Resumen

  • En la red internacional de ANTEL, los 25 LSP de mayor volumen llevan el 60% del tráfico total.
  • La investigación ajusta 47.430 parámetros con 261.248 observaciones; no publica una medida numérica del error.

El dato más llamativo es la concentración: 25 LSP —el 2,69% de los 930 modelados— transportan el 60% del tráfico. Esa distribución ofrece a planificación una lista corta de rutas prioritarias. Falta saber cuánto acierta.

Claudio Risso, Pablo Cuello y Carlos Martínez presentaron el estudio al Internet Measurement Working Group el 21 de octubre. Usaron datos de mayo de 2025 de la red internacional de ANTEL: 31 nodos, 930 pares dirigidos y 128 enlaces físicos dirigidos. Los contadores de enlace registran la carga agregada; el modelo intenta repartirla entre los caminos IP/MPLS, llamados LSP.

Cada enlace tiene 2.041 muestras, separadas por cinco minutos. En total: 261.248 observaciones. Un modelo de enrutamiento distribuye la carga de cada túnel entre los enlaces que atraviesa. Para completar el perfil diario, otra capa usa 51 puntos de referencia por enlace y túnel. El ajuste suma 47.430 parámetros: unas 5,5 observaciones por parámetro.

Esa densidad no determina un resultado único. Según las diapositivas, la optimización admite varias soluciones y el cálculo iterativo depende del valor inicial. El equipo ajustó el modelo por etapas, empezando por los túneles más importantes. La curva media de los 25 LSP aparece en la presentación, sin un valor numérico de error.

Una variante estima solo túneles sin medición directa. Los contadores LSP disponibles sirven para localizar los de mayor volumen. Los autores dicen que el ajuste mejora sustancialmente; el método también promete necesitar menos observaciones y funcionar con IP nativo, MPLS o Segment Routing.

La presentación llama prometedores a los resultados y dice que el trabajo continúa. No publica residuos, porcentaje de error ni una validación sobre intervalos apartados del ajuste. También excluye los cambios temporales de topología durante fallos y restauraciones. El siguiente ensayo útil compararía medición y estimación en horas valle, horas pico y después de un cambio de ruta.

La matriz de demanda podría alimentar decisiones de expansión y análisis de fallos. Para saber si sirve, la prueba debe contrastar cada estimación con mediciones reservadas y repetir la comparación después de que cambien las rutas.

Fuentes: registro oficial de la sesión de LACNIC 46 y presentación original del IMWG.