el

mercado, en la actualidad la telefonía móvil, telefonía fija, redes de datos para internet y redes

privadas, buscan garantizar una mejor calidad de servicio y a la vez elevar a un grado mayor su

nivel de encriptación.

Un tema critico que hay que tratar es que el ancho de banda (BW) está viéndose afectado por

altos volúmenes de información y de tráfico, cuando no se logran soportar algunos equipos

presentan saturación, esto debido al atiborramiento de información.

si la información que pasa sobre una conexión convertida en textos, video llamadas, archivos

entre otros ejemplos; genera un alto flujo de consumo, se ven consecuencias sobre el rendimiento,

una de ellas es la perdida de información importante, tema que en años anteriores ha sido un pilar

para muchos proyectos pues sin importar el sector de desarrollo de una empresa, un tema

fundamental es la información y este es un punto transversal que afecta a todos los niveles de la

organización aunque de manera más directa al Business Intelligent (BI).

La puesta en marcha del proceso de analítica del tráfico en redes está cobrando mayor valor en

las aplicaciones, y una especial importancia en el terreno de las mejoras a los recursos de red, en

este caso se evaluará y brindara una posible solución con herramientas como BIG DATA,

tecnologías que resultan útiles por ser innovadoras y por los grandes beneficios que ofrecen al

sector de comunicaciones.




2. Objetivos

Los objetivos por cumplir en este proyecto de investigación son los siguientes:

2.1. Objetivo general.

Diseñar un modelo de análisis de problemas de saturación de un canal para una compañía

IT por medio del uso de la tecnología Cisco AVC y BIG DATA que permita realizar la

administración eficiente de un canal de comunicación en tiempo real.

2.2. Objetivos específicos.

Identificar mediante un proceso de análisis de datos las fallas que se

producen en el tráfico de datos en un canal de comunicaciones de una red por medio

de la herramienta de software AVC de Cisco.

Investigar diferentes herramientas de software que permitan evaluar el

proceso de extracción de datos de una red Ethernet en tiempo real y que pueda

clasificar el tipo de servicio que se encuentra dentro del mismo.

Realizar un análisis utilizando herramientas tipo Big Data de todos los

datos recopilados del canal evaluado, con el fin de identificar y corregir problemas de

saturación que permitan mejorar el rendimiento de la red.




3. Metodología

3.1. Tipo de investigación.

Ejecutando la técnica de levantamiento de información, se recopilan datos que permitan

identificar la situación actual del sistema, proceso para el que se hace necesario el uso de una

herramienta que ejecute un análisis de datos, que sea referente al campo y a las posibles incidencias

en los canales de información, de modo que se reúnan las condiciones necesarias u óptimas para

la ejecución del proyecto, en este caso la información será verificada y corroborada por medio de

dicha tecnología.

Así se detectaron diferentes tecnologías que están siendo empleadas en el mercado, con el fin

de realizar una curva de aprendizaje, (para efectos del caso la tecnología Cisco AVC aplicada en

la empresa Century link), lo que se busca con la herramienta es identificar y proporcionar un estado

del consumo para facilitar el control del rendimiento.

Por lo anterior, se evaluaron diferentes proveedores con algunas diferencias respecto a las

tecnologías integradas en los equipos o “Routers” y a través de herramientas de analítica de datos

y Big Data, se busca identificar y corregir las incidencias que se presenten en el canal




3.2. TOGAF en el proyecto

La arquitectura Empresarial basada en el marco TOGAF ayuda a definir los objetivos

comerciales y conduce a precisar el mejor plan estratégico para una organización a través de la

inclusión de sus cuatro dimensiones; negocio, aplicaciones, datos y tecnología.

Ilustración 1, Arquitectura de Investigación TOGAF IBM

Por tanto, las cuatro dimensiones de TOGAF ayudan a las empresas a definir y organizar los

requisitos antes de que comience un proyecto, esto se traduce en avances rápidos con un margen

de error mínimo, cada una de las secciones con más detalle permiten generar estrategias tanto a

nivel de desarrollo como arquitectónicas.




Para el desarrollo del proyecto fue necesario un proceso de configuración en algunos equipos

Routers y se prestó especial atención a la arquitectura de los clientes, ya que es indispensable

conocer la estructura del cliente para identificar donde se puede incorporar el monitoreo en la

red.

Es necesario resaltar que; para realizar este monitoreo proactivo del sistema, se deben facilitar

los cambios en la organización a nivel interno, tal y como el enfoque de las actividades o

departamentos con el fin de localizar y tener plena seguridad del punto donde se presenta mayor

consumo, de esta forma ubicar la causante de la saturación del canal.

3.3. Información desarrollo del proyecto

Para ejecutar el proceso de identificación de los Flow, se debe realizar una configuración

especifica por equipo, está configuración permite delimitar parámetros como: tiempos de captura

y almacenamiento, dicho proceso se efectuó para los equipos de “Colpatria” (cliente de la red de

CenturyLink). los Flows capturados se estructuran en un plan de reconocimiento para el tráfico

total y por medio del análisis de herramientas de B.O.son aplicados al servicio de los equipos

“Routers”, con este método se busca articular procesos aplicados en tecnologías Cisco AVC, por

lo cual se hizo necesario incorporar una mejora en la minería de datos, haciendo impacto en la

identificación de tráfico, hay que resaltar que es indispensable contar con una topología de red

estándar, pero el papel más importante lo obtiene la mejora del Ancho de Banda (BW) y se

puede identificar de una manera más clara contando con la ayuda de las herramientas para el

proceso de analítica de datos.




a continuación, se presenta un ejemplo gráfico y simple de los equipos aprobados, esto con el

fin de procesar y desarrollar las alternativas con la tecnología Cisco AVC ver Ilustración 2.

El mecanismo de tiempo de espera se emplea para gestionar el flujo en la dimensión del

tiempo. Permanecen cuatro reglas de tiempo de espera [19].

• El caché de flujo está lleno, lo que significa flujo> = max_flows;

• El tiempo interrumpido de un flujo es más de 15 segundos;

• El active_timer de un flujo es más de 30 minutos;

• Transmisión finalizada (TCP FIN o RST).

Ilustración 2. Descripción red proceso Cisco AVC [red interna CenturyLink].

Existen sistemas para el envío de mensajes de registro en una cadena o red informática IP,

estos son los encargados de conocer el protocolo de red y la aplicación que envía los mensajes

informativos o de registro, SYSLOG es un desarrollo de la empresa de tecnología y equipos

Cisco, y se convierte en un buen punto de partida como referencia de estos sistemas, pero al no

poseer un proceso de mejora de ancho de banda (BW) que es el Core del proyecto, se descarta




como posible solución, aunque se destaca que también recolecta la información por protocolo

pero requiere políticas de seguridad que deben ser configuradas dependiendo del equipo.

Una alternativa que ofrece una solución con base en la tecnología Cisco Netflow y que

posteriormente se puede llegar a comparar con Cisco AVC, dando prioridad a resultados a nivel

futuro.

Se ejecutará un análisis por etapas, la primera etapa denominada evaluación del

funcionamiento actual, se encargará de verificar el tráfico del canal en mención, haciendo

revisión en “N” número de equipos Cisco (Routers), Se busca exponer el principal problema de

saturación del ancho de banda (BW), es decir el Router tomara captura datos de todo lo que se

haga en la red, aplicaciones, programas, descargas, entre otras.

La segunda etapa corresponde a la comparación del análisis de la data con la nueva tecnología

Cisco AVC, esta es una tecnología robusta donde se estructura la captura de tráfico de N equipos

Routers, equipos del fabricante Cisco como anteriormente fue mencionado.

La tercera etapa es de exploración de alternativas, donde se ejecuta una comparativa de la data

para las pruebas de Netflow con el fin de contrastar el desempeño del nuevo sistema AVC, en

busca de mejorar el rendimiento a nivel de tráfico para mitigar los problemas de saturación de

Ancho de Banda (BW).

Como última etapa se define el proceso de incorporación del análisis y comparación de

información, en la cual se confrontan los dos métodos anteriores, Cisco Netflow y Cisco AVC,

recordando que estas dos tecnologías proveen información en la identificación de datos reales de




un canal, tal y como su Ancho de Banda (BW), es necesario mencionar que para el desarrollo del

proyecto se seleccionaron 3 clientes en los cuales se ejecutaran las pruebas.

El panorama es de múltiples opciones en el campo de los denominados avances tecnológicos,

lo cual es una constante en el área de las comunicaciones móviles y fijas, pues las tecnologías

están en constante actualización buscando siempre un nivel más alto de mejora tanto en tiempos

de ejecución como en tiempos de inserción.

Las nuevas tecnologías buscan optimizar el consumo en recursos, lo que se traduce en

perfeccionar la materia prima para el trabajo, sin embargo, aunque ahorrar energía en los

dispositivos móviles es una buena alternativa no es suficiente, las regulaciones cada día son más

estrictas, se designan más recursos en proteger el nivel de contaminación y de procesamiento;

con base a lo expuesto se hace necesario que el consumo de energía de los servidores Edge se

muestre como una alternativa viable y además que es sustentable por su constante crecimiento

[34] y es que las tecnologías Edge están en auge en el sector de las comunicaciones, esto

principalmente está relacionado con los avances en el campo de investigación.

En el desarrollo de las nuevas tecnologías se observan procesos desastrosos pero funcionales

y aunque surgen problemas de tiempo, como por ejemplo en el cómo hacer una misma acción o

proceso teniendo en cuenta que consume unos recursos determinados y que se está clasificando

dicha información en el acceso de las conexiones y colas de información, según estudios

realizados por el autor Quiang Fan lo importante consiste en mostrar procesos de mejora

continua [35].




Pero claro hay parámetros que se deben tener en cuenta, entre ellos cuando existe afectación

en los datos o Throughput, lo que se envía es información al servidor por los equipos conectados

dentro de la misma topología, la información se ve reflejada en altos consumos de recursos y de

manera directa se obtienen flujos altos, para ellos se establecieron alternativas de mejora que

afectan el rendimiento del servidor [36]; La información anterior es importante para tener una

perspectiva de la implementación pues se requiere definir y mejorar los costos futuros de los

despliegues desde un extremo a otro, una de las alternativas consiste en perfeccionar la

compresión de información para los usuarios, lo cual se hace con la finalidad de disminuir el

procesamiento del canal, el resultado obtenido se interpreta como una mejora a nivel de tiempo

en consumo de Clusters.

Hay aspectos que son importantes y más para el tema de infraestructura de Internet, desde la

vista de un sistema distribuido [37], se obtiene inclusiones desde la capa de proveedor hasta la

del cliente con un foco tanto de aplicaciones móviles que están pasando como aplicaciones de

internet que consumen en un canal determinado, esto se ve representado en desarrollos tanto de

Back end como de Front end. Hay nuevas políticas y renovaciones que están transformándose en

proveedores de servicio como de tecnología.




4. Modelo Matemático

El documento busca integrar el proceso teórico y matemático, en otros términos, la

investigación realizada de los distintos métodos de Ancho de Banda combina la manera teórica y

práctica, para así mostrar los diferentes parámetros expresados en un modelo matemático con las

ecuaciones que se encontraron como las más acordes para el desarrollo del proyecto. Establece

los métodos de identificación y posterior aplicación del entorno y de los distintos procesos

estocásticos, desde el nivel de probabilidad se encuentra una herramienta a nivel teórico que

permite hacer identificación y que posterior a su aplicación tanto a nivel interno como externo

determinara el método con mejor acogida conforme los intereses del trabajo alcanzado.

Hay preguntas frecuentes enmarcadas en los procesos internos de las empresas, una de estas

interrogantes es ¿el proyecto realizado se ha implementado en otras empresas?, duda que implica

hacer una búsqueda en investigaciones previas, lo que se quiere encontrar además de identificar

si ha sido desarrollado en las mismas instancias y condiciones, es un modelo matemático que

cumpla con las características del requerimiento y facilite el desenvolvimiento del proyecto. para

lo cual en este caso se proponen los siguientes métodos; el modelo de Erlang, teoría de gauss y el

modelo Ergódico es importante destacar que solo uno de ellos será escogido para realizar el

desarrollo del proyecto la identificación de la data a nivel probabilístico y lo que se puede

entender como la interpretación de un correcto funcionamiento de la información va más allá de

un método de desarrollo, es donde se compara la información y se contrastan las diferencias para

ver los resultados obtenidos, al mismo tiempo que se cotejan las acciones de mejora.




4.1. Bandwidth Mánager

El Bandwidth manager o administrador de ancho de banda es un componente fundamental en

cualquier red, para las redes con características en los túneles, estos tienen ciertas

particularidades tanto en el proceso de configuración interno como en el proceso de

configuración externo, es importante resaltar que las áreas comerciales dependen cada vez más

de las aplicaciones basadas en la nube por lo que se deben utilizar los recursos de internet de

manera inteligente, además de que ofrece un bajo costo y facilidad de acceso, una ventaja es que

al tener gran cantidad de flujos el operador de la red puede interpretarlos en cuanto aumenten o

disminuyan, marcarlos con QoS, (…) para explotar el ancho de banda no utilizado de los flujos

inactivos(…) [24].

Más allá de su interacción con la implementación de los procesos internos de (BW) y la forma

en que son aplicados a la base de flujos de la red, para este desarrollo lo que se define como

Quality of Service (QoS) se puede representar con la siguiente analogía, imagine que el tráfico

de datos es como una carretera que tiene un alto flujo de vehículos, todos intentan pasar por la

carretera pero es estrecha, lo que causa congestión del servicio, esto sería interpretado como la

saturación del canal que es la causante de pérdida o demora en la información, el router sería un

policía de tránsito abrumado en medio de toda la situación, que está tratando de mantener el

orden, pero recuerde que no todo el tráfico se crea igual y algunos necesitan retrasos mínimos,

por ejemplo la transferencia de archivos no requiere la misma prioridad que otros tipos de

tráfico, la prioridad hace referencia a la calidad de servicio, técnicamente es la que permite la




creación de un carril de alta velocidad, un carril de baja velocidad, y de carriles adicionales si se

requieren en medio del tráfico de red., de este modo se obtiene una experiencia satisfactoria y se

confirman los conceptos de mejoras de un punto (source and destination IP),

Ilustración 3. Sistema de procesamiento [24]

En la figura anterior se observa un sistema de inclusión de información, el diagrama describe

un parámetro primordial para el desarrollo del proceso de investigación que se está enmarcando

en este documento, muestra el sistema de procesamiento que consta de una infraestructura física

a través de la cual se transporta la información desde la fuente hasta el destino, acciones en el

flujo de datos como modificar, editar, borrar, etc.




la información es almacenada con un código en C, viaja desde el terminal del usuario hasta la

plataforma de testeo, se recopila en estadísticas y se condensa de manera analítica con

aplicativos como Netflow o Cisco AVC, gracias a su proceso interno estos aplicativos llaman las

estadísticas para agruparlas en la tabla de flujo de los equipos.

La arquitectura Open Flow permite la creación de redes basadas en flujo, cuentan con

capacidades que incluyen análisis de tráfico basado en software, control centralizado,

actualización dinámica de reglas de reenvío, entre otras [24].

4.2. Modelo Erlang

La distribución está enfocada en la probabilidad continua de los parámetros con respecto al

tiempo, es muy usada en la teoría de colas que en comunicaciones es uno de los pilares más

representativos, en conjunto con la función de densidad por valores internos. (…) Los modelos

matemáticos más simples de la Teoría de Colas son los llamados Procesos de Nacimiento y

Muerte (…).

Esta fuerte dependencia entre un evento y un suceso anterior permite analizar el

comportamiento de los procesos estocásticos o aleatorios, la cadena de Márkov es usada en

probabilidad ya que esta indica que para todo estado presente es posible conocer sus

antecedentes y por lo tanto es factible establecer una descripcion de la probabilidad futura del

mismo, para este caso se están efectuando en un tiempo continuo. Por eso en la siguiente figura

se hace una pequeña referencia de este modelo a nivel gráfico, tiene como fin poder identificar




cada uno de los estados que compone la cadena “la variante en el tiempo de su implementación”

[21].

Ilustración 4. Descripción cadena de Márkov [21]

Es aplicada para identificar el encolamiento de un proceso de iteración con llamadas enrutadas

a un conmutador, dando a conocer más este aspecto en trabajos anteriores [21], se determinaron

aplicaciones extensas de este método, que migro a aplicaciones de enrutamiento de información

externas e internas, ahora es utilizado continuamente en procesos de comunicaciones y

conmutación de llamadas.

Al tener eventos en tiempos determinados, hablando de inicio o “nacimiento” y final o

“muerte”, se tomó en consideración como un buen candidato para lo que se definió como los

procesos de este trabajo sin embargo no se puede orientar y no cumpliría en mayor porcentaje el

objetivo del método de identificación de la información.




Ilustración 4. Proceso de colas [21].

La figura anterior muestra un gráfico del proceso de colas, aunque para la ejecución del proyecto

no se observa una correlación directa si se puede determinar que es un proceso estocástico que

permite un análisis en términos de probabilidad lo que para fines de la investigación es acorde,

sin embargo para el desarrollo del proyecto como se menciona anteriormente no cumpliría con

los requisitos, se requiere un proceso de innovación.

4.3. Modelo Ergódico

Para comprender cómo se identificó la ecuación aplicada, se especificó el proceso, con

algunos pasos del desarrollo a nivel matemático, hay distintos teoremas de la teoría Ergódica,

aunque se hará uso del teorema 1 explicado más adelante, se especificarán cada uno de los

teoremas de la teoría para contrastarlos y mostrar la comparación, confirmando porque es el más

acorde y el que cumple los requisitos.

https://es.wikipedia.org/wiki/Probabilidad




Teorema 1 donde se estructura la Ley de los Grandes Núcleos para todo µ𝑗 casi todo w € Ω se

enfoca en desarrollar la interpretación matemática que describe el proceso por medio de la

siguiente ecuación:

𝑙𝑖𝑚 𝑛→+∞

𝑓(𝑤)+𝑓(Ø𝑛−1(𝑤))

𝑛 = £µ𝑝 (2), [30].

De la ecuación anterior tomada del documento se define f(w)= 𝑤1 para w = (𝑤1,𝑤2,……).

Tomando 𝑤𝑛 como el valor aplicado [30].

Así se delinea el proceso intrínseco desde la perspectiva en la cual se determina la ejecución,

se hace identificación del valor de las muestras 𝑤𝑛 estas muestras son constantes y varían conforme

a la distribución estadística como probabilística para el acompañamiento de las temáticas.

Este modelo está orientado y aplicado principalmente en los sistemas dinámicos en donde aún

se preserva, la manera en que se aplicó el teorema en el desarrollo del proyecto permitió resolver

uno de los principales cuestionamientos sobre el tráfico que recorre un canal, para realizar el

proceso se describe la siguiente ecuación:

𝑙𝑖𝑚 1

𝑁𝑖𝑗 (𝑛) = 1

(3), [22]. 𝑛→∞ 𝑛 µ𝑗




Las características del teorema Ergódico permiten que sea empleado en circuitos que sean

finitos, hay dos aplicaciones donde se describen cada una y posterior a ella se procede a

descomponer y explicar. (…) La teoría Ergódica (…) [22].

El teorema Ergódico está tomando fuerza en el proceso de identificación y reconocimiento

desde un nivel matemático para ser aplicado, permite el estudio de las propiedades en los

sistemas dinámicos teniendo en cuenta que este enfoque está determinado desde perspectivas que

van exclusivamente hasta el ámbito formal, estas probabilidades no dependen de un punto de

inicio establecido [22].

Estos sistemas en promedio tienen muchos caminos relacionados con trayectoria, por lo cual

en la hipótesis Ergódica se estructura una serie de pasos estacionarios donde está definido el

tiempo como factor fundamental para que el sistema funcione constantemente, este sistema se

identifican trayectorias que van orientadas a datos.

Se determinó el mejor parámetro y se decidió que el mejor de los tres anteriores es el método

Ergódico, en el análisis cabe destacar que aunque los anteriores se fundamentan también en

señales y probabilidad en tiempos exactos como continuos para tener un componente distintivo,

dentro de la investigación, el método Ergódico se está utilizando más continuamente en los

procesos internos de las comunicaciones, siendo este un método que si bien no es nuevo, en la

última década, ha aumentado de una manera significativa su aplicación en las comunicaciones y

los desarrollos asociados al método han sido denominados como más novedosos.




Para el teorema Ergódico hay un caso general que se describe por la ecuación antes

mencionada que tiene como demostración el siguiente ejemplo a nivel practico, Sea toda

permutación en un conjunto finito tomando el comportamiento de que puede llegar a tener ‘f =0;

tomando en cuenta la interpretación del caso Ergódico se cambia f por f − Eµ(f). En el caso no

Ergódico hay que restarle a f una función, llamada la esperanza condicional de f a la σ-´algebra

de conjuntos invariantes, un poco más difícil de identificar [22].

Al realizar un modelado de los datos se debe tener a nivel interno primero cual será el camino

o jerarquización con sus debidos pasos a seguir en este caso se estructura el teorema Ergódico

para realizar la medición del tráfico y con esto dar solución a los problemas de enrutamiento, los

más comunes en este ámbito son las saturaciones de canal lo que como se mencionó

anteriormente lleva a perdida de la data y a realizar un desminado del Core del proceso, el cual

afecta a la orquestación de la información y por ende a su granularidad o nivel de detalle.

5. Marco Teórico

5.1. Herramientas de Análisis

Para realizar el proceso del desarrollo del software y modelado de la data se escoge el programa

de procesamiento matricial de nivel académico identificado como Matlab.

Es importante destacar que Matlab [59], es un software que combina un entorno de escritorio

adaptado para el análisis iterativo y los procesos de diseño con interfaces gráficas, con un lenguaje

propio de programación que tiene como enfoque procesos matriciales [39], es una aplicación




direccionada al ámbito académico y de investigación, cuenta con múltiples librerías de pago que

permiten realizar procesos matriciales completos.

Matlab ofrece un entorno de desarrollo integrado que permite diseñar sistemas y productos,

posibilita la implementación de algoritmos que se aplican tanto en las redes eléctricas inteligentes

como en las redes celulares LTE y robótica, entre otras , es un software muy utilizado en aspectos

de alto procesamiento y grandes flujos de datos que a través de sus módulos brinda la opción de

graficar toda la información, si bien Matlab está enfocado en la rama científica, siendo

principalmente utilizado en universidades y centros de investigación y desarrollo, el software a

brindando un avance importante en diferentes áreas, claro siendo la rama de ingeniería una de las

más beneficiadas y con mayor numero desarrollos como aplicaciones. Entre sus prestaciones

permite interactuar con otros lenguajes de programación y otros dispositivos Hardware, realizar

cargue desde SQL, creación de interfaces de usuario, y mucho más,

Para el desarrollo del proyecto se escogió Matlab por que se requiere utilizar un software lo

bastante robusto que permitiera simular el entorno de operación y hacer cálculos vectoriales

complejos, el proyecto demandaba un software de sus características por el alto nivel de

información (más conocido como Flows).

por medio de Matlab se establecieron pruebas, que tienen un enfoque de desarrollo aplicado,

las pruebas fueron orientadas en la selección y analítica de la información contenida en una trama.




Ilustración 5, Matlab interpretación imagen tomada [39]

La figura anterior exhibe el entorno grafico de Matlab y enseña algunas de las aplicaciones o

desarrollos como demostración de todos los procesos que puede realizar.

Matlab es un software licenciado agradable que permite la inclusión de nuevos procesos como

librerías o creación de nuevos códigos con estructura lógica, en este caso es perfecto para realizar

procesos de desarrollo de aplicaciones, a través del código se articulara el flujo de la data para su

correspondiente análisis.




5.2. Generalidades Big Data

En el campo de IT o tecnologías de la información y las telecomunicaciones, más

específicamente orientadas en el área industrial, en el año 2011 se introdujo un término que ha

tenido impacto tanto en materia de seguridad como en materia de tráfico, sobre todo ha estado

cobrando fuerza en los últimos años, para el caso de BI, Business Intelligence se describe como

un proceso que enmarca la mejora de las tecnologías para ser orientadas a los modelos de

negocio, BIG DATA como fue nombrado, se puede definir como una tecnología con Core en el

tratamiento de grandes volúmenes de información que con aplicación de técnicas matemáticas

avanzadas cumple con la función en el proceso del manejo de los grandes volúmenes de flujo de

información, permite la recolección, procesamiento y visualización de datos, así la información

es obtenida con velocidad para un análisis más detallado [14].

Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que permite

eliminar las áreas problemáticas antes de que los problemas acaben con sus beneficios o su

reputación, El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y

utilizarlos para identificar nuevas oportunidades.

Al día de hoy BIG DATA es una tecnología utilizada para mejorar la toma de decisiones

hacer Reducción de costos e incluir nuevos productos y servicios, entre otras de sus aplicaciones,

por lo cual al ser nombrada no es de extrañar que sea rápidamente identificada por su

popularidad, además porque está en constante evolución, incluso algunos autores llegan a

describirla como la clave para innovar, aunque BIG DATA se mantiene centralizada en el uso




del crecimiento exponencial para la disponibilidad y como medida para el uso de la información,

el sistema cuenta con gran acogida en distintos frentes de la tecnología, pues es el generador de

gran cantidad de datos, los cuales son almacenados y procesados para tomar las mejores

decisiones basadas en información real y medible.

Algunos de los ejemplos que representa la tecnología son:

• Sensores inteligentes, que están siendo aplicados en verticales de los

grandes comercializadores de la industria, con parámetros concretos de

almacenamiento continuo de datos que están presentes en las líneas de

producción para su posterior análisis, donde se estipula la mejora continua de los

procesos industriales para contra restar el tiempo de consolidación.

• Las horas de video que están siendo grabadas para determinar un proceso

de vigilancia o para otros fines.

• Pagos con tarjetas que se concretan en miles de transferencias que se están

efectuando desde tarjetas de crédito para los usuarios alrededor del mundo.

• Millones de imágenes, videos, tweets por día. Miles de datos enviados por

segundo.




• Múltiples introducciones de comentarios en todas las paginas como de

corporaciones como de redes sociales.

• Grandes volúmenes de información en Teras, Gigas como documentos,

planos, formularios, y muchos otros tipos de datos sin estructura que están en un

proceso de constante digitalización para mejorar los procesos.

• Toda la información relacionada tanto de la parte contable como de

inversión compra y venta de productos en el mercado, es un mercado en contante

crecimiento.

El listado anterior queda realmente corto ante el amplio uso que se le puede dar a BIG DATA,

las características complejas del Big Data se deben principalmente a la naturaleza no estructurada

de gran parte de los datos generados por las tecnologías modernas, En la mayoría de los casos, con

el fin de utilizar eficazmente el Big Data, debe combinarse con datos estructurados,

Hay dos beneficios que se pueden utilizar con BIG DATA para datos analíticos los cuales son:

(i) Cuando el tamaño de la población aumenta de alto volumen de datos,

entonces esto resulta en la eficiencia de la fiabilidad estadística.

(ii) Los modelos pueden mejorarse teniendo en cuenta los factores relacionados

ya que los objetos pueden ser a afines entre sí de una manera muy poco intuitiva. Por




lo tanto, BIG DATA nos brinda la oportunidad de abordar cuestiones convencionales

de manera más panorámica [15].

Se presenta un crecimiento de manera exponencial el cual está siendo representado en algunos

parámetros como lo son [6].

Volumen: Se conoce como el crecimiento de manera continua de información o

flujo que está relacionado en distintos tipos transacciones, textos, voz y videos, entre otros.

Esto se debe en parte a las redes sociales y el resultado de la web 2.0. Un caso significativo

y muy mencionado es el caso de YouTube donde se suben a la plataforma 72 horas. En un

minuto para determinar el video.

Variedad: Se define como el modelo de llegada de múltiples datos con distintos

formatos, es importante conocer que hay estructuras en las bases de datos para documentos,

videos, imágenes, audios entre muchos más aspectos [7].

Velocidad: La tasa a la que se genera información es cada vez más alta, y esto a su

vez incrementa la necesidad y velocidad de procesamiento de información como de datos

en tiempo real.

5.3. Gestión de Eventos y sistemas de Monitoreo.

La administración de la información es la capacidad de una red para poder predecir su uso, es

requerido el monitoreo y análisis en todo momento de las redes.




Un ejemplo es la medición de tiempos de respuesta en la red de las diferentes transacciones o

el uso del ancho de banda de un determinado canal de comunicaciones.

El objetivo central del sistema de monitoreo no solo es supervisar la salud de la red, sino

también el correcto uso de esa infraestructura [11], donde se realiza la verificación de los distintos

protocolos los cuales están siendo utilizados en el ancho de banda (BW) por el canal.

Las herramientas de monitoreo [12] pueden integrar algunas o hasta cientos de variables de

cada elemento de la red:

• Direcciones IP.

• Contador de fallos presentados por los equipos.

• Tipo de protocolo que se implementaran con respecto a la tecnología.

• Calidad del servicio.

Son algunos de ellos, de interés en las herramientas actuales de monitoreo. El monitoreo básico

de una red incluye:

• CPU utilización

• Memory

• % CPU per transaction type

• IO rates (physical and buffer) and device utilization

• Queue length (maximum and average)




• File store utilization

• Transactions

• Transactions per second (maximum and average)

• Transaction response time

• Batch duration profiles

• Number of hits

• Number of log-ons and concurrent Users

• Number of network nodes in use (e.g. network devices, PCs, servers etc.).

Las variables como aplicaciones de la tecnología están en continuo avance por las nuevas

actualizaciones del área de monitoreo y crecimiento del conocimiento, como en tiempos de

trasmisión o envió de información y tiempo de procesamiento que están muy ligadas al tema de

topologías de una red de datos.

5.4. Topologías de Red.

Las topologías de red son una base principal en el desarrollo de las actividades en el campo de

las comunicaciones, pues son el mapa físico o lógico que presenta el diseño de una red, a

continuación, se describirán cuáles son las principales topologías de red cuales son las más

adecuadas y cuáles son las que mejor aplicación tienen para en el desarrollo del proyecto.




5.4.1. Topología de Anillo:

Las topologías más usadas en los entornos de comunicaciones atribuidos al ahorro de

materiales como cableado estructurado equipos, conectores, fibra compensadora,

amplificadores de señal, la comunicación se establece al paso de un testigo o token, se utilizan

equipos distintos para poder acceder de un equipo terminal “A”, hasta un equipo terminal “B”,

para pasar la información desde uno equipo o por el contrario más equipos dependiendo el

tamaño de la red para llegar al destino [31].

Las tecnologías tienen aspectos positivos y negativos tanto en su implementación como en

sus rendimientos, un aspecto positivo es la facilidad y simplicidad de la tecnología al momento

de su implementación, se recomienda usar la cantidad necesaria de cableado para evitar Delays

como daño en tramos de la fibra [31].

Ilustración 6, Topología de anillo, autoría propia




5.4.2. Topología de Malla:

Las redes de maya se describen como la implementación más completa a nivel interno,

cuenta con ingreso a la mayor parte de los equipos o computadores, la conectividad es

importante para poder determinar las fallas, también tienen la ventaja de que, al presentarse

perdida de la conectividad con un equipo, se optar por otra ruta automáticamente para llegar

a ese mismo destino, depende de en gran medida de la extensión de la red.

Los principales problemas que se presentan comúnmente es el alto costo en la tecnología,

como se puede tener la facilidad de poder conectar todos los equipos a un nodo central o

equipo enrutador, el costo de la fibra o cableado de especializado es costoso y para las

pequeñas empresas es un gasto muy alto que se puede asumir con tanta facilidad [31].

Por el contrario, para las grandes empresas es una inversión significativa la topología

permite que la empresa esté conectada en todo momento si impedimentos como lo es cortes

de fibra o daños en los conectores de los equipos. Es una alternativa que está consumiendo a

las grandes empresas y sigue en auge por su gran aplicación.




Ilustración 7, Topología de malla autoría propia.

La figura anterior describe el esquema de la topología de malla, está contemplado el

proceso de cómo se conectan los equipos donde se muestra un equipo Core o central que recibe

toda la información que está siendo suministrada por los otros equipos, es el encargado de

enviar la información a cada uno de ellos.

5.4.3. Topología de estrella:

Una de las topologías más conocidas es la topología de estrella es utilizada por su gran

versatilidad y facilidad en el campo de las comunicaciones, las empresas de comunicaciones

buscan las mejores alternativas para poder identificar y definir la mejor topología que debe




ser implementada en cada uno de sus ejercicios, donde se busca la mejor alternativa para el

cliente y su mayor aprovechamiento de la red.

La topología tiene aspectos muy importantes en el desarrollo de empresas de

comunicaciones y más para nuestro proyecto algunos de los clientes cuentan con las

topologías, al ser uno de los proveedores a nivel WAN más grandes.

Ilustración 8, Topología de estrella, autoría propia.

En la figura anterior se describe de forma gráfica el funcionamiento y estructuración de la

topología de estrella, donde las estaciones están conectadas en un equipo central para este




caso podemos incluir un Switch, estos equipos están centrados en la implementación de

múltiples puertos de acceso para interconectar muchos equipos.

5.4.3. Topología de Bus:

Topología de red muy unificada, los equipos al estar conectados directamente a los

enlaces no tiene más conexión con los otros nodos, físicamente todo se conecta a un cable

común, es muy práctico y usado a términos de comunicaciones, lo malo de las topologías de

bus es que si se daña la el cable principal en un sector se pierde la comunicación de los

equipos que se dan después del corte, esto es un factor muy importante para tener en cuenta

en las empresas de comunicaciones [31].

Ilustración 9, Topología de Bus Autoría propia.




La descripción de la figura anterior de las topologías se enfoca en el desarrollo de los

distintos tipos de alternativas de diseño de red, si tengo muchos canales pequeños con

respecto a la información presenta causando demoras tanto en él envió de información

conocido como Delay de la red, identificado como un cuello de botella, es un aspecto para

tener en cuenta en las etapas de diseño de los sistemas de comunicaciones.

5.5. Cisco Netflow.

NetFlow es un protocolo de red desarrollado para recolectar información sobre tráfico IP. Mas

conocido en el monitoreo de redes de datos [9]. es el encargado de realizar los barridos de

información de tráfico de red, Utilizado en el sector de las comunicaciones, como líder en el

procesamiento de datos, es un diseño de la casa de equipos y tecnología CISCO SYSTEMS que

es soportado principalmente por Routers y Switches de la marca. NETFLOW es tan popular que

cuando en el sector se refieren a una de las muchas otras versiones que existen con su cometido

también lo llaman Netflow.

Se introdujo como una nueva función de los Routers de Cisco para conseguir la propiedad

de reunir tráfico red IP, según entra o sale de una interfaz. Una vez que se obtienen los datos

gracias a NetFlow se pueden analizar. Un buen y avanzado administrador de red puede a partir

de ellos, deducir o concluir claves como de dónde viene el tráfico o cuál es su destino, los

posibles detonantes de una congestión o tipos de servicio.

Cisco NetFlow en su versión 5 es el más estandarizado [10], define el Flow o flujo como una

sucesión unidireccional de paquetes que comparten las siguientes 7 características:




• Interfaz de ingreso (SNMP if Índex)

• Dirección ip Fuente

• Identificación de la dirección ip destino

• Protocolo IP

• Puerto Fuente asignado para UDP o TCP

• Puerto destino asignado para UDP ir TCP

• Tipo de servicio de IP

Esta tecnología toma fuerza año tras año gracias a la “Inteligencia Empresarial” lo que refleja

una continua actualización por parte de las empresas como de los proveedores, La marca Cisco,

no solo cuenta con la v5, también tiene NetFlow v7, v9 y v10; en ellos añaden más valor a la

herramienta, algunas de las formas en las que se puede utilizar toda esa información que entrega

Netflow es en mejorar el diseño y optimizar el análisis de una red. Por medio de la creación de

una política para los Routers, se puede hacer recreación del Backbone, elaborar planes

estratégicos de ingeniería de red minimizando costes en operaciones, aumentar el rendimiento,

capacidades y recursos entre otros.

Los datos agregados, como los flujos de NetFlow, se pueden utilizar para reducir aún más los

cálculos [17]. Donde la tecnología tiene un nuevo alcance dando la continuación de la misma

rama a la tecnología cisco AVC.




5.6. Cisco Application Visibility and Control.

Cisco AVC es una tecnología de la marca Cisco, por sus siglas conforma la siguiente frase

“Application Visibility and Control”, la tecnología tiene como fin obtener la información e

interpretarla usando aplicaciones de análisis de datos, AVC soporta Netflow ya que es una versión

anterior al sistema, donde se toman datos de QoS, capacidad, tráfico, entre otros.

La tecnología AVC nace de la necesidad de visualizar aplicaciones en la red, necesidad que por

cierto está en aumento y debido a que su predecesor NetFlow, que se basa en el puerto y el

protocolo para la categorización de la aplicación, no es suficiente para obtener la visibilidad que

se requiere, Para cerrar esta brecha, Cisco ideó la tecnología Cisco AVC.

El agente de supervisión integrado de AVC mide los tiempos de transacción y latencia de

aplicaciones TCP, al igual que la pérdida de paquetes y el Jitter para aplicaciones de voz y video.

Los datos se pueden utilizar para la selección de rutas, monitoreo y solución de problemas de

rendimiento de la aplicación [18].




Ilustración 10, Esquema Cisco AVC elaboración propia.

En la ilustración 10 se muestra un esquema del proceso interno de funcionamiento de la

tecnología AVC, el esquema detalla paso a paso la ejecución desde el momento en que se recibe

el tráfico hasta llegar al ítem de monitoreo.

AVC proporciona una clasificación a nivel de aplicación, monitoreando el rendimiento de la

misma, ayuda a los equipos de TI a obtener la visibilidad requerida en el tráfico de red, de esta

forma se logran optimizar las aplicaciones críticas del negocio proporcionando un futuro rentable

para la compañía. el modelo se está aplicando a BI, (Business Intelligence) que es un sistema

enfocado en desarrollar y entender las necesidades cambiantes del mercado, lo que busca BI es

crear un modelo que garantice y permita realizar un análisis de información compatible. Hay que

resaltar que este método está en constante evolución para lograr que en el futuro los diferentes

sectores de las empresas corrijan y limiten sus errores.




5.7. Modelo distribución Gaussiana

Con respecto a la investigación un foco en el desarrollo es determinar el modelo matemático

más acorde al proceso, por lo cual se requería de un modelo que contara con una distribución

continua, en el proceso intervienen valores como tiempos de ejecución concretos, si el número de

eventos es muy grande, entonces se puede utilizar la función de distribución de Gauss más

conocida como la “campana de Gauss” para describir los fenómenos. aunque el enfoque ya estaba

definido desde los años (1667-1754) fue Gauss quien aporto la mayor parte a la investigación y

encontró un mejor uso sobre la curva interna de las señales.

Para realizar el proceso del desglose de la información hay generalmente dos aspectos a tratar

µ y Ø, con la identificación y notación se aborda la ecuación de la densidad de la normal que es

interpretada de la siguiente manera: [23].

𝑓(𝑥) 1

𝑒𝑥𝑝 −1 𝑥−µ2

; −∞ < 𝑥 < ∞ (1) ( Ø√2𝜋 2 Ø

Ecuación tomada de documento [23]

El método es empleado para el procesamiento de señales de voz, donde se determina por su

índice el mejor componente de este. Las curvas que son tratadas por estos métodos de campana de

Gauss tienen diferentes variables, sin embargo, tienen como primer parámetro enfocarse en la




cresta de la curva, así se logra identificar el comportamiento actual y perseguir el comportamiento

de la señal, haciéndolo un método perfecto para determinar probabilidades.

Estos procesos son estocásticos están encadenados en un tiempo continuo y son acompañados

de un conjunto de valores encerrados para su aplicación a nivel externo, por lo que atiende a un

proceso de probabilidad, donde este o más eventos suceden en el mismo intervalo de tiempo [23].

5.8. Teletráfico

Es una aplicación frecuentemente utilizada en el campo de las comunicaciones, desde la teoría

de Teletráfico se busca aplicar el cálculo de la probabilidad para solucionar un problema donde se

determina la prestación, operación, planificación y mantenimiento de un sistema de

comunicaciones ,la teoría es aplicada en redes de datos y voz donde permite hacer medible el

tráfico por medio de un sistema efectivo y preciso con una categoría de servicio específica, para

este proyecto se está orientando en cómo causar que el grado de servicio sea conforme a lo deseado,

cuando el sistema sufre sobrecargas o perdidas de información.

Un aspecto importante para tener en cuenta y con respecto al enfoque es el termino capacidad

que es aplicado a la interpretación de la información, es decir, es el método de medición del sistema

para proporcionar servicios, Se debe tomar en consideración el número de servicios y el número

de variables al poner el diseño en un entorno de desarrollo, que es lo que manifiesta el modelo de

Teletráfico.




La carga o Tráfico depende de los siguientes aspectos y es de gran importancia poder

discriminarlos:

• Cantidad de usuarios utilizando la letra “n”.

• Sigla para identificar la tasa de llamadas generadas “λi”.

• Sigla para determinar la duración de las llamadas “s”.

• Para el servidor es independiente las siglas cargas son valores.

Se tomará como ejemplo para el caso 600 clientes, cada uno tomando una petición por hora, lo

que sería un equivalente a 10 clientes cada uno con una petición por minuto.

Esto se reduce a:

• El primer paso del análisis de tráfico que es la caracterización de las llegadas de

peticiones y la duración [26]

• Tasa de generación de llamadas de todos los usuarios (λ)

• Duración de las llamadas (s)

Las aplicaciones en la teoría del Teletráfico van de la mano con todo nuevo sistema que

permita ejecutar un principio de mejora, lo que se busca es no tener que realizar acciones físicas

en los equipos y ni tomar tiempo de maquinaria, en traducción evitar altos costos de

implementación, el modelo matemático determina desde la alternativa teórica hasta al esquema

practico de un proceso, para todo el diseño se encamino la información en conjunto con el

método o teoría de Erlang, para lo cual se estructuraron unas tablas de consulta, se explicara la

aplicación de la teoría a través del siguiente ejemplo muy conocido; se tiene un grupo de




personas enfocado en realizar 30 llamadas en una hora, para el cual cada llamada tiene una

duración de 5 minutos, con la información total del grupo se puede obtener el tráfico, para el

caso el tráfico es de 2,5 Erlang, el resultado de la información soportada se obtuvo con el

siguiente proceso matemático:

Minutos de tráfico en una hora = número de llamadas x duración

Minutos de tráfico en esa hora = 30 x 5

Minutos de tráfico en esa hora = 150

Horas de tráfico por hora = 150 / 60

Horas de tráfico por hora = 2.5

Valor del Tráfico = 2.5 Erlang

Hay distintos modelos de tráfico, las tablas fueron creadas para el modelo Erlang como se

presenta Erlang B y Erlang C.

Los modelos de tráfico están siendo orientados actualmente en problemas empresariales que

están enfocados en definir y mejorar el canal en revisión, haciendo énfasis en la importancia de

la información y como aplicarla en los distintos encuadres.

Como todo enfoque de investigación, el Teletráfico tiene como principal visión entender

planificar y desarrollar herramientas que procedan del campo a la investigación operativa como:




1. Concebir sistemas nuevos que cumplan con las características estructurales y de

mejora desde el ámbito de las comunicaciones.

2. Diseñar y/o adaptar el contexto para desenvolver dicho sistema complejo.

3. Planear, Diseñar e implementar un nuevo sistema de telecomunicaciones que cumpla

con algunas medidas de servicio, robustez y desempeño deseados y claramente establecidas.

4. Planear su evolución y adaptación dentro del entorno para el cual fue concebido.

5. Generar políticas claras de mantenimiento y control que garanticen su fin.

6. (…) Planear su fin o expiración (…) [25]

Para determinar si hay parámetros estacionarios presentes en las actividades, como la

recolección de información y estructuración de la tecnología que la compone, la infraestructura

de las redes de nueva generación tiene como objetivo grandes desarrollos para mejorar el valor y

minimizar molestias notables como costos y tiempo de instalación y operación.




Ilustración 11, Ingeniería de Teletráfico y recomendación UIT [25].

Los alcances de las unidades a nivel teórico, están presentes en los campos como las unidades

de medida de información, para ilustrar y explicar la figura anterior se entiende que los circuitos,

líneas, servidores, troncales, canales entre muchos otros, están puntualizados en llevar un

producto, para este caso son medios de trasmisión de información, con la finalidad de obtener la

intensidad de tráfico que se define cómo n(t) , utilizado en los sistemas de telecomunicaciones,

es más conocido como Erlang o su abreviatura E, denota el protocolo teórico que se puede

realizar en los procesos matemáticos de varianza y media con la intensidad de tráfico de un

sistema determinado, para el desarrollo del proyecto una opción viable podría ser aplicarlo, con




lo cual se encontrarían las intensidades y periodicidad en un T de tiempo determinado,

permitiendo reconocer la intensidad del tráfico [25].

En el área de las comunicaciones no se habla de tiempo de servicio, por el contrario, se

conoce como aumento de trasmisión de paquetes en unidad de tiempo para determinar los bits o

bytes, por segundo, la recopilación proporcionara variación con respecto a la cantidad de

información que esté pasando por el canal.

Hay aspectos importantes que están presentes siempre en el campo de las comunicaciones

como la perdida en los sistemas y en los canales, lo que ocasiona demoras en los servidores,

estos parámetros son problemas que están presentes en todos los sistemas de comunicación y

más cuando el asunto está vinculado con llamadas o transporte de información por medio de un

servidor, pues el resultado es congestión de llamadas o de tráfico.

Para obtener la medida del tráfico se tiene como primer paso conocer los aspectos o variables

que trabajaremos como:

𝐼 =

𝑉𝑜𝑙𝑢𝑚𝑒𝑛𝑑𝑒𝑡𝑟á𝑓𝑖𝑐𝑜

𝑇𝑖𝑒𝑚𝑝𝑜𝑑𝑒𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛

𝑇𝑖𝑒𝑚𝑝𝑜𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜𝑑𝑒𝑜𝑐𝑢𝑝𝑎𝑐𝑖ó𝑛 =

𝑡𝑖𝑒𝑚𝑝𝑜𝑑𝑒𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛

El resultado está en una unidad física que se mide en Erlang, una medida usada y mencionada

a lo largo del trabajo, que otorga un panorama más despejado de los métodos de medición de la

data relacionada.




Sistema convencional de telefonía

En esta sección se conocerá la importancia de los sistemas de telefonía y como están siendo

aplicados en el campo de las comunicaciones, para el desarrollo del proyecto [29], las

aplicaciones son trasmitidas a los Switches y su configuración se guarda en la parte activa de una

arquitectura constante, lo que brindada un valor agregado a las nuevas tecnologías como LTE y

próximamente 5G.

5.9. Probabilidad de bloqueo

Hay términos que están constantes en el desarrollo de las tecnologías y uno de ellos es la

probabilidad de bloqueo, esta se puede presentar en cualquier sistema, pero más comúnmente en

sistemas de comunicación. para el caso del modelo de llamadas se determinó el tráfico con la

aplicación de la teoría del Teletráfico, con antelación mencionada en el documento y se

determinaron las tecnologías con sus aplicaciones respectivas en los procesos internos.

Ilustración 12. Todos los servidores todos ocupados ADA [26]




Multiplexación:

La multiplexación es un proceso en el cual canales múltiples de datos son combinados en un

solo medio de transmisión, usando un dispositivo llamado multiplexor, ampliamente utilizada en

telecomunicaciones para dividir las señales en el medio por el que van a viajar, permite

compartir la capacidad de transmisión de datos sobre un mismo enlace para aumentar la

eficiencia, minimizando la cantidad de líneas físicas requeridas y maximizando el uso del ancho

de banda de los medios

Su correcta aplicación facilita validar los tiempos de desarrollo para los proyectos

estructurados en diferentes entornos, en donde redes de nueva generación, capacidad del

cableado, nuevos tipos de cables y mejoras en el campo de las comunicaciones hacen parte del

pilar para la implementación del proceso interno [28].

Ilustración 13, Funcionamiento multiplexación de información [53]




Existen innumerables causas posibles para la congestión de una red, a través del control de

flujo se puede prevenir, asegurándose de que los dispositivos que transmiten no abrumen la

recepción de los dispositivos con datos, la función es aplicada por ecuaciones como Poisson y

determina un proceso donde se estructura una mayor tasa, los problemas se aproximan para no

disponer de tablas lo que permite una mejora en los tiempos, aunque es básicamente generar

subdimensiones de la información contenida. [25]

Conforme a la multiplexación nos enfocamos en realizar un proceso descriptivo y centrado,

donde se detalla cómo se deben resolver los problemas principales, uno de ellos y como ejemplo

es la identificación de la red interna del cliente y del proveedor, donde la información retrata la

mejor manera para el proceso de desarrollo del trabajo, los principales desarrollos expuestos en

este documento, son ejemplo de la importancia de un método de consulta en procesos de análisis

de información, tales y como la identificación de tráfico, con lo cual se determinara el moldeado

y distribución que se identificó como el correcto.

Es importante tener en cuenta algunos parámetros y procesos como parte fundamental del

continuo desarrollo aplicado, por lo cual se establecen vectores aleatorios y a través de los

procesos estocásticos, se define la probabilidad en tiempo aleatorio, los vectores mencionados

dependen tanto del tiempo como del espacio, considerando las funciones de muestreo.

Se presentan diferentes procesos estocásticos uno de esto es estacionario, donde su función de

primer orden es dimensional es invariante al tiempo, por su composición matemática sirve como

alternativa tangible para su verificación probabilística que se pueden armonizar entre sí, los




procesos estocásticos permiten dar un panorama claro del desarrollo interno y dinámico de la

data que estamos gestionando para realizar un proceso de modelar la información [25].

5.10. Sistema Celular

Las celdas celulares son muy importantes para las comunicaciones móviles ya que tienen

aplicación en diferentes áreas, Es importante resaltar que esta solución no reemplaza a los

tradicionales radios bases, sino que es una alternativa para mejorar la cobertura y para respaldar

la capacidad de las redes en áreas con una gran densidad de tráfico, por su facilidad de

interpretación se crean secciones o celdas, para determinar cada una de las celdas hay parámetros

importantes por resaltar:

• Número de abonados.

• Área de cobertura

• Cantidad de antenas

• Tipos de modulación




Ilustración 14, descripción celdas celulares [29].

Los anteriores son aspectos presentes en parámetros de modulación en las comunicaciones,

para tener un ejemplo más concreto, no podemos tener dos canales juntos, es decir a cada celda

se le debe asignar un canal y una codificación, como “A”, “B” y “C” de manera que deben ser

independientes de la celda del lado, el número de abonados permite hacer una representación

correcta de la distribución, como se observa en la figura anterior, contar con la información

graficada permite determinar el mejor camino, lo que es de gran importancia para las

comunicaciones móviles.




5.11. Edge Computing

Las tecnologías destacan por los grandes avances presentados en las implementaciones,

avances como optimización a nivel interno de las comunicaciones móviles, Las soluciones

derivadas de las mejoras permiten una reducción de aproximadamente un 40% del tiempo de

finalización de las tareas computacionales en los dispositivos móviles, lo que facilita la

operación de aplicaciones que requieren latencia [32].

El algoritmo propuesto puede prevenir efectivamente la distribución excesiva de la

monopolización del ancho de banda y la asignación excesiva [33], entrega información del

crecimiento en la rama, las tecnologías de LTE y 5G, son uno de los pilares, de hecho los más

importantes en el proceso de composición como de fundamento para el avance de la tecnología

tanto en el ámbito empresarial como de investigación o académico, está delimitado por las

inclusiones de los procesos de analítica interna de los datos como la analítica de canal y métodos

de compresión de información que llevan a un mejoramiento de la información entregada.

La tecnología Edge es nueva y conforme a las implementaciones en los documentos del

campo de investigación de la ingeniería, se obtienen resultados en distintos campos uno de los

más importantes es en el campo de las comunicaciones y como poder realizar procesos de

optimización de los servidores, aspectos importantes para las empresas los cuales representan un

alto costo en las empresas que tiene un nicho de mercado en la tecnología.

Las empresas del sector se enmarcan en la aplicación de distintos protocolos para abordar el

Throughput, el cual se valida con la información del servidor.




El desarrollo matemático al seguir las aplicaciones mantiene un panorama de la información

encriptada, las tecnologías descritas muestran alternativas para lograr un mejor manejo de la

información, con lo que se estipulan conocer algunos parámetros básicos de la tecnología que

nutren la mayor parte del documento, con el fin de entender de la mejor alternativa de las

técnicas de análisis de información.

Las tecnologías de trasmisión de equipos móviles se pueden identificar y describir como un

pilar, dentro del documento se articula la orquestación de la información y se presenta en

múltiples aspectos, uno de estos parámetros permite la mejorara continua de los tiempos de

trasmisión desde el punto de envío en un equipo móvil hasta el equipo receptor.

Se presentan múltiples alternativas, de entre ellas se escoge una ampliación móvil que permite

cargar la información a un dispositivo, así ejecutar el control de una casa desde un dispositivo

celular, para realizar un correcto proceso de automatización domótica es importante reconocer la

información que está presentándose, en este caso es indispensable implementar en la casa

sensores, cada uno de estos sensores tiene una aplicación y uso dependiendo del área de la casa

en el que estén ubicados, se direcciona la información recopilada a un dispositivo donde se

ejecuta el análisis de la información obtenida y se implementa el mando del sistema IOT,

Aunque su uso no está regulado, las aplicaciones de esta tecnología a nivel teórico y práctico

son muy amplias.

la identificación e interpretación de la información de todos los sensores del hogar se ejecuta a

través de la implementación de un código matriz que permite recopilar la información, como




ejemplo de la aplicación está el edificio de claro, la empresa cuenta con el primer edificio con

tecnologías IOT aplicadas a su infraestructura.

Por lo anterior la aplicación de tecnologías Edge facilita el proceso de mejora basado en la

identificación interpretación y uso de la información para obtener mayor rendimiento. Edge es

innovador, a través de su aplicación se obtiene la información para mejorar el (BW) de un canal

determinado, es importante recordar que este enfoque es encaminado en el área móvil.

con la aplicación de tecnologías como 5G y LTE en el mercado se busca impulsar la

implementación a niveles futuros con el fin de traer Mejoras de ancho de banda, para este caso a

través de los métodos de identificación y compresión de información o Big Data que se muestran

en el tráfico.

Por medio de la verificación del componente regulativo a nivel interno de las compañías se

identifican los problemas, la tecnología Edge permite la Identificación de un sistema de analítica

de datos, el cual entrega información acerca del comportamiento de un canal con la data de un

cliente y las descripciones de la tecnología, cuando la tecnología es antigua como GPRS se

complementa, como ejemplo la siguiente Ilustración.




Ilustración 15, Comparación protocolos EDGE y GPRS tomada [38]

Los avances teóricos aplicados al campo de información muestran el proceso que se debe

seguir, en otras palabras son una guía donde se puede encontrar el funcionamiento de tecnologías

aplicadas en estos contextos, como referencia esta la tecnología GPRS, este articulo resalta la

importancia de realizar procesos de mejora a nivel móvil para el envío de información, muestra

la tecnología GPRS que es muy confiable en términos de envío de información y lleva muchos

años en el foco del mercado, aunque hace algunos años se implementó en conjunto de nuevas

estrategias, pues se estaba buscando mejorar el uso del GPRS y aplicarlo en múltiples entornos,

para este caso obtiene mayor relevancia por su uso en entornos de comunicaciones móviles.

5.12. GPRS.

Para poder incorporar nuevas tecnologías como mejoras en el campo de sistemas móviles,

más específicamente en tecnologías GSM, se creó e incorporo GSM-IP, que permite la inclusión

del protocolo TCP/IP para toda la red de información del mismo caso, pero aun así esta

necesidad seria suplida con la tecnología de GPRS [38].




Las comunicaciones y los GPRS [55], son un proceso actual, tecnológicamente presente en él

envió de datos móviles por lo cual es importante reconocer que hay procesos en donde se

presenta análisis de tráfico [56].

Cabe mencionar que los servicios de GPRS están incursionando también en la localización

para vehículos [57], estos avances se interpretan como cambios en la actualidad con objetos

como IoT.

5.13. FOG COMPUTING.

La tecnología Fog tiene aplicaciones en distintos campos de las comunicaciones. La

información se representa en IOT, por lo que es importante reconocer desde una arquitectura de

red cuales son los pasos más fáciles desde el punto de vista físico, lo cual es una gran

responsabilidad, ya que es la vía de la inserción que articula la tecnología Edge computing con la

tecnología Cloud computing, estando en la mitad de las dos tecnologías y lo hace un mejor

sustentable para un crecimiento uniforme [40].

Hay casos en la aplicación en los cuales se presenta perdida de la información, la información

almacenada en los equipos que hacen la gestión, Routers, permite generar de una manera gráfica

la siguiente figura, donde se describe el proceso de Fog computing.




Ilustración 16. Arquitectura Fog computing [40]

La figura anterior muestra el proceso de FOG Computing, en donde se lleva a cabo la

identificación de información para el analítica de datos ejecutado en el campo de las

comunicaciones, las tecnologías Fog están en auge y las implementaciones están creciendo en el

área de administración de la información, donde se convierten en un plus su aplicación, la

densidad de la información del nodo Fog, tiene en relación directa con la locación, en la Fog

computing los recursos para el almacenamiento y la preparación de los datos abandonan la nube

pública o el centro de datos y se distribuyen en una capa intermedia en la red por medio de nodos

Fog o unidades de preprocesamiento, algunos documentos se centran en la aplicación de la

tecnología para la reducción del consumo de tráfico entre los dispositivos IoT y la nube, aunque




para que los datos puedan procesarse localmente y los aparatos comunicarse entre sí, debe

añadirse una unidad adicional de procesamiento a los dispositivos IOT.

Para entender de manera más clara las aplicaciones de la tecnología se viene incursionando el

enfoque de análisis de (operational and no operational data), historical data, en donde la

información se relaciona con los tiempos de consumo en segundos, por lo que el IOT de hoy no

puede compararse con el de mañana, toda la información recibida de los dispositivos de bajo

consumo, es decir dispositivos IOT o equipos de terminales finales, se convierten en un punto

importante de trabajo pues especifican los parámetros en el enfoque realizado [41].

los equipos en Fog computing cuentan con seguridad criptográfica aplicada sobre los distintos

procesos para el desarrollo de las políticas y garantías, muchos de estos procesos están en un

pináculo pues la tecnología Fog Computing está en cúspide por el aumento de su uso en las

nuevas implementaciones.

un tema muy importante para tratar es el de seguridad, uno de los mayores miedos

presentados es la vulnerabilidad de la información, duda que hace parte fundamental de todo

desarrollo, para lo cual se hace importante saber qué información se maneja en el proceso interno

de una compañía [41], y establecer en el transcurso de la investigación como se debe tratar, en el

Fog, el preprocesamiento de los datos tiene lugar en la red local. Esto permite que los datos

sensibles permanezcan en la empresa o que puedan cifrarse o anonimizarse antes de subirlos a la

nube. en consecuencia, se debe dar un alto grado de importancia al proceso interno de

configuración y aplicación.




Para los procesos de validación se establecen métodos de comprobación de regiones [42], que

se centran en la importancia de realizar una descripción de la tecnología y como se está

aplicando, las tecnologías de la información están presentes en los todos los campos, por

ejemplo, en el área de la salud tienen múltiples aplicaciones, en algunos documentos plantean la

posibilidad de usar IOT con el concepto de Fog computing [44] pues el FOG propone posibles

soluciones a la problemática que acompaña la implantación total de la IOT.

Las tecnologías están en constante crecimiento y en el proceso técnico hay regiones que son

afectadas a nivel físico, en el Fog Computing los equipos son propiedad tanto de las personas

como de las empresas, en el Cloud Computing [58] está presente el concepto de compartir la

carga de la maquinaria, pero el mensaje realmente importante es que las personas cuiden los

equipos que prestan el servicio.

Con la concepción de los distintos usos que puede tener el Fog computing en los campos de la

salud, hogar y tecnología de todo o IOT, el Fog es orientado a la aplicación de un modelo que

elimine los problemas latentes en la seguridad de la información, como beneficio acorta las vías

de comunicación, acelerando así los procesos automatizados de análisis y decisión, pero es

vulnerable a ataques “man in the middle” por cual su implementación requiere que se cumplan

con un mayor número de requisitos en la seguridad de red, en otras palabras requiere de la

implementación de un mejor sistema seguridad.




Ilustración 17. Propuesta Framework para la privacidad [44]

En la figura anterior se muestra un diorama de flujo de la propuesta que se planteó en el

documento, como fue mencionado existe un temor constante en la pérdida o vulnerabilidad que

presentan las tecnologías y es claro que, aunque hay curvas criptográficas que son interpretadas

por el sistema [45], con el fin de definir los actores y sus roles en el procesamiento de la

información de una manera analítica y concreta desde un dispositivo como un Celular hasta

llegar a un Cloud, también en el proceso sufrirá la información.




5.14. Procesos estocásticos.

Los procesos estocásticos “son una colección de variables aleatorias” [61] enfocadas en los

espacios probabilísticos, son alternativas para evaluar diferentes sistemas como teoremas, en este

caso centralizados y aplicados para la solución de problemas de Ergodicidad, forma en cómo se

implementó el desarrollo del sistema.

Los procesos estocásticos están siendo evaluados en el campo entre 0 y 1, se pueden usar

“como una función aleatoria” [61] con el fin de aplicar líneas de variables aleatorias que afectan

al sistema que se desee evaluar.

Es importante reconocer los procesos de estado discreto que se desarrollan en este documento,

con el fin de identificar y proponer “los espacios de estados discretos” [64], tomando en cuenta

la ecuación X0 = Xo, X1, …, Xn-1 = Xn -1, Xn = Xn

Cada una de las variables anteriores tiene una probabilidad de cambio o transición de estado,

para poder determinar la probabilidad de ocupación, la cual será ideal como base al crear la

cadena de Márkov.

Las propiedades de las matrices de transición quedan ligadas a las propiedades de las matrices

de Márkov, donde se la cadena de Márkov cumple su cometido cuando el proceso pasado se

puede resumir en la posición que ocupa actualmente esto se define como la probabilidad de

cambio que está sufriendo este proceso para realizar el cambio a otro estado.




6. Desarrollo del proyecto.

Se inicia con la recolección de información obtenida por los equipos Cisco, posterior a esto,

se establece una articulación para el proceso de granularidad de la información.

Ilustración 18 Saturación por alto consumo equipo Congrupo Netflow [Red interna CenturyLink]

La ilustración 18 muestra un ejemplo de tráfico, donde la suma de todas las aplicaciones

consumidas es cercana al 100% de la capacidad del canal causando saturación del servicio.

Ilustración 19 Saturación por alto consumo equipo SOLUCIONES EMPRESARIALES 360 Netflow [Red

interna CenturyLink]




En la Ilustración 19, muestra algunos ejemplos de equipos que presentan alto flujo de

información para una IP en específico, pero en este punto no es posible determinar la aplicación

relacionada a cada dirección IP.

Para realizar la recolección de información e integrarla a los equipos Routers Cisco con

tecnología AVC, se define un proceso de análisis y captura de datos en una plataforma, que

permita mostrar de forma dinámica el proceso de granularidad de la información procesada y

posterior a esto, posibilite la forma de interpretación cuando aún está sin codificar, para entregar

un informe con parámetros concretos e identificar los problemas de saturación de Ancho de

Banda (BW); la plataforma seleccionada es NETRAC la cual pertenece al proveedor de servicios

TEOCO.

Para el procesamiento de la información se establecen pruebas con la metodología Cisco

AVC, para poder enmarcar y articular el problema se centró en la saturación del canal, se

presenta en los planos más importantes ya que afecta los servicios que en ese momento se están

realizando, provocando degradación de la información obtenida como perdidas de información,

tiempos altos de respuesta y demora o cancelación en los procesos que esté realizando.

6.1. Configuración de equipos Cisco AVC

El proceso de configuración de los equipos seleccionados da inicio en el siguiente módulo de

configuración, CPE CRUD es una herramienta corporativa que permite generar plantillas de

configuración según los parámetros ingresados, inicialmente se debe establecer la IP del servidor




que recolectara la información (en este caso la mediación de argentina y su NAT) seguido del

nombre del equipo.

Ilustración 20. Activación y configuración módulo AVC-Cisco

La ilustración 20 describe los ítems necesarios para la configuración del equipo seleccionado,

al tener definido el país y el nombre del equipo, se procede con la configuración de los equipos

con los parámetros de dirección destino, interfaz de captura de datos, modelo del router,

fabricante y puerto.




Ilustración 21. Correcta confirmación del módulo AVC

Se establece realizar un proceso de validación conforme a lo planteado de la gestión de

analítica de datos, donde se identifica el proceso interno de información, para implementaciones

futuras con respecto a la información obtenida. Tenemos como fin alcanzar, identificar y realizar

la administración eficiente de un canal de datos. Definido como compresión de información que

permita utilizar todos los bits de las tramas y no dejar espacios sin utilizar con el fin de

proporcionar una mejora continua del canal.

Ilustración 22. Topología equipo Colpatria [Autoría propia].




Ilustración 23.Topología equipo Congrupo [Autoría propia].

Ilustración 24. Topología equipo SOE 360 [Autoría propia].

Al ingresar al servidor de Argentina del proveedor Teoco, se cumple con la primera actividad

“Diseño y planeación del proyecto” se realiza el segundo proceso que consume más tiempo y es

de más cuidado “Montaje prototipo DATA”.

Respecto al Core del trabajo se establece realizar las siguientes pruebas de la información, la

variante al momento de tomar los datos de los equipos se explica de manera gráfica en la

siguiente tabla, donde dos clientes cuentan con la tecnología Cisco AVC instalada en el equipo y

el otro equipo restante cuenta con solo la tecnología de Netflow.




Tabla 1. Proceso pruebas MATLAB.

CLIE NTE AV C SIN AVC 5 DIAS

CLIENTE AVC CON GRUPO X X

CLIENTE AVC SOE

360 X

X

CLIENTE NETFLOW COL

PATRIA

X

X

La Tabla 1 describe el proceso realizado por medio del portal de Netrac, el cual permite

descargar la información en un documento Excel, el archivo contiene información almacenada

del servidor que en este caso se estructura traer el contenido del equipo, consumo total por

aplicación y fecha, su alto flujo de información como su direccionamiento IP son factores

presentes en las pruebas, Al conocer las alternativas que presenta la tecnología es presentar los

datos desde su direccionamiento IP y consumo total por día.

Se recibe un documento de Excel en donde la información contenida para un cliente, con la

especificación, como se describe en la tabla anterior es un parámetro importante para la

articulación y constante renovación del documento, este documento se envía de forma dinámica

y clara para el proceso de ordenamiento de pruebas.

Se configuran y operaran los equipos CISCO para el correcto funcionamiento y envío de

información al servidor seleccionado. Durante el proceso inicial de captura de información se

presentaron demoras por cuellos de botella, representados en altos tiempos de respuesta por parte




del proveedor como lo son los permisos del aplicativo al cargar la información, formato de datos

desconocido, problemas de conectividad de equipos entre otros.

Una vez solucionando los inconvenientes indicados, se tiene acceso a la herramienta de

gestión propiedad del proveedor Teoco, donde se efectuará el seguimiento, para ingresar al

aplicativo web debemos estar conectados directamente a la red interna de la empresa y posterior

a ello ingresar a un enlace corporativo, el portal de herramientas internas llamado CLAPPS se

abre un abanico de aplicaciones como se muestra en la siguiente figura.

Ilustración 25. Página principal ingreso Clapps / CenturyLink.

Se ingresa con el usuario y Password corporativos, los cuales son de uso personal e

intransferible para el desarrollo de las actividades diarias sobre el funcionamiento interno de la

compañía se accede al menú mostrado en la siguiente figura.




Ilustración 26. Aplicativos portales. Autoría propia

seleccionamos el aplicativo llamado “Hélix”, dentro del enlace nos direccionará

automáticamente al módulo de captura de información.

Ilustración 27. Loguin Hélix portal. Autoría propia.




Al ingresar con sus respectivos usuarios de red se observa la siguiente interfaz cabe

mencionar que es bastante amigable con el usuario, para su respectivo desarrollo, el módulo que

trabajara con la tecnología Cisco AVC, es el módulo “PM Repórter” que tiene un color morado y

esta simbolizado con el icono de una hoja de reporte como se aprecia en la siguiente figura.

Ilustración 28. Ingreso PM Report. Autoría Propia.




Ilustración 29, Configuración equipos AVC.

La ilustración anterior muestra la configuración del nuevo equipo en la mediación de

Argentina en la cual se está haciendo pruebas para verificar su correcto funcionamiento de

servicio, para determinar y tomar algunos equipos los cuales serán el foco del experimento, los 3

Routers que se configuraron con la tecnología AVC para validar la información al servidor de

recepción de datos.

Se pueden hacer dos pruebas sobre los equipos AVC, se procede a validar la información que

está enviando al servidor y si es posible aplicar una OQS para mejorar el consumo del Ancho de




Banda (BW), sin saturar el canal con ello se valida el funcionamiento del módulo, si recolecta

data y que no afecte la granularidad del servicio, si la data está infectada o con errores como

Spam se afectara radicalmente el resultado, al observar campos como Delay o SNR que están

presentes en el servicio. Con este experimento vamos a validar de manera práctica los datos

obtenidos a nivel teórico y con esto proporcionar un análisis de su funcionamiento.

Ilustración 30, Información recolectada AVC

Ilustración 31, Proceso creación de informes Autoría propia.




La figura anterior muestra un proceso analítico por medio de la construcción de un informe,

donde podamos identificar el consumo de las aplicaciones por su dirección IP cual es el equipo

de consumiendo, se debe indicar en las primeras pruebas con datos reales de un cliente se valida

la información cargada desde el equipo hasta el punto de llegada correctamente para determinar

la importancia de las aplicaciones a nivel interno con más clientes.

Ilustración 32, SQL cargue de consultas Autoría propia.

La figura anterior describe el proceso que se efectuó en la consulta de la información que está

siendo cargada y almacenada desde un universo, del proveedor, la base de datos está operando

regularmente y consultada diariamente para almacenar la información del Router para analizar y

realizar la compresión del canal lo que nos determinaría las mejoras del Throughput.




Ilustración 33, Estructura consulta SQL, [Autoría propia].

La ilustración 33 anterior describe el proceso de construcción de la parte de un código SQL es

el motor que permite cargar y consultar la información, hay parámetros que están determinados

en Customer con el fin de proporcionar un desarrollo que articula la parte de Back end con la

parte del entorno grafico Frontend, es importante determinar con herramientas tecnológicas la

construcción de un informe con gráficos tanto de consumo, tiempo para las aplicaciones entre

otras.




Es utilizado por su gran facilidad de moldear la información y estructurar dicha información de

manera analítica y que puede ser graficada o expuesta.

Equipos configurados con AVC

Tabla 2. Equipos AVC.

La tabla 2 muestra los nombres de los equipos tomados para el procesamiento de las pruebas,

son tres equipos de la casa Cisco, con diferentes direcciones IP, ya que pertenecen a distintos

clientes y con esto validar el consumo del sistema.

Ilustración 34. Data equipos AVC [Autoría propia]




La Figura 34 describe el proceso interno de la data recopilada del portal de “PM Report”

donde recolecta data de los equipos con AVC facilitando el rendimiento del canal.

Con el fin de explicar de manera gráfica tanto el desarrollo como ejecución del proyecto, se

establece una prueba técnica lo que incorpora componentes técnicos como de investigación.

El siguiente diagrama de flujo explica el paso a paso de la información tomada para realizar el

proceso de analítica de datos y proceder a utilizar el modelo Ergodico en medio del sistema.

Ilustración 35. Diagrama de flujo del proyecto.

Con la ilustración anterior se explica de manera gráfica el desarrollo del proyecto, pero con

esto salen algunas interrogantes como lo son:

• ¿Para empezar el desarrollo de la información existe comportamiento Ergódico?

Dar solución y respuesta de los resultados tanto a nivel de equipos como de tráfico trasportado

por el canal, a nivel teórico como de la información suministrada de los equipos que están siendo




evaluados, puede identificar distintos comportamientos, uno de estos es el proceso Ergódico de

las familias finitas [48,49] el cual trabaja con la información de la distribución del canal, modelo

matemático, para soportar los datos y resolver el problema de saturación de canal.

Por lo anterior, se identifican más fases que interfieren en el desarrollo ya que son puntos

clave que se deben validar, uno de estos es el proceso a nivel financiero este trabajo tendrá

beneficios, pero para evaluar estos beneficios se puede influenciar en la reducción de costos a

nivel económico, se presenta una alternativa para evaluar la probabilidad de Ergodicidad del

sistema y si este pude mejorar su rendimiento a nivel interno.

Pero para evaluar si el sistema cumple con la identificación de optimización de canal se debe

mostrar ahorros de ancho de banda como de canal, existen problemas de latencia de los canales

de comunicación, en algunos puntos se presenta alternativas de ahorro del consumo de recursos

lo que indica una reducción a nivel económico, es decir por el mismo canal enviamos mayor

flujo de datos con un costo más reducido, se representa menos consumo de los equipos y por

ende mejor administración de ancho de banda del cliente a tratar.

En el nivel económico es un plus grande con el fin de mejorar un proceso y consumir menos

recursos en su ejecución.

Al analizar la información se identifican dos aspectos importantes, el primero en obtener los

datos y el segundo en identificar los protocolos para ver cual tiene mayor consumo y no

comprometer la granularidad de la información.




Tanto a nivel personal como a nivel empresarial, son problemas constantes y se presentan

diferentes alternativas para determinar si el trabajo es viable o por el contrario no, se identifica la

importancia de una canal de comunicaciones y de este se desprende como lo puedo mejorar en

un mismo canal, una alternativa posible puede ser la administración de mayores cantidades de

datos.

Pero para realizar lo anterior, se debe entender primero como se hace el proceso matemático

de interpretar el desarrollo de un modelo, este modelo ya fue desarrollado por filosófico como

científico y matemático, en este caso describimos el proceso del desarrollo matemático [54], y

tomaremos un modelo existente.

𝑌 = 𝑌𝑌𝑛: 𝑁 ≥ 0, 𝑐𝑜𝑛𝑌0 = 0 (4)

Ecuación 4 tomada [54], muestra el proceso interno de los componentes para evaluar en el

inicio de la ecuación con el fin de calcular la matriz de transición con la cadena matemática que

en este caso representa el número de opciones posibles que se pueden utilizar, es dependiendo

del ejercicio para nuestro caso se evalúa el sistema en 5 parámetros de entrada para la matriz de

transición en 5 días

𝑃(𝑌𝑛+1 = 𝑠 + 1|𝑌𝑛 = 𝑠) = 𝑝

∀𝑛≥ 0; 0 < 𝑝 < 1(5

𝑃(𝑌𝑛+1 = 𝑠|𝑌𝑛 = 𝑠) = 𝑞 = 1 − 𝑝)




Definiendo los parámetros anteriores de las variables detectamos cuales van a realizar el

cargue que articula la información, realizamos el cargue y remplazamos valores en la siguiente

ecuación para hallar el 𝑃𝑖𝑗(𝑚).

𝑃𝑖𝑗 (𝑚) = P (𝑌𝑛+𝑚 = j | 𝑌𝑛 = 𝑖 ) = ( 𝑚 𝑗−𝑖

) 𝑝𝑗−𝑖𝑞𝑚−𝑗+𝑖, 𝑗 ≥ 𝑖 (6)

La ecuación 6 describe el proceso de integración de la información obtenida de los equipos a

ser evaluados para calcular el valor de 𝑃𝑖𝑗(𝑚), con el fin dar lugar a la integración de la matriz de

transición.

El proceso de almacenamiento de la información será exportado a los equipos Routers,

presento problemas al momento de evaluar la información de las muestras, en que aspecto, todas

las muestras que fueron tomadas de distintos periodos de tiempo del servidor se debían procesar

para ingresar al modelamiento matemático.

Para crear una cadena de Márkov hay que tener una data con la estructura y probabilidades

que están afectando el servicio por un canal determinado.

6.2. Ergodicidad del sistema

Para dar ingreso al método de Ergodicidad y validar el sistema hay dos factores importantes

que se han tocado en el proyecto el cual requiere una matriz de transición que está enfocado con

las cadenas de Márkov, el otro proceso es evaluar los caracteres.




Tabla 3. Estado matriz cadena e Márkov AVC.

RANGOS DE EVALUACIÒN

1 2 3 4 5

NÙ

ME

RO

DE

MU

ES

TR

AS

1 0,98 0,01 0,01 0,00 0,01

2 0,89 0,04 0,02 0,00 0,05

3 0,89 0,03 0,02 0,02 0,05

4 0,84 0,03 0,02 0,06 0,06

5 0,97 0,02 0,01 0,00 0,00

La Tabla anterior descrita por filas y columnas donde el parámetro de cada fila es equivalente

a un día de toma de datos entregada en este caso por el equipo de AVC, el otro parámetro se

define como estados que están siendo evaluados en el siguiente intervalo, es decir el primer

intervalo se evalúa de la siguiente manera 1 = 0%, 2 = 25%, 3 = 50%, 4 = 75% y 5 = 100%.

Con el fin de dar un archivo completo que será cargado para procesar en Matlab, este

documento contendrá la información probabilística del sistema con el teorema de Márkov, que

tiene como parámetro el determinar un proceso estocástico que se evaluara en este ámbito.

Se realiza la siguiente prueba con el fin de determinar el mejor sistema para el equipo de

Colpatria, en este caso con un equipo con la tecnología AVC, la tecnología tiene como fin poder

identificar y moldear la información recolectada por el equipo router para cambiar la

información procedente del análisis detallado del sistema.




6.3. Colpatria datos Excel.

Tabla 4. Estado matriz cadena e Markov Colpatria.

RANGOS DE EVALUACIÓN

1 2 3 4 5

NÚ

ME

RO

DE

MU

ES

TR

AS

1 0,74 0,10 0,05 0,05 0,05

2 0,73 0,11 0,05 0,05 0,06

3 0,65 0,10 0,05 0,02 0,18

4 0,75 0,02 0,07 0,11 0,05

5 0,72 0,13 0,06 0,04 0,05

La Tabla 4 describe el proceso matemático que se realiza antes de utilizar el software Matlab,

como se definirá la información, los primeros pasos son:

1) Establecer conexión con el archivo de Excel.

2) Tomar captura del equipo archivo CSV

3) Cargar software con código funcional.

El documento se estructura explicando la identificación, extracción e importación de esta

información, para el caso de Colpatria el equipo actualmente cuenta con Netflow, tecnología de

la casa Cisco.

Luego de realizar el cargue de los datos del Excel, con el proceso de conversión de matriz de

transición que nos permitirá pasar un archivo de información en bruto para obtener parámetros




que son ideales en la construcción de una matriz de transición, para el caso de Colpatria esta

información adquiere el volumen consumido del equipo durante los 5 días.

6.4. SOE 360 datos Excel.

Tabla 5. Estado matriz cadena e Markov AVC SOE.


NÚ

ME

RO

DE

MU

ES

TR

AS

1 2 3 4 5

1

0,84

0,04

0,01

0,01

0,10

2 0,85 0,02 0,03 0,01 0,09

3 0,85 0,02 0,03 0,02 0,07

4 0,85 0,03 0,02 0,01 0,08

5 0,85 0,02 0,02 0,02 0,09

La tabla 5 explica el cargue de la información del otro equipo con AVC, se realiza el mismo

proceso realizado con el equipo de Congrupo, con la diferencia de obtener el tráfico de los cinco

días, desde el lunes hasta el viernes de una semana normal de consumo, es decir que la empresa

opera con normalidad sin festivos, perfecto para nuestro desarrollo de la matriz de transición.

Con la matriz obtenida anteriormente de la tabla número 5, se construye de manera funcional

un nuevo código con un enfoque especifico a resolver, en este caso se evaluará la Ergodicidad de

nuestra matriz de transición con el proceso de las cadenas de Markov.




6.5. Código matemático Matlab

Código funcional muestras cadenas de Markov y el modelo Ergódico en un desarrollo del

proceso estocástico, la implementación se estructura en librerías desarrolladas por la casa

productora de software y especializado en investigación Matlab, donde realizar el proceso

matemático de manera uno a uno, con el fin de determinar y graficar el sistema Ergódico, si el

sistema no es irreducible no es Ergódico.

% código Ergodico para trabajar equipo Colpatria 5M BW

clc;

clear all;

%cargar los datos EXCEL

P2 = xlsread('C:\Users\Kevin\Documents\test3.ods');

%P1 = [0.84 0.04 0.01 0.01 0.1;0.85 0.02 0.03 0.01 0.09;0.85 0.02 0.03 0.02 0.07;0.85 0.03

0.02 0.01 0.08;0.85 0.02 0.02 0.02 0.09];

%cadena de Márkov para crear el vector

mc2=dtmc(P2);

%verificar si la función es Ergodica o no

isergodic(m2)




%graficar la información correspondiente Markov

figure

eigplot(mc2);

El modelado matemático anterior descrito y por medio de un código funcional describe el

ingreso de la información al sistema desarrollado, realizando la evaluación de la información

obtenida por el archivo de Excel, donde se evaluará con un enfoque probabilístico el cual tiene

como fin identificar y evaluar la Ergodicidad del sistema.

isergodic(mc);

El comando anterior “isergodic” realiza los pasos del desarrollo matemático el cual esta

descrito en las sumatorias como en el ingreso de los valores que articularan el modelo de las

cadenas de Markov aplicado a un modelo de Ergodicidad [51], los parámetros cargados

contienen información relacionada importante para la compañía, como la herramienta para el

desarrollo matemático en este caso con un código funcional en lenguaje de Matlab.

Al ser un proceso estocástico se presentan alternativas de trabajos donde se evaluará la

información que se entregara por un equipo en el caso de determinar la información se procede a

evaluar si el sistema diseñado es un sistema Ergódico o no [50], se debe incorporar un desarrollo

matemático enfocado en el proceso descriptivo de las aplicaciones.

Para la realización del proceso de las cadenas de Markov. El análisis fundamental es que

gracias a las librerías ya desarrolladas por la casa del Software Matlab en este caso




“Econometrics Toolbox”, la librería es un anexo que trae Matlab para descargar e instalar al

software con el fin de poder evaluar las cadenas de Markov como también trae las ecuaciones del

proceso del Teorema Ergódico.

Se obtiene un parámetro de guía el cual es entregado por la página Matworks, para aprender a

usar correctamente la nueva función de Matlab y ser evaluada correctamente, creando P = [0 1 0;

0 0 1; 1 0 0]; una matriz de 3 x 3, se evaluará su Ergodicidad, en este caso el sistema no es

Ergódico, con la Figura 33 se muestra el resultado del sistema evaluado.

Ilustración 36. Grafica proceso Ergódico matriz no Ergódica [autoría propia]




El foco del proceso se centraliza en la articulación de un modelo Ergódico que tiene un

servicio estándar, después de cargar las librerías y hacer el proceso matemático el cual estipula

los valores de las matrices de transición, es importante entender y reconocer el proceso que se

lleva en un determinado valor de tiempo.

Ilustración 37. Exportar proceso Ergódico [autoría propia]

La figura 37 describe el proceso de Ergodicidad cuando la matriz de ingreso fue sometida a

una cadena de Markov, la cadena de Markov fue evaluada de igual manera para poder determinar

si el proceso era Ergódico o no [62], el proceso indico que el sistema no es Ergódico, la margen




del circulo exterior como el interior esta diferencia que es demarcado con un color rojo conforma

el patrón del sistema [39].

6.6. Fase de pruebas

Al culminar los procesos matemáticos como de pruebas o más conocido como testing de las

matrices de los tres equipos para determinar el flujo de trabajo para el sometimiento al sistema

Ergódico.

El sistema Ergódico desarrollado y sensibilizado en el proyecto tiene como fin poder realizar

un modelamiento de la analítica de la información presentada por el sistema Cisco AVC, que

procede a dar visibilidad y control sobre los flujos de información del servicio.

Los sistemas al ser variantes en el tiempo describen un comportamiento de consumo estable

sobre la matriz de Markov que debe ser evaluados los valores obtenidos [46, 47] con valores

capturados de los equipos (Router) valores de tráfico real de cliente.




Ilustración 38. Relación Congrupo con código Matlab [autoría propia].

La figura 38 describimos el proceso Ergódico para el caso se evalúa entre 0 y 1, se presentan

que los 5 valores en nuestro caso del equipo de Congrupo con la configuración “Application

Visibility and Control” la aplicado desde 0 hasta el valor de 0.06, la mayor parte de los puntos

están centrados en la parte interna de nuestro sistema, es importante reconocer la importancia

que se presenta en el sistema y como es aplicado en el servicio.

El segundo equipo que se realizaron captura de datos pertenece al cliente SOE 360, del equipo

también tiene configurada la tecnología de AVC, con los parámetros establecidos en el inicio del

documento, tiene un ancho de banda diferente al de Congrupo y al equipo de Colpatria, cuenta

con un (BW) de 25 Megas para su tráfico interno como se explica con anterioridad.




Ilustración 39. Proceso equipo SOE 360 grafica Matlab [autoría propia].

El tercer escenario permite comparar un equipo cisco con Netflow, la versión de del software

permite evaluar la reducción del ancho de banda del canal, los flujos del equipo se realizan al

mismo proceso tomando datos en un rango de 5 días.




Ilustración 40. Proceso equipo Colpatria grafica Matlab [autoría propia].

Al realizar un proceso de captura de información para el equipo de Colpatria, Congrupo y

SOE 360 al servidor, la ilustración 41 ilustra sobre los estados del servidor como el estado de

CPU, hay equipos de alto consumo presentes en los tres equipos y aplicaciones relacionadas que

se identifican su consumo, a una dirección IP del cliente.

Con la finalidad de activar AVC en los equipos permitiría describir de manera más clara el

panorama conocer como identificar las alternativas, ¿pero si es viable estas alternativas en mi

canal a largo plazo?




Esta es una pregunta que se resolverá con el sistema Ergódico que a lo largo del documento

como del proceso realizado de levantamiento de información centra el conocimiento en ámbitos

probabilísticos que permite el desarrollo como evolución en donde pueda conocer el sistema a fin

de proporcionar un resultado si es mejorable o por el contrario no.

AVC permitirá control de aplicaciones donde se puede agrupar atributos basados en clases

para el tráfico enviado, también es importante ya que permite el conocimiento de las aplicaciones

en toda la red, análisis de las aplicaciones y es compatible con Netflow esto es un plus por su

implementación en la compañía cuenta con “Netflow” [63] gran parte de los equipos.

Ilustración 41. Consumo de los servidores, nivel de tráfico por canal [Autoría propia].




La ilustración 41 describe el proceso de funcionamiento de servidor con respecto al

incremento de Ancho de Banda que se consume en el servidor para centralizar la información

anterior describimos el proceso de Ergodicidad en uno de los sistemas evaluados.

Para el segundo escenario la toma de datos consiste en crear un proceso que también será

evaluado con el teorema de Ergodicidad, pero para el proceso se debe tener una cadena de

Markov, Los datos que se recolectaron del equipo de otro cliente, que no tiene la configuración

AVC, permite evaluar de manera general y más puntual el tráfico que está recorriendo por un

canal de internet.

Al procesar la información adquirida de los Routers y realizar un análisis de la información

por medio analítico se obtiene como fin poder incorporar los parámetros más importantes en este

caso las aplicaciones de mayor consumo de la red.

El proceso anteriormente descrito muestra el Core del proyecto, donde al ser evaluado el

primer equipo Router con tecnología AVC, brinda un resultado que es un proceso Ergódico, al

ser un sistema Ergódico se plantea múltiples alternativas para mejorar el consumo del canal de

(BW), se puede implementar listas de Acceso, priorizar protocolos, determinar importancia de

las aplicaciones y crear priorización de protocolos en el equipo entre muchas más.

Se repite la toma de datos de AVC para el cliente CONGRUPO e IPESA con un rango de

tiempo superior (se realizó la captura de datos durante 30 días) esto con el objetivo de confirmar

la ergodicidad del sistema e identificar las aplicaciones de mayor impacto en el negocio.




Mediante los métodos ya explicados y el modelo desarrollado en el capítulo 6 de este

documento se construye la matriz de transición o cadena de Markov:

Tabla 6. Estado matriz cadena de Markov AVC CONGRUPO.


1 2 3 4 5

N

ÚM

ER

O D

E

MU

ES

TR

AS

1 0,96 0,01 0,00 0,00 0,03

2 0,95 0,01 0,01 0,00 0,02

3 0,93 0,02 0,02 0,01 0,03

4 0, 93 0,01 0,02 0,00 0,04

5 0, 93 0,02 0,02 0,01 0,03

Ilustración 42 . Proceso equipo CONGRUPO grafica Matlab [autoría propia].




Tabla 7. Estado matriz cadena de Markov AVC IPESA.


1 2 3 4 5

N

ÚM

ER

O D

E

MU

ES

TR

AS

1 0,95 0,02 0,01 0,00 0,02

2 0,93 0,02 0,01 0,00 0,03

3 0,95 0,02 0,01 0,01 0,02

4 0, 95 0,02 0,00 0,00 0,03

5 0, 94 0,02 0,01 0,01 0,02

Ilustración 43 Proceso equipo IPESA grafica Matlab [autoría propia].

Como era de esperarse la ergodicidad del sistema no depende del del rango de tiempo

utilizado en la toma de datos o del cliente y numero de muestras.




6.7. Análisis de datos y mejora del consumo de ancho de banda mediante

QOS y AVC

Se toma el caso de CONGRUPO para el análisis de la información donde el principal objetivo

es determinar que aplicaciones son criticas o tienen un alto impacto en la operación del cliente y

proponer un esquema que permita un mejor manejo o administración del ancho de banda

disponible del cliente.

Inicialmente se utiliza Netflow que permite identificar el protocolo, los puertos, consumo

(Mbps) e Ips de origen y destino, sin embargo, no permite ejecutar un análisis del flujo de datos

o tipo de aplicación utilizada, en el ejemplo de la ilustración 46 se observa una captura de

netflow donde las IP 40.108.150.27 y 13.107.136.9 consumen cerca del 50% del total del ancho

de banda contratado generando saturación del canal.

Ilustración 44 Grafico Netflow cliente CONGRUPO [autoría propia].




Ilustración 45 Grafico saturación cliente CONGRUPO [autoría propia].

Siendo imposible aplicar una restricción de (BW) por IP y puertos (cliente desconoce el

impacto operacional de restringir las Ips de mayor consumo) se decide trabajar con la

información almacenada de AVC que a diferencia de Netflow, da más información respecto al

flujo de datos facilitando la identificación del tipo de tráfico y aplicación utilizada.

Gracias a los datos del AVC y de la matriz de transición es fácil identificar que de las más de

400 aplicaciones que el cliente utiliza en su operación, cerca del 80% de estas aplicaciones

demandan un consumo inferior al 25% del ancho de banda contratado por cada cliente.

AVC permite identificar el top 10 de aplicaciones de mayor consumo que en los casos

analizados son servicios relacionados a Microsoft como:

Outlook-web-Service

office-365

web-apps

Microsoftds

Lync-video




Lync-control

Lync-audio

Ocs-file-transfer

Share-point

Ilustración 46 Grafico AVC cliente CONGRUPO TOP 10 [autoría propia].

Utilizando la información de AVC y considerando los problemas reportados como

aplicaciones que dejan de responder, procesos que no se completan y aplicaciones críticas para el

negocio del cliente con un bajo performance se identifica que dentro de las categorías

mencionadas anteriormente se encuentran algunos productos de Microsoft como: Microsoft NAS

“SMB File Shared”, Microsoft Updated, Windows Server Updated Services (WSUS), Microsoft

Security Essentials. Cuando el cliente utiliza alguna de esas aplicaciones generalmente se

presenta alta utilización del ancho de banda en los enlaces y afectación de desempeño en

aplicaciones.




Todas estas aplicaciones mencionadas con anterioridad tienen en común que utilizan el

protocolo BITS [67] “Background Intelligent Transfer Service” el cual es un protocolo orientado

a utilizar el ancho de banda disponible de los enlaces y lo hace, pero genera problemas en las

demás aplicaciones que usan los mismos enlaces.

BITS está orientado a aplicaciones que necesitan transferir datos y su finalidad es transferir

datos siempre que haya ancho de banda disponible que no esté siendo utilizado por otras

aplicaciones. BITS también admite la reanudación de transferencias en caso de interrupciones.

La transferencia continuará en segundo plano mientras exista conexión de red, BITS suspende

cualquier transferencia en curso cuando se pierde la conexión de red o se apaga el sistema

operativo. Este reanuda la transferencia desde donde se detuvo una vez se restaure la conexión de

red. BITS soporta transferencias sobre SMB, HTTP y HTTPS.

BITS monitorea constantemente el tráfico de la red para detectar cualquier aumento o

disminución en el tráfico de la red y acelera sus propias transferencias para garantizar que otras

aplicaciones de primer plano (como un navegador web) obtengan el ancho de banda que

necesitan. BITS no necesariamente mide el ancho de banda real. Las versiones 3.0 y posteriores

de BITS utilizarán los contadores de dispositivos de puerta de enlace de Internet, si están

disponibles, para calcular con mayor precisión el ancho de banda disponible. De lo contrario,

BITS utilizará la velocidad informada por la tarjeta de red para calcular el ancho de banda. Esto

puede llevar a errores de cálculo de ancho de banda, por ejemplo, cuando un adaptador de red

rápido (10 Mbit / s) está conectado a la red a través de un enlace lento (56 kbit / s). [69] [68]




En un ambiente controlado en conjunto con el cliente toma mediciones del comportamiento

del sistema de actualizaciones Microsoft. En esta medición se observa que una sola

actualización genera tráfico de 15 a 32 Mbps con picos de 54 Mbps, lo que indica que un solo

computador puede ocupar cerca del 25% del BW total durante las actualizaciones. grafica 49.

Ilustración 47 Actualización Microsoft cliente CONGRUPO [autoría propia].

Luego del análisis se identifica:

• Las aplicaciones de actualizaciones del sistema operativo de Microsoft como el

WSUS usan HTTP (por lo que restringir BW por puerto puede afectar no solo las

actualizaciones sino la navegación en general).

• Cuando el cliente utiliza las aplicaciones de transferencias de archivos como el

NAS de Microsoft tanto en los procesos de carga o descarga de aplicaciones se observa

alto tráfico y congestión en el enlace WAN que interactúa en ese proceso, y se observa




que los usuarios experimentan problemas de desempeño en las aplicaciones que están

utilizando.

• la aplicación de WSUS o actualizaciones de Microsoft a pesar de que se

programan para ejecutarse en horario nocturno, realmente esta se ejecutaba al siguiente

día en horario operacional una vez el usuario activaba el equipo de cómputo.

Para controlar la situación identificada con el AVC se utiliza el modelo de colas de servicio

LLQ- CBWFQ [70] donde este realizaría descartes de paquetes de acuerdo con los niveles de

prioridad y capacidad de cada cola definidas para el enlace de ese punto. Adicionalmente en las

colas de baja prioridad se pueden implementar mecanismos de descartes selectivos “WRED”

para evitar que las aplicaciones que demandan alto ancho de banda generen problemas de

congestión y descartes tipo “Tail drop” en las demás colas.

La grafica 50 ilustra el comportamiento observado en los flujos de tráfico manejados por

Policy input y Policy output entre los beneficios es que se minimizan los problemas de

sincronización en las aplicaciones




Ilustración 48 Comparing Traffic Policing and Traffic Shaping for Bandwidth Limiting [66].

Se decide entonces configurar QOS sobre el servicio que permita la identificación y

priorización de aplicaciones críticas o de alto impacto del negocio y que de manera simultánea

controle y restrinja el BW consumido por aplicaciones relacionadas al protocolo BITS o redes

sociales, para esto se aplica un “Service-Policy output” en la interfaz de conexión hacia la red del

Cliente. La regulación de tráfico que se hace para el tráfico entrante.

Para lo anterior se retirar el “Service-Policy input” aplicado en la interface de conexión a la

red WAN en el CPE ya que al presentarse congestión esta realiza descartes de tráfico sin validar

por cola de prioridad generando afectación en cualquier aplicación que este en curso.




Adicionalmente se observa que cuando las aplicaciones que utilizan el protocolo BITS

demandan alto consumo de ancho de banda y estas no dejan que las demás aplicaciones

recuperen su desempeño mediante el mecanismo de control de tráfico de TCP haciendo que el

problema de sincronización de TCP se presente permanentemente en las demás aplicaciones.

Esto ocurre mientras esté presente el tráfico de aplicaciones tipo BITS. Hacia el usuario la

aplicación presenta un comportamiento de respuesta muy lento o deja de responder.

Adicional se aplica un “Service-Policy output” en la interfaz de conexión hacia la red del

Cliente. La regulación de tráfico que se hace para el tráfico entrante la puede manejar este

Policy el cual adicionaría las siguientes facilidades o ventajas:

• Puede manejar el modelo de Calidad de servicio “LQ-CBWFQ” donde se pueden

definir políticas de QoS para garantizar el nivel de servicio definido a las aplicaciones del

cliente.

• Puede enviar a un buffer el tráfico de salida de cada cola “Shaping” evitando

aplicar descartes innecesarios al tráfico de aplicaciones real time y de colas críticas o

transaccionales.

• Se puede definir colas para aplicaciones que generen alto tráfico, a estas colas se

les pueden aplicar mecanismos de descartes selectivos “W red” esto con el fin de permitir

de que el tráfico manejado por estas colas pueda utilizar el ancho de banda cuando esté

disponible y forzar su reducción de uso cuando otras aplicaciones demanden uso de este

recurso. Adicionalmente la aplicación de descartes selectivos evita que se presenten




problemas de descartes simultáneos en las demás colas “Tail Drop” ante situaciones de

congestión del enlace y evita que las aplicaciones de alto consumo se apropien del ancho

de banda.

Con lo anterior se definieron las siguientes colas por aplicación y ancho de banda, la

marcación se realizó gracias al Nbar “Network-Based Application Recognition” de cisco [71]:

Tabla 8. Estado matriz cadena de Márkov AVC IPESA.

Cola Aplicación Marcado Ancho de Banda TR1 MS-Lync-audio Dscp ef. 5% (10485 kbps)

TR2 MS-Lync-video Dscp af41 5% (10485 kbps)

AWS Amazon Amazon-Web-Services

Dscp af41 25% (52428 kbps)

SUITE Outlook-web-service Ms-office-365

Dscp af31 25% (52428 kbps)

WEB Protocol attribute Category browsing Protocol attribute Category consumer-Internet Protocol YouTube

Dscp af22 30% (62914 kbps)

BITS Protocol MS-Ocs-file-Transfer Protocol Microsoftds Protocol share-point

Dscp af11 5% (10485 kbps)

Class- default

Any N/A

• TR1: cola destinada para el tráfico de voz que utiliza la aplicación Lync-audio,

marcación EF “Expedited Forwarding” para colas de baja perdida, baja latencia y bajo

Jitter. se asegura un ancho de banda del 5%.




• TR2: cola destinada para el tráfico de video que utiliza la aplicación Lync-video,

marcación AF41 “Assured Forwarding” se asegura un ancho de banda del 5%.

• AWS: cola destinada para el tráfico de los servicios de Amazon Web Services

AWS de alta criticidad para el cliente, marcación AF41 “se asegura un ancho de banda

del 25%.

• SUITE: cola destinada para el tráfico de Outlook y office 365, marcación AF31.

se asegura un ancho de banda del 25%.

• WEB: cola destinada para el tráfico WEB, marcación AF22. se asegura un ancho

de banda del 35%.

• BITS: esta se cola se maneja el tráfico de aplicaciones tipo BITS y se utiliza el

mecanismo de descartes selectivos en esta cola denominado “WRED”. marcación AF11.

se asegura un ancho de banda del 5%.

• Class-default: cola Best-Effort para servicios o aplicaciones que no hacen match

en ninguna de las colas anteriores, es de baja prioridad y consumen solo el ancho de

banda disponible que depende del tráfico de las otras colas.

Las colas AF garantizan una cierta cantidad de ancho de banda y permite el acceso a un ancho

de banda adicional, solo si hay BW disponible.




6.8. Resultados

Gracias al desarrollo de AVC y las herramientas disponibles para el almacenamiento y

análisis de grandes cantidades de información BIG DATA es posible recopilar en detalle la

información de tráfico de cada una de las colas configuradas en los equipos, para el ejemplo de

CONGRUPO se aprecia con facilidad en la gráfica 51 el tráfico en el tiempo por cola

configurada.

Ilustración 49. Grafica de tráfico por cola QOS cliente CONGRUPO [autoría propia].

La figura 49 nos muestra por el contrario la cantidad de paquetes descartados por cola

configurada en el mismo rango de tiempo.




Ilustración 50 Grafica de Drops por cola QOS cliente CONGRUPO [autoría propia].

Como se puede observar, la figura 50 muestra drops solo en las colas BITS y class-default las

cuales fueron configuradas para realizar descartes selectivos, mientras que el tráfico de las colas

de alta prioridad marcadas con Dscp ef, af41, af31 y af22 muestran una tasa de descarta cercana

o igual a 0 Kbps mejorando considerablemente el performance de las aplicaciones de estas colas,

esto se puede ver con mayor claridad en la figura 53.




Ilustración 51 Grafica de Drops por cola QOS cliente CONGRUPO [autoría propia].

La grafica 51 ilustra los drops registrados durante un rango de una semana para el cliente

CONGRUPO, es evidente que luego de la configuración de la QOS en el servicio, los Drops se

presentan únicamente en las colas class-default y BITS configuradas para castigar el tráfico de

bajo interés y baja prioridad en momentos de saturación mientras que las colas de alto impacto

como lo son TR1 y TR2 que transportan servicios de tiempo real el porcentaje de drops es

cercano o igual a cero. Esto se ve reflejado en la mejora considerable del performance de la red,

superando los problemas reportados por el cliente como lo fue:

• aplicaciones que dejan de responder

• procesos que no se completan

• aplicaciones críticas para el negocio del cliente con un bajo performance




Ilustración 52 Drops por cola QOS cliente CONGRUPO [autoría propia].

Gracias a AVC y las herramientas disponibles para el almacenamiento y análisis de grandes

cantidades de información BIG DATA desplegadas, es posible supervisar el comportamiento de

la red en tiempo real, tomar decisiones estratégicas que permitan mejorar el desempeño de la red

y la experiencia del usuario final permitiendo no solo identificar el tipo de aplicación y su

consumo, sino también el Jitter, Delay y Packet-loss de cada aplicación, esta información se

registra en informes mensuales destinados al análisis enfocados a la mejora continua del servicio,

identificando tendencias de tráfico que le permiten al usuario final predecir el comportamiento

de la red y su servicio preparando estrategias que le permitan estar preparados a la constante

actualización de aplicaciones y servicios y su manera de ser transportados, ahorrando tiempo en




el despliegue de nuevas herramientas tecnológicas y dinero al optimizar el consumo de ancho de

banda evitando así ampliaciones de ancho de banda o renovaciones tecnológicas innecesarias.

Ilustración 53 Trafico por cola QOS cliente CONGRUPO [autoría propia].

Al cerrar el proyecto se determinaron alternativas para evaluar los tres diferentes sistemas con

múltiples alternativas de modelos, como lo es Erlang, Ergódico, Gauss, existen muchas más

alternativas para evaluar los sistemas, nos centramos en los procesos estocásticos que para el

proyecto y con la información recolectada de cada una de las alternativas, se incursiona en el

teorema de la Ergodicidad.

El teorema se define como un sistema que puede ser aplicado al proceso de los sistemas

estocásticos se muestra el estado para cada uno de los equipos en el sistema, se dinamiza la

información con el fin de evaluar el pasado, presente de la información obtenida de los Routers

para determinar un posible futuro con las variables Ergódicas [60].




7. Descripcion y Análisis.

Para el desarrollo del proyecto se identificó la información disponible a través de un análisis,

en donde se define el problema y se diseña una serie de etapas para ordenar los procesos que

intervienen, estableciendo un modelo de solución.

Ilustración 54 Diagrama de Análisis.




Como se observa en la ilustración 54, el modelo cuenta con 4 fases:

1. Análisis del problema. (COMPRENDE)

2. Creación del Plan (PLANEA)

3. Ejecución del plan (RESUELVE)

4. Análisis de Resultados (REVISA)

Cada fase hace referencia a una etapa en el marco de desarrollo del proyecto, en la etapa de

análisis se establecen los datos del problema determinando lo que se va a resolver y formulando la

pregunta problema: ¿Como prevenir el desborde de tráfico e información de un canal?

La segunda etapa hacer el plan, establece los procesos que permiten llegar a los resultados

esperados, en donde se escogen y deciden las operaciones a efectuar, eliminando los datos inútiles,

se fragmenta el problema principal en partes más pequeñas para facilitar su resolución, por lo cual

surgen necesidades como:

• Identificar las herramientas actuales y su funcionamiento

• Revisar otras alternativas

• Comparar los beneficios. (comparación entre la herramienta actual y otras

alternativas del mercado)

En la etapa de ejecución del plan se genera un algoritmo, esta secuencia lógica de instrucciones

se expresa en una serie de pasos, para dar cumplimiento al plan elaborado y obtener los resultados.




El listado se muestra a continuación, pero cada punto será desarrollado más adelante en el

documento.

PASO 1: Configuración en AVC de los equipos. Ver (CAP 6. Hoja 58).

PASO 2: Captura de información.

PASO 3: Almacenamiento en la base de datos.

PASO 4: Creación de consultas en SQL.

PASO 5: Extracción de la información en Excel.

PASO 6: Modelado estadístico de la Data.

PASO 7: Creación de Matrices (Cadenas de Márkov archivo ODS).

PASO 8: Cargue de Archivo en Matlab. Ver (CAP 6. Hoja 76)

PASO 9: Modelado Ergódico. Ver (CAP 6. Hoja 76)

PASO 10: Grafico del modelado Ergódico. Ver (CAP 6.5)

PASO 11: Análisis de resultados proceso de ergodicidad.

PASO 12: Análisis de la información (comparativa). Ver (CAP 6.7)

PASO 13: Resultados. Ver (CAP 6.8)

En la etapa final se muestran los resultados obtenidos luego de ser analizados.




Ilustración 55. Diagrama De Procesos.

En la ilustración 55 se describe de manera gráfica, los elementos dentro del análisis del proceso,

se puede observar cómo se relacionan e interactúan desde el planteamiento del problema hasta la

entrega del resultado, a continuación, se explicará el proceso de ejecución según el plan

estructurado, aplicando el enfoque de Business Intelligence.

La inteligencia empresarial y el análisis de datos se han convertido en dos factores importantes

para la toma de decisiones, usados de una manera asertiva ayudan a una organización a prevenir

su operación bajo puntos ciegos, que bien podría no tener la competencia, aplicando la inteligencia

empresarial se utilizan todas las herramientas de software y estrategias disponibles para tener una




idea amplia de las rutas que podría tomar, así ayudar a una organización a parametrizar las

funciones de esta, porque en algunas ocasiones el problema radica en lo que no se está viendo,

Cuando hablamos de organizaciones sin importar su tamaño, lo que no se puede ver

generalmente es lo que representa un verdadero peligro, entonces ¿Cómo funciona el análisis de

datos y la inteligencia empresarial?, el primer paso es hacer una consulta en la base de datos, luego

recopilar la información importante, y finalmente observar los patrones, cuando se usa el análisis

de datos se usa un enfoque sistemático, se miran desde diferentes ángulos esos datos, sin embargo

basados en la complejidad y cantidad de estos, pasamos de hablar de análisis ordinario a análisis

de Big Data, en otras palabras es un análisis sobre un mayor número de datos, que conlleva uso

de alternativas y posibilidades para el tráfico de esta información.

A menudo el análisis de datos implica el uso de una plataforma de análisis, ya sea de

autoservicio u otras herramientas, que lo que busca es rápidamente extraer y preparar los datos,

por lo tanto, existen muchas soluciones, pero la elección dependerá de las necesidades y

preferencias que se tengan, ya que no todas las soluciones son iguales.

Web intelligence, hace referencia a un área multidisciplinaria que trata acerca de la utilización

de datos y servicios a través de la Web, es un término introducido en el año 2000 , que en

combinación con la Analítica Digital otorga excelentes oportunidades como desafíos para la

investigación y desarrollo de las tecnologías de procesamiento de información, por consiguiente,

Web Intelligence permite a la administración de una corporación usar datos sobre patrones de

compra, demografía y tendencias de demanda de los clientes, ¿pero cómo se relaciona el Web




intelligence con el desarrollo de este proyecto?, Web intelligence permite la generación de

informes cómodos de usar crear, editar y analizar. Estos informes son de inteligencia de negocios

simple y también compleja, es una plataforma interactiva y flexible de emplear en donde la

información recopilada tiene un rol de gran utilidad para diseñar estrategias efectivas en la toma

de decisiones.

Las empresas amplían su alcance global a medida que se requiere un análisis de los sitios web,

básicamente Web intelligence aplica los resultados de las disciplinas existentes como tecnologías

de la información en nuevo dominio, el marco abarca desde hardware y software.

los diferentes niveles son aplicados en el desarrollo y la tecnología, niveles como: Protocolos

de comunicación, infraestructura y seguridad en primer nivel, procesamiento de la información a

nivel de conocimiento y herramientas de gestión en segundo nivel, procesamiento de información

en tercer nivel y el mismo Web intelligence para entorno de aplicación ubicua y de inteligencia

social en cuarto nivel.

El web intelligence toca transversalmente el desarrollo de este proyecto pues es utilizado

como manejador y presentador de los datos, siendo el encargado de controlar los datos, permite

mostrarlos de forma legible para su respectivo análisis, en este caso SAP boxi corresponde al Web

intelligence implementado en la organización, siendo quien permite presentar los datos en forma

de reportes, el Web intelligence toma de la base de datos de AVC la información de registro de las

aplicaciones según el router y las agrupa en forma estadística.




Es importante mencionar que antes de crear la consulta para extraer la información es necesario

conocer el modelo de las tablas de configuración que se construyeron para la implementación de

AVC, se identificaran los campos de interés, los campos que realizan la captura de la información

y las tablas pertenecientes a dichos campos, teniendo en cuenta las relaciones que deben existir

entre las mismas, esto con la finalidad de estructurar la consulta, básicamente estas

especificaciones se introducen en el query para extraer la información de los campos durante un

periodo de tiempo determinado.

Century Link cuenta con la herramienta Oracle de tipo cliente/ servidor para la gestión de bases

de datos de tipo objeto relacional, una ventaja de Oracle es que se puede emplear funciones del

sistema en cualquier lugar siempre y cuando permita una expresión de tipo SELECT, las funciones

como los procedimientos almacenados son bloques de código que permiten agrupar y organizar

sentencias de SQL.




Ilustración 56. Oracle SQL.

En la compañía Century Link se aplica ORACLE para almacenar la información capturada

de los equipos Cisco configurados con la tecnología AVC, dicha información es estructurada en

tablas con antelación especificadas para su posterior uso y consulta, SAP Boxi extrae esta

información a través de consultas SQL, por lo que se estructura una consulta para tomar la

información de los equipos, el primer paso es conocer la información a analizar, en este caso la

información de negocio capturada por AVC (Nombre del equipo, cliente, información de la

aplicación Jitter, Delay y Packet-loss) y se programan las sentencias en SAP Boxi para la

extracción de esta en la base de datos, Century Link recopila la información de negocio en la base

de datos de AVC, SAP Boxi selecciona un universo en infoview, donde para cada universo existe

una asignación de una base de datos, cuenta con el módulo de Query Script Viewer, el cual permite

copiar o validar la consulta, pero a su vez este módulo también permite crear un script propio de

consulta personalizado.




Ilustración 57. Query Script Viewer.

Hay que mencionar que SQL o (Structured Query Language) es el lenguaje de consulta que

entienden todas las bases de datos relacionales y en este caso es el motor de búsqueda de datos,

cuando el Query Script Viewer se conecta a un universo inicia automáticamente el editor de

documentos, permitiendo generar consultas combinadas, así cuenta con un tipo de búsqueda

especial creada en la interfaz de consulta, a través de la que se genera el query que extrae la

información de los campos como: Grupo económico, Master Account o nombre de la cuenta, Site

o ID de ubicación, Nombre del Router, Fabricante, Tipo de Equipo, Nombre de la Interfaz, Ciudad.




Dicho de otra manera, realiza la búsqueda de los campos del SELECT, en una sintaxis

(Tabla, Columna), en donde los nombres de las tablas deben ser únicos en el modelo de negocio y

a su vez por tabla los nombres de las columnas deben cumplir con la misma condición.

Ilustración 58. Select y From.

Esta información se extrae de las tablas mencionadas en FROM, como se puede ver en la

imagen anterior en donde, PMMCONF_DB.CONFIG_ROUTER_IF_VW, contiene la

información de las configuraciones en el router con campos como grupo económico y nombre de

router, CONFIG_DB.TIME_DIM_DATE contiene la configuración de rango de tiempo o

resoluciones, PMMCOUNTER_DB.FL_IF_DPI_APP_YR contiene la información de los DPI tal

y como nombre de la aplicación, dirección de origen y destino en los universos creados para AVC.

El siguiente paso es crear una cláusula Where para filtrar los resultados de la instrucción

SELECT de las tablas de acuerdo con una serie de condiciones y criterios, los cuales son




resolución y cliente,

Ilustración 59. Clausula Where.

En la ilustración anterior se puede apreciar la estructura Where que permite hacer un match

entre las diferentes tablas y filtrar los datos recolectados por tiempo de resolución, nombre del

cliente e interfaz, finalmente se muestra la información de la consulta en una nueva tabla, con los

campos mencionados después del Group by

Ilustración 60. Group By.

El Web intelligence o SAP Boxi utiliza bloques para generar una consulta de SQL a la base

de datos así entrega el resultado de la búsqueda en una nueva tabla.




Ilustración 61. Filtro Query.

En esta tabla se encuentra la información que posteriormente será procesada a través de un

método matemático, con la finalidad de comparar y escoger cual es el mejor sistema para

implementar, a este punto ya se conoce la información que se va a analizar, ahora se requiere saber

de qué manera se va a analizar y para ello es necesario entender su funcionamiento, se utiliza la

data extraída del Boxi que puede ser exportada en un archivo Excel.

Ilustración 62. Archivo en Excel exportado del Web Intelligence.




La ilustración 62 muestra el reporte generado por el Web Intelligence, como se puede

observar el campo DIA es de tipo Fecha y contiene la información de cinco días que corresponden

a las fechas de pruebas para el modelado en MATLAB, durante este periodo de tiempo se captura

la información de Throughput, Ip y las aplicaciones por equipo, es importante destacar que los

datos capturados por la plataforma para cada uno de los días tienen un volumen considerable, por

lo que se hizo necesario generar un proceso estadístico que permitiera categorizarlos, acotándolos

para facilitar su análisis, en este proceso se dividieron los datos por fecha, separándolos por día,

en donde para cada dato recolectado se aplicó un proceso de aproximación por redondeo, se tomó

el dato se multiplico por cien y se dividió entre el ancho de banda del servicio, se parametrizo la

fórmula para que solo se tomaran los dos primeros decimales, y se obtuvo un valor en porcentaje,

este valor se agrupo en alguna de las cinco categorías, generando para cada día una estadística.

Tabla 9. Ejemplo de Estadística Recopilada por día.

Cuenta de Valores porcentajes

195 0%

4 25%

5 50%

5 75%

20 100%

229




La tabla anterior muestra un ejemplo de la categorización y la estadística recopilada, donde se

puede observar las categorías que se definieron para la agrupación de los datos, el número de datos

recolectados por categoría y el total general, en el siguiente paso denominado normalización, se

toma el valor de los datos contados por categoría y se divide uno por uno entre el ancho de banda

del servicio, a su vez el resultado obtenido se divide nuevamente entre 100, de manera que el valor

final se debe estar en un rango de 0 a 1, es de suma importancia que esta información sea entregada

en este rango, porque el modelado matemático lo exige, a través del método Ergódico se crean las

cadenas de Márkov que alimentaran la matriz que se empleara en la prueba de MATLAB, la matriz

será rellenada con el consolidado de los 5 días de pruebas de la siguiente manera:

Tabla 10. Ejemplo de estadística Cadena de Márkov

1 0.852

2 0.017

3 0.022

4 0.022

5 0.087

En la Tabla 10 se puede identificar que para un día existen cinco categorías y para cada

categoría existe un valor, así para formar la matriz tenemos cinco días, con cinco valores por

categoría, la matriz es el consolidado de la información obtenida.




Tabla 11. Ejemplo de Matriz De Márkov

Matriz Márkov

1 2 3 4 5

1 0.84 0.04 0.01 0.01 0.10

2 0.85 0.02 0.03 0.01 0.09

3 0.85 0.02 0.02 0.02 0.07

4 0.85 0.03 0.02 0.01 0.08

5 0.85 0.02 0.02 0.02 0.09

La matriz resultante, se introduce dentro del código matemático de Matlab, como el valor P2,

que extrae la matriz almacenada en un archivo plano, guardado en una ruta local dentro del equipo

al aplicativo MATLAB, para cargar la matriz en MATLAB se invoca la ruta del archivo dentro

del código como se puede ver en la ilustración 58:

Ilustración 63. Cargar Matriz en Matlab.

El documento debe contar con extensión ODS, no puede contener ningún tipo de encabezado,

los valores deben estar posicionados en la primera fila y columna (A1) de la tabla como se muestra

a continuación:




Ilustración 64. Estructura de Archivo ODS.

Finalmente se ejecuta la prueba de Ergodicidad al sistema y se determina si el sistema puede

ser actualizado como se describe en el documento. Ver (Cap. 6).




8. Conclusiones.

El análisis de la información capturada en los equipos permitirá realizar un

proceso matemático en donde se pueda evaluar el pasado y presente de la información

contenida, se evaluó para determinar si los sistemas con AVC evaluados en el documento

son sistemas Ergódicos, lo que identifica si cumple las reglas del teorema que puede

mejorar a un futuro el consumo, una de las sugerencias puede ser la aplicación de ACL,

TUNNEL GREEN, entre otras alternativas a nivel interno del equipo, Firewall que puede

proporcionar una mejora con el apoyo de esta tecnología.

Los métodos evaluados y los distintos modelos matemáticos, proporciono la

herramienta más idónea para evaluar el canal con un software de autoría propia destinado

con el fin de realizar mejora de un canal determinado, para ingresar la información al

software se concluye que debe cumplir parámetros como lo es ser una matriz de este

número de filas que de columnas N*N para evaluar el sistema Ergódico de dicho canal a

evaluar.

El proceso de implementar el sistema propuesto en el desarrollo del proyecto, se

determinaron eficiencias en el consumo del BW del canal, por medio de pruebas

directamente sobre los equipos y con la tecnología AVC de Cisco, las aplicaciones de

mayor consumo, estas aplicaciones están relacionadas en proporcionar el consumo típico

de las empresas donde se mostraron 3 distintos escenarios de los cuales dos de ellos se

mostraron los sistemas Ergódicos, donde se identificó que el canal puede presentar un




mejor funcionamiento lo cual se traduce me mejora continua tanto de los recursos finitos

como de os recursos que están siendo utilizados.

La tecnología AVC permite identificar rápidamente el tipo de tráfico por

aplicación que cursa el canal facilitando el análisis dando un nivel de detalle superior a

soluciones anteriores como Netflow, en su versión más avanzada, AVC no solo registra

el tipo de aplicación y el consumo, también calcula el Jitter y Packet-Loss de cada

aplicación que permiten un control mayor del performance y toma de decisiones

estratégicas y de negocio acercándose a soluciones de última tecnología como lo es

SDWAN de CISCO.

El no manejar un QOS diseñada a las necesidades del servicio genera problemas

de descartes tipo “Tail drop” ocasionándolos en cualquier cola de tráfico cuando se

alcanza el CIR convenido. Esta QOS no puede diferenciar sobre que aplicación o cola

debe hacer el descarte afectando así a cualquier aplicación que este en curso por lo que

puede afectar de igual forma tanto a las aplicaciones críticas como al tráfico que no es

importante para el cliente.

Una vez mejorada la QOS gracias a los datos arrojados por el AVC se observa

que las aplicaciones de alto consumo usan los recursos disponibles y respetan los

recursos reservados para las otras colas cuando estas los demandan, adicional cuando las

aplicaciones de alto consumo demandan BW del enlace lo utilizan sin generar afectación,

se logra que el cliente utilice la totalidad del BW sin que se afecten las aplicaciones




críticas debidamente manejadas en colas de mayor prioridad, lo anterior significa que en

momentos de saturación las aplicaciones críticas tienen mayor prioridad y el porcentaje

de perdida es cercano al 0% mientras que aplicaciones de alto consumo y baja prioridad

son severamente castigadas gracias al descarte selectivo.

Gracias a AVC no solo se han configurados QOS que priorizan aplicaciones de

alto impacto y castigan aplicaciones Bulk data, también se han desarrollado nuevas

categorías en la QOS como “Redes sociales” donde el cliente no restringe el acceso sino

limita y asigna un ancho de banda máximo para su consumo evitando que aplicaciones

como YouTube, Facebook o Netflix afecten el performance de la red, mostrando así la

flexibilidad del producto AVC.

9. Referencias.

[1] R. GARCÍA-VALCÁRCEL SEN, “TÉCNICAS BIG DATA PARA EL ANÁLISIS DE

DATOS DE TRÁFICO DE RED SOBRE HADOOP,” JUN. 2015.

[2] MAESTRÍA EN INGENIERÍA DE SOFTWARE AND CUARTA PROMOCIÓN,

"VICERRECTORADO DE INVESTIGACIÓN, INNOVACIÓN Y TRANSFERENCIA DE

TECNOLOGÍA,"

[3] Z. YAN, C. TRACY, M. VEERARAGHAVAN, T. JIN, AND Z. LIU, “A NETWORK

MANAGEMENT SYSTEM FOR HANDLING SCIENTIFIC DATA FLOWS,” J. NETW.

SYST. MANAG., VOL. 24, NO. 1, PP. 1–33, 2016.

[4] A. N. IBRAHIM, L.T. HASSAN, R.; AHMAD, K.; ASAT, “A STUDY ON

IMPROVEMENT OF INTERNET TRAFFIC MEASUREMENT AND ANALYSIS USING

HADOOP SYSTEM,” INTERNATIONAL CONFERENCE ON ELECTRICAL

ENGINEERING AND INFORMATICS (ICEEI), PP. 462–466, 2015.

[5] A. N. IBRAHIM, L.T. HASSAN, R.; AHMAD, K.; ASAT, A STUDY ON

IMPROVEMENT OF INTERNET TRAFFIC MEASUREMENT AND ANALYSIS USING

HADOOP SYSTEM. 2015.

[6] “ORGANIZING FOR BIG DATA THROUGH BETTER PROCESS AND

GOVERNANCE.” [ONLINE]. AVAILABLE:

HTTPS://WWW.GARTNER.COM/DOC/3002918/ORGANIZING-BIG-DATA-BETTER

PROCESS. [ACCESSED: 29-NOV-2016].

[7] INFOBAE, “BIG DATA, SMALL WORLD - INFOBAE.” [ONLINE]. AVAILABLE:

HTTP://WWW.INFOBAE.COM/2012/11/19/682176-BIG-DATA-SMALL-WORLD.

[ACCESSED: 31-DEC-2016].

[8] D. S. BHILARE, “BIG DATA ANALYTICS FOR NET FLOW ANALYSIS IN

DISTRIBUTED ENVIRONMENT USING HADOOP,” VOL. 4, NO. 7, PP. 438–442, 2015.

[9] R. CORNELISSE, M. S. BARGH, S. CHOENNI, D. E. G. MOOLENAAR, AND L. V. D.

ZEEUW, COMPRESSING LARGE AMOUNTS OF NETFLOW DATA USING A

PATTERN CLASSIFICATION SCHEME. 2016.

[10] D. ROSSI AND S. VALENTI, “FINE-GRAINED TRAFFIC CLASSIFICATION WITH

NETFLOW DATA,” IN PROCEEDINGS OF THE 6TH INTERNATIONAL WIRELESS

https://www.gartner.com/DOC/3002918/ORGANIZING-BIG-DATA-BETTER

http://www.infobae.com/2012/11/19/682176-BIG-DATA-SMALL-WORLD




COMMUNICATIONS AND MOBILE COMPUTING CONFERENCE ON ZZZ - IWCMC

’10, NEW YORK, NY, USA, 2010, P. 479.

[11] “IT SERVICE MANAGEMENT AND IT GOVERNANCE,” CIO PORTAL. [ONLINE].

AVAILABLE: HTTPS://WWW.CIOINDEX.COM/ARTICLE/ARTICLEID/977/IT-SERVICE-

MANAGEMENT- AND-IT-GOVERNANCE. [ACCESSED: 29-NOV-2016].

[12] D. S. BHILARE, “BIG DATA ANALYTICS FOR NET FLOW ANALYSIS IN

DISTRIBUTED ENVIRONMENT USING HADOOP,” VOL. 4, NO. 7, PP. 438–442, 2015.

[13] GARY REYES ZAMBRANO ET AL, "EVALUACIÓN DEL MARCO DE TRABAJO

HADOOP Y POWER VIEW EN LA VISUALIZACIÓN DE TRAYECTORIAS GPS

VEHICULAR [ EVALUATION FRAMEWORK HADOOP AND POWER VIEW DISPLAY

IN GPS VEHICLE TRAJECTORIES]," INTERNATIONAL JOURNAL OF INNOVATION

AND APPLIED STUDIES, VOL. 16, (2), PP. 378, 2016. AVAILABLE:

HTTPS://SEARCH.PROQUEST.COM/DOCVIEW/1799382889.

[14] BIG DATA, TELOS 95 1-169,2013. BIG DATA PASADO, PRESENTE Y FUTURE,

FUNDACIÓN TELEFÓNICA, MADRID ESPAÑA. [ONLINE]. AVAILABLE:

HTTPS://TELOS.FUNDACIONTELEFONICA.COM/DOCS/2013/11/11/11400001_4_4_0.PDF

#PAGE=48 [ACCESSED: 23-OCT-2018]

[15] M. SANJAY AND B. H. ALAMMA, "AN INSIGHT INTO BIG DATA ANALYTICS —

METHODS AND APPLICATION," IN 2016 INTERNATIONAL CONFERENCE ON

INVENTIVE COMPUTATION TECHNOLOGIES (ICICT), 2016, DOI:

10.1109/INVENTIVE.2016.7823269.

[16] D. S. TERZI, R. TERZI AND S. SAGIROGLU, "BIG DATA ANALYTICS FOR

NETWORK ANOMALY DETECTION FROM NETFLOW DATA," IN 2017

INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND ENGINEERING

(UBMK), 2017, DOI: 10.1109/UBMK.2017.8093473.

https://www.cioindex.com/ARTICLE/ARTICLEID/977/IT-SERVICE-MANAGEMENT-



https://telos.fundaciontelefonica.com/DOCS/2013/11/11/11400001_4_4_0.PDF#PAGE%3D48






[17] V. CARELA-ESPAÑOL, P. BARLET-ROS, A. CABELLOS-APARICIO, AND J. SOLÉ-

PARETA, “ANALYSIS OF THE IMPACT OF SAMPLING ON NETFLOW TRAFFIC

CLASSIFICATION,” COMPUT. NETW., VOL. 55, NO. 5, PP. 1083–1099, APR.2011.

[18] CISCO. (2018). CISCO APPLICATION VISIBILITY AND CONTROL (AVC)

[ONLINE]. AVAILABLE:

HTTPS://WWW.CISCO.COM/C/EN/US/PRODUCTS/ROUTERS/AVCCONTROL.HTML#~S

TICKYNAV=1

[19] R. ZOU, T. XU AND H. HOU, "AN ENHANCED NETFLOW DATA COLLECTION

SYSTEM," IN 2012 SECOND INTERNATIONAL CONFERENCE ON

INSTRUMENTATION, MEASUREMENT, COMPUTER, COMMUNICATION AND

CONTROL, 2012, DOI: 10.1109/IMCCC.2012.126.

[20] ¿CUÁ L ES LA SITUACIO N ACTUAL DE LAS REDES?,"CONSTRUYENDO REDES IN

TELIGENTES CON ALLOT. GUÍA PRÁCTICA.”.

[21] J. DAGNINO S, "LA DISTRIBUCIÓN NORMAL," REVISTA CHILENA DE

ANESTESIA, VOL. 43, (2), 2014. DOI: 10.25237/REVCHILANESTV43N02.08.

[22] O. LOMBARDI, "EL PROBLEMA DE LA ERGODICIDAD EN LA MECANICA

ESTADISTICA," CRITICA, VOL. 35, (103), PP. 3, 2003.

[23] 2. MATERIALS MATEMATICS VOLUM, 5. TREBALL NO. AND 33 PP. ISSN: 1887-

1097 PUBLICACIO ELECTRONICA DE DIVULGACIO DEL DEPARTAMENT DE

MATEMATIQUES DE LA UNIVERSITAT AUTONOMA DE BARCELONA

WWW.MAT.UAB.CAT/MATMAT, "MAT 2," VOL. 20,

[24] I. BENACER, F. BOYER AND Y. SAVARIA, "A HIGH-SPEED, SCALABLE, AND

PROGRAMMABLE TRAFFIC MANAGER ARCHITECTURE FOR FLOW-BASED

NETWORKING," ACCESS, VOL. 7, PP. 2231-2243, 2019. AVAILABLE:

https://www.cisco.com/C/EN/US/PRODUCTS/ROUTERS/AVC

http://www.mat.uab.cat/MATMAT

http://www.mat.uab.cat/MATMAT




HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/8580388. DOI:

10.1109/ACCESS.2018.2886230.

[25] ESTADÍSTICA DE LAS TELECOMUNICACIONES, "INTRODUCCIÓN A LA TEORÍA

DE TELETRÁFICO,".

[26] ANONYMOUS (). REDES. AVAILABLE: HTTP://WWW.BIBLIOTHEK.UNI-

REGENSBURG.DE/EZEIT/?2197585.

[27] JOHN C. BELLAMY, “DIGITAL TELEPHONY”, ED. WILEY INTERSCIENCE,

ÚLTIMO CAPÍTULO

HTTPS://EMDADUITS.FILES.WORDPRESS.COM/2011/12/DIGITAL-TELEPHONYTHIRD-

EDITION JOHN-C-BELLAMY.PDF

[28] RICHARD A. THOMPSON, “TELEPHONE SWITCHING SYSTEMS”, ED. ARTECH

HOUSE, CAPÍTULO 5

[29] MARYLEE MCDUFFIE, TELETRAFFIC ENGINEERING. 2012AVAILABLE:

HTTP://WWW.VLEBOOKS.COM/VLEWEB/PRODUCT/OPENREADER?ID=NONE&ISBN

=9788132340379&UID=NONE.

[30] J. C. FERRANDO, "EL TEOREMA ERGÓDICO," ARBOR, VOL. CLXXV, (692), PP.

1485-1496, 2003.

AVAILABLE: HTTPS://WWW.OPENAIRE.EU/SEARCH/PUBLICATION?ARTICLEID=DE

DUP_WF_001::EB2F2BF002FF7CA3D0F0DD5607336492. DOI: 10.3989/ARBOR.

2003.I692.712.

[31] ANONYMOUS TOPOLOGÍAS DE RED. 2001.

HTTP://WWW.REDTAUROS.COM/CLASES/FUNDAMENTOS_REDES/02_TOPOLOGIA_

DE_RED.PDF

https://ieeexplore.ieee.org/DOCUMENT/8580388

http://www.bibliothek.uni-regensburg.de/EZEIT/?2197585



https://emdaduits.files.wordpress.com/2011/12/digital-telephonythird-edition___john-c-bellamy.pdf

https://emdaduits.files.wordpress.com/2011/12/digital-telephonythird-edition___john-c-bellamy.pdf

http://www.vlebooks.com/VLEWEB/PRODUCT/OPENREADER?ID=NONE&ISBN

https://www.openaire.eu/SEARCH/PUBLICATION?ARTICLEID=DEDUP_WF_001%3A%3AEB2F2BF002FF7CA3D0F0DD5607336492

https://www.openaire.eu/SEARCH/PUBLICATION?ARTICLEID=DEDUP_WF_001%3A%3AEB2F2BF002FF7CA3D0F0DD5607336492

http://www.redtauros.com/CLASES/FUNDAMENTOS_REDES/02_TOPOLOGIA_DE_RED.PDF






[32] S. GUPTA AND A. LOZANO, "COMPUTATION-BANDWIDTH TRADING FOR

MOBILE EDGE COMPUTING," IN JAN 2019, AVAILABLE:


10.1109/CCNC.2019.8651745.

[33] CUIPING NI ET AL, "DYNAMIC BANDWIDTH ALLOCATION WITH OPTIMIZED

EXCESS BANDWIDTH DISTRIBUTION AND WAVELENGTH ASSIGNMENT IN MULTI-

WAVELENGTH ACCESS NETWORK," IN OCT 2013, AVAILABLE:


10.1109/TENCON.2013.6719047.

[34] C. LIANG, Y. HE, F. R. YU, AND N. ZHAO, “ENERGY-EFFICIENT RESOURCE

ALLOCATION IN SOFTWARE-DEFINED MOBILE NETWORKS WITH MOBILE EDGE

COMPUTING AND CACHING,” IN PROCEEDINGS OF IEEE CONFERENCE ON

COMPUTER COMMUNICATIONS WORKSHOPS (INFOCOM 2017 WKSHPS), MAY 2017,

PP. 121–126.

[35] Q. FAN AND N. ANSARI, “COST AWARE CLOUDLET PLACEMENT FOR BIG

DATA PROCESSING AT THE EDGE,” IN PROCEEDINGS OF THE IEEE

INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC 2017), 2017, PP. 1–6.

[36] G. DASGUPTA, A. SHARMA, A. VERMA, A. NEOGI, AND R. KOTHARI,

“WORKLOAD MANAGEMENT FOR POWER EFFICIENCY IN VIRTUALIZED DATA

CENTERS,” COMMUNICATIONS OF THE ACM, VOL. 54, NO. 7, PP. 131–141, 2011.

[37] N. GIANG, V. LEUNG, AND R. LEA, “ON DEVELOPING SMART

TRANSPORTATION APPLICATIONS IN FOG COMPUTING PARADIGM,” IN DIVANET

2016 - PROCEEDINGS OF THE 6TH ACM SYMPOSIUM ON DEVELOPMENT AND

ANALYSIS OF INTELLIGENT VEHICULAR NETWORKS AND APPLICATIONS, CO-

LOCATED WITH MSWIM 2016, 2016.






[38] SIMÓN JOSÉ ESMERAL ARIZA, LUIS ALFREDO GONZÁLEZ MONROY AND IVÁN

MANUEL SÁNCHEZ FONTALVO, "CAPÍTULO 2," IN SENTIDOS Y SIGNIFICADOS DE

JUSTICIA, PAZ Y GOBERNABILIDAD. UNA MIRADA DESDE LA

INTERCULTURALIDAD EN LA ERA DE POST-ACUERDO EN EL CARIBE

COLOMBIANO, 1ª ED. ANONYMOUS 2018, AVAILABLE:

HTTPS://WWW.JSTOR.ORG/STABLE/J.CTV1T8C4V.5.

[39] MATHWORKS.COM. (2019). PLOT MARKOV CHAIN EIGENVALUES - MATLAB

EIGPLOT. [ONLINE] AVAILABLE AT:

HTTPS://WWW.MATHWORKS.COM/HELP/ECON/DTMC.EIGPLOT.HTML[ACCESSED 3

MAY 2019].

[40] THANH DAT DANG UNIVERSITY OF TECHNOLOGY SYDNEY, AUSTRALIA

SCHOOL OF COMPUTING AND COMMUNICATIONS

[email protected], "A DATA PROTECTION MODEL FOR LOG

COMPUTING,”.

[41] XIAOQUN YUAN ET AL, "AN IMPROVED FAST SEARCH AND FIND OF DENSITY

PEAKS-BASED FOG NODE LOCATION OF FOG COMPUTING SYSTEM," IN JUN 2017,

AVAILABLE: HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/8276818. DOI:

10.1109/ITHINGS-GREENCOM-CPSCOM-SMARTDATA.2017.100.

[42] C. LIU, J. CHEN, L. T. YANG, X. ZHANG, C. YANG, R. RANJAN, ET AL.,

"AUTHORIZED PUBLIC AUDITING OF DYNAMIC BIG DATA STORAGE ON CLOUD

WITH EFFICIENT VERIFIABLE FINE-GRAINED UPDATES," IEEE TRANSACTIONS ON

PARALLEL AND DISTRIBUTED SYSTEMS, VOL. 25, PP. 2234-2244, 2014

[43] R. DENG, R. LU, C. LAI, T. H. LUAN, AND H. LIANG, "OPTIMAL WORKLOADV

ALLOCATION IN FOG-CLOUD COMPUTING TOWARDS BALANCED DELAY AND

POWER CONSUMPTION," IEEE INTERNET OF THINGS JOURNAL, VOL. PP, PP. 1-1,

2016.

https://www.jstor.org/STABLE/J.CTV1T8C4V.5

https://www.mathworks.com/HELP/ECON/DTMC.EIGPLOT.HTML

mailto:[email protected]





[44] R. SAHA ET AL, "PRIVACY ENSURED E-HEALTHCARE FOR FOG-ENHANCED

IOT BASED APPLICATIONS," IEEE ACCESS, PP. 1, 2019. DOI:

10.1109/ACCESS.2019.2908664.

[45] N. KOBLITZ, “ELLIPTIC CURVE CRYPTOSYSTEMS,” MATH. COMPUT., VOL. 48,

NO.177, PP. 203–203, JAN. 1987

[46] S. KULLBACK, INFORMATION THEORY AND STATISTICS, J. WILEY, NEW

YORK, 1959.

[47] S. KULLBACK AND R. A. LEIBLER, ON INFORMATION AND SUFICIENCY, ANN.

MATH. STAT. 22 (1951), 79-86.

[48] T. E. DUNCAN, B. PASIK-DUNCAN AND L. STETTNER, ALMOST SELJ-

OPTIRNIZING STRATEGIES FOR THE ADAPTIVE CONTROL OF DIFFUSION

PROCESSES, J. OPTIM. TH.

[49] T. E. DUNCAN, B. PASIK-DUNCAN AND L. STETTNER, ADAPTIVE CONTROL OF

A PARTIALLY OBSERVED DISCRETE

[50] T. E. DUNCAN, B. PASIK-DUNCAN AND L. STETTNER, "DISCRETIZED

MAXIMUM LIKELIHOOD ESTIMATES AND ALMOST SELF-OPTIMIZING CONTROLS

FOR ERGODIC MARKOV MODELS," IN 1995, AVAILABLE:

HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/480372. DOI: 10.1109/CDC.1995.480372.

[51] HUI DANG, WEIGUO YANG AND ZHIYAN SHI, "THE STRONG LAW OF LARGE

NUMBERS AND THE ENTROPY ERGODIC THEOREM FOR NONHOMOGENEOUS

BIFURCATING MARKOV CHAINS INDEXED BY A BINARY TREE," TIT, VOL. 61, (4),

PP. 1640-1648, 2015. AVAILABLE:

HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/7042766. DOI: 10.1109/TIT.2015.2404310.






[52] J. GUYON, “LIMIT THEOREMS FOR BIFURCATING MARKOV CHAINS.

APPLICATION TO THE DETECTION OF CELLULAR AGING,” ANN. APPL. PROBAB.,

VOL. 17, NOS. 5–6, PP. 1538–1569, 2007.

[53] ANONYMOUS "OIL & GAS JOURNAL;2013 SRI C6985-1; ISSN 0030-1388," 2013.

[ONLINE]. AVAILABLE:

HTTPS://STATISTICAL.PROQUEST.COM/STATISTICALINSIGHT/RESULT/PQPRESULT

PAGE.PREVIEWTITLE?DOCTYPE=PQSI&TITLEURI=/CONTENT/2013/C6985-1.XML.

[54] CADENAS DE MARKOV., "CAP´ITULO 3:" párrafo 1.

[55] WEIPING LIU ET AL, "RESEARCH AND DEVELOPMENT OF COMMUNICATION

BETWEEN PC AND MOBILE BASE ON EMBEDDED SYSTEM AND GPRS," IN AUG

2011, AVAILABLE: HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/6010034. DOI:

10.1109/AIMSEC.2011.6010034.

[56] ZHAO LIANGSHUI, WANG AI'HONG AND XU JIANYUAN, "REMOTE MONITOR

AND CONTROL SYSTEM FOR WREATH NET CABINET BASED ON GPRS

TECHNOLOGY," IN OCT 2006, AVAILABLE:


10.1109/ICPST.2006.321907.

[57] YOUGULIU BAOXINBGAI,

"RESEAROCNHGPRSVEHICLLOECATINOENTWORSKERVISCYESTEM,”.

[58] B. CONFAIS, A. LEBRE AND B. PARREIN, "AN OBJECT STORE SERVICE FOR A

FOG/EDGE COMPUTING INFRASTRUCTURE BASED ON IPFS AND A SCALE-OUT

NAS," IN MAY 2017, AVAILABLE:

HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/8014358.DOI: 10.1109/ICFEC.2017.13.

[59] B. PRASAD ET AL, "EFFECTS OF PRIMARY USER INTERFERENCE AND

CHANNEL ESTIMATION ERRORS ON ERGODIC CAPACITY OF SECONDARY USER,"







IN OCT 2014, AVAILABLE: HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/7022360.

DOI: 10.1109/TENCON.2014.7022360.

[60] A. HINDY AND A. NOSRATINIA, "APPROACHING THE ERGODIC CAPACITY OF

THE MIMO CHANNEL WITH LATTICE CODES," IN DEC 2016, AVAILABLE:


10.1109/GLOCOM.2016.7841611

[61] FRANCISCO MONTES SUAY, "PROCESOS ESTOCASTICOS PARA INGENIEROS:

TEORIA Y APLICACIONES,”.

[62] MATHWORKS.COM. (2019). PLOT MARKOV CHAIN ISERGODIC - MATLAB

ISERGODIC. [ONLINE] AVAILABLE AT:

HTTPS://WWW.MATHWORKS.COM/HELP/ECON/DTMC.ISERGODIC.HTML?S_TID=SR

CHTITLE#MW_75C8B8C6-2083-4AC4-B7E5-CA8C0247C270 [ACCESSED 2 MAY 2019].

[63] C. SERVICES, "CISCO APPLICATION VISIBILITY AND CONTROL (AVC)", CISCO,

2019. [ONLINE]. AVAILABLE:

HTTPS://WWW.CISCO.COM/C/EN/US/PRODUCTS/ROUTERS/AVC-

CONTROL.HTML#~STICKYNAV=1. [ACCESSED: 03- MAY- 2019].

[64] C. TUDOR, PROCESOS ESTOCASTICOS. 1994 [ONLINE]. AVAILABLE:

HTTP://CATALOG.HATHITRUST.ORG/RECORD/003095052.

[65] I. Y. M. EDWARD ET AL, "E-GOVERNMENT MASTER PLAN DESIGN WITH

TOGAF FRAMEWORK," IN OCT 2014, [ONLINE]. AVAILABLE:


10.1109/TSSA.2014.7065958.

[66] “COMPARING TRAFFIC POLICING AND TRAFFIC SHAPING FOR BANDWIDTH

LIMITING”. CISCO, 2019. [ONLINE]. AVAILABLE:



https://www.mathworks.com/HELP/ECON/DTMC.ISERGODIC.HTML?S_TID=SRCHTITLE&MW_75C8B8C6-2083-4AC4-B7E5-CA8C0247C270



https://www.cisco.com/C/EN/US/PRODUCTS/ROUTERS/AVC-

http://catalog.hathitrust.org/RECORD/003095052





HTTPS://WWW.CISCO.COM/C/EN/US/SUPPORT/DOCS/QUALITY-OF-SERVICE-

QOS/QOS-POLICING/19645-POLICEVSSHAPE.HTML [ACCESSED: 01- NOV- 2019].

[67] “PLAN YOUR WSUS DEPLOYMENT” MICROSOFT, 2018. [ONLINE]. AVAILABLE:

HTTPS://DOCS.MICROSOFT.COM/EN-US/WINDOWS-

SERVER/ADMINISTRATION/WINDOWS-SERVER-UPDATE-SERVICES/PLAN/PLAN-

YOUR-WSUS-DEPLOYMENT [ACCESSED: 13- NOV- 2019].

[68] “BACKGROUND INTELLIGENT TRANSFER SERVICE” MICROSOFT, 2018.

[ONLINE]. AVAILABLE HTTPS://DOCS.MICROSOFT.COM/ES-

ES/WINDOWS/WIN32/BITS/BACKGROUND-INTELLIGENT-TRANSFER-SERVICE-

PORTAL [ACCESSED: 16- NOV- 2019].

[69] “ABOUT BITS” MICROSOFT, 2019. [ONLINE]. AVAILABLE:

HTTPS://DOCS.MICROSOFT.COM/EN-US/WINDOWS/WIN32/BITS/ABOUT-BITS

[ACCESSED: 01- NOV- 2019].

[70] “CONFIGURING CBWFQ AND LLQ ON MLPPP AND DIALER INTERFACES”.

CISCO, 2009. [ONLINE]. AVAILABLE:

HTTPS://WWW.CISCO.COM/C/EN/US/SUPPORT/DOCS/QUALITY-OF-SERVICE-

QOS/QOS-CONGESTION-MANAGEMENT-QUEUEING/10102-CBWFQDIALER.HTML

[ACCESSED: 03- MAY- 2019].

[71] ” NETWORK-BASED APPLICATION RECOGNITION” CISCO, 2009. [ONLINE].

AVAILABLE: HTTPS://WWW.CISCO.COM/C/EN/US/PRODUCTS/COLLATERAL/IOS-

NX-OS-SOFTWARE/NETWORK-BASED-APPLICATION-RECOGNITION-

NBAR/PROD_CASE_STUDY09186A00800AD0CA.HTML [ACCESSED: 28- OCT- 2019].

https://www.cisco.com/c/en/us/support/docs/quality-of-service-qos/qos-policing/19645-policevsshape.html

https://www.cisco.com/c/en/us/support/docs/quality-of-service-qos/qos-policing/19645-policevsshape.html

https://docs.microsoft.com/EN-US/WINDOWS-SERVER/ADMINISTRATION/WINDOWS-SERVER-UPDATE-SERVICES/PLAN/PLAN-YOUR-WSUS-DEPLOYMENT





https://docs.microsoft.com/es-es/windows/win32/bits/background-intelligent-transfer-service-portal





https://docs.microsoft.com/en-us/windows/win32/bits/about-bits

https://www.cisco.com/c/en/us/support/docs/quality-of-service-qos/qos-congestion-management-queueing/10102-cbwfqdialer.html



https://www.cisco.com/c/en/us/products/collateral/ios-nx-os-software/network-based-application-recognition-nbar/prod_case_study09186a00800ad0ca.html



