756WILAYAHIEEEJOURNALONTERPILIHDIKOMUNIKASI,VOL.20,NO.

4,Mei2002

MengoptimalkanOSPF/ISISBobotdalam
MengubahDunia
BernardFortz,AsosiasiAnggota,IEEEdanMikkelThorup
AbstrakSebuah sistem teknik disajikan untuk mengoptimalkan terbuka jalan terpendek pertama (OSPF) atau
sistemintermediatesistemdiatemenengah(ISIS)bobotuntukroutingintradomaindalamduniayangberubah,tujuan
yanguntukmenghindarilinkkelebihanbeban.Kamimengatasiperubahanperiodikyangdiprediksikandilalulintas
sertamasalahyangtimbuldarikegagalanlinkdanmunculhotspot.

Indeks SyaratKombinatorial optimasi, sistemmenengah sistem intermediate (ISIS), pencarian lokal, terbuka
terpendekjalurpertama(OSPF),jalurterpendekpertama,rekayasalalulintas,manajemenlalulintas.

I.ENDAHULUAN
PT

HEmeningkatkanOPTIMALISASItujuankinerjadariInternetprotocollalulintasrekayasa(IP)lalulintasuntuk
sementaramemanfaatkansumberdayajaringansecaraekonomi.Dalammakalahini,fokuskamiadalahpada
mengoptimalkanterbukaterpendekjalurpertama(OSPF)atausistemmenengahsistemintermediate(ISIS)lalu
lintasroutingsehinggamembuatlebihefisienpenggunaansumberdayajaringandinariossceperubahanlalu
lintasdanjaringan.
Terpendekjalurpertama(SPF)protokolsepertiOSPF[23]atauISIS[8]adalahyangpalingumumdigunakan
intradomainprotokolroutinginternethariini.Lalulintasdialihkansepanjangjalurterpendekketujuan.Bobotlink,
dandengandemikianjalurruteterpendek,dapatdiubaholehoperatorjaringan.Pengaturanberatbadanstandar
sederhana yang disarankan oleh Cisco [11] adalah untuk membuat berat link berbanding terbalik dengan
kapasitasnya.SebagaiternativealkeOSPF/ISIS,labelmultiprotocollebihfleksibelswitching(MPLS)protokol
telahdisarankan[5],[25].MPLSbelumbanyakdigunakan,tapipadaprinsipnya,ituakanmemungkinkanarrouting
yangbitrarydalamjaringan.
Tujuan umum kami dalam makalah ini adalah untuk rute tuntutan melalui jaringan OSPF / ISIS berbasis
sehinggauntukmenghindaritionkongestidalamhalbebanLinkmelebihikapasitasdenganmenghasilkanpacket
lossdanmundurdiTCP.
Dalam konteks jaringan tetap dengan diketahui matriks de mand tetap masalah ini sudah ditangani secara
eksperimentaldi[20]dengandatarealdansintetis,menunjukkanbahwakitadapatmenemukanpengaturanberat
badanmendukung50%110%lebihbanyaktuntutan
Naskahmenerima8Maret2001;direvisi20Desember2001.PekerjaanB.FortzdidukungolehAT&TPrizePenelitian1997.
B.FortzadalahdenganInstitutd'AdministrationetdeGestion,UniversitCatholiquedeLouvain,LouvainlaNeuve,Belgia(
email:fortz@poms.ucl.ac.be).
M.ThorupadalahdenganAT&TLabsResearch,ShannonLaboratorium,FlorhamPark,NJ07932USA(email:
mthorup@research.att.com).
PenerbitBarangIdentifierS07338716(02)031438.

dariCiscodefaultinversekapasitasbobot,dandalambeberapapersendariyangterbaikmungkindenganrouting
yangumum,termasukMPLS.Temuanpositifserupatelahdilaporkandi[6],[14],[21],dan[24].Disini,matriks
permintaandapatdidasarkanpadapengukurankonkrit,sepertiyangdijelaskandalam[17](lihatjuga[10]dan[12]),
namunbisajugadidasarkanpadabetontingkatlayananKASIHsetuju(SLA).
Namun,sebagaimanadiaturdalam[3],matrikspermintaandanjaringanberubah.Ideyangjelasuntukmenangani
perubahanadalahdenganhanyameresetbobotmenggunakanteknikyangdisebutkandiatas.Namun,sepertiyang
akankitalihatsegera,adabeberapaalasanmengapakitaharusmenghindariberatbadanberubahsebanyakmungkin.
Targetkamidalammakalahiniadalahuntukmencocokkanperbaikanyangdisebutkandiatasuntukjaringantetap
danmatrikspermintaandalamskenariomengubahkaryanetdanmatrikspermintaan,berubahsepertibeberapa
bobotsebagaiposjawab.
MengapaBeratPerubahanadalahBad:Adabeberapaalasanmengapaperubahanberatbadanyangharusdihindari
sebisamungkin.Pertamakamimencatatbahwabahkanperubahanberatbadantunggalmenggangguuntukjaringan.
Perubahanberatbadanharusbanjirdalamjaringan.Sebagairouterbelajartentangperubahan,merekamenghitung
ulangjalurterpendekmerekauntukmemperbaruitabel routingmereka,danmungkindiperlukandetiksebelum
semuaroutersetujupadajalurterpendekbaru.Sementaraitu,paketmungkintibarusak,menurunkankinerjaTCP.
Jelas,perubahanberatbadanlebihkitamencobauntukmembanjiri Simultaneously,semakinkekacauankami
memperkenalkandalamjaringandenganpaketyangdikirimbolakbalikantararouterdengangambarberbatasan
sangatdidaribobotdanjalurterpendekdijaringan.
Masalahyangcukupberbedadenganbanyakperubahanberatbadanadalahbahwaoperatorjaringanmanusia
mengawasikonfigurasibobotdanmemastikanbahwaroutingdihasilkanberperilakubaik,memastikanbahwasatu
setberagampersyaratanpuas.Persyarataninimungkinsangatspesifikuntukjaringan,danmungkintidakpernah
dirumuskan secara eksplisit sampai operator jaringan melihat masalah konkret. Sebaliknya, kami sedang
mengembangkanalatgenerikuntukmengurangikemacetandijaringansewenangwenangsesuaidenganformulasi
matematis tertentu kemacetan. Memang, gestion con penting, tapi alat kami hanya dapat bertindak sebagai
keputusansistemdukungandimanaoperatormanusiamemilikikontrolpenuh.Jikaalatinimenunjukkanbeberapa
kemacetanmengurangiperubahanberatbadan,operatormemilikikesempatanuntukmemeriksabahwainiadalah
konsistendenganpersyaratanlain,tetapijikakamisarankanterlalubanyakperubahan,iacenderunguntukdapat
mendukungmereka.
Bahkan, alat kami memungkinkan operator untuk membatasi berbagai bobot yang berbeda. Jika dia tidak
menyetujuiperubahanberatbadanyangdisarankan,iadapatmembatasirentang,dengandemikian,memaksaalat
untukdatangdengansaranbaru.Semacaminibermaininteraktifhanya
07338716/02$17,002002IEEE
FORTZDANThorup:MENGOPTIMALKANOSPF/ISISBERATDALAMDUNIABERUBAH757

bermaknajikajumlahberatperubahansangatterbatassehinggamanusiabisamemahamimereka.Kamimencatat
bahwamembatasikisaranbobotsecarateknissepele,dantidakakandibahaslebihlanjutdalammakalahini.
KinerjayangbaikDenganSedikitBeratPerubahan:Termotivasiolehmasalahdalammengubahbobot,kontribusi
pertamakamiadalahteknikuntukmengoptimalkanbobot,berubahsepertibeberapabobotmungkin.
Teknikiniditerapkanuntukpengaturanberat badannyatadaribackboneAT&TIP,danditemukanbahwa
peningkatanberattunggal10241025mengurangimaxpemanfaatansebesar8%.Disini,pemanfaatanlinkadalah
rasiobebanyangoverkapasitas,sehinggapemanfaatanatas100%berartilinkkelebihanbeban.Maxutilisasiadalah
pemanfaatan maksimum atas semua link dalam jaringan. Dengan demikian, dari perspektif maxpemanfaatan,
perubahanberatbadanitulayakpeningkatan8%dalamkapasitaslinkdi.Memeriksadampakdariperubahanberat
badantunggalrelatifmudah,danmengeksekusijauhlebihmurahdaripadamembelidanmemasanglinkbarudengan
kapasitasyanglebihtinggi.
Teknikkamijugamencobapadajaringaneksperimentaldari[20],termasukyangdiusulkanbackboneAT&TIP
sertagrafikduatingkatsintetisZeguraetal.[9],[29],[30].DisiniditemukanbahwajikakitamulaidenganCisco
menyarankankesalahandeLinkbobotberbandingterbalikdengankapasitaslinkmenggunakanpalingsepuluh
perubahan berat badan, kita bisa mendukung sekitar 50% lebih banyak tuntutan, mencapai sekitar 2/3 dari
keuntunganyangdilaporkandalam[20]denganperubahanlengkapdarisemuabobot.
Yangmenarik,kitadianggapmasalahkinerjaaranreestabsetelahperubahanlokalsepertikegagalanlinkatauhot
spotbaru.Artinya,titikawalkitaadalahsatusetbobotdioptimalkanuntukjaringandenganmatrikspermintaanyang
diberikan.Kamikemudiandisimulasikansemuakemungkinankegagalanlinktunggaldanhotspot,dandistertutup
bahwabahkandalamkasuskasusterburuk,perubahantigaberatsufficeduntukmendapatkandalambeberapa
persendariyangterbaikdenganpleteperubahandinamiscomdarisemuabobot.
KamimencatatbahwapeningkatanroutingyangdapatmenyebabkanTCPuntukmengirimkanpaketlebihagresif,
sehingga,mengubahmatrikspermintaan.MemungkinkanTCPuntukmengirimkanlebihbanyaklalulintasberkat
linkkurangdimuat danpacket lossyangdalam dirinyasendiridianggappositif,dandisinikitamengabaikan
interaksiyanglebihrumit.Kamimencatat,bagaimanapun,bahwakitadalammenanggapipermintaanperubahan
dariTCPbisamenerapkanperubahanberatiteratif.
PeriodikHarianPerubahan:Bahkansetiaphariadaperbedaanstrukturalbesarantarasiangdanlalulintasmalam.
Namun,polainirelatifsamauntukhariyangberbeda,yaitu,lalulintasmengalamicukupdiprediksiperubahan
periodiksetiaphari[17],[18].
Ideyangpalingjelasuntukmenanganiperubahanharianakanmenggunakanteknikdiatasuntukmenyesuaikan
bobotuntukperubahan.Namun,bahkanbeberapaperubahanberatbadansetiapharidihindariterbaik.
Kamimengusulkandisiniuntukmencarisatupengaturanberatbadanyangbaikuntuksemuaperubahanperiodik
khasterjadiselamasatuhari.Untukmenghadapiperubahanperiodik,sebaiknyamengoptimalkanberatpengaturan
berdasarkanbeberapamatrikspermintaanperwakilan,sepertisatuharidansatumatriksmalam.Idedasarkami
adalahbahwajikasatusetbobotbekerjadenganbaikuntukbeberapamatrikspermintaanperwakilan,itubekerja
denganbaikuntuksemuamatrikspermintaandidominasi
(disetiap
entri)olehkombinasicembunginimatrikspermintaanperwakilan,dengandemikian,memungkinkankitauntuk
menutupiruangyangtakterbatasmatrikspermintaanbukanhanyabeberapapointunggal.Halinidikombinasikan
denganketahananumumuntukkebisinganmemberikitakesempatanmenanganisemuaperubahanperiodikterjadi
sepanjanghari.
 Untukcontohpengujiankami,kamiberhasilmenemukanpengaturanberatbadantunggaluntukpasangmatriks
permintaan struktural yang berbeda yang secara bersamaan untuk setiap matriks permintaan individu memberi
routingyangdekatdenganoptimaluntukroutingumum(termasukMPLS)untukitumatrikspermintaan.Artinya,
pengaturanberatbadantetapkamiitivecompetdenganroutingdinamisidealdengankekuasaantakterbatasuntuk
beradaptasisecaraindependenuntuksetiapmatrikspermintaan.
Temuan ini agak mengejutkan dalam hal itumudah untukmembangun pasang matrikspermintaan sehingga
namunkamimemperbaikirouting,bahkandenganMPLS,ituakanmenjadiburukbagisetidaknyasatudarimatriks
permintaan.
Optimasi sukses kami selama beberapa matriks permintaan juga menarik untuk layanan dibedakan dengan
kualitasofhambawakil(QoS)kendala.Disini,kamiinginmenemukansatubadanpengaturanyangdisatusisi
memenuhijaminankinerjatertentuuntuknasabahprioritastinggi,dandisisilainmemberikanpelayananyangbaik
usahaterbaikuntuklalulintasumum.Memilikisatupermintaantrixmauntuknasabahprioritastinggidansatulagi
untuklalulintasbiasa,kitadapatmenerapkanteknikteknikyangdisebutkandiatas.
RingkasanKontribusi:iniadalahmakalahpertamamengatasimasalahmenemukanpengaturanberatbadanyang
baikuntukOSPF/ISIStanpakebebasanuntukmengubahsemuabobot.Kamipercayabahwarespectingmasalah
dalam mengubah bobot membawa kita dari gaya klasik masalah optimasi kombinatorial bagus untuk sesuatu
relevansipraktisbenar.
Teknikkamiuntuktuningberatpengaturandengansedikitperubahanberatbadanmungkinmerupakanadaptasi
umumnovelpendekatanpencarianlokalklasikoptimasikombinatorial[1],dankamiberharapuntukmenemukan
banyakaplikasilaindidaerahdimanaperubahaneterparameteryangtidakdiinginkan.Dariperspektif
pemrograman,adaptasimemilikikeuntunganbahwakitasebagianbesarbisamenggunakankembalikodepencarian
sebelumnyalokalkamiuntukpengaturanyangbaikdarisemuabobot[20].Mengenaiperubahanperiodik,idebaru
utamakamiadalahuntuktidakmelakukanhalyangjelasprecomputingperubahanberatbadanuntuktransisiantara,
katakanlah,siangdanmalam,tapiberjuanguntuksatubadanpengaturanyangbaikuntuksepanjanghari.
Nilaiteknikkamiditunjukkansecaraeksperimentalpadajaringansintetisdannyata,menunjukkanbahwakita
dapatmeningkatkansecarasignifikanlebihdaripengaturanberatbadanstandarbawaan,danbahkanmendekati
yangterbaikroutingdinamisdenganskemaMPLSyanglebihumum.Sepertiyangditunjukkandalam[4],[19],dan
[20],ituadalahsepeleuntukmembangunjaringandanmatrikspermintaanyangterbaikOSPF/ISISroutinglebih
burukdari yangterbaikMPLSrouting.Juga,dalammakalahini,kami menyajikancontohnegatifdengandua
matrikspermintaanyangtidakmemilikiroutingumumyangbaik,bahkandenganMPLS.Dengandemikian,hasil
positifkamitidakdapatdicapaisecaraumum,tetapimerekamenunjukkanbahwacontohnegatiftidakmungkin
untukdominatedalamjaringannyata.
Dalamkombinasi,teknikkamimemberikanalatyangefisienuntukOSPF/ISISmanajemenlalulintasdalam
duniayangberubah.SekarangmerupakanbagianterpadudariAT&TsNetScope/Bravoalatrekayasalalulintas
untukjaringanIP[16].PerhatikanbahwapekerjaankitamungkinjugadapatditerapkanpadaMPLSrekayasalalu
lintasketikalabelswitchedpath
758IEEEJOURNALONWILAYAHTERTENTUDIKOMUNIKASI,VOL.20,NO.4,Mei2002
Gambar.1.Kebutuhanuntukoptimasibobotglobal.

atauterowonganmenjadilinklogisdenganbobotsepertilinkfisikdalamOSPF/ISIS.
Isi:Pertama,dalamBagianII,kitamendefinisikanmodelyangtepatdantujuan.Selanjutnya,dalamBagianIII,
kamimenyajikanteknikkamiuntuktimizingopdenganbeberapaperubahanberatbadan.DalamBagianIV,teknik
iniditerapkansehubungandengankegagalanlinkdanhotspot.Kemudian,dalamBagianV,kamimenjelaskandan
mengevaluasi pendekatan kami dengan beberapa matriks permintaan. Akhirnya, kami memiliki beberapa
kesimpulanpadaBagianVI.
II.M
odelsDAN

E
XPERIMENTAL

T
EST

B
ED

Bagianinimenyajikankerangkadasardari[20]digunakanuntukmengevaluasipengaturanberatbadanuntuk
jaringantertentudanmatrikspermintaan.Sedangkan[20]terusjaringandanpermintaanmatrikstetap,kamiakan
menunjukkanbagaimanamenghadapiperubahandibagianberikutnya.Presentasiaslidarikerangkadari[20]agak
pendek,dandisinikamimenyediakandiskusilebihmemotivasidanlatarbelakang.
A.UmumRoutingProblem
Mengoptimalkan penggunaan sumber daya jaringan yang ada dapat dilihat sebagai persoalan rute umum
didefinisikansebagaiberikut.Kitadiberigrafik
diarahkan,yangnodedanbusurmewakilirouterdanhubunganantara
mereka,kapasitasbusur
node,memberitahukitaberapabanyakaruslalulintaskitaperlumengirimdari
untuk
sumberdantujuanpermintaan.Banyakmasukan
dari.Sebuahsolusiroutingyangmenentukanuntuksetiap
pasangansumbertujuanbagaimanalalulintasmenuntutharusmengalirdalamjaringan.Beban
padabusur
kemudianaruslalulintaskeseluruhanmelaluibusur,termasukkontribusidarimasingmasingpasangan
sumbertujuan.
DisisikiriGambar.1adalahcontohkonkretdarijaringandimanasetiapnode
menuntutaliran1
sampai.Dalam solusi routing ditampilkan, arus hanya mengikuti jalur terpendek ke tujuan, dan dengan
demikianbebantigaterakumulasipada
link,sedangkan,semualinklainmemilikibebannolatausatu.Tabeldisebelahkanan
akandibahaspadasubseksiberikutnya.
Untukcontohnyatadarimasalah,kendalamenyulitkantambahansepertinodedilaranguntuklalulintastransit
atau tuntutan multipoint pointtotimbul [17]. Semacam ini kendala dapat diintegrasikan dengan memodifikasi
grafiktermasuklinkbuatan,
tapi.Kamimengacu
harusnoljikatidakadajalan
dari,danmatrikspermintaan

dan,,,
mungkinnol,dankhususnya,
dan
bahwa,untuksetiappasangan

dalam
kendalainitidakmempengaruhimetodedanhasilyangdisajikandisinidanyangditinggalkandemikejelasan.
Sejauhini,kitatelahagakkaburtentangtujuankami"menghindaribusurkelebihanbeban,"dansekarangkita
akanmendefinisikanbeberapatujuanyanglebihtepat.Ingatbahwapemanfaatanbusur
adalahbebandibagidengankapasitas,
yaitu,,dan link kelebihan beban jika pemanfaatan melebihi 100%. Max
pemanfaatanpemanfaatanImummaxlebihsemualink.Jadi,jikasemualinkpadaGambar.1memilikikapasitas2,
maxpemanfaatanakan3/2
150%.Meminimalkanmaxpemanfaatansepertipada[21]adalah
tujuantuitivealamidandiuntukrouting.Dalamcontohkita,kitadapatmengurangimaxpemanfaatansatudengan
mengirimkanlalulintas
dari.Kamimencatatbahwamungkinadabeberapalinkyangkamisangatprihatintentang
pemanfaatanyangtinggi,tetapikamihanyabisamelihatlinksepertimemilikikapasitasberkurang.Kamiakan
mempertimbangkan maxpemanfaatan dalam makalah ini, tetapi menderita memungkinkan leher botol tunggal,
misalnya,linkmasuknyadaridomainlaindimanakitatidakmemilikikontrol,mendominasiseluruhgambar.Juga,
tidak menghukum menggunakan jalan memutar yang sangat panjang. Untuk mendapatkan pengukuran
mempertimbangkanseluruhjaringan,kitamempertimbangkanfungsibiayadaribentuk
tergantungmenjumlahkanbiaya
padahubunganantara
beban.Dalam[24],merekamenggunakanantrianteori
gayafungsibiaya
Link.Denganfungsiini,itulebihmahaluntukmengirimaliransepanjangbusuryang
banyakmendekatikapasitasyang,yangadalahapayangkitainginkan.Namun,fungsitidakberurusandenganlink
kelebihanbeban,danpadakenyataannya,linkkelebihanbebantunggal tidakmencatatseluruhjaringan.Untuk
mengatasimasalahini,kamiterpaksapendekatanlinear
sepotongbijaksana,didefinisikandenganhukumanberatuntuklinkkelebihanbeban.Lebihtepatnya,
untukbeberapakapasitastetap
dansebagaifungsikontinudengan
derivatifbeban
untuk
bukannyamelalui
dari
darimasingmasingbusur
untuk
untuk
untuk
untuk
untuk
untuk
dan
kapasitas,kitamendefinisikan
via
dan
(1)
FORTZDANThorup:MENGOPTIMALKANOSPF/ISadalahBERATDIDUNIABERUBAH759
=Gambar.2.BiayaArc(
`1.

Fungsibiayabusur
diilustrasikanpadaGambar.2.Umumnya,itumurahuntukmengirimaliranmelaluibusur
denganpemanfaatan
kecil.Kenaikan biaya progresif pemanfaatan
pendekatan100%,danmeledakketikakitapergidiatas110%.
karenakenaikanpeledakbiayasebagaibebanmelebihipacitiesca,tujuankamibiasanyamenyiratkanbahwakita
menjagapemanfaatanmaxbawah1,atausetidaknyadibawah1,1,jikamungkin.
fungsitujuandipilihpadadasardiskusitentangbiayadenganorangorangdekatdenganAT&TIPbackbone.
koefisientepattidakpenting.kamimencobabanyakvariasidanmenemukanbahwainitidakmengubahkualitas
hasilkami.Juga,itutidakmemilikidampakyangcukupbesaruntukmenggunakanhalusfungsitujuandengan
segmenyanglebihkecil.Lebihpentinglagi,solusiroutingyangditemukansangatkuatuntukperubahanfungsi
tujuan.khususnya,ketikamengoptimalkanroutings
untuk,solusikamicenderunguntukjugamelakukannyadengansangatbaik
sehubungandenganmaxpemanfaatan.
bagianbijaksanalinearitasfungsibiayakamimemilikitagetunganyangmenggunakanlinearprogramming(LP)
solver,kitadapat menemukansolusioptimaluntukmasalahperuteanumumtanpaberbagaiketerbatasanuntuk
bagaimanakitadapatmendistribusikanaliranantarajalur.Kamikemudiandapatmembandingkandiriterhadapyang
idealrealistisiniuntukmelihatseberapakompetitifkamidenganpendekatanlain,termasukMPLS.
Masalahdalamperumusansaat
adalahbahwahalitutidakmemberikanukuranuniversalkemacetan.
Denganmaxutilization,jelasuntukroutingdalamjaringanyangkitapunyamasalahjikamelebihi100%,dankami
ingincutoffversaluniserupauntukbiayalinkdijumlahkankami.Untukmencapaihalini,kitamenggunakanbiaya
function1dinormalisasi
adalahmana
dibiayakitaakanmemilikijikasemuaalirandikirimbersamahopcountjalurterpendekdankapasitas
cocokbeban.Ketikakapasitassesuaibeban,kitabayar
perunitbebanlebihlink,jadi
jika.Perhatikanbahwauntukjaringandanpermintaanmatriksyang
diberikan,pembagiandengan
tidakmempengaruhiyangroutingsdianggapbaik.
Menyimpulkan,
menyiratkan bahwa kita melakukan separah jika semua mengalir di mana bersama hopcount jalur
terpendekdenganbebanyangcocokdengankapasitas.Biayayangsamadapat,tentusaja,jugaberasaldaribeberapa
normalisasi1Thedari[20]didefinisikansecaraberbedasehinggaitu(1;1)=10(2=3)kalilebihbesar.

,;
1)sebagaifungsidaribeban
`adalahhopcountjarakantara
dengankapasitasc

dan
bebanakandiataskapasitasdanlainlainakandibawah,ataudenganarusmengikutijalanmemutarlagimelalui
busurdigunakankurang.Namundemikian,adalahwajaruntukmengatakanbahwaroutingcongestsjaringan
jika.
B.OSPF/ISISRouting
Sepertidisebutkansebelumnya,makalahiniberfokuspadaroutingdenganOSPF[23]danISIS[8],yangpaling
umumdigunakanintradomainprotokolroutinginternethariini.Operatorjaringanmemberikanbobotuntuksetiap
link,danjalurterpendekdarisetiaprouterketujuanmasingmasingyangdihitungbobotinisebagaipanjangdari
link.Dalamsetiaprouter,tautanberikutnyapadasemuajalurterpendekuntuksemuatujuanyangmungkindisimpan
dalamsebuahtabel,danalirantibadiroutertersebutdikirimketujuandenganmemisahkanaliranantaralinkyang
adadijalurterpendekketujuan.Rinciandarimembelah/tiebreakingtergantungpadakonfigurasirouter.Dalam
makalahinikitaasumsikanmembelahberbasishash,sepertiyangdigunakandiAT&TIPnetwork:jikarouter
memilikibeberapalinkkeluarpadajalurterpendekketujuan,paketditugaskanlinkkeluarberdasarkanfungsihash
daribeberapainformasidalamheadermereka.Hashingyangmengetengahkanbahwapaketpaketdarialiranyang
sama mengikuti jalan yang sama, yang penting untuk paket tiba di urutan mereka ditransmisikan. Pemisahan
berbasishashumumnyamenghasilkankirakirabahkansplit,danuntukkesederhanaan,dalamanalisisdansimulasi
kami,kamimenganggapbahwaperpecahanadalahpersisbahkan.
Dalam[19]dan[20],ditemukanbahwaCisco[11]menyarankandefaultpengaturanbobotberbandingterbalik
dengankapasitasitusebagaibaikataulebihbaikdaripengaturansemuabobotuntuksatu,ataumenggunakanjarak
fisik. Ini membenarkan bahwa kapasitas terbalik adalah satusatunya pengaturan berat badan default yang kita
membandingkandiriterhadapdikertassaatini.
C.KebutuhanuntukOptimasiglobal
Pendekatannaifuntukmasalahmencobauntukmeningkatkanroutingyangdiberikandenganmemodifikasihanya
satuataubeberapabobotakanhanyameningkatkanberatlinkkelebihanbeban,sehingga,menghindarikebutuhan
untukalatalatcanggihsepertiyangdisajikandalamkertas.(Un)fortunately,strategisepertiituseringtidakcukup
untukmemberikanhasilterbaik.Untukmenggambarkanhalini,mempertimbangkankembalijaringanGambar.1
denganasumsibahwasemuakapasitasdua.Misalkankitainginmengirimsatuunitaliran
dari.TabelpadaGambar.1menyajikanbebanyangdihasilkandari
tigapengaturanberatbadanyangberbeda.Untukunitbobot,kitamendapatkanbebanmaksimaltigapada
link.Jikakitainginmenurunkanbebanmaksimalinidengandikebijakanuntukmengurangiberatbadan
linkberatdimuatini,solusiterbaikadalahuntukmengaturberatkedua.Kamikemudianmendapatkanbahwaarus
yangdatangdari
dibagisepanjangduajaluryangmungkin,danbebanmaksimalmenjadi2,5pada
link.Jika kita bukan mencari perubahan terbaik atas semua link, kita
denganmudahmelihatbahwapengaturanberatLink
ketigaperubahanroutinguntukaliran
dari,dan beban maksimal dalam jaringan sehingga menurun menjadi
dua,cocokkapasitas.
Perhatikan, bahwa dalam solusi optimal ini, jalur terpendek yang unik, maka, bahwa kita tidak membuat
penggunaanfiturbahkanmembelah.Melainkanhanyasinglekeluarbagiandarilalulintasdari
danpengalihanitu.Polaserupaditemukandibanyakpengaturan
beratdioptimalkandari[20].Temuanagakmiripdilaporkan
dalam,
untuk
dan,
tapibukanmereka

dari,,
dan

dan
ke
760IEEEJOURNALONWILAYAHTERTENTUDIKOMUNIKASI,VOL.20,NO.4,Mei2002

[26], di mana penulis, dalam konteks yang sedikit berbeda, menunjukkan bahwa strategi terbaik routing yang
biasanyadiperolehdengansejumlahjalanyangberbeda.
D.UjiContoh
kamidasarjaringaneksperimentaldanmatrikspermintaanyangsamasepertidi[19]dan[20].Kamimemiliki
diusulkanAT&TIPtulangbackdengan90node,274busurdantuntutandiproyeksikan.Juga,kamimemiliki
jaringanduatingkatsintetisyangdiproduksimenggunakangeneratorGTITM[29],berdasarkanmodelCalvert,
Bhattacharjee, Daor, dan Zegura [9], [30]. Model ini menempatkan node dalam sebuah unit persegi, dengan
demikian,mendapatkanjarak
antarasetiappasangannode.Jarakinimenyebabkandistribusiacakdari
grafikduatingkat,denganbusurdibagidalamduakelas:busurakseslokaldanbusurjarakjauh.KapasitasArc
ditetapkansamadengan200untukbusurakseslokaldanuntuk1000untukbusurjarakjauh.Banyakjaringanyang
dihasilkandandiuji,jugatermasukWaxmangrafik[28]dangrafikacak,tapiuntukalasanruang,kamiperiments
mantanhanyahadirselamasatugrafikduatingkatdengan50nodedan148busur.Hasiluntukjaringanlainyang
konsistendenganyangdireproduksidisinidanmengikutipolayangsama.
Modeljaringansintetikdiatastidaktermasukmodeluntuktuntutan.Terinspirasiolehmodelentropiklasikuntuk
lalulintasperkotaan[27],kamimemutuskanuntukmodeltuntutansebagaiberikut.Untuksetiap
node.Further,untuksetiappasangan
dan
(2)
Disini,
adalahjarakEuclideanterbesarantarasetiappasangannode.Diatas,
modelyang node yang berbeda dapat lebih atau kurang aktif
pengirimdanpenerima,dengandemikian,pemodelanhotspotdiinternet.Karenakitamengalikantigavariabel
acak,kamimemilikivariasicukupbesardalamtuntutan.Faktorjarak
menyiratkan bahwa kami memiliki relatif lebih permintaan antara
pasangandekatnode,namunjaraksendiritidakpernahmemilikidampaklebihbesardarifaktor
....Dalampercobaankami,kamijugaberusahauntuktidakmenggunakanfaktor
jarak,danhasilnyadasarnyatidakberubah.Modeltanpainijarakfaktorjugatelah
digunakandalam[13]untuklalulintasInternet.Merekajugamempertimbangkandatasuaradantransaksitetapi
denganfaktorjarakyangbesar.
Dalampercobaankami,kamimenghasilkansatumatrikspermintaanuntuksetiapjaringan,makakitaskalaitu
(denganmengalikansetiapentridengankonstan)padatingkatyangberbedauntukmendapatkantotaltuntutanyang
berbeda. Semua hasil kami dilaporkan total meningkat tuntutan, yang memungkinkan untuk mengukur, untuk
routingyangdiberikan,dimanatingkattotalpermintaankemacetanterjadiuntuktopologidanpermintaanpolayang
diberikan.
Teknik kami untuk beberapa perubahan berat badan juga diuji pada nyata AT & T IP backbone dengan
pengaturanberatbadanyangnyatadantuntutandiukur[17].
DiskusiContohUji:Kitasekarangakanmembahassecarasingkatpilihankamidatasintetik.Disisipositif,untuk
modelkerjanetitusendiri,telahditetapkanbahwamemberikanperkiraanyangbaikuntukjaringannyatadalam
banyakaspek[9],[30].
adalah
merupakanparameter
dan,kamimemilihduanomor
acak.Sekarang,jikajarakEuclidean
(,permintaanantara
nodekitamemilihnomoracak
dan

dan,
adalah)
antara
Selanjutnya,kesamaandalamhasilyangditemukandi[20]antarayangdiusulkanAT&TIPbackbonedanjaringan
sintetiskamimenunjukkanbahwaModelinicukupsetiauntuktujuankita.
Disisinegatif,itubarubaruinimenemukanbahwadistribusitingkatuntukjaringanIPmemilikiekorberat[15]
(kami mencatat bahwa [15] benarbenar menganggap Internet secara keseluruhan, sedangkan, kita hanya
mempertimbangkansatudomain),dantemuanserupatelahditemukantuntutan[17],yaitu,kitaharusmemiliki
beberapanodedenganderajatyangsangattinggi,danbeberapatuntutanyangsangatbesar.Modelsintetiskami
tidakmemberikanekorberatseperti.
Menghasilkanjaringandanmatrikspermintaandenganekorberatitusendirimudah[2].Untukjaringan,salah
satubahkanbisamenggunakanbeberapajaringanresmitersediadi[7].Namun,dalamjaringanyangnyata,ekor
yangberatdarijaringandanmatrikspermintaanyangsangattergantung.Umumnya,ekorberatberartistruktur.
Nodetingkattinggiditempatkandiposisistrategisrelatifterhadapstrukturmatrikspermintaanyangdiharapkan.
Memang,kamitelahmenemukanbahwajaringanAT&Tsmelakukansangatburukpadamatrikspermintaanacak.
Sebuahekorberatpermintaanmatriksacakmenempatkanpermintaanyangbesar,katakanlah,Alaska,akanlebih
buruk.Dengandemikian,jaringandanmatrikspermintaandenganekorberatharusdisesuaikansatusamalainuntuk
bersikaprealistis.Sejauhini,tidakadadidirikanmodeluntukkombinasidisesuaikantersebut,danmenyesuaikan
inputdatadiriakanmembuathasilkamikurangmeyakinkan.
KeuntungandarijaringanZeguraadalahbahwamerekaconstructeddengancarayangumumtidakmendukung
tuntutantertentu,danuntukalasanbahwamerekabekerjacukupbaikuntukgenerikmatriksdemandsepertikita.
Dengandemikian,kamiberpendapattidakadapilihanyangjelaslebihbaikdarimodel,mengingatbahwa,untuk
mengklaimhasiloptimasiyangbaik,kitatidakbisaconvincinglymembangunmodeldengantangan.Namun,demi
pekerjaanoptimasisepertikita,kitamelihatnyasebagaitantanganpentinguntukmengembangkanmodelekorberat
tunggal mengintegrasikan kedua jaringan IP dan matriks permintaan di mana jaringan IP cukup disetel untuk
matrikspermintaan.Bahkan,sepertidikatakandiatas,kitaberpikirbahwapendekatansepertiterintegrasidapat
memberikanpemahamanyanglebihbaikdariekorberatyangditemukandalamjaringanIP,melihatnodetingkat
tinggisebagaihopposisistrategis.
AKUAKUAKU.F
EW

W
DELAPAN

C
Hanges

Padabagianini,kitamempertimbangkanmasalahmengoptimalkan,membuatbeberapaperubahanberatbadan
mungkin.Kamimenerapkanniqueteknikkamiuntukbeberapaperubahandalamduaskenario.Salahsatunyaadalah
ketika pengaturan berat badan belum pernah dioptimalkan, misalnya, jika jaringan yang begitu jauh hanya
dijalankandenganbobotkapasitasterbalikberikutCiscorekomendasi[11].Yanglain,dijelaskandalamBagianIV,
adalahdalammenanggapiperubahanbermasalahdalamtuntutanatautopologisepertikegagalanlinkkritisatau
muncultitikpanas.
A.TeknikuntukbeberapaPerubahan
Kamiinginmembuatbeberapaperubahanberatbadanmungkin.Pencarianlokaldari[19]dan[20]yangkita
digunakanuntukbeberapapermintaantricesmabekerjadengansolusitunggalyangiteratifditingkatkandengan
perubahankecildalamsolusisaat.Inibiasanyamelakukanbanyakiterasi(5000dalampercobaanpraktiskami)dan,
karenaitu,menghasilkansolusiyangsamasekaliberbedadariyangmulai.Halinidapatdilihatsebagaipencarian
mendalampertamadiruangsolusi,tapi
FORTZDANThorup:MENGOPTIMALKANOSPF/ISISBERATDIDUNIABERUBAH761
Gambar.3.Mengoptimalkandenganbeberapaperubahanpadagrafikduatingkatdengan100nodedan280busur.
Ara.4.SedikitperubahanpadaAT&Tsdiusulkanbackbone.

karenakamiinginmembuatbeberapaperubahanmungkin,pendekatankamiharuslebihmenjadipencarianpertama
luasnya.
Heuristikuntukmeningkatkanberatmasukanpengaturan
dengan sedikit perubahan berat badan sebagai karya
mungkinsebagaiberikut:pertamakitaperlumempertimbangkanperubahansekitar1000badantunggal
untuk,sesuaidengansekitarlimaperubahanberatbadanuntuksetiap
arcdalamjaringanterbesarkami.Sepertidalam[19]dan[20],kamimembatasijumlahperubahanberatbadan
dianggapdenganmenerapkanrandomsamplingdenganstrukturlingkungan,sepertimenjelajahilingkunganyang
penuhterlaluwaktuconSuming.Alihalihmemilihhanyaperubahanberatbadanterbaiksepertipada[19]dan
[20],kitamenjaga100perubahanberatbadanterbaikdalam
keluargabukannyaProsesiniiterasidengandari"pengaturan
beratbadan
terbaik.":Kitapertimbangkan1000perubahanberatbadantunggaluntukmasingmasingberatpengaturandi
dipilihmengandungyangterbaik100daripengaturanberatbadantuadi
dansekitar100000pengaturanberatbarudipertimbangkan.Setelah
perubahanberatbadandari
bersesuaiandenganluasnyapencariankami.Semuaangkadiatashanyaparameter
yangexperimentallyditemukanuntukmemberikankompromiyangbaikantarakualitassolusidanwaktu.Untuk
jaringanterbesarpertimbanganered,10iterasiwaktusekitar11/2jampadaprosesortunggaldariCPU194MHz
SGITantanganXL.Jikawaktuberjalanadalahmasalah,seseorangdapat,misalnya,mengurangiukurankeluarga
ataujumlahiterasi,ataubahkanlebihbaik,membelikomputeryanglebihbaiklebihcepatatauparallelizekode.
Teknikiniuntukbeberapaperubahantelah,untukpengetahuankita,tidakpernahdigunakansebelumnya.Bunga
utamanyaadalahbahwaiamenyediakankerangkaumumuntukmengoptimalkandenganbeberapaperubahanyang
dapatdenganmudahdisesuaikanuntukaplikasilain.Ithastheadvantagethatifalocalsearchsuchasourprevious
heuristicfrom[20]isavailable,the
,thefamilyconsistsofweightsettingswithupto
andanew
.Thesizeof
iterations,includingthestartfrom
mainingredientssuchasthechangesappliedtoonesolutiontogetaneighborofit,ortheprocedurestoevaluatea
newsolution,canbereusedinthisnewframework,savingalotofimplementationwork.
B.ExperimentsWithFewChanges
Asourbaseexperimentwithfewchanges,wetooktheinversecapacityweightsetting(InvCapOSPF)asa
startingpoint.Aconcreteoutputforrunningthecodefor3iterationsispresentedinFig.3.
Ittellstheuserhowmuchimprovementcanbeobtainedwithone,two,andthreechangesandwhichchangesto
make.Further,itshowsmorepreciselyhowtheloadsonthemostutilizedlinkschangeasmorechangesare
applied.
TheresultsofapplyingourtechniquearepresentedinFigs.4and5,withInvCap
changes.DirectOSPFrepresentsaweightsetting,involvingall
weights,optimizedwithourlocalsearchfrom[20],andOPTisthesolutionofthegeneralroutingproblem,
includingthepossibilitieswithMPLS.NotethatthevariationsintherightsideofFigs.4and5areduetothefact
thattheoptimizationisdoneusingourmetricandthatmaxutilizationiscomputedafterwards.
First,asin[19],and[20],wenotethatallcurvesstartoffprettyflat,andthen,quitesuddenly,startincreasing
rapidly.Thisbehaviorfollowsourcostfunctionthatexplodeswhentheloadofalinkreachesitscapacity[cf.(1),
Fig.2].
Themostinterestingcomparisonbetweenthedifferentschemesistheamountofdemandtheycancopewith
beforethenetworksuddenlygetscongestedinthesensethatitsnormalizedcostexceedsone.Fortherealnetwork,
onechange
denotingthatweapplied
762IEEEJOURNALONSELECTEDAREASINCOMMUNICATIONS,VOL.20,NO.4,MAY2002
Fig.5.Fewchangesontwolevelgraph.
Ara.6.LinkfailureonAT&Tsproposedbackbone.
Ara.7.ResurrectingperformanceafterworstpossiblelinkfailureinAT&Tsproposedbackbone.

gives10%,threechangesgives25%whiletenchangesgives35%.Onthesyntheticnetwork,onechangegives50%,
threechangesgive75%whiletenchangesgive90%.Thus,quitesubstantialimprovementscanbeobtainedwith
fewchanges.
ThecodewasalsorunwithontherealAT&TIPbackbonewithitsrealweightsettingandmeasureddemands.It
wasfoundthatchangingtheweightofasinglelinkfrom1024to1025improvedthemaxutilizationby8%.Further
detailsonthisare,however,proprietary.
IV.LINKFAILURESANDHOTSPOTS

Inthissection,weconsidertheproblemoflinkfailuresandemerginghotspots.Weshowthattheyarenot
normallyproblematic.However,thereareafewcriticalcases,butforthese,wereestablishgoodperformancewith
atmostthreeweightchanges.
A.LinkFailures
ForAT&TsproposedIPbackbone,wetriedallpossiblelinkfailures,andcomputedtheroutingbothwith
InvCapOSPF,and
withaweightsettingoptimizedfrombeforethelinkfailure(DirectOSPF).HasilnyadigambarkandalamGambar.
6,givingthevalues,firstwithoutlinkfailures,thenasaverageoveralllinkfailures,andfinallywithworstcaselink
failures.Here,byworstcase,wemeanthelinkwhosedeletiondecreasestheobjectivefunctionthemostforthe
givenweightsetting.Thislinkis,thus,foundindependentlyforeachweightsettingconsidered.
Foraveragelinkfailures,weseethatDirectOSPFperforms25%betterthanInvCapOSPF,whichisstillpretty
good.However,forworstcaselinkfailuresfortheproposedAT&TIPbackboneinFig.6,weseethatour
optimizedweightsdo65%worsethanInvCapOSPF.Shortly,wewillturnthisdefeatintovictory.
IfweremovetheworstcaselinkthatcausedthebiggestproblemforweightsettingsfoundbyourDirectOSPFfor
theproposedAT&TIPbackboneandreoptimizewithasfewweightchangesaspossible,asdescribedinthelast
section,weobtainresultsdepictedinFig.7.Here,OldOSPFdenotesouroptimizedweightsettingfrombeforethe
linkfailure,andOld
denotestheresultofoptimizingthisweightsettingwith
FORTZANDTHORUP:OPTIMIZINGOSPF/ISISWEIGHTSINACHANGINGWORLD763
Fig.8.HotspotonAT&Tsproposedbackbone.
Ara.9.ResurrectingperformancetheworsthotspotinAT&Tsproposedbackbone.

changes.InvCapOSPF,DirectOSPF,andOPTareallbaseddirectlyonthenetworkwithoutthebadlink.
First,observethatOldOSPFcomesdownandperformsaswellorbetterthanInvCapOSPFfordemandsscaled
around11000and19000.Thereasonforthisisthatfortheoriginalweightsettingsgeneratedforthesetwodemand
scalings,itwasactuallyadifferentlinkthatwasbad.However,foralltheotherdemandlevels,itistheworst
possiblelinkwehavedeleted.Thisessentiallymeansthatourweightsettinghadsomedifferentchoicesinwhat
linkstomakecritical,andthechoicehappenedtocomeoutdifferentlyfortwoofthescalings.Thejumpsnearly
disappearafterjustoneweightchange,whichmakesusbeatInvCapeverywhere.
Whatwenowseeisthatafterjustoneweightchange,wedo60%betterthanInvCapandwiththreechangeswe
do160%better,gettingwithin10%ofOPT.
B.NewHotSpots
Ournextexperimentsconcernthedevelopmentsofnewhotspots.Theessentialexperimentistotakeonerouter
andmultiplyallincomingdemandsbyafactorofthree.Thiscorrespondstomultiplyingone
bythreein(2),whichagainamountstomultiplyingallentriesinacolumnofthe
demandmatrixbythree.Thisislikelytogivemorestructuraldifferencethanjustnoise,turninglinkstoward
intobottlenecks.TheresultsoftheexperimentsaredepictedinFig.8.Asfor
linkfailures,theaverageandtheworstperformanceareobtainedoverhotspottingallnodes,oneatthetime.Wedo
thiswiththeweightsettingsbothfromInvCapOSPFandDirectOSPF.WeseethatDirectOSPFperforms20%better
thanInvCapOSPFforaveragehotspots,and30%betterforworstcasehotspots.Withouthotspots,DirectOSPF
performed50%betterthanInvCapOSPF.Thus,wedolosesomeofour
Fig.10.Badchoice.

advantageoverInvCapOSPF,butouroptimizedweightsettingstillprovidesaclearadvantageoverInvCapOSPF.
Asforlinkfailures,wetriedtotaketheworstpossiblehotspot(inthesensethatitdeterioratesthemostthe
objectivefunction),andreestablishgoodperformance.TheresultisdepictedinFig.9.Thenicethingisthatwe
onlyneedasingleweightchangetogetbackveryclosetooptimum,whichisevenbetterthanfortheworstpossible
linkfailure.
V.MULTIPLE

D
EMAND

M
ATRICES

OurmotivationforworkingwithmultipledemandmatricesisthegeneralexperiencefromAT&Tthattraffic
followsquiteregularperiodswithapeakinthedayandintheevening.Thenetworkoperatorsdonotwantto
changeweightsonaregularbasissowewantjustoneweightsettingwhichisgoodforthewholeperiod.Wethen
collectapeakdemandmatrixforthedayandonefortheevening.Aweightsettingperforminggoodonboth
performsgoodonallconvexcombinationsand,hence,ithasagoodchanceofperformingwellforthewholeperiod.
A.AnImpossibleExample
InFig.10,itisillustratedthatifwehavetofixonesetofroutesfortwodifferentdemandmatrices,thismayforce
usto
764IEEEJOURNALONSELECTEDAREASINCOMMUNICATIONS,VOL.20,NO.4,MAY2002
).Ara.11.Simultaneous
optimizationonAT&Tsproposedbackboneandscaledprojecteddemands(D

increasethemaxutilizationby50%foroneofthem.Intheexample,onedemandmatrixwantsoneunitofdemand
from
whiletheotherwantsoneunitofdemandfrom
.to
Ineachsituationindependently,wecangetmaxutilization1,butifwehavetofixtheroutingfrom
,thebestwecandoistosplitthe
flowevenly,gettingamaxutilizationof3/2inbothcases.Asforthenegativeexamplesin
[20],thisworstcaseexampleisfarfromrealnetworks,andwewillseethatinpractice,realnetworksperformmuch
better.
B.OptimizingforMultipleDemandMatrices
Givenanetwork
withseveraldemandmatrices
whichworkswellforallofthem.Ingeneral,wewilluse
,demandmatrix
.Similarlyforourcostfunction,wehave
dominatedbyaconvexcombinationof
.where
Hereeverythingisunderstoodtobeentrywise,soforall
.Sincetheroutingforeachsourcedestinationpairisfixedbytheweightsetting
.Inparticular,itfollowsthatthemaxutilizationfor
isnoworsethattheworstmaxutilizationforthe
.Further,sinceeacharccostfunction
.Thus,ourweightsetting
thanfortheworstofthe
,norwithrespecttomaxutilization.NotethatthesameobservationholdstruewithMPLS,aslongastherouting
foreachsourcedestinationpairisfixed.From[19],weknowthatitis
hardeventoapproximateagoodweightsettingforasinglefixeddemand
matrix,thatis,unless
, there cannot be any general method providing guaranteed good results. However, an
efficientlocalsearchheuristicfortheproblemissuggestedin[19]and[20]thatforagivennetwork
looksforaweightsetting
asdefinedin(1).Nowconsiderademandmatrix
hastosharealinkwitheitherflowfrom
andfrom
to
andfrom
to
thatminimizes
todenotetheloadonlink
,andweightsetting
,wewanttofindasingleweightsetting
,neitherwithrespecttoourcostfunction

to
anddemandmatrix
,thatis
,
doesnoworsefor
.However,anyflowfrom
isconvex,
,foreacharc
.
to
withnetwork
to
,orfrom
and,hence,
with
to
to
,
,wesimplymodifythelocalsearchheuristictominimize
(3)
Asinouroriginalmotivationfordefining
,thishastheeffectofpenalizinghighlyloadedlinks,thistime,forall
thedemandmatricesinsteadofjustone.Ournegativetheoreticalexampleshowsthatwecannotingeneralhopefor
goodresults,butwecanstillhopetodowellinpractice.
C.ExperimentsforMultipleDemandMatrices
In[19]and[20],therewasonlyonedemandmatrix
for each network. Here, we generated a second
independentmatrix
,usingthesamedistribution,andscaledtohavethesametotaldemandas
.Wecallthisdemandmatrixatwinof
modelsstructuraldifferencesintraffic,withacompletechangeinwho
arethebigsendersandreceivers,thusmodeling,eg,thedifferencebetweendayandeveningtraffic.Wealso
derivedanoisyversion
thatwillbediscussedlater.WecomparedOPT,InvCapOSPF,andDirectOSPF(obtainedwithourheuristic
from[20])againstOSPF/ISISroutingsof
(TwinOSPF)andfor
simultaneously(PairOSPF)asin(3).Asymmetricsetofexperimentswereperformedwiththe
rolesof
and
showsthatwehavesuccessfullyfoundoneweightsettingthatcompromisedneitherdemandmatrix.
TheresultsofourexperimentsarepresentedinFigs.1114withdifferentscalingsofthedemandmatrices.
In the experiments, we see that DirectOSPF allows us to cope with 50%110% more demand than the
InvCapOSPF.Also,DirectOSPFislessthan2%frombeingabletocopewiththesamedemandsastheoptimal
generalroutingOPT.
Ifwelookat TwinOSPF,weseethat it isoftenat least asbad,orworsethanInvCapOSPF.Nevertheless,
PairOSPFdoesverywell,nevergettingmorethan10%worsethanDirectOSPFandOPT.Inparticular,PairOSPFis
alwaysdoingsimultaneouslywellforbothdemandmatricesitoptimizesover.
Putintermsofourdayeveningexample,thismeansthatifwejustoptimizerelativetoapeakdemandmatrix
fromtheday,wecannotexpecttogainanythingfortheevening.However,
Tooptimizesimultaneouslyforseveraldemandmatrices
usingweightsettingsoptimizedrelativeto
of
and
.Thedifferencebetween
interchanged.AgoodperformanceofPairOSPFonboth
and
and
FORTZANDTHORUP:OPTIMIZINGOSPF/ISISWEIGHTSINACHANGINGWORLD765
Fig.12.SimultaneousoptimizationonAT&Tsproposedbackboneandsynthetictwindemands(D
Fig.13.Simultaneousoptimizationontwolevelgraph(D
).Fig.14.Simultaneousoptimizationontwolevelgraph
andtwindemands(D

ifwedosimultaneousoptimizationforadayandeveningdemandmatrix,wecanhopedowellonboth.This
combined with our robustness to noise (see Section VD below) and our auto matic benefit for all convex
combinationsgivesusagoodchanceofdealingwellfortypicaldailyperiodicchangeswithasingleweightsetting.
OnemaywonderwhythingsworksowellinspiteofsimplenegativeexamplesliketheonepresentedinFig.10.
Asimpleexplanationcomesfromthefactthatevenifabadexampleoccursasasubgraphofthenetwork,real
networksareusuallylargeenoughthatwecansteerthetrafficaroundsuchasmallbottleneckevenwithlimited
controlovertherouting.Indeed,inourexperimentsitusuallyturnedoutthatonlyasmallnumberoflinkswhere
overloaded,soourbottleneckswerelocal,andmakingjustafewgoodweightchangesallowedustosmoothout
theselocaldiscrepancies.
D.RobustnesstoNoise
Wederivedanoisyversion
bymultiplyingeachentrybyarandomnumberbetweenzeroandtwo.On
theaverage
of
).

thischangeseachentryby50%withoutchangingtheexpectedtotaldemand.Thediscrepancybetween
couldrepresentproblemsofgettingexactmeasures[17],or
generalfluctuationsintraffic.
TheresultsofourexperimentswithnoisearealsopresentedinFigs.11and13,wherewecomparedDirectOSPF
againstroutingsof
(NoiseOSPF).NoiseOSPFisdoingquitewell,gainingaminimumof40%overInvCapOSPF.Thus,ourweight
settingsareprettyrobusttonoise,andthisimpliesthatweonlyneedaroughestimateofthedemandmatrix.
Notethattheresultsobtainedwith
withweightsoptimizedfor
(NoiseOSPF),meaningweightsettingsaremoresensitivetostructuralchangesthantonoise.
E.DifferentiatedService
We now outline how our positive experience with multiple de mand matrices could also be applied with
differentiatedservice.Supposewehavetwoclassesofcustomers:goldcustomersthat
(TwinOSPF)aremuchworsethanthosewith
).

usingweightsettingsoptimizedrelativeto
and
766IEEEJOURNALONSELECTEDAREASINCOMMUNICATIONS,VOL.20,NO.4,MAY2002

werepromisedaguaranteedbandwidth,andnormalcustomers.Wewanttoensurethatgoldcustomerspacketsare
routedinthefirst60%ofthecapacityofeachlink.Supposewecanfindaweightsettingsuchthatweremainbelow
60%ofthecapacityifweonlysendgoldcustomersdemands.Then,wecanensurewiththisweightsettingthat
goldcustomerspacketswillbesendbelow60%ofthecapacitybygivingthemthepriorityovernormalcustomers
usingweightedfairqueuing.Let
be the demand matrix describing the bandwidth
promisedtogoldcustomers.Weneedtoroute
withmaxutilization3/5.Recallthatourobjectivefunction
isdesignedtokeep maxutilization belowone,which isalsoevident inour
experimentswithDirectOSPF.Tosatisfyourgoldcustomers,keepingtheirmaxutilizationbelow3/5,wecan,
therefore,optimizewithrespectto
.However,thisapproachdoesnottakenormalcustomersintoaccount,andcouldleadto
reallybadsituationsforthem.Toremedythis,let
beademandmatrixestimatingthetotal traffic,includingthegoldcustomers.Wewantto
providegoodbesteffortservicewithrespectto
,whilekeepingtheobjectiveofgettingthegoldcustomersmaxutilization
below3/5.ThisproblemhasbeenaddressedforMPLS[22]whereitisjustamulticommodityflowproblem.
Thisleadsustoacombinedobjectivefunctionoftheform
iswhere
sufficientlyhigh,weonlycareaboutthefirstterm,andthenwe
areprettysuretostaybelow60%capacityforgoldcustomers,ifatallpossible.However,assoonaswehave
satisfiedthegoldcustomers,webetterstartworryingaboutbesteffortserviceforeverybodyasinthesecond
term,sothenaturaloptimizationistousethesmallest
forwhichthegoldcustomersgetsatisfied.Thissmallest
canbefoundbyabinarysearch.Theinterestingthinghereisthatoursuccessfulexperimentswith
multipledemandmatricesindicatethatwecansatisfybothgoldcustomersandnormalcustomerswithOSPF/ISIS
withoutcompromisingeither.
VI.CONCLUSION

We have presented a system ofalgorithms for efficient OSPF traffic management ina changing world.As
describedinSectionV,wecanoptimizeefficientlyoverafewpeakdemandmatrices,sayrepresentingdayand
eveningUStrafficandinternationaltrafficinthenight,andtherebyproduceaweightsettingcoveringalldemand
matricesdominatedbyconvexcombinationsofthesepeaks.ThenoisetolerancefromSectionVimpliesthatwedo
notneedtofindtheabsolutepeaks,aslongaswegetwithinareasonableneighborhoodofthem.Further,theresults
fromSectionIVindicatethatourweightsettingisgoodfornewhotspots,andmostlinkfailures,sogenerally,we
donotexpecttohavetochangetheweightsetting.
However,bysimulation,wemaydiscoverthatafewcriticallinkfailurescancauseproblems.Forthesefewlinks
weprecomputeafewweightchangestobeappliedincasetheyfail.Sim
isaparameterthatwecanoptimize.If
ilarproactivestrategiescanbeappliedagainstotherpredictedchanges.
 In case the whole structure of the demand matrix evolves to a degree that our weight setting is no longer
satisfactory,weexpecttoreestablishgoodperformancewithjustafewchanges.HerethecodefromSectionIII
canbeusedtogenerallymonitorthenetwork,keepingthenetworkoperatorinformedwhetherhecanimprove
networkperformancewithafewchanges.Thecurrentrunningtimesofonetwohoursmaybeconsideredtooslow
forsuchonlinetrafficengineering.However,asistypicalforlocalsearch,wecanalwaysmakealessexhaustive
searchtoterminateearlier.Within1015minutes,oneoftengetwithin5%ofthepresentedresults.Also,thereare
muchfastermachinesonthemarket.Anyhow,oursystemisexpectedtobemostinterestingtonetworkoperators
incaseswhererealproblemsareexperiencedinthenetwork,andwherethealternativeistobuynewhardware.In
suchacase,onetwohoursofCPUtimeischeap.
Besidestheaboveconcreteresults,webelievethatwehavesetaquitegeneralframeworkforefficienttraffic
management, and many of the objectives could be reused within MPLS routing. Particularly this covers the
convexityidea.
Incombination,ourtechniquesprovideanefficientsystemforOSPF/ISIStrafficmanagementinachanging
world.ItisnowanintegratedpartofAT&TsNetScope/BravotrafficengineeringtoolforIPnetworks[16].
A
CKNOWLEDGMENT

TheauthorswouldliketothankJ.Rexfordforsomeveryusefulandpatientcommentstodifferentdraftsofthis
paper.
REFERENCES
[1]EHLAartsandJKLenstra,Eds.,Localsearchincombinatorialoptimization,inDiscreteMathematicsandOptimization.
Chichester,England:Wiley,1997.[2]W.Aiello,F.Chung,andL.Lu,Arandommodelformassivegraphs,inProc.32nd
ACMSymp.TheoryComputing(STOC),2000,pp.171179.[3]D.Awduche,A.Chiu,A.Elwalid,I.Widjaja,andX.Xiao.
(2000)Aframeworkforinternettrafficengineering.NetworkWorkingGroup,InternetDraft(workinprogress).[Online].
Available:http://search.ietf.org/internetdrafts/draftietftewgframework02.txt.[4]DOAwduche,MPLSandtraffic
engineeringinIPnetworks,IEEE
CommunicationsMagazine,vol.37,pp.4247,Dec.1999.[5]DOAwduche,J.Malcolm,J.Agogbua,M.O'Dell,andJ.
McManus.(1999,Sept.)RequirementsfortrafficengineeringoverMPLS.NetworkWorkingGroup,RequestforComments.
[Online].Available:http://search.ietf.org/rfc/rfc2702.txt.[6]A.Bley,M.Grtchel,andR.Wessly,Designofbroadband
virtualprivatenetworks:ModelandheuristicsfortheBWiN,inProc.DIMPCSWorkshoponRobustCommunication
NetworksandSurvivabilityAMSDIMACSSeries53,1998,pp.116.[7]Caida..[Online].Available:
http://www.caida.org/tools/visualization/
mapnet/Data/.[8]R.Callon.(1990,Dec.)UseofOSIISISforroutinginTCP/IPanddualenvironments.NetworkWorking
Group,RequestforComments:Rep.1195.[Online].Available:http://search.ietf.org/rfc/rfc1195.txt.[9]K.Calvert,M.Doar,and
EWZegura,ModelingInternettopology,
IEEECommun.Mag.,Vol.35,pp.160163,1997.[10]J.Cao,D.Davis,SVWiel,andB.Yu,Timevaryingnetwork
tomography:Routerlinkdata,J.Amer.Statis.Assoc.,vol.95,pp.10631075,2000.[11]Cisco.(1997)ConfiguringOSPF.
[Online].Available:Documentationathttp://www.cisco.com/univerc/cc/td/doc/product/software/ios
113ed/113ed_cr/np1_c/1cospf.htm.
FORTZANDTHORUP:OPTIMIZINGOSPF/ISISWEIGHTSINACHANGINGWORLD767
[12]NGDuffieldandM.Grossglauser,Trajectorysamplingfordirecttrafficobservation,ACH/IEEETrans.Networking,vol.
9,pp.280292.[13]A.DwivediandREWagner,TrafficmodelforUSAlongdistanceoptimalnetwork,inProc.OpticalFiber
CommunicationConf.(OFC),vol.TuK1,2000,pp.156158.[14]M.Ericsson,MGCResende,andPMPardalos,Agenetic
algorithmfortheweightsettingprobleminOSPFrouting,J.CombinatorialOptimization,2002,tobepublished.[15]M.
Faloutsos,P.Faloutsos,andC.Faloutsos,OnpowerlawrelationshipsoftheInternettopology,inProc.ACMSIGCOMM'99:
Conf.Applications,Technologies,Architectures,andProtocolsforComputerCommunications,1999,pp.251262.[16]A.
Feldmann,A.Greenberg,C.Lund,N.Reingold,andJ.Rexford,NetScope:TrafficengineeringforIPnetworks,IEEENetwork
Mag.(SpecialIssueonInternetTrafficEng.),vol.14,tidakada.2,pp.1119,Mar./Apr.2000.[17]A.Feldmann,A.Greenberg,
C.Lund,N.Reingold,J.Rexford,andF.True,DerivingtrafficdemandsforoperationalIPnetworks:Methodologyand
experience,IEEE/ACMTrans.Networking,pp.265279,2001.[18]A.Feldmann,J.Rexford,andR.Caceres,Efficient
policiesforcarryingwebtrafficoverflowswitchednetworks,IEEE/ACMTrans.Networking,vol.6,pp.673685,1998.
[19]B.FortzandM.Thorup.(2000)IncreasingInternetcapacityusinglocalsearch.UniversitLibredeBruxelles,Tech.Rep.
ISMG2000/21.[Online].Available:http://smg.ulb.ac.be/Preprints/Fortz00_21.html.[20],Internettrafficengineeringby
optimizingOSPFweights,inProc.19thIEEEConf.ComputerCommunications(INFOCOM),2000,pp.519528.[21]FYS
LinandJLWang,MinimaxopenshortestpathfirstroutingalgorithmsinnetworkssupportingtheSMDSservices,inProc.
IEEEInt.Conf.Communications(ICC),vol.2,1993,pp.666670.[22]D.MitraandKGRamakrishnan,Acasestudyof
multiservice,multiprioritytrafficengineeringdesignfordatanetworks,inProc.IEEEGLOBECOM,1999,pp.10771083.
[23]JTMoy.(1991,July)OSPFversion2.NetworkWorkingGroup,RequestforComments:1247.[Online].Available:
http://search.ietf.org/rfc/rfc1247.txt.[24]KGRamakrishnanandMARodrigues,Optimalroutinginshortestpathdata
networks,LucentBellLabsTechnicalJournal,vol.6,tidakada.1,2001.[25]ECRosen,A.Viswanathan,andR.Callon.(2001)
Multiprotocollabelswitchingarchitecture.NetworkWorkingGroup,RequestforComments.[Online].Available:
http://search.ietf.org/rfc/rfc3031.txt.[26]A.Sridharan,S.Bhattacharyya,C.Diot,R.Guerin,andJ.Jetcheva,Ontheimpactof
aggregationontheperformanceoftrafficawarerouting,,[Online].Available:http://www.seas.upenn.edu:8080/guerin/,2000,
submittedforpublication.
[27]PLToint,Transportationmodelingandoperationsresearch:Afruitfulconnection,inOperationsResearchandDecision
AidMethodologiesinTrafficandTransportationManagement.ser.NATOASISeries:Ser.F,ComputerandSystemsSciences,
M.Labb,G.Laporte,K.Tanczos,andPLToint,Eds.NewYork:SpringerVerlag,1998,vol.166,pp.127.[28]BMWaxman,
Routingofmultipointconnections,IEEEJ.Select.AreasCommun.(SpecialIssueonBroadbandPacketCommunications),
vol.6,pp.16171622,1988.[29]EWZegura.(1996)GTITM:GeorgiaTechinternetworktopologymodels(software).[On
line].Available:http://www.cc.gatech.edu/fac/Ellen.Zegura/gtitm/gtitm.tar.gz.[30]EWZegura,KLCalvert,andS.
Bhattacharjee,Howtomodelaninternetwork,inProc.15thIEEEConf.ComputerCommunications(INFOCOM),1996,pp.
594602.
BernardFortz(M'99A'00)receivedthePh.D.degreeinoperationsresearchfromtheUniversitLibredeBruxelles,Belgium.
HeisaProfessorofOperationsResearchattheInstitutd'AdministrationetdeGestionoftheUniversitCatholiquede
Louvain,Belgium.Hismainresearchinterestsarecombinatorialoptimization,networkdesignproblems,andtheoptimizationof
Internetresourcesusingefficientroutingprotocols.
Dr.FortzwasawardedtheAT&Tresearchprize,in1997.
MikkelThorupreceivedthePh.D.degreefromOxfordUniversity,Oxford,UK,in1993.
From1993to1998,hewaswiththeUniversityofCopenhagen,Denmark.Inthesummerof1997,hewasaDistinguished
VisitingProfessorattheMaxPlankInstitutfurInformatik,Germany.HeiscurrentlyaPrincipalTechnicalStaffMemberat
AT&TLabsResearch,FlorhamPark,NJ,wherehehasbeensince1998.Hismaininterestisalgorithmsanddatastructures,and
heservesontheEditorialBoardofJournalofAlgorithms.