Modélisation des performances des réseaux locaux sans fil

Il est pratiquement impossible de nommer toutes les sphères de la société profondément modifiées par Internet ou de mesurer son impact à l'intérieur de chaque sphère. Cependant, un consensus parmi les experts des réseaux est que cette influence ne fera que grandir dans les années à venir. Dans la communauté des réseaux, nous nous attendons à un trafic de plus en plus important qui dépendra plus que jamais des technologies sans fil, en particulier des réseaux locaux sans fil (WLAN). L'augmentation du volume de trafic signifie que les organismes de standardisation, les fournisseurs et les architectes de réseau doivent trouver des solutions pour accroître la couverture et la capacité des réseaux WLAN. Compte tenu de la nature distribuée du partage des ressources dans les WLAN basés sur 802.11, ces solutions peuvent devenir inefficaces lorsqu'elles consistent simplement à déployer un plus grand nombre de ressources. Par conséquent, la configuration et le déploiement appropriés jouent un rôle important dans les performances des réseaux locaux sans fil. Dans cette thèse, nous proposons des approches stochastiques de modélisation de performance pour les réseaux locaux sans fil. Tous nos modèles sont conçus pour les WLAN non saturés avec des topologies arbitraires. Les trois premiers modèles sont basés sur des chaînes de Markov et modélisent le réseau à un niveau d'abstraction élevé. Chaque nouveau modèle affine son prédécesseur en étant à la fois conceptuellement plus simple et plus proche du système réel. Notre dernier modèle Markovien est conçu sur mesure pour les réseaux WLAN IEEE 802.11ac et intègre l'agrégation de trames et de canaux ainsi que les index MCS. La fidélité croissante au système et la précision de nos modèles nous ont permis de proposer plusieurs applications différentes pour l’évaluation des performances et la configuration de WLAN gérés de manière centralisée. Nous nous intéressons en particulier aux questions d’équité et de maximisation du débit et proposons plusieurs approches pouvant aider un administrateur de réseau à configurer correctement un réseau en fonction d’un certain indicateur de performance. Notre dernière approche de modélisation est profondément différente et intègre une méthode de traitement de signal de graphe (GSP) pour la modélisation des performances des réseaux locaux sans fil. Le besoin d'une telle modélisation découle principalement de problèmes d'évolutivité, car même si la précision de nos modèles Markoviens les rend appropriés pour de nombreuses applications, leur manque d'évolutivité peut parfois être considéré comme restrictif. Nous montrons que cette approche de boîte noire peut être utilisée avec succès pour modéliser le réseau et qu’intégrer des connaissances spécifiques au WLAN peut aider à augmenter la précision du modèle. Le dernier chapitre de ce manuscrit détaille les contributions et les limites de chaque approche de modélisation que nous avons proposée, y compris une discussion sur les travaux futurs potentiels et sur les pratiques générales en matière d'évaluation de performances des réseaux locaux sans filIt is virtually impossible to name all the spheres of society that have been profoundly changed by the widespread of the Internet or to measure its impact inside each sphere. However, a consensus opinion of network experts is that this influence will only grow in the coming years. In the networking community, we are expecting an ever-increasing amount of traffic that will more than ever depend on wireless technologies, specifically Wireless Local Area Networks (WLANs). The increase of traffic volume means that standardization organisms, vendors, and network architects need to come up with solutions for more coverage and capacity for WLANs. Given the distributed nature of resource sharing in 802.11-based WLANs, these solutions can become inefficient when they amount to simply deploying a larger number of resources. Thus, proper configuration and deployment of the networks is crucial to their performance. In this thesis, we propose stochastic performance modeling approaches for WLANs. All our models are designed for unsaturated WLANs with arbitrary topologies. The first three models are based on Markov chains and model the network at a high level of abstraction. Each new model refines its predecessor by being conceptually simpler and at the same time closer to the real system. Our last Markovian model is tailor-made for IEEE 802.11ac WLANs and incorporates channel bonding, MCS indexes, and frame aggregation. The increasing system fidelity of the models and their precision have allowed us to propose several different applications regarding the performance evaluation and configuration of centrally-managed WLANs. In particular, we are interested in issues of fairness and throughput maximization and propose several approaches that can help a network administrator to properly configure a network given a certain performance metric. Our last modeling approach is profoundly different and incorporates a Graph Signal Processing (GSP) method for the performance modeling of WLANs. The need for such modeling arises mostly from scalability issues, as even though our Markovian models' accuracy makes them suitable for many applications, their lack of scalability can sometimes be seen as restrictive. We show that this black box approach can be successfully used for modeling the network and that incorporating WLAN-specific knowledge can help increase the accuracy of the model. The final chapter of this manuscript details the contributions and limitations of each modeling approach we proposed, including a discussion on potential future works and on general practices in the performance evaluation of WLAN