Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Інфокомунікації – сучасність та майбутнє” 30-31 жовтня 2014 року Збірник тез Частина 2

Інфокомунікації – сучасність та майбутнє” 30-31 жовтня 2014 року Збірник тез Частина 2




Сторінка13/18
Дата конвертації10.03.2017
Розмір2.52 Mb.
1   ...   10   11   12   13   14   15   16   17   18

Literature

1. JDSU Uniphase Corporation, One-Way Delay & Jitter Measurement Application Note, 2008. – 1 p.

2. Yunhong Gu and Robert L. Grossman GridNets 2008, Beijing, China, UDTv4: Improvements in Performance and Usability, October 8-10, 2008. – 2, 4 p.

3. Hewlett-Packard Development Company, L.P SCTP Programmer's Guide April, 2007–2008, – 18, 19 p.

4. http://ltest-tool.net/ LTest White paper.

УДК 621.391

Тихонова Е.В.

Русначенко П.А.

ОНАС им. А.С.Попова
СТАТИСТИЧЕСКИЙ АНАЛИЗ ПАКЕТНОГО ТРАФИКА

В СЕТИ ДОСТУПА ПРЕДПРИЯТИЯ
Аннотация. В работе рассматривается задача статистического анализа параметров пакетного трафика в сети доступа предприятия с точки зрения обеспечения качества обслуживания при передаче данных реального времени.
Развитие информационно-коммуникационных технологий привело к повсеместному распространению сетей с пакетной передачей данных, которые постепенно стали вытеснять системы с коммутацией каналов.Эта тенденцияимеет достаточно очевидную причину– на основе метода коммутации пакетов можно более эффективно использовать пропускную способность кана­лов связи и коммутационного оборудования путем статистического мультиплексирования различных типов данных.

Использование коммутации пакетов для одновременной передачи через пакет­ные сети разнородного трафика – голоса, видео и текста – сделало актуальным разработку новых методов обеспечения требуемого качества обслуживания (Quality of Service, QoS). Методы QoS призваны минимизировать уровень задер­жек для чувствительного к ним трафика, (например, голосового), а также ограничивать пульсации трафи­ка и гарантировать среднюю скорость передачи данных реального времени.

В ОНАС им.А.С.Попова характеристики пакетного трафика исследовались в работах Ложковского А.Г.[1] на основе метода имитационного моделирования. В частности, разработан метод расчёта пропускной способности для симметричной пакетной сети доступа, представленной моделью MB/M/m. Этот метод учитывает возможность взаимосвязи между источниками трафика в пределах кластера сети. Трафик в кластерах описывается моделью примитивного потока (пуассоновского потока второго порядка). Для данного типа потока распределение интервалов между требованиями также имеет экспоненциальный характер, однако параметр λ пропорционален количеству свободных источников трафика. Состояния системы распределены по усеченному закону Бернулли (модель MB).

Одной из известных работ по анализу временных характеристик пакетного трафика на реальных сетях являются исследования на коммутаторах центра обработки данных, проведенные сотрудниками университета штата Висконсин (США) [2]. На рис.1 представлены временные ряды появления входящих пакетов вида ON/OFF (количество пакетов в единицу времени) в масштабах 15 и 100 миллисекунд.



Рис. 1 – Временные ряды появления входящих пакетов вида ON/OFF


Для оценки трафика использовались такие параметры, как продолжительность ON-периодов и OFF-периодов, а также интервал между поступлениями внутри ON-периода.

На рис. 2 показаны графики статистических характеристик трафика на коммутаторах дата-центра (кривые data). Рисунок содержит наилучшие аппроксимирующие кривые для распределения Вейбулла, Парето, а также логнормального и экспоненциального распределения. На рис. 2,а показано распределение интервалов между поступлениями в течении ON- периода в масштабе 10 мкс. Это распределение имеет положительный наклон и длинный хвост.

При попытке аппроксимировать распределения с длинными хвостами оказалось, что логарифмическая нормальная (longnormal) кривая обеспечивает наилучшую аппроксимацию с наименьшей средней погрешностью. Распределение ON-периодов (рис. 2,б) также имеет положительный наклон и достаточно хорошо моделируется логнормальной кривой. Такой же вывод можно сделать относительно распределения OFF-периодов (Рис. 2,в).

а) б)

в)

Рис. 2 – Статистические характеристики трафика на коммутаторах дата-центра



В ОНАС им. А.С. Попова, в рамках научной работы кафедры сетей связи, были проведены исследования некоторых характеристик пакетного трафика на основе экспериментальных данных [3]. Методика этих исследований заключается в следующем. С помощью одной из известных программ анализа трафика (например, WireShark) осуществляется снятие суточного дампа кадров Ethernet на одном из маршрутизаторов ядра доступа. Для облегчения анализа дамп снимается отдельными файлами, каждый из которых соответствует времени наблюдения 5 минут. При этом, в зависимости от интенсивности трафика, объем одного файла составляет около 1 Гбайта. Далее эти файлы подвергаются дальнейшей статистической обработке – частично с помощью WireShark, а также с помощью дополнительных программных средств. Одним из показателей трафика рассматривалась усредненная на некотором интервале времени интенсивность поступления пакетов в единицу времени как функция времени.

Как показано в работе [3], уровень агрегации трафика влияет на динамические свойства мультиплексного потока и его составляющих в асинхронном тракте передачи. Чем выше уровень агрегации, тем более предсказуемой является интенсивность суммарного потока. Для высоко агрегированного потока математическое ожидание его интенсивности может быть приближено к пропускной способности канала. Так, в часы наибольшей нагрузки (ЧНН) интенсивность потока в магистральном канале может достигать 75% –90% от максимально возможной пропускной способности канала связи (на интервалах усреднения 5 минут). При этом незначительные случайные колебания интенсивности потока практически не влияют на качество обслуживания с точки зрения вероятности потери пакетов в моменты кратковременных критических нагрузок. Потоки такого типа есть достаточно прогнозируемые, а их характеристики в часы наибольшей нагрузки меняются достаточно медленно в масштабах времени, измеряемых сутками.

Известные исследования пакетного трафика показывают наличие общих статистических свойств, присущих выделенным типам сетей и уровням агрегации потоков. Вместе с тем, имеются определенные различия в оценках параметров трафика, которые обусловлены особенностями конкретных сетей и каналов связи. Кроме того, не все показатели и параметры трафика, которые важны с точки зрения передачи данных реального времени, получили достаточно полное отражение в известных публикациях.

В данной работе предложено оценивать интенсивность трафика не количеством пакетов, поступивших в единицу времени, а в относительных безразмерных единицах с помощью функции вида



,
, , (1)

где – интервал, на котором вычисляется усредненное значение интенсивности трафика; – паузы между отдельными кадрами на интервале ; – совокупность интервалов времени между отдельными кадрами на интервале от . Поскольку между отдельными кадрами Ethernet должны обязательно присутствовать межкадровые интервалы (минимальная величина которых зависит от типа интерфейса), то функция обладает тем свойством, что . Поэтому величина принимает значения в нормированном интервале . Показатель интенсивности трафика в виде функции позволяет более адекватно оценить эффективность использования ресурсов канала связи при передаче различных типов данных, в том числе, данных реального времени.




Литература

1. Технологічні, організаційні та регуляторні засади побудови телекомунікаційних мереж сучасних та наступних поколінь: монографія / В. А. Каптур, Є. В. Василіу, В. М. Гранатуров,


К. Д. Гуляєв, І. В. Дейнека, Ю.В.Івлєв, М. М. Кайденко, А. Г. Ложковський, В. І. Тіхонов. – К.: Кафедра, 2014. – 288 с.

2. Network Traffic Characteristics of Data Centers in the Wild [электронный ресурс] / Режимдоступа: http://research.microsoft.com/apps/pubs/default.aspx?id=138279.

3. Тіхонова О.В. Дослідження статистичних характеристик динамічного управління цифровими потоками в IP-мережах // Звіт про виконання НДР «Дослідження та розробка технологічних рішень створення національної мережі наступного покоління», розділ 2. – 2013. – ДР№0113u004761. – С. 51-78.

УДК 621.395.7

Сініна С.І.

ОНАЗ ім. О.С.Попова

serrikk@gmail.com

Науковий керівник  к.т.н., доц. Бубенцова Л.В.
АНАЛІЗ ЕФЕКТИВНОСТІ ВПРОВАДЖЕННЯ GRID-СИСТЕМ
Анотація. Розглядаються системи на основі технології GRID, їх переваги та недоліки, досліджуються можливості впровадження технології для обчислення ресурсномістких задач, перспективи переходу до розподілених мереж та їх доцільність.
Метою даної роботи є дослідження систем GRID для обчислення великих об’ємів даних. Аналіз доцільності використання технології у різних ситуаціях, порівняння систем типу GRID з існуючими суперкомпьютерами та аналіз можливості переходу на децентралізовані мережі.

В часи стрімкого розвитку інформаційних технологій та науки, дослідження потребують багато обчислювальних ресурсів, а використання суперкомпьютерів для одної задачі не завжди є доцільним з економічної точки зору. В таких умовах з’явилася потреба у розвитку мереж GRID, які дозволяють ефективно використовувати обчислювальні ресурси компьютерів та суперкомпьютерів. На сьогоднішній день GRID системи широко використовуються у ряді наукових проектів [1].

Створення GRID -середовища має на увазі розподіл обчислювальних ресурсів за територіально розділеним хостам, на яких встановлено спеціалізоване програмне забезпечення для того, щоб розподіляти завдання по вузлам і приймати їх там, повертати результати користувачеві, контролювати права користувачів на доступ до тих чи інших ресурсів, здійснювати моніторинг ресурсів, і так далі. Загальнодоступні ресурси можуть включати обчислювальні вузли та / або вузли зберігання даних [2].

Ця система для передачі програм і даних використовує стандартні канали та протоколи (Ethernet, SDH, ATM, TCP / IP, MPLS тощо.). Переваги GRID особливо значущі для задач, де допускається розпаралелювання розрахунків.

Мережі на основі GRID можуть використовуватись для:


  • Поліпшення використання існуючих обчислювальних ресурсів, шляхом зменшуючи адміністративних витрат, пов'язаних з управлінням розподіленими гетерогенними інформаційними системами.

  • Прискорення процесу пакетної обробки даних.

  • Управління робочим завантаженням доступних ресурсів.

  • Для зниження вартості виконання великих і складних робочих завдань.

  • Забезпечення безпечного доступу до даних у великих розподілених системах.

  • Придбання додаткової обчислювальної потужності і додатків на основі принципу запитів (званого "utility computing"), щоб задовольнити запити обчислювальної потужності в разі пікових потреб і забезпечити доступ до додатків на основі вільної підписки.

  • Більш простого взаємодії з внутрішніми або зовнішніми організаціями.

  • Зменшення складності та вартості управління системами / пам'яттю / мережею [3].

У даний час GRID – це єдиний ефективний засіб роботи з надвеликими об’ємами та потоками даних, які розподіляються та оброблюються практично в усьому світі, науковими колективами. Як приклад, можна навести використання систем GRID у роботі Великого адронного колайдера. На його детектори поступає дуже великий об’єм даних, і далі у режимі оф лайн оброблюються спеціальним образом. На цьому етапі неможливо обійтись без використання GRID обчислень, адже тільки вони дозволяють паралельно використовувати компьютерні мережі університетів та наукових лабораторій по всьому світі для ресурсомісткої, у плані процесорного часу, задачі [4].

У роботі був проведений комплексний аналіз систем на основі технології GRID з точки зору економічної доцільності, виграшу у продуктивності обчислень у порівнянні з суперкомпьютерами. Визначені сильні та слабкі місця, випадки у яких використання таких систем буде максимально доцільним.


Висновки:

  1. У розподілених динамічних віртуальних організаціях спільне координоване використання ресурсів, різних за своєю структурою, підтримується технологіями та інфраструктурами Grid. Це дозволяє створювати обчислювальні віртуальні системи, які здатні підтримувати спільно достатній рівень обслуговування, в тому числі з географічно розосереджених компонентів, що використовуються в різних організаціях із різними умовами та правилами роботи. Ресурси спільного доступу – це не тільки обмін файлами, але і прямий доступ до комп’ютерів та програмного забезпечення, доступ до даних, необхідних для спільного рішення проблем у науці, бізнесі та промисловості. Інтернет є готовим ринком, розвиток якого гарантує країні з високим інтелектуальним та освітнім потенціалом достатній рівень конкурентної здібності на міжнародних ринках, що необхідно для досягнення високого життєвого рівня і процвітання.

  2. Найбільш доцільно використовувати GRID для моделювання та обчислення задач, повязаних з обчисленням великих об’ємів даних, що не потребують обробки даних у реальному часі, тому що, у такому випадку, слабким місцем усієї системи буде пропускна спроможність мережі, а затримки у каналі передачі даних зроблять обчислювальну інформацію неактуальною.

  3. Технологія GRID, вирішуючи свої проблеми, сама стає рушійною силою при розробці нових мережевих технологій


Література

  1. Дорошенко А.Е. Системы Grid-вычислений – перспектива для научных исследований / А. Е. Дорошенко та ін. // Проблеми програмування. – 2005. – № 1.

  2. Матов О. Я. Перспективні інформаційні технології та розвиток GRID-систем у високопродуктивних глобально-розподілених обчислювальних інфраструктурах корпоративної співпраці / О. Я. Матов, I. О. Храмова // Реєстрація, зберігання і обробка даних. – 2004. – Т. 6. – № 1.

  3. «Сети GRID» – [Електронний ресурс]. – Режим доступа: http://book.itep.ru/4/7/grid.htm.

  4. Демичев А.П. Введение в грид-технологии / А.П. Демичев, В.А. Ильин,
    А.П. Крюков // Препринт НИИЯФ МГУ. – 2007. – 11/832.



УДК 621.391

Смоленцева А. С.

ОНАС им. А. С. Попова

smolentseva_anastasia@rambler.ru

Научный руководитель – к.т.н, доц. Шерепа И. В.
АНАЛИЗ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ

СИСТЕМ МОНИТОРИНГА ИНФОРМАЦИОННЫХ СЕТЕЙ
Аннотация. Рассматриваются системы мониторинга и управления физическим уровнем информационной сети и эффективность их использования.
Информационные сети – это то, на чем сегодня базируется работа большинства предприятий различной специфики деятельности. Поэтому сохранить работоспособность сети – задача крайне важная. Для того, чтобы не допустить простоев в работе, за информационной сетью необходимо непрестанно наблюдать, т.е. заниматься ее мониторингом [1]. Сегодня существует множество систем мониторинга и автоматизированного управления сетями. У всех них одна цель – сохранить работоспособность сети или восстановить ее работу в кратчайшие сроки. Но каждая из этих систем работает, используя разные алгоритмы, каждая из них имеет свои преимущества и недостатки. Целью данной работы является рассмотреть несколько самых известных систем управления и мониторинга физическим уровнем информационной сети и, на основе их анализа, выявить, насколько эти системы эффективны, какими свойствами они должны обладать и к чему их разработка должна стремиться в будущем.

Главное преимущество интеллектуальных систем управления физическим уровнем сети (Intelligent Physical Layer Management – IPLM) для предприятий и организаций заключается в автоматизации процессов сбора и регистрации в реальном времени информации о статусе соединений по всей сети. Эти системы используются не только для мониторинга портов и коммутационных шнуров – их ценность заключается также в том, что они помогают сетевым менеджерам оптимизировать использование ресурсов сети и повышать сетевую безопасность.

Системы IPLM состоят из трех групп специальных элементов:

– интеллектуальные коммутационные поля и / или шнуры предоставляют информа­цию в реальном времени о соединениях, которая считывается специальным оборудованием;

– активное оборудование сканирует коммутационное поле и генерирует сообщения об изменении его состояния;

– программные приложения собирают информацию, сохраняют ее в базе данных и, при необходимости, выдают рекомендации на основании состояния системы.

Эти функции и составляющие – основополагающие и должны присутствовать во всех системах мониторинга и управления физическим уровнем информационной сети.

Рассмотрим несколько подобных систем:

- PanView фирмы Panduit;

- MIIM фирмы Molex;

- iPatch Real Time Infrastructure Management фирмы Systimax;

- Physical Layer Manager фирмы iTracs.

Первая в списке система – PanView фирмы Panduit оснащена «интеллектуальными» коммутационными панелями, которые способны самостоятельно создавать карту соединений физического уровня сети, что существенно облегчает работу сетевых администраторов. Ранее системы IPLM давали специалистам лишь информацию о логической структуре сети, карту кабельных соединений необходимо было составлять вручную. Это преимущество позволяет администраторам быстро реагировать на изменения или проблемы сети.
Компания Molex создала систему MIIM, в которой использование специального оборудования минимально. В этой системе используются стандартные коммутационные шнуры, что значительно упрощает и удешевляет ее. В ней всего 4 компонента: специализированные коммутационные панели, контроллер (сканер), терминаторы разъемов абонентских розеток и программное обеспечение [2]. Девизом разработчиков было именно максимально упростить управление сетевой инфраструктурой – от проектирования до эксплуатации.

Преимущество системы iPatch, фирмы Systimax в улучшенном программном обеспечении. Эта система поддерживает базу данных текущих коммутационных соединений, информирует сетевого администратора обо всех произведенных изменениях и, с помощью LED-индикации на панелях, «помогает» инженерам выполнять изменения в конфигурации СКС. Программный пакет Systimax iPatch System Manager обеспечивает очень высокую степень контроля всей сети.

Преимущество системы Physical Layer Manager фирмы iTracs также в программном обеспечении. Но функции его несколько иные. Этот программный пакет предлагает оптимальные трассы кабельных соединений (эта функция получила название автомаршрутизации). Вся система фирмы iTracs очень гибкая – она состоит из модулей, которые интегрируются друг с другом, в зависимости от их необходимости на том или ином предприятии. Среди модулей программного обеспечения можно выделить: систему оформления заданий на работы, виртуальные кроссовые, модуль детального отслеживания соединений, модуль генерации отчетов, модуль iDiscover – автообнаружение активных сетевых устройств и определение их физического расположения на графическом плане здания [3].

Детально проанализировав каждую их этих систем, необходимо будет выяснить, ка­кие из функций являются действительно важными, а какие из них лишь усложняют и удоро­жают систему. На основе сделанных выводов планируется представить описание эффектив­ной системы управления и мониторинга физическим уровнем информационной сети.

Разработаны технико-экономические критерии для сравнения известных систем управления физическим уровнем сети.

Анализ показал:



  1. Время простоя сети из-за возникающих неполадок минимально при использовании системы Panview фирмы Panduit, по сравнению с другими рассмотренными системами, за счет использования «интеллектуальных» коммутационных панелей.

  2. Возможность выбирать функции, которыми система мониторинга и управления физическим уровнем будет обладать, значительно повышает ее эффективность. Эффективность, в данном случае, заключается в том, что используются все функции без исключения и заказчик данного решения не тратится на то, что по специфике работы предприятия никогда не будет задействовано. Из рассмотренных систем модульность предоставляет только одна - система Physical Layer Manager фирмы iTracs.

Завершается работа по формированию требований к системе, адаптированной к украинскому телекоммуникационному рынку.
Литература

  1. Семенов А.Б. Проектирование и расчет структурированных кабельных систем и их компонентов / А.Б. Семенов. – М.: ДМК Пресс, 2003. – 416 с.

  2. Официальный сайт фирмы Molex: www.molexpn.ru.

  3. Официальный сайт фирмы iTracs: www.itracs.com.

  4. Официальный сайт фирмы Panduit: http://www.panduit.com.



УДК 621.395

Смолярчук С.А.

ОНАЗ ім. О.С.Попова

smoliarchuk@te.net.ua

Науковий керівник – к.т.н., проф. Нікітюк Л.А.
ДОСЛІДЖЕННЯ СТАНУ ТА ПЕРСПЕКТИВ РОЗВИТКУ КОРИСТУВАЦЬКИХ ПРИСТРОЇВ ІНФОКОМУНІКАЦІЙНИХ ПОСЛУГ
Анотація. Досліджується поточний стан користувацьких пристроїв інфокомунікаційних послуг, оцінюються функціональні можливості даних пристроїв, перспективи їх подальшого розвитку. Одночасно з цим проводиться дослідження пристроїв, що знаходяться на етапі розробки, або представляють собою нові типи користувацьких пристроїв, проводиться оцінка їх функціональних можливостей, вірогідних сфер застосування, а також визначаються перспективи впровадження даних пристроїв нового покоління з використанням математичних методів.
Доступ до інформаційних ресурсів у глобальній інформаційній інфраструктурі реалізується за допомогою послуг зв’язку нового типу, що отримали назву інфокомунікаційні послуги [1]. За своїм складом такі послуги важко розділити на інформаційну складову та безпосереднього зв’язку. Інфокомунікаційні послуги – послуги, що передбачають автоматизовану обробку, зберігання або надання відповідей на запити інформації з використанням засобів обчислювальної техніки та телекомунікаційного обладнання [2]. Процес конвергенції послуг, що лежить у основі поняття інфокому­нікаційних послуг висуває до них наступні вимоги: мобільність, гнучке та швидке створення нових послуг та гарантія їх якості [3]. Тому створення та надання таких послуг ставить роль користувацьких пристроїв на новий рівень і на пряму залежить від стану та перспектив розвитку користувацьких пристроїв.

На даний час основними з нових типів користувацьких пристроїв, які ще знаходяться у стадії розвитку та дослідження є: «розумний годинник», пристрої з використанням голо­графічних технологій, гарнітури різних типів для смартфонів. Саме ці пристрої за умови свого розвитку та вдалого впровадження можуть надати бурхливий поштовх в створені кардинально нового типу інфокомунікаційних послуг. Тому дослідження стану і перспектив роз­витку користувацьких пристроїв є актуальної темою сьогодення та являє собою основну мету роботи.

Для досягнення цієї мети необхідно вирішити ряд наступних завдань:


  • Ознайомлення з поточним станом розвитку користувацьких пристроїв;

  • огляд функціональних можливостей даних пристроїв;

  • дослідження перспектив розвитку користувацьких пристроїв, які знаходяться на стадії розробки або тестування;

  • дослідження функціональних можливостей та вірогідних сфер застосування пристроїв, які знаходяться на стадії розробки або тестування;

  • оцінка перспектив впровадження нового покоління користувацьких пристроїв з використанням математичних методів.

1   ...   10   11   12   13   14   15   16   17   18



  • УДК 621.391 Тихонова Е.В. Русначенко П.А. ОНАС им. А.С.Попова СТАТИСТИЧЕСКИЙ АНАЛИЗ ПАКЕТНОГО ТРАФИКА
  • УДК 621.395.7
  • АНАЛИЗ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ СИСТЕМ МОНИТОРИНГА ИНФОРМАЦИОННЫХ СЕТЕЙ Аннотация.
  • ДОСЛІДЖЕННЯ СТАНУ ТА ПЕРСПЕКТИВ РОЗВИТКУ КОРИСТУВАЦЬКИХ ПРИСТРОЇВ ІНФОКОМУНІКАЦІЙНИХ ПОСЛУГ Анотація.