Cette article est de la catégorie Innovation 

Optimisation de la performance WiFi

Comment résoudre les problèmes de performance WiFi ? Nous vous présentons une approche d’un de nos projets de recherche.

Texte: Kurt Baumann, publié le 02.03.2016

Beaucoup de services informatiques connaissent cette situation : Les membres des Hautes écoles se plaignent des faibles performances du WLAN : Le temps de chargement des pages web consultées est interminable. Mais quelle est la vraie cause de ce problème ? Les appareils de l'utilisateur final sont-ils mal configurés ? Y a-t-il des goulots d'étranglement en raison d'une bande passante devenue soudainement plus étroite ? Où y a-t-il d'autres raisons ?

Rien n'est plus difficile que de trouver le vrai problème et la solution immédiate qui y remédie. Car pour évaluer et identifier les problèmes de performance WiFi sur le Campus, nous ne disposons aujourd'hui de pratiquement aucune donnée ni aucun historique portant sur une période assez longue. Une reconstruction postérieure du problème est donc très difficilement réalisable.

Pour cette raison, GEANT a développé sous la direction de SWITCH un concept de surveillance de la performance d'un point d'accès collectif sans fil (WCSPMV), par lequel la performance et les causes du problème de performance peuvent être identifiées via le feed-back de l'utilisateur final. La démarche se focalise sur des tests de bande passante non invasifs des appareils d'utilisateurs finaux. Nous avons rassemblé les premières expériences pour la TERENA Network Conference 2015, durant laquelle nous avons présenté le concept en direct. D'autres implémentations et améliorations du concept sont effectuées actuellement dans différentes universités.

Les composantes du concept:

Les indicateurs importants du WCSPMV sont les utilisateurs finaux, donc les clients mobiles en tant que générateurs de trafic ainsi que les collecteurs de données définis, qui collectent les données des contrôleurs WiFi, des DHCP-/Radius-Logfiles et les ID du point d'accès. L'analyse des données des performances réseaux (bande passante, latence) a lieu au moyen de JavaScripts, qui sont installées sur les pages web souhaitées et qui transmettent les données mesurées à l'Analytics Engine (AE) pour évaluation. Le schéma architectural ci-dessous (voir graphique) montre quels sont les composants importants et les mécanismes qui sont nécessaires pour formuler des affirmations liées au réseau.

Voilà comment cela fonctionne :

Un client mobile (voir graphique) se connecte au point d'accès (AP) le plus proche. Il s'authentifie, s'autorise et reçoit une adresse IP du serveur DHCP. A cet effet, des fichiers journaux anonymes DHCP, System et/ou Radius sont générés (voir sources des données), ce qui permet une comparaison des adresses MAC client avec les adresses IP client, de l'identificateur du point d'accès (AP-ID) et de l'horodatage de la réussite de la connexion avec le réseau WLAN du Campus. Ces données sont ensuite transférées dans une base de données relationnelle (BDR) et analysées ou préparées pour visualisation au moyen d'un Analytics Engine (AE).

Des JavaScripts qui fournissent toute une série de données de performances du réseau sont implémentés dans le navigateur de l'utilisateur final. Il s'agit là d'une bande passante relative (vitesse de chargement et de téléchargement d'images définies) et de la latence (au moyen de "Round Trip Time",RTT).

Nous avons désormais toutes les informations dont nous avons besoin pour reproduire la corrélation entre la source des données (les fichiers journal), le moment (horodatage) et l'identificateur du point d'accès (AP-ID) et les relier avec les données de performance du réseau engendrées grâce aux Java-Scripts.

Ces données peuvent désormais être consultées en cas de besoin via l'interface graphique (GUI) de la Base de Données Relationnelle (BDR) et de l'Analytics Engine (AE), et des rapports correspondants peuvent être élaborés à l'attention de l'exploitant du réseau WLAN. Il faut ici garder à l'esprit les aspects de protection des données (voir l'encadré). Il s'agit quand même de données personnelles qui donnent également des renseignements sur le comportement de l'utilisateur final.

Premiers tests et résultats :

Nous avons présenté et immédiatement testé en direct le concept décrit plus haut pour la première fois, dans le cadre de la conférence TERENA Network (TNC2015) à Porto, Portugal. Nous avons sciemment choisi une plus grande conférence, car la précision des mesures dépend du nombre d'utilisateurs du WLAN (Crowd Sourcing).

Nous avions implémenté les JavaScripts sur les pages web principales et annexes de la TNC2015. Le serveur du réseau de test fonctionnait sur une instance virtuelle à Athènes (GR). Nous avons seulement autorisé les mesures de sous-réseaux IP sélectionnés, les mesures des performances se trouvant en dehors de ces sous-réseaux ont été bloquées. Nous avons également empêché toute duplication de mesures en limitant la durée de vie des cookies à une heure.

Durant la TNC2015, nous avons pu effectuer les premières analyses approximatives des données collectées concernant la bande passante ainsi que celle de la latence du réseau. Qui plus est, nous avons pu définir « l'effet de masse » (Crowding), c'est-à-dire l'accumulation de participants à la conférence. Pendant la TNC2015, nous avons effectué plus de 1713 mesures de performance, dont nous avons pu lire complètement les enregistrements de données et établi leurs corrélations.

 

Le graphique montre la vitesse de chargement et téléchargement dans la plus grande salle de conférence, où les sessions plénières et les présentations ont eu lieu. Cette salle dispose de plusieurs points d'accès. Le résultat de la mesure est décevant au premier abord, car aucun schéma clair n'est identifiable. Nous nous attendions à avoir une représentation visible du point d'accès où se sont connectés la plupart des appareils. Nous avons mesuré une vitesse de téléchargement moyenne de 662.9KB/s, pour le chargement, elle s'élevait en moyenne à 406.5KB/s. Cela indique une fluctuation élevée. Comme attendu, nous avons constaté que la distance d'éloignement du point d'accès jouait un rôle important pour la qualité des données. Qui plus est, il s'est avéré que la taille des images de 1 Megabyte était trop petite. Par la suite, nous allons augmenter la taille des images pour atteindre 2 à 3 Megabyte.

 

Le graphique de la latence est un peu plus explicite. Concernant nos directives d'essai, nous pouvons distinguer trois caractéristiques:

  1. Latence: Elle s'élève à 40 millisecondes entre le lieu de la conférence à Porto et le serveur test du réseau à Athènes.
  2. Clustering : Cela évoluait dans une marge entre 20 à 30 ms, mettant en évidence une bonne conception du réseau.
  3. Ecarts statistiques extrêmes : Les raisons sont diverses. Des appareils d'utilisateurs finaux mal configurés, la configuration du réseau sans fil, " l'effet de massification" elle-même ou la distance d'éloignement du PA etc.

Conclusion

Dès le premier test, notre hypothèse s'est vue confirmée : Il est possible de collecter des informations sur la performance WiFi à l'aide de tests non invasifs de bande passante sur les appareils des utilisateurs finaux. Les tests fournissent des informations relativement bonnes:

  • Nous avons pu limiter les mesures de performance aux sous-réseaux IP définis.
  • Nous avons pu empêcher les duplications de mesures à l'aide de cookies.
  • Nous avons pu enregistrer le User Agent des navigateurs, de telle sorte qu'il nous a été possible de classer les résultats selon les navigateurs, plateformes et mobile resp. desktop-hardware utilisés. Ainsi nous avons pu interroger la géolocalisation à partir du navigateur.
  • Nous avons pu comparer les mesures de performances d'échantillons de Hardware (Objective Measurements) avec les résultats des mesures de performances sur les appareils des utilisateurs finaux.

D'autres implémentations test sont planifiées ou sont déjà en cours à différents endroits, par exemple à l'université Dublin City (DCU) et chez un petit fournisseur de services Internet.

Les améliorations et les innovations du concept sont en cours concernant la vérification des données de mesure, de l'automatisation de la collecte des données et de leur préparation, la construction d'un concept BDR/AE approprié avec le logiciel correspondant et le GUI comme terminal pour les administrateurs du réseau.

Le travail présenté ici a été effectué dans le cadre du projet GEANT, "GN4-1 in Task GN4-1-SA3T3" avec le Grant Agreement No. 691567.
L'auteur
Kurt   Baumann

Kurt Baumann

Kurt Baumann a obtenu en 2001 son Master en mathématiques de l'Université de Zurich. Après avoir travaillé chez IBM, il est entré au service de SWITCH en 2005. Il est membre de l'équipe Network et défend les intérêts de SWITCH auprès de GÉANT.

E-mail

Pour les questions concernant la protection des données personnelles

Au moyen de l'information de géolocalisation, nous pouvons retracer très précisément le comportement des clients mobiles avec notre approche de surveillance de la performance d'une source collective sans fil (Wireless-Crowdsourced-Performance-Monitoring). Nous avons la possibilité d'établir le profil d'un utilisateur final. Dans le cadre d'eduPERT, nous avons organisé une première discussion sur la protection des données de l'utilisateur final.

Recherche candidats participant au test

Un premier guide d’implémentation est disponible. Nous cherchons des participants au test pour l’optimisation du concept et nous serions heureux de trouver des partenaires de test issus de la SWITCHCommunity.

Les personnes intéressées sont priées de contacter Kurt Baumann.

Autres articles