home *** CD-ROM | disk | FTP | other *** search
/ Handbook of Infosec Terms 2.0 / Handbook_of_Infosec_Terms_Version_2.0_ISSO.iso / text / rfcs / rfc1404.txt < prev    next >
Text File  |  1996-05-07  |  54KB  |  793 lines

  1.  
  2.  
  3.  
  4.  
  5.  
  6.  
  7. Network Working Group                                        B. Stockman Request for Comments: 1404                                NORDUnet/SUNET                                                             January 1993 
  8.  
  9.                 A Model for Common Operational Statistics 
  10.  
  11. Status of the Memo 
  12.  
  13.    This memo provides information for the Internet community.  It does    not specify an Internet standard.  Distribution of this memo is    unlimited. 
  14.  
  15. Abstract 
  16.  
  17.    This memo describes a model for operational statistics in the    Internet.  It gives recommendations for metrics, measurements,    polling periods, storage formats and presentation formats. 
  18.  
  19. Acknowledgements 
  20.  
  21.    The author would like to thank the members of the Operational    Statistics Working Group of the IETF whose efforts made this memo    possible. 
  22.  
  23. Table of Contents 
  24.  
  25.    1.      Introduction ............................................. 2    2.      The Model ................................................ 5    2.1     Metrics and Polling Periods .............................. 5    2.2     Format for Storing Collected Data ........................ 6    2.3     Reports .................................................. 6    2.4     Security Issues .......................................... 6    3.      Categorization of Metrics ................................ 7    3.1     Overview ................................................. 7    3.2     Categorization of Metrics Based on Measurement Areas ..... 7    3.2.1   Utilization Metrics ...................................... 7    3.2.2   Performance Metrics ...................................... 7    3.2.3   Availability Metrics ..................................... 7    3.2.4   Stability Metrics ........................................ 8    3.3     Categorization Based on Availability of Metrics .......... 8    3.3.1   Per Interface Variables Already in Standard MIB .......... 8    3.3.2   Per Interface Variables in Private Enterprise MIB ........ 9    3.3.3   Per interface Variables Needing High Resolution Polling .. 9    3.3.4   Per Interface Variables not in any MIB ................... 9    3.3.5   Per Node Variables ....................................... 9    3.3.6   Metrics not being Retrievable with SNMP ................. 10    3.4     Recommended Metrics ..................................... 10 
  26.  
  27.  
  28.  
  29. Stockman                                                        [Page 1] 
  30.  RFC 1404                 Operational Statistics             January 1993 
  31.  
  32.     3.4.1   Chosen Metrics .......................................... 10    4.      Polling Frequencies ..................................... 11    4.1     Variables Needing High Resolution Polling ............... 11    4.2     Variables not Needing High Resolution Polling ........... 11    5.      Pre-Processing of Raw Statistical Data .................. 12    5.1     Optimizing and Concentrating Data to Resources .......... 12    5.2     Aggregation of Data ..................................... 12    6.      Storing of Statistical Data ............................. 13    6.1     The Storage Format ...................................... 13    6.1.1   The Label Section ....................................... 14    6.1.2   The Device Section ...................................... 14    6.1.3   The Data Section ........................................ 16    6.2     Storage Requirement Estimations ......................... 17    7.      Report Formats .......................................... 18    7.1     Report Types and Contents ............................... 18    7.2     Contents of the Reports ................................. 18    7.2.1   Offered Load by Link .................................... 18    7.2.2   Offered Load by Customer ................................ 18    7.2.3   Resource Utilization Reporting .......................... 19    7.2.3.1 Utilization as Maximum Peak Behavior .................... 19    7.2.3.2 Utilization as Frequency Distribution of Peaks .......... 19    8.      Considerations for Future Development ................... 20    8.1     A Client/Server Based Statistical Exchange System ....... 20    8.2     Inclusion of Variables not in the Internet Standard MIB . 20    8.3     Detailed Resource Utilization Statistics ................ 20    Appendix A  Some formulas for statistical aggregation ........... 21    Appendix B  An example .......................................... 24    Security Considerations ......................................... 27    Author's Address ................................................ 27 
  33.  
  34. 1. Introduction 
  35.  
  36.    Today it is not uncommon for many network administrations to collect    and archive network management metrics that indicate network    utilization, growth, and outages.  The primary goal is to facilitate    near-term problem isolation and longer-term network planning within    the organization.  There is also the larger goal of cooperative    problem isolation and network planning between network    administrations.  This larger goal is likely to become increasingly    important as the Internet continues to grow. 
  37.  
  38.    There exist a variety of network management tools for the collection    and presentation of network management metrics.  However, different    kinds of measurement and presentation techniques makes it difficult    to compare data between networks.  Plus, there is not common    agreement on what metrics should be regularly collected or how they    should be displayed. 
  39.  
  40.  
  41.  
  42.  Stockman                                                        [Page 2] 
  43.  RFC 1404                 Operational Statistics             January 1993 
  44.  
  45.     There needs to be an agreed-upon model for 
  46.  
  47.     1) A minimal set of common network management metrics to satisfy the        goals stated above. 
  48.  
  49.     2) Tools for collecting these metrics. 
  50.  
  51.     3) A common storage format to facilitate the usage of these data by        common presentation tools. 
  52.  
  53.     4) Common presentation formats. 
  54.  
  55.    Under this Operational Statistics model, collection tools will    collect and store data in a given format to be retrieved later by    presentation tools displaying the data in a predefined way.  (See    figure below.) 
  56.  
  57.  
  58.  
  59.  
  60.  
  61.  
  62.  
  63.  
  64.  
  65.  
  66.  
  67.  
  68.  
  69.  
  70.  
  71.  
  72.  
  73.  
  74.  
  75.  
  76.  
  77.  
  78.  
  79.  
  80.  
  81.  
  82.  
  83.  
  84.  
  85.  
  86.  
  87.  
  88.  
  89.  
  90.  
  91. Stockman                                                        [Page 3] 
  92.  RFC 1404                 Operational Statistics             January 1993 
  93.  
  94.                       The Operational Statistics Model 
  95.  
  96.    (Collection of common metrics, by commonly available tools, stored in    a common format, displayed in common formats by commonly available    presentation tools.) 
  97.  
  98.                       !-----------------------!                       !       Network         !                       !---+---------------+---!                          /                 \                         /                   \                        /                     \               --------+------             ----+---------               !     New     !             !    Old     !               !  Collection !             ! Collection !               !     Tool    !             !    Tool    !               !---------+---!             !------+-----!                          \                       !                           \              !-------+--------!                            \             ! Post-Processor !                             \            !--+-------------!                              \             /                               \           /                                \         /                              !--+-------+---!                              !    Common    !                              !  Statistics  !                              !   Database   !                              !-+--------+---!                               /          \                              /            \                             /              \                            /              !-+-------------!                           /               ! Pre-Processor !                          /                !-------+-------!             !-----------+--!                      !             !     New      !              !-------+-------!             ! Presentation !              !     Old       !             !     Tool     !              ! Presentation  !             !---------+----!              !     Tool      !                        \                  !--+------------!                         \                   /                          \                 /                         !-+---------------+-!                         ! Graphical Output  !                         ! (e.g., to paper   !                         ! or X-window)      !                         !-------------------! 
  99.  
  100.  
  101.  
  102. Stockman                                                        [Page 4] 
  103.  RFC 1404                 Operational Statistics             January 1993 
  104.  
  105.     This memo gives an overview of this model for common operational    statistics. The model defines the gathering, storing and presentation    of network operational statistics and classifies the types of    information that should be available at each network operation center    conforming to this model. 
  106.  
  107.    The model defines a minimal set of metrics, how these metrics should    gathered and stored. Finally the model gives recommendations on the    content and the layout of statistical reports making it possible to    easily compare networks statistics between NOCs. 
  108.  
  109.    The primary purpose of this model is to define ways and methods on    how NOCs could most effectively share their operational statistics.    One intention with this model is to specify a baseline capability    that NOCs conforming to the this model may support with a minimal    development effort and a minimal ongoing effort. 
  110.  
  111. 2. The Model 
  112.  
  113.    The model defines three areas of interest on which all underlying    concepts are based. 
  114.  
  115.         1. The definition of a minimal set of metrics to be gathered 
  116.  
  117.         2. The definition of a format for storing collected statistical            data. 
  118.  
  119.         3. The definition of methods and formats for generating            reports. 
  120.  
  121.    The model indicates that old tools used today could be retrofitted    into the new paradigm. This could be done by providing conversion-    filters between the old and the new environment tools. In this sense    this model intends to advocate the development of public domain    software for use by participating NOCs. 
  122.  
  123.    One basic idea with the model is that statistical data stored at one    place could be retrieved and displayed at some other place. 
  124.  
  125. 2.1 Metrics and Polling Periods 
  126.  
  127.    The intention here is to define a minimal set of metrics that easily    could be gathered using standard SNMP based network management tools.    These metrics should hence be available as variables in the Internet    Standard MIB. 
  128.  
  129.    If the Internet Standard MIB is changed also this minimal set of    metrics could be reconsidered as there are many metrics viewed as 
  130.  
  131.  
  132.  
  133. Stockman                                                        [Page 5] 
  134.  RFC 1404                 Operational Statistics             January 1993 
  135.  
  136.     important but currently not being defined in the standard MIB.  For    some metrics being highly desirable to collect there are currently no    way to get them into the Internet Standard MIB as these metrics    probably are not possible to retrieve using SNMP.  Tools and methods    in gathering such metrics should be explicitly defined if such    metrics are to be considered. This is, however, outside of the scope    of this memo. 
  137.  
  138. 2.2 Format for Storing Collected Data 
  139.  
  140.    A format for storing data is defined. The intention is to minimize    redundant information by using a single header structure where all    information relevant to a certain set of statistical data is stored.    This header section will give information on when and where the    corresponding statistical data where collected. 
  141.  
  142. 2.3 Reports 
  143.  
  144.    Some basic classes of reports are suggested with regards to different    views of network behavior. For this reason reports on totals of    octets and packets over some period in time are regarded as essential    to give an overall view of the traffic flows in a network.    Differentiation between application and protocols to give ideas on    which type of traffic is dominant is regarded as needed.  Finally    reports on resource utilization are recommended.. 
  145.  
  146.    Depending on the intention with a report the timeperiod over which it    spans may vary. For capacity planning there may be a need for longer    term reports while in engineering and operation there may be    sufficient with reports on weekly or daily basis. 
  147.  
  148. 2.4 Security Issues 
  149.  
  150.    There are legal, ethical and political concerns of data sharing.    People are concerned about showing data that may make one of the    networks look bad. 
  151.  
  152.    For this reason there is a need to insure integrity, conformity and    confidentiality of the shared data. To be useful, the same data must    be collected from all of the involved sites and it must be collected    at the same interval. To prevent vendors from getting an unfair    performance information, certain data must not be made available. 
  153.  
  154.  
  155.  
  156.  
  157.  
  158.  
  159.  
  160.  
  161.  
  162. Stockman                                                        [Page 6] 
  163.  RFC 1404                 Operational Statistics             January 1993 
  164.  
  165.  3. Categorization of Metrics 
  166.  
  167. 3.1 Overview 
  168.  
  169.    This section gives a classification of metrics with regard to scope    and easiness of retrieve. A recommendation of a minimal set of    metrics is given. The section also gives some hints on metrics to be    considered for future inclusion when available in the network    management environment. Finally some thoughts on storage requirements    are presented. 
  170.  
  171. 3.2 Categorization of Metrics Based on Measurement Areas 
  172.  
  173.    The metrics used in evaluating network traffic could be classified    into (at least) four major categories: 
  174.  
  175.     - Utilization metrics     - Performance metrics     - Availability metrics     - Stability metrics 
  176.  
  177. 3.2.1. Utilization Metrics 
  178.  
  179.    These category describes different aspects of the total traffic being    forwarded through the network. Possible metrics are: 
  180.  
  181.     - Total input and output packets and octets.     - Various peak metrics.     - Per protocol and per application metrics. 
  182.  
  183. 3.2.2 Performance Metrics 
  184.  
  185.    These metrics describes the quality of service such as delays and    congestion situations. Possible metrics are: 
  186.  
  187.     - RTT metrics on different protocol layers.     - Number of collisions on a bus network     - Number of ICMP Source Quench messages.     - Number of packets dropped.     - etc. 
  188.  
  189. 3.2.3 Availability Metrics 
  190.  
  191.    This could be considered as the long term accessibility metrics on    different protocol layers. Possible metrics are: 
  192.  
  193.  
  194.  
  195.  
  196.  
  197.  Stockman                                                        [Page 7] 
  198.  RFC 1404                 Operational Statistics             January 1993 
  199.  
  200.      - Line availability as percentage uptime.     - Route availability     - Application availability 
  201.  
  202. 3.2.4 Stability Metrics 
  203.  
  204.    These metrics describes short term fluctuations in the network which    degrades the service level. Also changes in traffic patterns could be    recognized using these metrics.  Possible metrics are: 
  205.  
  206.     - Number of fast line status transitions     - Number of fast route changes (also known as route flapping)     - Number of routes per interface in the tables     - Next hop count stability.     - Short term ICMP behaviors. 
  207.  
  208. 3.3 Categorization Based on Availability of Metrics 
  209.  
  210.    To be able to retrieve metrics the corresponding variables must be    possible to access at every network object being part of the    management domain for which statistics are being collected. 
  211.  
  212.    Some metrics are easily retrievable as being defined as variables in    the Internet Standard MIB while other metrics may be retrievable as    being part of some vendor's private enterprise MIB subtree.  Finally    some metrics are considered as impossible to retrieve due to not    being possible to include in the SNMP concept or that the actual    measurement of these metrics would require extensive polling and    hence download the network with management traffic. 
  213.  
  214.    The metrics being categorized below could each be judged as an    important metric in evaluating network behaviors.  This list may    serve for reconsider the decisions on which metric to be regarded as    reasonable and desirable to collect. If the availability of below    metrics changes these decisions may change. 
  215.  
  216. 3.3.1 Per Interface Variables Already in Internet Standard MIB       (thus easy to retrieve) 
  217.  
  218.         ifInUcastPkts   (unicast packet in)         ifOutUcastPkts  (unicast packet out)         ifInNUcastPkts  (non-unicasts packet in         ifOutNUcastPkts (non-unicast packet out)         ifInOctets      (octets in)         ifOutOctets     (octets out)         ifOperStatus    (line status) 
  219.  
  220.  
  221.  
  222.  
  223.  
  224. Stockman                                                        [Page 8] 
  225.  RFC 1404                 Operational Statistics             January 1993 
  226.  
  227.  3.3.2 Per Interface Variables in Internet Private Enterprise MIB       (thus could sometimes be possible to retrieve) 
  228.  
  229.         discarded packets in         discarded packets out         congestion events in         congestion events out         aggregate errors         interface resets 
  230.  
  231. 3.3.3 Per Interface Variables Needing High Resolution Polling       (which is hard due to resulting network load) 
  232.  
  233.         interface queue length         seconds missing stats         interface unavailable         route changes         interface next hop count 
  234.  
  235. 3.3.4 Per Interface Variables not in any MIB       (thus impossible to retrieve using SNMP but possible to include        in a MIB). 
  236.  
  237.         link layer packets in         link layer packets out         link layer octets in         link layer octets out         packet interarrival times         packet size distribution 
  238.  
  239. 3.3.5 Per Node Variables       (not categorized here) 
  240.  
  241.         per protocol packets in         per protocol packets out         per protocol octets in         per protocol octets out         packets discarded in         packets discarded out         packet size distribution         sys uptime         poll delta time         reboot count 
  242.  
  243.  
  244.  
  245.  
  246.  
  247.  
  248.  
  249.  Stockman                                                        [Page 9] 
  250.  RFC 1404                 Operational Statistics             January 1993 
  251.  
  252.  3.3.6 Metrics not being Retrievable with SNMP 
  253.  
  254.         delays (RTTs) on different protocol layers         application layer availabilities         peak behavior metrics 
  255.  
  256. 3.4 Recommended Metrics 
  257.  
  258.    A large amount of metrics could be regarded for gathering in the    process of doing network statistics. To facilitate for this model to    reach general consensus there is a need to define a minimal set of    metrics that are both essential and also possible to retrieve in a    majority of today network objects. As an indication of being    generally retrievable the presence in the Internet Standard MIB is    regarded as a mandatory requirement. 
  259.  
  260. 3.4.1 Chosen Metrics 
  261.  
  262.    The following metrics were chosen as desirable and reasonable being    part of the Internet Standard MIB: 
  263.  
  264.    For each interface: 
  265.  
  266.         ifInOctets      (octets in)         ifOutOctets     (octets out)         ifInUcastPkts   (unicast packets in)         ifOutUcastPkts  (unicast packets out)         ifInNUcastPkts  (non-unicast packets in)         ifOutNUcastPkts (non-unicast packets out)         ifInDiscards    (in discards)         ifOutDiscards   (out discards)         ifOperStatus    (line status) 
  267.  
  268.    For each node: 
  269.  
  270.         ipForwDatagrams (IP forwards)         ipInDiscards    (IP in discards)         sysUpTime       (system uptime) 
  271.  
  272.    All of the above metrics are available in the Internet Standard MIB.    However, there also other metrics which could be recommended such as    the RTT metric which probably never will be in any MIB.  For such    metrics other collection tools than SNMP have to be explicitly    defined. The specification of such tools are outside scope of this    memo. 
  273.  
  274.  
  275.  
  276.  
  277.  
  278.  Stockman                                                       [Page 10] 
  279.  RFC 1404                 Operational Statistics             January 1993 
  280.  
  281.  4. Polling Frequencies 
  282.  
  283.    The reason for the polling is to achieve statistics to serve as base    for trend and capacity planning. From the operational data it shall    be possible to derive engineering and management data. It shall be    noted that all polling and saving values below are recommendation and    not mandatory. 
  284.  
  285. 4.1 Variables Needing High Resolution Polling 
  286.  
  287.    To be able to detect peak behaviors it is recommended that a period    of maximum 1 minute (60 seconds) is used in the gathering of traffic    data. The metrics to be gathered at this frequency is: 
  288.  
  289.    for each interface 
  290.  
  291.         ifInOctets      (octets in)         ifOutOctets     (octets out)         ifInUcastPkts   (unicast packets in)         ifOutUcastPkts  (unicast packets out) 
  292.  
  293.    If not possible to gather data at this high polling frequency, it is    recommended that an even multiple of 60 seconds is used. The initial    polling frequency value will be part of the stored statistical data    as described in section 4 below. 
  294.  
  295. 4.2 Variables not Needing High Resolution Polling 
  296.  
  297.    The other part of the recommended variables to be gathered, i.e., 
  298.  
  299.    For each interface: 
  300.  
  301.         ifInNUcastPkts  (non-unicast packets in)         ifOutNUcastPkts (non-unicast packets out)         ifInDiscards    (in discards)         ifOutDiscards   (out discards)         ifOperStatus    (line status) 
  302.  
  303.    and for each node: 
  304.  
  305.         ipForwDatagrams (IP forwards)         ipInDiscards    (IP in discards)         sysUpTime       (system uptime) 
  306.  
  307.    These variables could be gathered at a lower polling rate. No    specific polling rate is mentioned but it is recommended that the    period chosen is an even multiple of 60 seconds. 
  308.  
  309.  
  310.  
  311.  Stockman                                                       [Page 11] 
  312.  RFC 1404                 Operational Statistics             January 1993 
  313.  
  314.  5. Pre-Processing of Raw Statistical Data 
  315.  
  316. 5.1 Optimizing and Concentrating Data to Resources 
  317.  
  318.    To avoid redundant data being stored in commonly available storage    there is a need for processing the raw data. For example if a link is    down there is no need to continuous store a counter that is not    changing. Using variables such as sysUpTime and Line Status there is    the possibility of not continuously storing data collected from links    and nodes where no traffic have been transmitted over some period of    time. 
  319.  
  320.    Another aspect of processing is to decouple the data from the raw    interface being polled. The intention should be to convert such data    into the resource being of interest as for example the traffic on a    given link. Changes of interface in a gateway for a given link should    not be visible in the provided data. 
  321.  
  322. 5.2 Aggregation of Data 
  323.  
  324.    A polling period of 1 minute will create the need of aggregating    stored data.  Aggregation here means that over a period with logged    entries, a new aggregated entry is created by taking the first and    last of the previously logged entries over some aggregation period    and compute a new entry. 
  325.  
  326.    Not to loose information on the peak values the aggregation also    means that the peak value of the previous aggregation period is    calculated and stored. 
  327.  
  328.    This gives below layout of aggregated entries 
  329.  
  330.    It is foreseen that over a relatively short period, polled data will    be logged at the tightest polling period (1 minute).  Regularly these    data will be pre-processed into the actual files being provided. 
  331.  
  332.    Suggestions for aggregation periods: 
  333.  
  334.    Over a 
  335.  
  336.         24 hour period        aggregate to 15 minutes,         1 month period        aggregate to 1 hour,         1 year period         aggregate to 1 day 
  337.  
  338.    Aggregation is the computation of new average and maximum values for    the aggregation period based on the previous aggregation period data.    For each aggregation period the maximum, and average values are    computed and stored. Also other aggregation period could be chosen 
  339.  
  340.  
  341.  
  342. Stockman                                                       [Page 12] 
  343.  RFC 1404                 Operational Statistics             January 1993 
  344.  
  345.     when needed. The chosen aggregation period value will be stored    together with the aggregated data as described below. 
  346.  
  347. 6. Storing of Statistical Data 
  348.  
  349.    This section describes a format for storing of statistical data.  The    goal is to facilitate for a common set of tools for the gathering,    storing and analysis of statistical data. The format is defined with    the intention to minimize redundant information and by this minimize    required storage. If a client server based model for retrieving    remote statistical data is later being developed, the specified    storage format should be possible to used as the transmission    protocol. 
  350.  
  351.    The format is built up by three different sections within the    statistical storage, a label section, a device section and a data    section. The label section gives the start and end times for a given    data section as well as the file where the actual data is stored.    The device section specifies what is being logged in the    corresponding data section. 
  352.  
  353.    To facilitate for multiple data sections within one log-file, label    sections, device sections and data sections may occur more than once.    Each section type is delimited by a BEGIN-END pair.  Label and device    sections could either be stored directly in the data-file or as    separate files where the corresponding data-file is pointed out by    the data-file entry in the label section. 
  354.  
  355.    A data section must correspond to exactly one label section and one    device section.  If more label sections and device sections each data    section will belong to the label section and device section    immediately prepending the data section if these sections are stored    within the data-file. How files are physically arranged is outside    the scope of the document. 
  356.  
  357. 6.1 The Storage Format 
  358.  
  359.     stat-data ::=     <label-section><FS><device-section><FS><data-section><FS>     [<device-section><FS><data-section><FS>] 
  360.  
  361.     FS ::= "," | <LF> | <LF> # any text here <LF> 
  362.  
  363.    The file must start with a label specification followed by a device    specification followed by a data section. If the storing of logged    data is for some reason interrupted a new label specification should    be inserted when the storing is restarted. If the device being logged    is changed this should be indicated as a new label and a new device 
  364.  
  365.  
  366.  
  367. Stockman                                                       [Page 13] 
  368.  RFC 1404                 Operational Statistics             January 1993 
  369.  
  370.     specification. 
  371.  
  372.    It shall here be noted that the actual physical storage of data is a    local decision and can vary a lot. There can be one data-file per    interface or multiple interfaces logged within the same data-file.    Label and device sections may be stored in a separate file as well as    within the data-file. 
  373.  
  374. 6.1.1 The Label Section 
  375.  
  376.     label-section ::=  "BEGIN_LABEL"  <FS>                        <start_time>   <FS>                        <stop_time>    <FS>                        <data_file>    <FS>                        "END_LABEL" 
  377.  
  378.      start-time  ::= <time-string>     end-time    ::= <time-string>     file-name   ::= <ascii-string>     time-string ::= <year><month><day><hour><minute><second>     year        ::= <digit><digit><digit><digit>     month       ::= 01 | ... | 12     hour        ::= 00 | ... | 23     minute      ::= 00 | ... | 59     second      ::= 00 | ... | 59     digit       ::=  0 | ... | 9 
  379.  
  380.     ascii-string ::= same as MIB II definition of <ascii-string> 
  381.  
  382.    The times defines start and stop times for the related set of logged    data. The time is in UTC. 
  383.  
  384. 6.1.2 The Device Section 
  385.  
  386.     device-section ::= "BEGIN_DEVICE" <FS>                        <device-field> <FS>                        "END_DEVICE" 
  387.  
  388.     device-field   ::= <networkname><FS><routername><FS><linkname><FS>                        <bw-value><FS><bw-sort><FS><proto-type><FS>                        <proto-addr><FS><time-zone><FS><tag-table>                        [<tag-table>] 
  389.  
  390.      networkname    ::= <ascii-string>     routername     ::= <fully qualified domain name>     linkname       ::= <ascii-string> 
  391.  
  392.  
  393.  
  394. Stockman                                                       [Page 14] 
  395.  RFC 1404                 Operational Statistics             January 1993 
  396.  
  397.      bw-value       ::= <actual bandwidth value>     bw-sort        ::= "bps" | "Kbps" | "Mbps" | "Gbps" | "Tbps"     proto-type     ::= "IP" | "DECNET" | "X.25" | "CLNS"     proto-addr     ::= <network-address depending on proto-type>     timezone       ::= <"+" | "-"><00 | ... | 12><00 | 30>     tag-table      ::= <tag><FS><tag-class><FS><variable-field>                        [<FS><variable-field>]     tag-class      ::= "total" | "peak"     variable-field ::= <variable-name> <FS> <initial-polling-period><FS>                        <aggregation-period>     tag            ::= <ascii-string>     variable-name  ::= <ascii-string> 
  398.  
  399.     initial-polling-period ::= <digit>[<digit>]     aggregation-period     ::= <digit>[<digit>] 
  400.  
  401.    The network name is a human readable string indicating to which    network the logged data belong. 
  402.  
  403.    The routername is the fully qualified name relevant for the network    architecture where the router is installed. 
  404.  
  405.    The linkname is a human readable string indicating the the    connectivity of the link where from the logged data is gathered. 
  406.  
  407.    The bandwidth should be the numerical value followed by the sort    being used. Valid sorts are bps, Kbps, Mbps, Tbps. 
  408.  
  409.    The prototype filed describes to which network architecture the    interface being logged is connected. Valid types are IP, DECNET, X.25    and CLNP. 
  410.  
  411.    The network address is the unique numeric address of the interface    being logged. The actual form of this address is dependent of the    protocol type as indicated in the proto-type field. For Internet    connected interfaces the "three-dot" notation should be used. 
  412.  
  413.    The time-zone indicates the timedifference that should be added to    the timestamp in the datasection to give the local time for the    logged interface. 
  414.  
  415.    The tag-table lists all the variables being polled. Variable names    are the fully qualified Internet MIB names. The table may contain    multiple tags. Each tag must be associated with only one polling and    aggregation period. If variables are being polled or aggregated at    different periods one separate tag in the table has to be used for    each period. 
  416.  
  417.  
  418.  
  419.  Stockman                                                       [Page 15] 
  420.  RFC 1404                 Operational Statistics             January 1993 
  421.  
  422.     As variables may be polled with different polling periods within the    same set of logged data, there is a need to explicitly associate a    polling period with each variable. After being processed the actual    period covered may have changed as compared to the initial polling    period and this should be noted in the aggregation period field.  The    initial polling period and aggregation period should be given in    seconds. 
  423.  
  424.    As aggregation also means the computation of the max value for the    previously polled data, the aggregation process have to extend the    tag table to include these maximum values. This could be done in    different ways. The variable field for the aggregated variables is    extended to also include the peak values from the previous period.    Another possibility is to create new tags for the peak values. To be    able to differentiate between polled raw data, aggregated total and    aggregated peak values some kind of unique naming of such entities    has to be implemented. 
  425.  
  426. 6.1.3 The Data Section 
  427.  
  428.     data-section    ::= "BEGIN_DATA"<FS>                         <data-field><LF>                         "END_DATA" 
  429.  
  430.     data-field      ::= <timestamp><FS><tag><FS>                         <poll-delta><FS><delta-val>                         [<FS><delta-val>] 
  431.  
  432.     poll-delta  ::= <digit> [<digit>]     tag         ::= <ascii-string>     delta-value ::= <digit> [<digit>]     timestamp   ::= <year><month><day><hour><minute><second>     year        ::= <digit><digit><digit><digit>     month       ::= 01 | ... | 12     hour        ::= 00 | ... | 23     minute      ::= 00 | ... | 59     second      ::= 00 | ... | 59     digit       ::=  0 | ... | 9 
  433.  
  434.    The datafield contains the polled data from a set of variables as    defined by the corresponding tag field. Each data field begins with    the timestamp for this poll followed by the tag defining the polled    variables followed by a polling delta value giving the period of time    in seconds since the previous poll. The variable values are stored as    delta values for counters and as absolute values for non-counter    values such as OperStatus. The timestamp is in UTC and the time-zone    field in the device section is used to compute the local time for the    device being logged. 
  435.  
  436.  
  437.  
  438. Stockman                                                       [Page 16] 
  439.  RFC 1404                 Operational Statistics             January 1993 
  440.  
  441.  6.2 Storage Requirement Estimations 
  442.  
  443.    The header sections are not counted in this example.  Assuming the    the maximum polling intensity is used for all the 12 recommended    variables and assuming the size in ascii of each variable is 8 bytes    will give the below calculations based on one year of storing and    aggregating statistical data. 
  444.  
  445.    Assuming that data is saved according to the below scheme 
  446.  
  447.         1 minute non-aggregated           saved 1 day.         15 minute aggregation period      saved 1 week.         1 hour aggregation period         saved 1 month.         1 day aggregation period          saved 1 year. 
  448.  
  449.    this will give: 
  450.  
  451.    Size of one entry for each aggregation period: 
  452.  
  453.                                   Aggregation periods 
  454.  
  455.                       1 min       15 min      1 hour     1 day 
  456.  
  457.     Timestamp           14          14          14         14     Tag                  5           5           5          5     Poll-Delta           2           3           4          5     Total values        96          96          96         96     Peak values          0          96         192        288     Field separators    14          28          42         56 
  458.  
  459.     Total entry size   131         242         353        464 
  460.  
  461.    For each day 60*24 = 1440 entries with a total size of 1440*131 = 187    Kbytes. 
  462.  
  463.    For each weak 4*24*7 = 672 entries are stored with a total size of    672*242 = 163 Kbytes 
  464.  
  465.    For each month 24*30 = 720 entries are stored with a total size of    720*353 = 254 Kbytes 
  466.  
  467.    For each year 365 entries are stored with a total size of 365*464 =    169 Kbytes. 
  468.  
  469.    Grand total estimated storage for during one year = 773 Kbytes. 
  470.  
  471.  
  472.  
  473.  
  474.  
  475. Stockman                                                       [Page 17] 
  476.  RFC 1404                 Operational Statistics             January 1993 
  477.  
  478.  7. Report Formats 
  479.  
  480.    This section suggest some report formats and defines the metrics to    be used in such reports. 
  481.  
  482. 7.1 Report Types and Contents 
  483.  
  484.    There is the longer term needs for monthly and yearly reports showing    the long term tendencies in the network. There are the short term    weekly reports giving indications on the medium term changes in the    network behavior which could serve as input in the medium term    engineering approach.  Finally there is the daily reports giving    instantaneous overviews needed in the daily operations of a network. 
  485.  
  486.    These reports should give information on: 
  487.  
  488.       Offered Load              Total traffic at external interfaces.       Offered Load              Segmented by "Customer".       Offered Load              Segmented protocol/application. 
  489.  
  490.       Resource Utilization      Link/Router. 
  491.  
  492. 7.2 Contents of the Reports 
  493.  
  494. 7.2.1 Offered Load by Link 
  495.  
  496.     Metric categories: input  octets  per external interface                        output octets  per external interface                        input  packets per external interface                        output packets per external interface 
  497.  
  498.    The intention is to visualize the overall trend of network traffic on    each connected external interface. This could be done as a bar-chart    giving the totals for each of the four metric categories.  Based on    the time period selected this could be done on a hourly, daily,    monthly or yearly basis. 
  499.  
  500. 7.2.2 Offered Load by Customer 
  501.  
  502.     Metric categories: input  octets  per customer                        output octets  per customer                        input  packets per customer                        output packets per customer 
  503.  
  504.    The recommendation is here to sort the offered load (in decreasing    order) by customer. Plot the function F(n), where F(n) is percentage    of total traffic offered to the top n customers or the function f(n)    where f is the percentage of traffic offered by the n'th ranked 
  505.  
  506.  
  507.  
  508. Stockman                                                       [Page 18] 
  509.  RFC 1404                 Operational Statistics             January 1993 
  510.  
  511.     customers. 
  512.  
  513.    The definition of what should be meant by a customer has to be done    locally at the site where the statistics are being gathered. 
  514.  
  515.    The cumulative could be useful as an overview of how the traffic is    distributed among users since it enables to quickly pick off what    fraction of of the traffic comes from what number of "users." 
  516.  
  517.    A method of displaying both average and peak-behaviors in the same    bar-diagram is to compute both the average value over some period and    the peak value during the same period. The average and peak values    are then displayed in the same bar. 
  518.  
  519. 7.2.3 Resource Utilization Reporting 
  520.  
  521. 7.2.3.1 Utilization as Maximum Peak Behavior 
  522.  
  523.    The link utilization is used to capture information on network    loading.  The polling interval must be small enough to be significant    with respect to variations in human activity since this is the    activity that drives loading in network variation. On the other hand,    there is no need to make it smaller than an interval over which    excessive delay would notably impact productivity. For this reason 30    minutes is a good estimate the time at which people remain in one    activity and over which prolonged high delay will affect their    productivity.  To track 30 minute variations, there is a need to    sample twice as frequently, i.e., every 15 minutes. Using above    recommended polling period of 10 minutes this will hence be    sufficient to capture variations in utilizations. 
  524.  
  525.    A possible format for reporting utilizations seen as peak behaviors    is to use a method of combining averages and peak measurements onto    the same diagram. Compare for example peak-meters on audio-equipment.    If for example a diagram contains the daily totals for some period,    then the peaks would be the most busy hour during each day. If the    diagram was totals on hourly basis then the peak would be the maximum    10 minutes period for each hour. 
  526.  
  527.    By combining the average and the maximum values for a certain    timeperiod it will be possible to detect line utilization and    bottlenecks due to temporary high loads. 
  528.  
  529. 7.2.3.2 Utilization Visualized as a Frequency Distribution of Peaks 
  530.  
  531.    Another way of visualizing line utilization is to put the 10 minutes    samples in a histogram showing the relative frequency among the    samples vs. the load. 
  532.  
  533.  
  534.  
  535. Stockman                                                       [Page 19] 
  536.  RFC 1404                 Operational Statistics             January 1993 
  537.  
  538.  8. Considerations for Future Development 
  539.  
  540.    This memo is the first effort in formalizing a common basis for    operational statistics. One major guideline in this work has been to    keep the model simple to facilitate for vendors and NOCs to easily    integrate this model in their operational tools. 
  541.  
  542.    There are, however, some ideas that could be progressed further to    expand the scope and usability of the model. 
  543.  
  544. 8.1 A Client/Server Based Statistical Exchange System 
  545.  
  546.    A possible way of development could be the definition of a    client/server based architecture for providing Internet access to    operational statistics. Such an architecture envisions that each NOC    should install a server who provides locally collected information in    a variety of forms for clients. 
  547.  
  548.    Using a query language the client should be able to define the    network object, the interface, the metrics and the time period to be    provided.  Using a TCP based protocol the server will transmit the    requested data.  Once these data is received by the client they could    be processed and presented by a variety of tools needed. One    possibility is to have an X-Window based tool that displays defined    diagrams from data, supporting such types of diagrams being feed into    the X-window tool directly from the statistical server. Another    complementary method would be to generate PostScript output to be    able to print the diagrams. In all cases there should be the    possibility to store the retrieved data locally for later processing. 
  549.  
  550. 8.2 Inclusion of Variables not in the Internet Standard MIB 
  551.  
  552.    As has been pointed out above in the categorization of metrics there    are metrics which certainly could have been recommended if being    available in the Internet Standard MIB. To facilitate for such    metrics to be part of the set of recommended metrics it will be    necessary to specify a subtree in the Internet Standard MIB    containing variables judged necessary in the scope of performing    operational statistics. 
  553.  
  554. 8.3 Detailed Resource Utilization Statistics 
  555.  
  556.    One area of interest not covered in the above description of metrics    and presentation formats is to present statistics on detailed views    of the traffic flows. Such views could include statistics on a per    application basis and on a per protocol basis. Today such metrics are    not part of the Internet Standard MIB. Tools like the NSF NNStat are    being used to gather information of this kind. A possible way to 
  557.  
  558.  
  559.  
  560. Stockman                                                       [Page 20] 
  561.  RFC 1404                 Operational Statistics             January 1993 
  562.  
  563.     achieve such data could be to define a NNStat MIB or to include such    variables in the above suggested operational statistics MIB subtree. 
  564.  
  565. APPENDIX A 
  566.  
  567.     Some formulas for statistical aggregation 
  568.  
  569.     The following naming conventions are being used: 
  570.  
  571.          For poll values poll(n)_j 
  572.  
  573.         n = Polling or aggregation period         j = Entry number 
  574.  
  575.     poll(900)_j is thus the 15 minute total value. 
  576.  
  577.          For peak values peak(n,m)_j 
  578.  
  579.         n = Period over which the peak is calculated         m = The peak period length         j = Entry number 
  580.  
  581.     peak(3600,900)_j is thus the maximum 15 minute period calculated                      over 1 hour. 
  582.  
  583.      Assume a polling over 24 hour period giving 1440 logged entries. 
  584.  
  585.     ========================= 
  586.  
  587.     Without any aggregation we have 
  588.  
  589.         poll(60)_1         ......         poll(60)_1439 
  590.  
  591.     ======================== 
  592.  
  593.     15 minute aggregation will give 96 entries of total values 
  594.  
  595.         poll(900)_1         ....         poll(900)_96 
  596.  
  597.                        j=(n+14) 
  598.  
  599.  
  600.  
  601. Stockman                                                       [Page 21] 
  602.  RFC 1404                 Operational Statistics             January 1993 
  603.  
  604.          poll(900)_k = SUM  poll(60)_j  n=1,16,31,...1425                       j=n              k=1,2,....,96 
  605.  
  606.         There will also be 96 1 minute peak values. 
  607.  
  608.                          j=(n+14)        peak(900,60)_k = MAX poll(60)_000j  n=1,16,31,....,1425                         j=n                k=1,2,....,96 
  609.  
  610.      ======================= 
  611.  
  612.     Next aggregation step is from 15 minute to 1 hour. 
  613.  
  614.     This gives 24 totals 
  615.  
  616.                             j=(n+3)        poll(3600)_k = SUM  poll(900)_j  n=1,5,9,.....,93                            j=n          k=1,2,....,24 
  617.  
  618.      and 24 1 minute peaks calculated over each hour. 
  619.  
  620.                            j=(n+3)        peak (3600,60)_k = MAX  peak(900,60)_j  n=1,5,9,.....,93                           j=n                  k=1,2,....24 
  621.  
  622.      and finally 24 15 minute peaks calculated over each hour. 
  623.  
  624.                           j=(n+3)        peak (3600,900) = MAX poll(900)_j  n=1,5,9,.....,93                          j=n 
  625.  
  626.      =================== 
  627.  
  628.     Next aggregation step is from 1 hour to 24 hour 
  629.  
  630.     For each day with 1440 entries as above this will give 
  631.  
  632.                          j=(n+23) 
  633.  
  634.  
  635.  
  636. Stockman                                                       [Page 22] 
  637.  RFC 1404                 Operational Statistics             January 1993 
  638.  
  639.          poll(86400)_k = SUM  poll(3600)_j  n=1,25,51,.......                         j=n                k=1,2............ 
  640.  
  641.                              j=(n+23)         peak(86400,60)_k   = MAX peak(3600,60)_j  n=1,25,51,....                              j=n                  k=1,2......... 
  642.  
  643.             which gives the busiest 1 minute period over 24 hours. 
  644.  
  645.                               j=(n+23)         peak(86400,900)_k  = MAX peak(3600,900)_j  n=1,25,51,....                              j=n                   k=1,2,........ 
  646.  
  647.             which gives the busiest 15 minute period over 24 hours. 
  648.  
  649.                               j=(n+23)         peak(86400,3600)_k = MAX poll(3600)_j  n=1,25,51,....                              j=n               k=1,2,........ 
  650.  
  651.             which gives the busiest 1 hour period over 24 hours. 
  652.  
  653.     =================== 
  654.  
  655.    There will probably be a difference between the three peak values in    the final 24 hour aggregation. Smaller peak period will give higher    values than longer, i.e., if adjusted to be numerically comparable. 
  656.  
  657.     poll(86400)/3600 < peak(86400,3600) < peak(86400,900)*4            < peak(86400,60)*60 
  658.  
  659.  
  660.  
  661.  
  662.  
  663.  
  664.  
  665.  
  666.  
  667.  
  668.  
  669.  
  670.  
  671.  
  672.  
  673.  
  674.  
  675.  
  676.  
  677.  Stockman                                                       [Page 23] 
  678.  RFC 1404                 Operational Statistics             January 1993 
  679.  
  680.  APPENDIX B 
  681.  
  682.     An example 
  683.  
  684.      Assuming below data storage: 
  685.  
  686.     BEGIN_DEVICE         ....        UNI-1,total,ifInOctet,      60, 60,ifOutOctet,      60, 60        BRD-1,total,ifInNUcastPkts,300,300,ifOutNUcastPkts,300,300        .... 
  687.  
  688.     which gives 
  689.  
  690.     BEGIN_DATA        19920730000000,UNI-1,60, val1-1,val2-1        19920730000060,UNI-1,60, val1-2,val2-2        19920730000120,UNI-1,60, val1-3,val2-3        19920730000180,UNI-1,60, val1-4,val2-4        19920730000240,UNI-1,60, val1-5,val2-5        19920730000300,UNI-1,60, val1-6,val2-6        19920730000300,BRD-1,300, val1-7,val2-7        19920730000360,UNI-1,60, val1-8,val2-8        ... 
  691.  
  692.      Aggregation to 15 minutes gives 
  693.  
  694.     BEGIN_DEVICE         ....         UNI-1,total,ifInOctet,      60,900,ifOutOctet,      60,900         BRD-1,total,ifInNUcastPkts,300,900,ifOutNUcastPkts,300,900         UNI-2,peak, ifInOctet,      60,900,ifOutOctet,      60,900         BRD-2,peak, ifInNUcastPkts,300,900,ifOutNUcastPkts,300,900         .... 
  695.  
  696.     where UNI-1 is the 15 minute total           BRD-1 is the 15 minute total           UNI-2 is the 1 minute peak over 15 minute (peak = peak(1))           BRD-2 is the 5 minute peak over 15 minute (peak = peak(1)) 
  697.  
  698.     which gives 
  699.  
  700.     BEGIN_DATA        19920730000900,UNI-1,900, tot-val1,tot-val2        19920730000900,BRD-1,900, tot-val1,tot-val2        19920730000900,UNI-2,900, peak(1)-val1,peak(1)-val2 
  701.  
  702.  
  703.  
  704. Stockman                                                       [Page 24] 
  705.  RFC 1404                 Operational Statistics             January 1993 
  706.  
  707.         19920730000900,BRD-2,900, peak(1)-val1,peak(1)-val2        19920730001800,UNI-1,900, tot-val1,tot-val2        19920730001800,BRD-1,900, tot-val1,tot-val2        19920730001800,UNI-2,900, peak(1)-val1,peak(1)-val2        19920730001800,BRD-2,900, peak(1)-val1,peak(1)-val2        ...... 
  708.  
  709.      Next aggregation step to 1 hour generates: 
  710.  
  711.     BEGIN_DEVICE         ....        UNI-1,total,ifInOctet,      60,3600,ifOutOctet,      60,3600        BRD-1,total,ifInNUcastPkts,300,3600,ifOutNUcastPkts,300,3600        UNI-2,peak,ifInOctet,       60,3600,ifOutOctet,      60,3600        BRD-2,peak,ifInNUcastPkts, 300, 900,ifOutNUcastPkts,300, 900        UNI-3,peak,ifInOctet,      900,3600,ifOutOctet,     900,3600        BRD-3,peak,ifInNUcastPkts, 900,3600,ifOutNUcastPkts,900,3600 
  712.  
  713.     where     UNI-1 is the one hour total     BRD-1 is the one hour total     UNI-2 is the  1 minute peak over 1 hour (peak of peak = peak(2))     BRD-2 is the  5 minute peak over 1 hour (peak of peak = peak(2))     UNI-3 is the 15 minute peak over 1 hour (peak = peak(1))     BRD-3 is the 15 minute peak over 1 hour (peak = peak(1)) 
  714.  
  715.     which gives 
  716.  
  717.     BEGIN_DATA        19920730003600,UNI-1,3600, tot-val1,tot-val2        19920730003600,BRD-1,3600, tot-val1,tot-val2        19920730003600,UNI-2,3600, peak(2)-val1,peak(2)-val2        19920730003600,BRD-2,3600, peak(2)-val1,peak(2)-val2        19920730003600,UNI-3,3600, peak(1)-val1,peak(1)-val2        19920730003600,BRD-3,3600, peak(1)-val1,peak(1)-val2        19920730007200,UNI-1,3600, tot-val1,tot-val2        19920730007200,BRD-1,3600, tot-val1,tot-val2        19920730007200,UNI-2,3600, peak(2)-val1,peak(2)-val2        19920730007200,BRD-2,3600, peak(2)-val1,peak(2)-val2        19920730007200,UNI-3,3600, peak(1)-val1,peak(1)-val2        19920730007200,BRD-3,3600, peak(1)-val1,peak(1)-val2        ...... 
  718.  
  719.      Finally aggregation step to 1 day generates: 
  720.  
  721.     UNI-1,total,ifInOctet,60,86400,ifOutOctet,60,86400 
  722.  
  723.  
  724.  
  725. Stockman                                                       [Page 25] 
  726.  RFC 1404                 Operational Statistics             January 1993 
  727.  
  728.      BRD-1,total,ifInNUcastPkts,300,86400,ifOutNUcastPkts,300,86400     UNI-2,peak,ifInOctet,60,86400,ifOutOctet,60,86400     BRD-2,peak,ifInNUcastPkts,300,900,ifOutNUcastPkts,300,900     UNI-3,peak,ifInOctet,900,86400,ifOutOctet,900,86400     BRD-3,peak,ifInNUcastPkts,900,86400,ifOutNUcastPkts,900,86400     UNI-4,peak,ifInOctet,3600,86400,ifOutOctet,3600,86400     BRD-4,peak,ifInNUcastPkts,3600,86400,ifOutNUcastPkts,3600,86400 
  729.  
  730.      where     UNI-1 is the 24 hour total     BRD-1 is the 24 hour total     UNI-2 is the  1 minute peak over 24 hour         (peak of peak of peak = peak(3))     UNI-3 is the 15 minute peak over 24 hour (peak of peak = peak(2))     UNI-4 is the  1 hour   peak over 24 hour (peak = peak(1))     BRD-2 is the  5 minute peak over 24 hour         (peak of peak of peak = peak(3))     BRD-3 is the 15 minute peak over 24 hour (peak of peak = peak(2))     BRD-4 is the  1 hour   peak over 24 hour (peak = peak(1)) 
  731.  
  732.     which gives 
  733.  
  734.     BEGIN_DATA        19920730086400,UNI-1,86400, tot-val1,tot-val2        19920730086400,BRD-1,86400, tot-val1,tot-val2        19920730086400,UNI-2,86400, peak(3)-val1,peak(3)-val2        19920730086400,BRD-2,86400, peak(3)-val1,peak(3)-val2        19920730086400,UNI-3,86400, peak(2)-val1,peak(2)-val2        19920730086400,BRD-3,86400, peak(2)-val1,peak(2)-val2        19920730086400,UNI-4,86400, peak(1)-val1,peak(1)-val2        19920730086400,BRD-4,86400, peak(1)-val1,peak(1)-val2        19920730172800,UNI-1,86400, tot-val1,tot-val2        19920730172800,BRD-1,86400, tot-val1,tot-val2        19920730172800,UNI-2,86400, peak(3)-val1,peak(3)-val2        19920730172800,BRD-2,86400, peak(3)-val1,peak(3)-val2        19920730172800,UNI-3,86400, peak(2)-val1,peak(2)-val2        19920730172800,UNI-3,86400, peak(2)-val1,peak(2)-val2        19920730172800,UNI-4,86400, peak(1)-val1,peak(1)-val2        19920730172800,BRD-4,86400, peak(1)-val1,peak(1)-val2        ...... 
  735.  
  736.  
  737.  
  738.  
  739.  
  740.  
  741.  
  742.  
  743.  
  744.  Stockman                                                       [Page 26] 
  745.  RFC 1404                 Operational Statistics             January 1993 
  746.  
  747.  Security Considerations 
  748.  
  749.    Security issues are discussed in Section 2.4. 
  750.  
  751. Author's Address 
  752.  
  753.    Bernhard Stockman    NORDUnet/SUNET NOC    Royal Institute of Technology    Drottning Kristinas Vag 37B    S-100 44 Stockholm, Sweden 
  754.  
  755.    Phone:  +46 8 790-6519    Fax  :  +46 8 241-179    Email:  boss@sunet.se 
  756.  
  757.  
  758.  
  759.  
  760.  
  761.  
  762.  
  763.  
  764.  
  765.  
  766.  
  767.  
  768.  
  769.  
  770.  
  771.  
  772.  
  773.  
  774.  
  775.  
  776.  
  777.  
  778.  
  779.  
  780.  
  781.  
  782.  
  783.  
  784.  
  785.  
  786.  
  787.  
  788.  
  789.  
  790.  
  791.  Stockman                                                       [Page 27] 
  792.  
  793.