Trafikmätningar i GigaSunet våren 2003.

Transkript

1 Trafikmätningar i GigaSunet våren Inledning Under flera års tid har det pågått diskussioner på olika plan om vilken sorts datatrafik som går i s nät. Det fanns ingen samordnad mätning tillgänglig som kunde svara på den frågan. s styrelse beslöt därför att dels genomföra en enkätundersökning bland anställda och studenter och dels genomföra en trafikmätning för att försöka finna svar på frågan. Denna rapport behandlar denna trafikmätning. Bakgrund om Internettrafik Datorer på Internet har var och en ett unikt IP-nummer. IP-numren grupperas ihop och märks som tillhörande ett Autonomuos System [AS]. Varje Internetoperatör har ett (eller ett fåtal) sådana AS tilldelade som sina. Trafik till en viss dator styrs ute på Internet av dess IP-nummer. När trafiken kommer fram till den datorn avgör portnumret i datapaketet vilken tjänst (program etc.) som är mottagare av trafiken. Datapaketen är även märkta med avsändarens IP-nummer och port (nummer mellan 1 och 65535). Många tjänster har tilldelade portnummer från organisationen IANA (Internet Assigned Numbers Authority), till exempel: 25 = SMTP (E-post), eller 80 = HTTP (Webtrafik). Dock så har långt ifrån alla portnummer tilldelade namn. Notera också att dessa tilldelade nummer och namn endast är rekommendationer - det finns inget som tvingar HTTP att gå på port 80. Det är t.ex. ganska vanligt att lägga inofficiella webbservrar på andra portnummer än 80, t.ex Detta gör det mycket svårt att på något enkelt och entydigt sätt bara ut portnumret identifiera vilken trafiktyp det är frågan om. Mätning i GigaSunet Vi bad högskolorna och universiteten om hjälp med datainsamlandet (det är ju deras trafik). Under perioden maj 2003 samlade vi in information om var 1000:e datapaket från de deltagande organisationerna. Insamlingen skedde till en central server. Av mättekniska skäl begränsade vi oss till utgående trafik från varje organisation. Vi klassificerade sedan AS-numren/Internetoperatörerna till geografiska regioner (,,, och Nordamerika). Ha i åtanke att vissa stora operatörer finns i flera länder, dvs. en exakt geografisk bestämning är i vissa fall svår att göra. För varje högskola/universitet så har vi sedan plottat geografisk region för de.30 mest frekventerade (beräknat på volym) AS-numren. Gemensamt för alla högskolor var att oväntat mycket av trafiken stannar inom anslutna organisationer och inom landet. Bland de destinationer som hade mer än 100 Mbyte data under 2 veckor (motsvarande en medeltrafik av > 0,6 kbit/sek) så var ¾ av trafikvolymen inom.

2 Mätresultat, geografiska regioner Omfattar bara utgående trafik från respektive högskola. totalt ste destinationså 4% kor 17% 37% 4% 38% I detta diagram är endast de 100 vanligaste destinationsoperatörerna medtagna, klassificerade på geografiskt område. Destinationer med mindre än 100 Mbyte data under testperioden som var två veckor (medeltrafik på mindre än 0,6 kbit/sek) är ej med här. De nästkommande diagrammen visar exempel på den geografiska fördelningen för några olika universitet/högskolor. Klassificeringen på geografisk region är gjord på de 30 mest frekventerade (baserat på volym) destinations-operatörerna. Fältet Ospec visar de operatörer som ligger utanför dessa 30 vanligaste. Några stickprov visar att det inte finns någon anledning att tro att dessa geografiskt fördelas på annat sätt än de 30 vanligaste.

3 Trafikvolym - Geografisk fördelning - liten högskola 1 16% 6% Europ a 16% 48 % Trafikvolym - Geografisk fördelning - medelstort universitet 8% Ospec. 3 1 % 4 Europ a 14% Norde n 7%

4 Trafikvolym - Geografisk fördelning Stort universitet 3 43% 7% 16% Mätresultat portfördelning De nästkommande diagrammen visar exempel på portfördelningen för några olika universitet/högskolor samt för som helhet (summering av högskolornas trafik). Dom 10 mest frekventerade portarna är medtagna. I regel så är det de som använts mer än av. Fältet visar de portar som ligger utanför dessa 10 vanligaste. Eftersom det finns möjliga portar så är spridningen inom -fältet potentiellt mycket stor! Även här är det endast är utgående trafik från högskolorna som är med.

5 Trafikvolym - Portfördelning totalt 8% nntp 6% innosys s 8 nntp innosys s Trafikvolym - Portfördelning Liten högskola 1 5% smtp 4% mimer 4% Dynamic ms-streaming sti-envision 68% smtp mimer Dynamic ms-streaming sti-envision

6 Trafikvolym - Portfördelning Medelstort universitet nntp 25% 6% innosys s Direct Direct connect connect 67% nntp innosys s Trafikvolym - Portfördelning Stort universitet ssh flex-lm Ej def. xdtp smtp kar2ouche blackjack 89% ssh flex-lm xdtp smtp kar2ouche blackjack

7 Kommentarer till mätningarna. Vi kan konstatera att det är mycket svårt att dra några exakta slutsatser av denna typ av mätningar. Speciellt gäller detta mätningen på portfördelning, eftersom fördelningen av portnummer på Internet är så oreglerad. När det gäller geografisk fördelning så är resultaten så pass tydliga att en del slutsatser kan dras, med relativt stor säkerhet. För att få närmare kännedom om trafiktyper så måste antagligen själva datainnehållet i paketen studeras, och detta har inte utrustning eller resurser till idag. Kommentar - Portfördelning Helt klart är att (tydlig) användning av fildelning varierar rätt mycket. Alltifrån uppemot hälften av trafiken (HTU, MH), till väldigt lite (LU, VXU). För som helhet är åtminstone 10 % av trafiken fildelning, antagligen mer, men det kan inte utläsas med säkerhet ur mätresultaten. Kommentar - Geografisk fördelning Oväntat mycket av trafiken stannar inom -anslutna organisationer och inom landet. Bland de destinationer som hade mer än 100 Mbyte data under 2 veckor (0,6 kbit/sek) så var ¾ av trafikvolymen inom. Övriga observationer Inga tydliga, genomgående, samband mellan organisationer med mycket studentbostäder och stor andel fildelningstrafik kan ses. Exempel HHS, KI relativt stor andel fildelning, få (inga?) studentbostäder. LTU, LU, GU, Chalmers jämförelsevis liten andel, mycket studentbostäder. Stort tack till Håkan Gustafsson på UMDAC för hjälp med analysprogrammen! Börje Josefsson

8 Bilaga 1 Deltagande organisationer Data från följande organisationer har erhållits. I något fall var datat inte fullständigt. BTH Blekinge tekniska högskola Chalmers tekniska högskola DU Högskolan Dalarna HB Högskolan i Borås GU Göteborgs universitet HiG Högskolan i Gävle HGO Högskolan på Gotland HH Högskolan i Halmstad HHS Handelshögskolan, Stockholm HiK Högskolan i Kalmar HJ Högskolan i Jönköping HKR Högskolan i Kristianstad IRF Institutet för rymdfysik KaU Karlstads universitet KI Karolinska institutet LHS Lärarhögskolan i Stockholm LiU Linköpings universitet LTU Luleå tekniska universitet LU Lunds universitet MDH Mälardalens högskola MH Mitthögskolan ORU Örebro universitet UmU Umeå universitet UU Uppsala universitet VxU Växjö universitet Notera att FTP-arkivet (avsiktligt) inte är med! Stort tack till de deltagande organisationerna! Bilaga 2 Data för samtliga organisationer I bifogade Excel-fil finns data och diagram för alla de organisationer som deltog i mätningarna, samt för som helhet.