- Los métodos de detección de cortes de Internet por lotes y en streaming comparten marcos similares y, por tanto, producen resultados parecidos.
- Del 16% de resultados que no son similares, sólo un sistema tiene la suficiente confianza para informar, por lo que utilizar ambos métodos puede mejorar la visibilidad.
- La detección por lotes es preferible en escenarios de alta precisión, mientras que el streaming proporciona una alternativa fiable y casi en tiempo real.
Muchos sistemas comerciales y académicos de detección de cortes de Internet utilizan Trinocular para evaluar la fiabilidad de la red.
El sistema Trinocular original funcionaba con un procesamiento por lotes cada tres meses, pero en 2016 desplegamos un Trinocular casi en tiempo real que transmite los resultados, portando los nuevos datos a nuestro sitio web de interrupciones. Ambos métodos se utilizan ampliamente, ya que los algoritmos que requieren días de datos no pueden ejecutarse en tiempo casi real.
Aunque los dos métodos comparten los mismos algoritmos conceptuales subyacentes, el Dr. John Heidemann, Yuri Pradkin y yo comparamos recientemente su rendimiento para comprender cuánta diferencia marcan los algoritmos específicos.
Nuestro resultado global demostró que el Trinocular por lotes y el Trinocular en streaming coincidieron más del 84% de las veces durante un periodo de ocho días.
¿Y qué pasa con el otro 16%?
Cuando evaluamos los casos en los que los dos sistemas discrepaban, descubrimos:
- Producen resultados contradictorios el 0,2% de las veces, lo que sugiere que la transmisión es bastante fiable, pero no idéntica.
- En casi todos los casos de falta de acuerdo (15% del tiempo total), sólo un sistema tiene la confianza suficiente para informar, y rastreamos esta diferencia hasta los algoritmos a largo plazo.
Seleccionamos dos sucesos de red representativos del conjunto completo de cortes observados durante nuestro periodo de estudio, cada uno de los cuales afectó a más de 20 /24 bloques IP.
La Figura 1 muestra las principales diferencias entre la detección por lotes y por streaming. Los paneles superior izquierdo y central muestran las interrupciones detectadas por los sistemas batch y streaming, respectivamente. Cada línea horizontal representa un bloque /24, con segmentos coloreados que indican periodos de inalcanzabilidad y blancos que indican alcanzabilidad.
El primer ejemplo, marcado en rosa (br-1 y br-2), muestra dos interrupciones de 5 horas separadas por un periodo de 5,5 horas de alcanzabilidad. Estos sucesos empezaron el 2 de marzo de 2021 a las 7:00 y a las 18:00 en la red de G7 Telecom Ltd (AS263015) en Bahía, Brasil, y afectaron a 23 bloques /24 en cinco prefijos /16.
El segundo ejemplo, en verde (kr), muestra una interrupción de 4 horas que comenzó a las 8:00 del 2 de marzo de 2021 en la red LG POWERCOMM (AS17858) de Seúl, Corea del Sur, y afectó a 27 bloques /24 en cinco prefijos /16.
Aunque los paneles superiores parecen similares en general, el streaming (gráfico superior-medio) detecta varias interrupciones prolongadas que están ausentes en el batch, resaltadas como líneas horizontales etiquetadas como (largo-1).
Los paneles inferiores resaltan las diferencias: el inferior izquierdo destaca las interrupciones vistas por lotes pero pasadas por alto por el streaming, mientras que el inferior derecho muestra lo contrario. En ambos, los segmentos coloreados reflejan las discrepancias entre los dos enfoques. En particular:
- Las interrupciones por lotes suelen empezar antes que las del streaming, la interrupción coreana dura más en streaming que en lotes, y una breve interrupción en Brasil hacia la hora 38, etiquetada (br-3), sólo se detecta por streaming.
- Las interrupciones largas etiquetadas como (long-1) son exclusivas del streaming, pero no aparecen en la comparación lote arriba/streaming abajo, lo que indica que nunca fueron detectadas por lote. Estas diferencias se deben a las compensaciones algorítmicas inherentes al diseño de los sistemas de detección por lotes y por secuencias.
En general, el streaming tiende a sobreinformar ligeramente de las interrupciones, sobre todo en los casos en que la detección por lotes confirma la alcanzabilidad o cuando la información disponible es limitada. En consecuencia, la detección por lotes es preferible en escenarios de alta precisión, mientras que el streaming proporciona una alternativa fiable y casi en tiempo real.
Nuestras conclusiones subrayan la importancia de validar implementaciones independientes, aunque compartan los mismos algoritmos conceptuales subyacentes, para garantizar una detección de interrupciones robusta y fiable.
Erica Stutz comenzó este trabajo como estudiante en el Swarthmore College mientras colaboraba a distancia con la Universidad del Sur de California. Ahora está realizando su doctorado en Biología Computacional e Informática Biomédica en la Universidad de Yale.
Colaboradores: John Heidemann y Yuri Pradkin.
Las opiniones expresadas por los autores de este blog son suyas y no reflejan necesariamente los puntos de vista de la Internet Society.
Foto de NaJina McEnany vía Wikimedia Commons
