Measuring IPv6 Adop3on Jakub Czyz, University of Michigan - - PowerPoint PPT Presentation

▶
measuring ipv6 adop3on
SMART_READER_LITE
LIVE PREVIEW

Measuring IPv6 Adop3on Jakub Czyz, University of Michigan - - PowerPoint PPT Presentation

May 28, 2023 139 likes •430 views

Measuring IPv6 Adop3on Jakub Czyz, University of Michigan Mark Allman, Interna=onal Computer Science Ins=tute Jing Zhang, University of Michigan ScoA

slide-1
SLIDE 1

Measuring ¡IPv6 ¡Adop3on ¡

Jakub ¡Czyz, ¡University ¡of ¡Michigan ¡ Mark ¡Allman, ¡Interna=onal ¡Computer ¡Science ¡Ins=tute ¡ Jing ¡Zhang, ¡University ¡of ¡Michigan ¡ ScoA ¡Iekel-­‑Johnson, ¡Arbor ¡Networks ¡ Eric ¡Osterweil, ¡Verisign ¡Labs ¡ Michael ¡Bailey, ¡University ¡of ¡Michigan ¡and ¡University ¡of ¡Illinois ¡ ¡ ¡ ¡

SIGCOMM ¡2014 ¡ Chicago, ¡IL, ¡USA ¡ August ¡17-­‑22, ¡2014 ¡

slide-2
SLIDE 2

Why ¡Study ¡IPv6 ¡Adop3on ¡Now? ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 2 ¡

(Image ¡source: ¡Geoff ¡Huston, ¡hAp://www.potaroo.net/tools/ipv4) ¡

  • Internet ¡con=nues ¡growing ¡
  • IPv4 ¡space ¡shrinking… ¡
  • IPv4 ¡exhaus=on ¡events: ¡

– IANA: ¡February ¡2011 ¡ – Asia/Pacific: ¡April ¡2011 ¡ – Europe: ¡September ¡2012 ¡ – La=n ¡America: ¡June ¡2014 ¡

  • IPv6 ¡Community ¡Flag ¡Days ¡

– 2011 ¡& ¡2012 ¡

¡

¡

Total ¡Free ¡IPv4 ¡/8 ¡At ¡Registries ¡

IANA ¡ Exhaus=on ¡

slide-3
SLIDE 3

Our ¡Study ¡

  • Goal: ¡a ¡systemic ¡“big ¡picture” ¡of ¡IPv6 ¡adop=on ¡

– Trading ¡off ¡depth ¡for ¡breadth ¡ – Are ¡there ¡cross-­‑perspec=ve ¡insights? ¡

  • Mul3-­‑perspec3ve: ¡10 ¡datasets ¡
  • Mul3-­‑year: ¡2-­‑10 ¡years ¡
  • Mul3-­‑aspect: ¡12 ¡metrics ¡
  • Findings: ¡IPv6 ¡adop3on ¡ ¡

– varies ¡by ¡where ¡you ¡measure ¡(region) ¡ – varies ¡by ¡what ¡you ¡measure ¡ – recently ¡made ¡a ¡qualita=ve ¡jump ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 3 ¡

slide-4
SLIDE 4

Data ¡Analyzed ¡

  • Exis3ng/Public ¡Datasets: ¡

– RIR ¡alloca=on ¡ – Route ¡Views ¡BGP, ¡RIPE-­‑RIS ¡BGP ¡ – Google.com ¡clients, ¡ ¡ – Verisign ¡zone ¡files, ¡ ¡ – CAIDA ¡Ark ¡RTT ¡

  • New ¡Datasets: ¡

– Traffic: ¡Arbor ¡Networks ¡global ¡traffic ¡ – Naming: ¡Verisign ¡.com/.net ¡queries ¡via ¡IPv4, ¡via ¡IPv6 ¡ – Content: ¡Tes=ng ¡data ¡of ¡Alexa ¡top-­‑10K ¡sites ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 4 ¡

slide-5
SLIDE 5

Metrics ¡

Prerequisite ¡IP ¡Func3ons ¡

  • Address ¡Alloca=on ¡
  • Address ¡Adver=sement ¡
  • Topology ¡
  • DNS ¡Name ¡servers ¡
  • DNS ¡Resolvers ¡
  • DNS ¡Queries ¡
  • Server ¡Readiness ¡
  • Client ¡Readiness ¡

¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 5 ¡

Opera3onal ¡Characteris3cs ¡

  • Traffic ¡Volume ¡
  • Applica=on ¡Mix ¡
  • Transi=on ¡Technologies ¡
  • Performance ¡(RTT) ¡

¡

“IPv6 ¡adop3on” ¡= ¡level ¡rela3ve ¡to ¡IPv4 ¡

slide-6
SLIDE 6

METRICS ¡ ¡(PREREQUISITE) ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 6 ¡

slide-7
SLIDE 7

Prefix ¡Alloca3on ¡

200 400 600 800 1000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

0.1 0.2 0.3 0.4 0.5 0.6 Monthly Prefix Allocations Ratio IPv6/IPv4 IPv4 IPv6 Ratio

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 7 ¡ SIGCOMM’14 ¡

IANA ¡ Exhaus=on ¡

slide-8
SLIDE 8

Naming: ¡Domains ¡& ¡Record ¡Types ¡

0.2 0.4 0.6 0.8 1 v4 v6 v4 v6 v4 v6 v4 v6 v4 v6 Fraction of All DNS Queries 20110608 20120223 20120828 20130226 20131223

  • ther

ANY TXT NS DS MX AAAA A Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 8 ¡ SIGCOMM’14 ¡

More ¡Similar ¡ (p ¡< ¡0.05) ¡

  • Queries ¡from ¡.com/.net; ¡IPv4 ¡& ¡IPv6 ¡name ¡servers ¡

– Five ¡day-­‑long ¡packet ¡samples ¡over ¡2.5 ¡years ¡ ¡ – IPv6 ¡DNS ¡users ¡query ¡similar ¡domains ¡as ¡IPv4 ¡ – Query ¡types ¡are ¡converging ¡over ¡this ¡=me ¡period: ¡

slide-9
SLIDE 9

Server ¡Readiness: ¡ ¡ Alexa ¡Top ¡Domain ¡Reachability ¡

0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04

2011-06 2011-12 2012-06 2012-12 2013-06 2013-12

Fraction of Alexa Top 10K AAAA Lookups Reachability

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 9 ¡ SIGCOMM’14 ¡

IPv6 ¡World ¡Day ¡ IPv6 ¡Launch ¡Day ¡

slide-10
SLIDE 10

Client ¡Readiness: ¡ visitors ¡to ¡google.com ¡

0.005 0.01 0.015 0.02 0.025

2009 2010 2011 2012 2013 2014

Fraction Clients Using IPv6

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 10 ¡ SIGCOMM’14 ¡

(Data ¡method ¡in ¡Colir ¡et ¡al., ¡2010) ¡

+151% ¡ +147% ¡ +61% ¡

  • ­‑7% ¡

+43% ¡

slide-11
SLIDE 11

METRICS ¡ ¡(OPERATIONAL) ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 11 ¡

slide-12
SLIDE 12

Global ¡Traffic ¡

10M 100M 1G 10G 100G 1T

2010 2011 2012 2013 2014

0.0001 0.001 0.01 Traffic Volume/Customer (bps) Ratio IPv6/IPv4 0.0064 IPv4 A (peak) IPv6 A (peak) Ratio A (peaks) IPv4 B (average) IPv6 B (average) Ratio B (averages)

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 12 ¡ SIGCOMM’14 ¡

  • Arbor ¡Networks ¡global ¡provider ¡neslow ¡data ¡ ¡
  • 260 ¡service ¡providers ¡(Dataset ¡B) ¡~ ¡1/3 ¡– ¡1/2 ¡of ¡all ¡inter-­‑AS ¡traffic ¡

+433% ¡ +470% ¡

slide-13
SLIDE 13

Applica3on ¡Mix ¡ ¡ (% ¡of ¡IPv6) ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 13 ¡ SIGCOMM’14 ¡

¡{ ¡ User ¡content ¡

slide-14
SLIDE 14

IPv6 ¡Transi3on ¡Technologies ¡ (Teredo ¡+ ¡6to4) ¡

0.2 0.4 0.6 0.8 1

2009 2010 2011 2012 2013 2014

Fraction of non-native IPv6 Internet Traffic A Internet Traffic B Google Clients

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 14 ¡ SIGCOMM’14 ¡

Mostly ¡Transi3on ¡ Mostly ¡Na3ve ¡

slide-15
SLIDE 15

CONCLUSIONS ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 15 ¡

slide-16
SLIDE 16

Conclusion ¡1: ¡Regions ¡Differ ¡

1e-05 0.0001 0.001 0.01 0.1 1 Address(A1) Routing(T1) Traffic(U1) AFRINIC APNIC ARIN LACNIC RIPENCC

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 16 ¡ SIGCOMM’14 ¡

IPv6 ¡/ ¡IPv4 ¡Ra=o ¡

} ¡

Large ¡Inter-­‑Region ¡ Differences ¡ Large ¡Intra-­‑Region ¡(Cross-­‑Metric) ¡ Differences ¡ E.g. ¡ARIN ¡last ¡place ¡in ¡alloca3on, ¡first ¡in ¡traffic. ¡

slide-17
SLIDE 17

Conclusion ¡2: ¡Perspec3ve ¡Magers ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 17 ¡ SIGCOMM’14 ¡

0.0001 0.001 0.01 0.1 1 2009 2010 2011 2012 2013 2014 0.0001 0.001 0.01 0.1 1 IPv6 / IPv4 Ratio A1 (allocation - monthly) A1 (allocation - cumulative) A2 (advertisement) R2 (Google clients) U1 (traffic - A.peaks) U1 (traffic - B.averages) N1 (.com NS) T1 (topology) P1 (performance)

2-­‑3 ¡order ¡

  • f ¡magnitude ¡

difference ¡

slide-18
SLIDE 18

Conclusion ¡3: ¡IPv6 ¡is ¡Real! ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 18 ¡ SIGCOMM’14 ¡

ß ß ¡20x ¡growth! ¡ ß ß ¡15x ¡growth! ¡ ß ß ¡Traffic ¡Flipped ¡ ß ß ¡Nearly ¡on-­‑par ¡

slide-19
SLIDE 19

Thank ¡You! ¡

Ques=ons? ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 19 ¡

slide-20
SLIDE 20

BACKUP ¡SLIDES ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 20 ¡ SIGCOMM’14 ¡

slide-21
SLIDE 21

Internet ¡Devices ¡and ¡Users ¡ ¡ Con3nue ¡to ¡Increase ¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 21 ¡

slide-22
SLIDE 22

Dataset ¡Summary ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 22 ¡ SIGCOMM’14 ¡

/day ¡ /day ¡

slide-23
SLIDE 23

Prefix ¡Adver3sement ¡

100 1K 10K 100K 1M

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

0.0001 0.001 0.01 0.1 Prefix Advertisements Ratio IPv6/IPv4 IPv4 IPv6 Ratio

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 23 ¡ SIGCOMM’14 ¡

slide-24
SLIDE 24

AS ¡Centrality ¡

2 4 6 8 10 12 14 16

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

K-core degree Dual-Stack IPv6-Only IPv4

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 24 ¡ SIGCOMM’14 ¡

slide-25
SLIDE 25

DNS: ¡.com ¡& ¡.net ¡Zones ¡

10 100 1K 10K 100K 1M

2007 2008 2009 2010 2011 2012 2013 2014

1e-05 0.0001 0.001 0.01 Records in TLD zones Ratio IPv6/IPv4 (.com) .com A glue .net A glue .net AAAA glue .com AAAA glue Ratio .com glue Ratio .net all probed (H.E.) Ratio .com all probed (H.E.)

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 25 ¡ SIGCOMM’14 ¡

slide-26
SLIDE 26

IPv4 ¡.com/.net ¡TLD ¡A ¡and ¡AAAA ¡Query ¡ Rank ¡Correla3on ¡(Spearman’s ¡ρ) ¡

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 26 ¡ SIGCOMM’14 ¡

Within ¡type: ¡Strong ¡ ¡ ¡Across ¡type: ¡Weak ¡

slide-27
SLIDE 27

Naming: ¡Domains ¡

  • Queries ¡from ¡.com/.net; ¡IPv4 ¡& ¡IPv6 ¡name ¡servers ¡

– Five ¡day-­‑long ¡samples ¡over ¡2.5 ¡years ¡ ¡

  • Four ¡sets ¡of ¡top ¡100k ¡domains: ¡

– For ¡both ¡IPv4 ¡and ¡IPv6 ¡packets ¡(user ¡popula=ons) ¡ – Within ¡each, ¡for ¡domains ¡queried ¡by ¡A ¡and ¡AAAA ¡

  • Finding: ¡IPv4 ¡to ¡IPv6 ¡popula=ons ¡correlate ¡

strongly ¡for ¡the ¡same ¡query ¡type ¡{A,AAAA} ¡ ¡

– e.g. ¡Spearman’s ¡ρ ¡of ¡0.7 ¡for ¡IPv4 ¡A ¡versus ¡IPv6 ¡A ¡ ¡

  • So, ¡IPv6 ¡DNS ¡users ¡query ¡similar ¡domains ¡as ¡IPv4 ¡

¡

SIGCOMM’14 ¡ Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 27 ¡

slide-28
SLIDE 28

Performance ¡ (using ¡10-­‑ ¡and ¡20-­‑hop ¡RTT) ¡

100 200 300 400 500

2009 2010 2011 2012 2013 2014

0.5 0.6 0.7 0.8 0.9 1 Median RTT (ms) Ratio IPv6/IPv4 performance IPv6 - Hop 20 IPv4 - Hop 20 IPv6 - Hop 10 IPv4 - Hop 10 Ratio - Hop 10

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 28 ¡ SIGCOMM’14 ¡

slide-29
SLIDE 29

Projec3ons ¡

0.0001 0.001 0.01 0.1 1 2011 2012 2013 2014 2015 2016 2017 2018 2019 IPv6/IPv4 A1 (allocation - cumulative) U1 (traffic - A.peaks) Polynomial Proj. (A1:R2 = 0.996; U1:R2 = 0.838) Exponential Proj. (A1:R2 = 0.984; U1:R2 = 0.892)

Measuring ¡IPv6 ¡Adop=on ¡– ¡Czyz ¡et ¡al. ¡ 29 ¡ SIGCOMM’14 ¡