авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
-- [ Страница 1 ] --

Тезисы докладов

Всероссийской конференции с международным участием

«Информационно-телекоммуникационные технологии и

математическое моделирование высокотехнологичных

систем»

18-22 апреля 2011 года

Москва

Российский университет дружбы народов

2011

Тезисы докладов

Всероссийской конференции с международным участием

«Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем»

18-22 апреля 2011 года Москва Российский университет дружбы народов 2011 Тезисы докладов Всероссийской конференции с международным участием «Информационно-телекоммуникационные технологии и математическое модели рование высокотехнологичных систем». — М.: РУДН, 2011. — 329 с.: ил.

Программный комитет: Акуленко Л. Д., д.ф.-м.н., проф., ИПМ РАН, Арутюнов А. В., д.ф.-м.н, проф., РУДН, Башарин Г. П., д.т.н., проф., РУДН, Болотник Н.Н., д.ф.-м.н., проф., ИПМ РАН, Васильев С.Н., академик РАН, директор ИПУ РАН„ Виницкий С. И., д.ф.-м.н., проф., ЛИТ ОИЯИ, Вишневский В.

М., д.т.н., проф., НФП «Информационные и сетевые технологии», Гольдштейн Б.С., д.т.н., проф., СПб ГУТ им. проф. М.А. Бонч-Бруевича, Дегтярев Г.Л., д.т.н., проф., КГТУ (КАИ), Дружинина О.В., д.ф.-м.н., проф., ВЦ РАН, Ефимушкин В. А., к.ф.-м.н., доцент, УНИИС, Ковалев А.М., д.ф.-м.н., проф., член-кор. НАН Укра ины, ИПММ НАН, Краснова С.А., д.т.н., проф., ИПУ РАН, Крянев А.В., д.ф.-м.н., проф., МИФИ, Ланеев Е.Б., д.ф.-м.н., проф., РУДН, Маркеев А.П., д.ф.м.н., проф., ИПМ РАН, Мартыненко Ю.Г., д.ф.-м.н., проф., МГУ, Матюхин В.И., д.т.н., проф., ИПУ РАН, Мухаметзянов И.А., д.ф.-м.н., проф., РУДН, Мухарлямов Р.Г., д.ф.-м.н., проф., РУДН, Пшеничников А.П., к.т.н, проф., МТУСИ, Ромашкова О.Н., д.т.н., проф., РУДН, Сиразетдинов Т.К., д.ф.-м.н., проф., КГТУ (КАИ), академик НАН РТ, Степанов С.Н., д.т.н., проф., ОАО «Ин теллект Телеком», Самуйлов К.Е., д.т.н., проф., РУДН, Севастьянов Л.А., д.ф.-м.н., проф., РУДН, Толмачёв И. Л., к.ф.-м.н., проф., РУДН, Уткин В.А., д.т.н., проф., ИПУ РАН, Шоргин С. Я., д.ф.-м.н, проф., ИПИ РАН, Черноусько Ф.Л., д.ф.-м.н, проф., ИПМ РАН, академик РАН, Чурсин А.А., д.э.н., проф., РУДН, Яновский Г.

Г., д.т.н., проф., СПб. ГУТ им. проф. М.А. Бонч-Бруевича Оргкомитет:

Председатель: Самуйлов К.Е., д.т.н., профессор, РУДН Сопредседатели: Мухарлямов Р.Г., д.ф.-м.н., профессор, РУДН, Севастьянов Л.А., д.ф.-м.н., проф., РУДН, Толмачёв И. Л., к.ф.-м.н., профессор, РУДН Учёный секретарь: Кулябов Д. С., к.ф.-м.н, доцент, РУДН Секретарь: Королькова А. В., к.ф.-м.н, ст. преп., РУДН Члены оргкомитета: Сафир Р. Е., к.х.н, доцент, РУДН, Демидова А. В., Диваков Д. В., Немчанинова Н. А., Хохлов А. А.

Секции:

Теория телетрафика и ее применения Сопредседатели: Башарин Г. П., д.т.н., проф., РУДН, Пшеничников А. П., к.т.н, проф., МТУСИ Секретарь: Зарипова Э. Р., ст. преп., РУДН Сети связи следующего поколения: управление, качество, архитектура Сопредседатели: Самуйлов К. Е., д.т.н., проф., РУДН, Чукарин А. В., к.ф.-м.н., доцент, РУДН, Вишневский В. М., д.т.н., проф., НФП «Информационные и сетевые технологии»

Секретарь: Гудкова И. А., ст. преп., РУДН Математическое моделирование Сопредседатели: Дружинина О.В., д.ф.-м.н., проф., ВЦ, РАН, Севастьянов Л.А., д.ф.-м.н., проф., РУДН Секретарь: Хохлов А. А., ст. преп., РУДН Математические методы в экономике Сопредседатели: Крянев А.В., д.ф.-м.н., проф., МИФИ, Севастьянов Л.А., д.ф.-м.н., проф., РУДН Секретарь: Демидова А.В.

Вычислительная физика Председатели: Виницкий С. И., д.ф.м.н., проф., ЛИТ ОИЯИ, Севастьянов Л. А., д.ф.м.н., проф., РУДН Секретарь: Немчанинова Н. А., РУДН Классическая механика и управление динамикой Председатель: Мухарлямов Р. Г., д.ф.м.н., проф.

Секретарь: Чекмарева О. И.

Прикладные информационные системы и технологии Председатели: Осипов Г. С., д.ф.-м.н., проф., РУДН, Стефанюк В. Л., д.т.н., проф., РУДН Секретарь: Соченков И. В.

Информационные системы управления Председатель: Толмачёв И. Л., к.ф.-м.н., проф., РУДН Секретарь: Долина О. Д.

ISBN 978-5-209-03996- © Коллектив авторов, © Российский университет дружбы народов, Издательство, Оглавление Оглавление Теория телетрафика и её применения Адаму А. Задача определения скорости воспроизведения канала для улучшения QoE сети P2PTV...................... Бабич А. В., Берсенев Г. Б. Разработка распределенной системы мониторинга корпо ративной сети..................... Башарин Г. П., Атерекова Т. В., Штатнов С. В. Оценка эффективности использова ния ёмкости в CDMA-соте с мягким хэндовером............ Богомолова Н. Е., Немер С. Повышение пропускной способности сети пакетной ком мутации речи..................... Вишневский В. М., Шаров С. Математическая модель оценки производительности высокоскоростного гибридного канала связи на базе лазерной и радио технологий... Вольнягин К. А., Михайловский А. А., Берсенев Г. Б. Создание кластеров на базе Erlang OTP и С++/MPI................... Башарин Г. П., Ефимушкин А. В., Петухова Н. В. Численный анализ вероятностей блокировок оптического коммутатора с учетом времени выгрузки информации... Блажина И. В., Зарипова Э. Р. Построение математической модели обслуживания со общений SIP-сервером в условиях перегрузки............ Коннон А. М. Модель эффективного распределения канального ресурса в многоско ростных системах с учетом приоритетов.............. Зарядов И. С., Королькова А. В. Расчет показателей функционирования RED подобных алгоритмов с помощью систем массового обслуживания с обобщенным обновлением и групповым входящим потоком............ Маликова Е. Е. Модель группового поллинга для систем мониторинга и телеметрии, учитывающая зависимость между срабатыванием датчиков........ Разумчик Р. В. Система с отрицательными заявками, бункером для вытесненных за явок и различными интенсивностями обслуживания.......... Румянцев А. С. О стохастическом моделировании вычислительного кластера... Степанов С. Н., Савенков Ю. Ю. Кластеризация трафика — один из способов повы шения эффективности передачи информации в мультисервисных сетях..... Самуйлов А. К. Имитационная модель обмена видеоданными между пользователями р2р-сети....................... Титов И. Н., Цитович И. И. Об эффективности методов управления трафиком сервера данных....................... Чернушевич А. В. Математическая модель сегмента беспроводной широкополосной сети при дифференцированном обслуживании абонентов......... Шибаева Е. С., Коннон М. А., Клапоущак С. Н. Математическая модель трафика ре ального времени в многоскоростных системах с учётом приоритетов...... Сети связи следующего поколения: управление, качество, архитектура Абаев П. О., Болотова Г. О. Разработка моделей функционирования SIP-сервера в условиях перегрузки................... 4 Информационно-телекоммуникационные технологии и матмоделирование — Абаев П. О. Модель работы SIP сервера в условиях перегрузки с учетом таймеров.. Гайдамака Ю. В. К анализу удельной скорости загрузки пользователя сети P2PTV.. Гребешков А. Ю. Задача контроля и управления программной конфигурацией або нентских устройств SDR в когнитивных сетях связи.......... Гудкова И. А., Масловская Н. Д., Самуйлов К. Е. К анализу межсотовой интерфе ренции в модели фрагмента сотовой сети с разделением доступа OFDMA.... Ефимушкина Т. В., Самуйлов К. Е. Обзор задач оптимизации ресурсов в беспровод ных сетях LTE..................... Блажина И. В., Зарипова Э. Р. Разработка имитационной модели функционирования SIP-сервера с гистерезисным управлением............. Киричек Р. В. Вероятностная оценка воздействия сверхкоротких электромагнитных импульсов на процесс передачи данных в сетях Ethernet......... Кутбитдинов С. Ш. Аналитическая модель оптимального управления распределением ресурсов в архитектуре IMS................. Маликова О. Н. Определение качества услуг, предоставляемых железнодорожными телекоммуникационными компаниями.............. Маркова Е. В. Оценка вероятностных характеристик модели с потоковым и эластич ным трафиком..................... Деарт В. Ю., Масленников А. Г. Применение механизма с нечеткой логикой для управления очередями маршрутизаторов в сетях TCP/IP......... Нсангу М. М. Модель SIP-сервера в виде системы с прогулками и разогревом прибора Деарт В. Ю., Пилюгин А. В. Исследование характера задержки HTTP-пакетов в оче реди маршрутизатора................... Подольский Д. В. Аналитический метод расчета вероятностно-временных характери стик звена сети следующего поколения.............. Савочкин Е. А. Обеспечение высокой производительности и масштабируемости об щероссийского сайта государственных закупок............ Соколов А. Н., Соколов Н. А. Особенности трафика в сети следующего поколения. Хатунцев А. Б. Имитационное моделирование процесса обслуживания сигнальных со общений из цифровой сети ТФОП в сеть IP на базе протокола SIP.



...... Прикладные информационные системы и технологии Бурыкин И. Г. Интерактивные технологии дистанционного обучения на факультете дополнительного образования МГУ............... Жантемирова А. Ш. Пролог как универсальный язык высокого уровня..... Кирюшина А. Е. Этапы структурного анализа изображений математических формул и символов...................... Котомин А. В. Основные этапы предварительной обработки звукового сигнала в си стеме распознавания речевых команд............... Мбайкоджи Э., Соченков И. В. Модель представления текста для решения задач ма шинного анализа естественно-языковой информации.......... Печенкин В. Г. Исследование методов визуализации траекторных движений искус ственных спутников Земли.................. Оглавление Кузнецов Е. А., Фомин М. Б. Интерактивная обработка термограмм с использованием преобразования палитры.................. Хачумов М. В. Модели представления данных в задачах распознавания образов и кла стеризации...................... Яковлев К., Сарафанов В. Ю., Ульянко C. Эмпирический анализ ряда алгоритмов планирования траектории на плоскости.............. Информационные системы управления Долина О. Д., Петров В. А. Механизм управления доступом к данным в условиях вир туальной внешней модели.................. Мокров Е. В. Распознавание речевых команд управления с применением фонемного подхода....................... Классическая механика и управление динамикой Алексеев Ф. Ф. Синтез нечетких логических регуляторов с нелинейным идентифи цирующим устройством с приложением к задачам параметрической идентификации модели вертолета.................... Ананьевский И. М. Управление механическими системамис неопределенными пара метрамис помощью малых сил................. Будочкина С. А. Bu-гамильтоновы уравнения в механике систем с бесконечным чис лом степеней свободы................... Горшков Е. А. Построение уравнений динамики управляемой системы..... Корнеев В. А. Построение негладкого решения векторной вариационной задачи в об ласти........................ Коршунова Н. А. Оптимизация и стабилизация движения точки на участках промежу точной тяги в поле двух неподвижных центров............ Красильников П. С. О нелинейных колебаниях маятника переменной длины на виб рирующем основании................... Лещенко Д. Д. Оптимальное торможение вращений несимметричного тела в среде с сопротивлением..................... Маркеев А. П. О бифуркациях периодических колебаний спутника в одном случае кратного резонанса на эллиптической орбите............ Мухаметзянов И. А. О выражении главного момента кориолисовых сил инерции тела через планарный тензор инерции................ Мухарлямов Р. Г. Математическое моделирование динамики управляемых систем.. Мысик Н. С., Краснова С. А. Синтез систем слежения при неполных измерениях.. Ramrez R., Sadovskaia N. Cartesian approach for constrained mechanical systems... Соколов А. В. Моделирование устойчивого движения электромеханического манипу лятора....................... Холостова О. В. О движениях гамильтоновой системы с двумя степенями свободы при наличии кратных резонансов третьего порядка............ 6 Информационно-телекоммуникационные технологии и матмоделирование — Шорохов С. Г., Миронова О. И. О построении портфелей активов заданной доходно сти и риска...................... Вычислительная физика Акатьев В. А., Ситник С. В., Попов А. А., Немчинов В. В., Шиянов С. М. О моде лировании фундаментальных проблем жизнедеятельности......... Дзыбов М. М., Калиберда И. В., Бедняков В. Г., Куранцов О. В., Федоров А. Л. О визуальном, инструментальном и нормативном контроле эксплуатационной безопас ности строительных объектов................. Зорин А. В., Горбачев А. В. Операторы Гамильтона водородоподобного атома в кван товой механике Курышкина................. Кондратьев Б. П. Дифференциальное уравнение для потенциала тора на оси симмет рии........................ Куранцов В. А., Сазонов К. Б., Сущев Т. С., Пашкова О. Ю., Денисенков А. Н. Об обеспечении безопасности окружающей среды с помощью комплексного и системного подхода....................... Мусаев В. К. О безопасности системы «сооружение-воздух-грунт» при сейсмических воздействиях...................... Мусаев В. К. О применении вычислительного эксперимента для определения взрыв ных волн напряжений в сооружении неглубокого заложения........ Мусаев В. К. О математическом моделировании нестационарных волн напряжений в сооружении с полостью при сосредоточенном взрывном воздействии...... Шиянов М. И., Сущев С. П., Мусаев А. В., Шепелина П. В., Быков В. Г. О эффек тивных методах снижении риска чрезвычайных ситуаций в сложных системах... Немчанинова Н. А. Математическое моделирование интегрально-оптического волно вода в криволинейных координатах............... Петрова С. Н. Локализация замкнутых траекторий математических моделей нелиней ных динамических систем.................. Карнилович С. П., Ловецкий К. П., Севастьянов Л. А. О моделировании собствен ных колебаний стержня для численного расчета сейсмоустойчивости строений... Севастьянов А. Л., Мичук Е. Н. Обыкновенные дифференциальные уравнения и системы линейных алгебраических уравнений для направляемых мод регулярного вол новода....................... Сидоренко С. Н., Зволинский В. П., Кормилицин А. И., Куранцов В. В., Дзыбов Р. М. О роли волн напряжений в переходных процессах.......... Черноиванов А. И. Дискретизация модели осциллятора путем применения вариаци онного интегратора.................... Математическое моделирование Афанасьева В. И. Устойчивость математических моделей систем нечеткого управле ния с наблюдателем.................... Буканина В. И. Проектирование структур из тонких коллагеновых пленок.... Диваков Д. В. Дифракция немонохроматического света на одномерном фотонном кри сталле....................... Оглавление Амирханов И. В., Карамышева Г. А., Киян И. Н., Суликовский Я. Решение об ратной задачи расчёта токов в гармонических катушках многоцелевого изохронного циклотрона...................... Кулябов Д. С., Геворкян М. Н. Обзор методов построения оператора фазы.... Лукашенко О. В. Имитационное моделирование гауссовских систем с потерями.. Максимова И. С., Розова В. Н. Управляемость нелинейных систем специального вида Масина О. Н., Шестаков А. А. О гибридном моделировании нечетких систем... Масина О. Н., Дружинина О. В. Исследование устойчивости математических моде лей нечетких управляемых систем с дискретным временем......... Мулкиджан А. С. Исследование математических моделей, описывающих цикличе ские процессы промышленного производства............ Мулкиджан А. С. Моделирование устойчивого развития комплекса промышленных предприятий...................... Наминов А. В. Численный алгоритм нахождения энергетических коэффициентов про пускания и отражения при взаимодействии электромагнитной волны с анизотропным слоем........................ Николаев И. Н., Шайтан К. В. Молекулярное моделирование динамики взаимодей ствия белков-мишеней и лигандов................ Амирханов И. В., Саркар Н., Сархадов И., Тухлиев З. К., Шарипов З. А. Иссле дование решений краевых задач для квазипотенциального уравнения с кусочно постоянными потенциалами................. Амирханов И. В., Саид А. Х., Сархадов И. Численное моделирование фазовых пере ходов, возникающих в материалах под действием тяжелых ионов высоких энергий.. Амирханов И. В., Павлушова Э., Павлуш М., Пузынина Т. П., Пузынин И. В., Сар хадов И. Численное моделирование переноса влаги с учетом испарения и конденсации. Тютюнник А. А. Применение теории Флоке в задачах моделирования дифракции света на фотонных кристаллах.................. Шарипов З. А. Исследование тепловых процессов в полимерных материалах при об лучении тяжелыми ионами высоких энергий............. Шибаева Е. С. Сравнение методов оценки показателя Хёрста........ Юдин И. П., Панасик В. А., Тютюнников С. И. Разработка прототипа установки для медико-биологических исследований на пучках углерода из нуклотрона ОИЯИ... Математические методы в экономике Бражкина А. А., Сиразетдинов Р. Т. Математическая модель экономического кла стера........................ Васильев С. А., Чаузов А. В. Построение алгоритмов прогнозирования с использова нием методов оптимизации.................. Демидова А. В. Стохастические модели популяционной динамики...... Долгова Е. А. Моделирование и оценивание рисков инвестирования в нефтяные фью черсы с использованием авторегрессионных дробно-интегрированных процессов... Зарядов И. С. Применение моделей биофизики при моделировании отраслевой дина мики........................ Квитка М. Е. Распределение Больцмана-Гиббса для описания денежного оборота.. 8 Информационно-телекоммуникационные технологии и матмоделирование — Коржавина Н. В. Моделирование социально-экономических систем...... Крянев А. В. Схема восстановления распределения энерговыделения в активной зоне реактора с помощью метрического анализа............. Крянев А. В. Управление выполнением программ по выводу из эксплуатации ядерно и радиационно опасных объектов................ Кузнецова О. В. К вопросу о моделировании больших циклов Кондратьева.... Пяткина Д. А. Применение пакета Eviews к решению задач эконометрики.... Щетинин Е. Ю., Марков П. Н., Каплунов С. В., Сариев И. К. Моделирование спо товых цен на электроэнергию на основе авторегрессионных дробно-интегрированных процессов с переключением режимов............... Теория телетрафика и её применения ЗАДАЧА ОПРЕДЕЛЕНИЯ СКОРОСТИ ВОСПРОИЗВЕДЕНИЯ КАНАЛА ДЛЯ УЛУЧШЕНИЯ QOE СЕТИ P2PTV Адаму Амину Российский университет дружбы народов, aminu@mail.ru В работе получена зависимость вероятности приема видеопотока с высоким качеством всеми пользователями (показатель QoE, Quality of Experience) от скорости воспроизведения канала. Сформулирована задача нахождения оптимального значения скорости воспроизведения канала и ограничения на нее, а также получено решение этой задачи.

Ключевые слова – сеть P2PTV, QoE, скорость воспроизведения каналов.

1. Введение Развивающейся альтернативой существующим сегодня системам предоставления телевизионных каналов и видео через Интернет является технология P2PTV (peer-to-peer television) [1-5]. Типичная сеть P2PTV состоит из источника видео и нескольких пользователей. Для просмотра видео потока соответствующего телеканала пользователи могут подключаться непосредственно к источнику видео потока или к уже получающим видео поток пользователям, тем самым формируя сеть P2P. Поток данных телеканала в такой сети передается в виде небольших блоков видео данных, называемых порциями.

В отличие от клиент-серверной модели, где единственным сервером является источник видео потока, пользователи сети P2PTV не являются пассивными получателями видео данных (клиентами), они могут выступать также в качестве источников видео потока (серверов). Пользователи одновременно получают, воспроизводят и передают другим пользователям сети видео данные, используя всю доступную ширину полосу пропускания. Поэтому сети P2PTV обладают хорошей масштабируемостью, однако вследствие разнородности пользователей и асимметрии полосы пропускания отдельного пользователя сети могут возникнуть проблемы с уровнем качества предоставляемой услуги телевещания по сети P2PTV.

В данной работе рассматривается задача определения максимальной скорости воспроизведения телевизионных каналов в сети P2PTV [4], при которой возможно достижение состояния, когда все пользователи сети удовлетворены качеством просмотра видео (воспроизводят видеопоток с высоким качеством) – так называемое состояние всеобщей передачи (англ. universal streaming).

2. Описание характеристики модели Рассмотрим сеть P2PTV, в которой транслируется M = M каналов, в сети находятся N = N пользователей, каждый из которых просматривает один из каналов сети [1 3]. Каналы и пользователи в сети функционируют независимо друг от друга. Обозначим xnm {0,1} состояние n-пользователя на m-канале, xnm = 1 если n-пользователь xnm = 0.

просматривает иначе Состояние сети описывает матрица m-канал, X = ( xnm )n, m, а пространство состояний сети имеет вид X = X : xnm {0,1}, xnm = 1, n.

m xnm В матрице X сумма xm = по m-столбцу соответствует числу пользователей n сети, просматривающих m-канал, когда сеть находится в состоянии X. В [1-3] были 10 Информационно-телекоммуникационные технологии и матмоделирование — получено стационарное распределение вероятностей состояний сети, а также формулы для расчета вероятностей всеобщей передачи для каналов сети и сети P2PTV в целом.

sm [кбит/с] скорость отдачи видео потока m-канала сервером и un Обозначим через [кбит/с] скорость отдачи n-пользователя. Пусть Rm [кбит/с] - скорость, требуемая для воспроизведения m-канала с высоким качеством. Обозначим wnm ( X ) величину видео потока, доступного n-пользователю, просматривающему m-канал, когда сеть находится в состоянии X. Для воспроизведения m-канала с высоким качеством n-пользователю необходимо получить видео поток m-канала из системы со скоростью не меньше Rm, т.е.

wnm (X ) Rm. (1) wm ( X ) Пусть - суммарный видео поток, доступный всем пользователем, просматривающим m-канал, когда система находится в состоянии X. Эта величина определяется следующим соотношением:

wm (X ) = sm + xnmun. (2) n Будем считать, что в состоянии X скорость доступного видео потока соответствует требованиям к качеству всех пользователей, просматривающих m-канал, если выполнено следующее условие:

wm ( X ) Rm xnm. (3) n Таким образом, если в состоянии X при заданном Rm выполняется (3), то m-канал находится в состоянии всеобщей передачи.

3. Определение оптимальной скорости воспроизведения каналов сети P2PTV Cформулируем задачу определения оптимальной скорости воспроизведения m-канала сети P2PTV с конечным числом пользователей N, которая позволит достичь состояния всеобщей передачи для m-канала. Предположим, что сеть находится в состоянии X.

Рис.1. Схема процесса распространения порций видео данных m-канала На Рис. 1 величина Rm ( X ) обозначает максимальную скорость воспроизведения m-канала, при которой все пользователи сети, просматривающие m-канал, в состоянии X будут удовлетворены качеством просмотра видео, т.е. такая скорость воспроизведения m-канала, при которой в состоянии X m-канал находится в состоянии Адаму А. всеобщей передачи. Для этого в состоянии X должно выполняться условие (3). Задача состоит в определении значения Rm ( X ) в зависимости от величин sm и un, n,m.

Теорема 1. Для достижения состояния всеобщей передачи для m-канала, когда сеть находится в состоянии X, максимальная скорость воспроизведения m-канала Rm ( X ) определяется следующем образом:

wm ( X ) Rm ( X ) = min sm,. (4) xm Доказательство следует из формулы (3) при Rm = Rm (X ).

Литература 1. Адаму А., Гайдамака Ю.В., Самуйлов А.К. Анализ производительности одной схемы многоканальной передачи потоковых данных в одноранговых сетях // T-Comm Телекоммуникации и Транспорт. - №7. -2010. - С.14-18.

2. Адаму А., Гайдамака Ю.В., Самуйлов А.К. Построение и анализ модели воспроизведения каналов вещательного телевидения в Р2Р сети // «Вестник РУДН.

Серия «Математика. Информатика. Физика».» – М.: Изд-во РУДН. – 2010. – №3(1). С. 47-53.

3. Adamu A., Gaidamaka Yu., Samuylov A. Analytical Modeling of P2PTV Network // Proc. of the 2-d International Congress on Ultra Modern Telecommunications and Control Systems (IEEE ICUMT 2010), Oct. 18-20, 2010. - Moscow, Russia. – 2010. - Pp. 1115-1120.

4. Kumar R., Yong Liu Y., Ross K. Stochastic Fluid Theory for P2P Streaming Systems // Proc of the 26th Annual IEEE Conf. on Computer and Communications (IEEE INFOCOM 2007), 6 12 May 2007. - Anchorage, Alaska, USA. – 2007.- Pp. 919-927.

5. Wu D., Liu Y., Ross K.W. Queuing Network Models for Multi-Channel Live Streaming Systems // Proc. of the 28th Annual IEEE Conf. on Computer and Communications (IEEE INFOCOM 2009), April 2009. - Rio de Janeiro, Brazil. - Pp. 73-81.

PROBLEM OF CHANNEL STREAMING RATE DEFINITION FOR QoE IMPROVEMENT IN P2PTV NETWORK Adamu Aminu People’s friendship university of Russia The dependency of the probability of universal streaming on channel streaming rate in P2PTV network was obtained in the work. The problem of finding the optimal streaming rate of a channel and restrictions on it, in order to achieve a universal streaming was formulated, and also a solution to the problem was obtained.

Key words – P2PTV network, Quality of Experience, channel streaming rate.

12 Информационно-телекоммуникационные технологии и матмоделирование — РАЗРАБОТКА РАСПРЕДЕЛЕННОЙ СИСТЕМЫ МОНИТОРИНГА КОРПОРАТИВНОЙ СЕТИ А.В. Бабич, Г.Б. Берсенев Тульский государственный университет Рассматриваются вопросы разработки и реализации распределенной динамически конфигурируемой системы активного мониторинга. Приводится описание архитектуры и взаимодействия агентов при балансировке нагрузки.

Ключевые слова – активный мониторинг, SNMP, распределенная система, балансировка нагрузки.

Введение 1.

Одной из составляющих обеспечения безопасности корпоративных сетей является мониторинг их состояния. Интенсивная информатизация предприятий приводит к росту размеров сетей и, соответственно, к необходимости использования распределенных систем для их мониторинга. Для обеспечения минимальных дополнительных затрат их целесообразно реализовать как «гостевые» системы. В докладе рассматриваются вопросы разработки распределенной динамически конфигурируемой системы мониторинга, использующей свободные ресурсы серверов корпоративной сети [1].

Задача конфигурирования системы мониторинга 2.

Предложены и исследованы три подхода к решению задачи конфигурирования системы мониторинга в реальном времени: многоуровневый, многокритериальный и декомпозиционный. В первом случае глобальная оптимизационная задача разбивается на ряд локальных задач оптимизации на нижнем уровне и задачу принятия решений (ЗПР), включающую в себя задачу анализа производительности, на верхнем уровне.

Каждая локальная задача выдает свои наилучшие решения, из которых ЗПР выбирает наиболее приемлемое, а затем выполняет очередную координацию локальных задач.

Многокритериальный подход к формальному описанию задачи конфигурирования заключается в разработке критериев, исходя из необходимости выполнения требований как системы мониторинга, так и корпоративной сети. Требование системы мониторинга – минимизировать интервал опроса, а требование сети - минимизировать ухудшение временных характеристик работы сети из-за появления дополнительной нагрузки (процессов мониторинга) на серверах сети и активном сетевом оборудовании. При этом надо учитывать различную степень масштабируемости серверов, определяемую многоканальностью их аппаратных и программных ресурсов, уровни текущей загрузки серверов, критичность (чувствительность) выполняемых на сервере заданий к возможному увеличению времени ответа.

В соответствии с декомпозиционным подходом, выбранным для реализации, задача конфигурирования разбивается на следующие задачи: конфигурирование агентов на серверах сети, назначение источников данных агентам, распределение источников данных по агентам непосредственно перед очередным опросом. В докладе приведено формальное описание этих задач и предложены алгоритмы их решения. Отметим, что при назначении источников данных определяется место хранения RRD файлов с данными и при этом учитываются "расстояния" до источников данных и свободные ресурсы серверов. Расстояния до источников представлены в матрице маршрутизации, элементы которой определяют количество маршрутизаторов, которые необходимо пройти пакету данных.

Реализация системы 3.

Система мониторинга реализована в виде системы управления (СУ) и набора агентов, объединенных на логическом уровне в P2P сеть для передачи данных. Для проведения процедур балансировки нагрузки агенты образуют иерархическую структуру. СУ Бабич А. В., Берсенев Г. Б. предназначена для решения задач назначения источников данных, построения иерархии агентов и интерактивного взаимодействия с пользователем.

Агент состоит из комплекса программ на языке Perl, базы данных Sqlite со служебной информацией и набора RRD файлов с данными мониторинга. К служебной информации относятся таблицы производительности и источников данных. В первой хранятся данные о производительности и свободных ресурсах серверов сети, об иерархической структуре сети агентов и флаги синхронизации, используемые при балансировке. Во второй – данные об источниках данных (IP адрес объекта мониторинга, OID, тип переменной, идентификатор агента, символическое имя). Тип переменной определяется физическим смыслом параметра в MIB объекта мониторинга, а идентификатор агента присваивается системой управления при решении задачи назначения источников данных. Обе таблицы в полном объеме хранятся на каждом агенте, при этом специальные программы обеспечивают их синхронизацию. Отметим, что RRD файл для каждого источника данных заводится только на назначенном ему агенте.

Разработанные модули агентов обеспечивают взаимодействие между собой и обработку данных (модули NetClient и NetServer), взаимодействие с базой данных (модуль Sqlite), управление RRD файлами (модуль RRD), опрос источников данных по протоколу SNMP (модуль Snmp), ведение журнала (модуль Log), сбор данных о производительности (модуль Self), балансировку нагрузки (модуль Balance).

Балансировку нагрузки предлагается проводить в два этапа. Первый этап запускается одновременно на всех агентах (серверы синхронизированы по времени) и представляет собой попытку распределить источники данных на назначенных агентах. На втором этапе выполняется перераспределение нагрузки между потомками с помощью алгоритма, аналогичному алгоритму балансировки нагрузки в Grid системах [2]. При этом если опрос источника данных производился не назначенным ему агентом, данные опроса затем передаются назначенному агенту для сохранения в RRD файл.

Передача данных и сообщений между агентами осуществляется в виде строк, сгенерированных стандартным модулем Data::Dumper языка Perl. Разработан универсальный формат для всех сообщений.

Выводы 4.

Предложены и исследованы три подхода к решению задачи динамического конфигурирования распределенной системы мониторинга, приведено описание ее архитектуры и программной реализации.

Литература 1. Бабич А.В. Задачи и алгоритмы динамического конфигурирования распределенной системы мониторинга / А.В. Бабич, Г.Б. Берсенев // Вычислительная техника и информационные технологии. Сборник научных статей. – Вып. 2. – Тула: ТулГУ, 2010. – С. 10-21.

2. Yagoubi B., Slimani Y. Task Load Balancing Strategy for Grid Computing // Journal of Computer Science. – 2007. – 3 (3). – P. 186-194.

DEVELOPMENT OF A DISTRIBUTED NETWORK MONITORING SYSTEM A.V. Babich, G.B.Bersenev Tula State University Problems of development and program implementation of distributed dynamically configured active network monitoring system are considered. Architecture description and agent’s interaction in the time of load balancing are given.

Кеу words – active monitoring, SNMP, distributed system, load balancing.

14 Информационно-телекоммуникационные технологии и матмоделирование — ОЦЕНКА ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЁМКОСТИ СИСТЕМЫ В CDMA- СОТЕ С МЯГКИМ ХЭНДОВЕРОМ Г.П. Башарин, Т.В. Атерекова, С.В. Штатнов Российский университет дружбы народов,gbasharin@sci.pfu.edu.ru, aterekova@mail.com, svshtatnov@gmail.com Важной особенностью CDMA-сетей является применение для передачи обслуживания между сотами процедуры мягкого хэндовера (soft handoff), основанной на одновременном использовании канального ресурса сразу нескольких базовых станций соседних сот. В связи с этим актуальной становится задача исследования эффективности использования ёмкости системы. В данной работе построена математическая модель CDMA- соты с мягким хэндовером. Получены аналитические выражения, позволяющие численно оценить влияние структурных и нагрузочных параметров на эффективность использования канального ресурса.

Ключевые слова — мягкий хэндовер, управление доступом, Code Division Multiple Access (CDMA), ёмкость системы.

1. Введение Для CDMA наиболее характерным является мягкий хэндовер, когда в процессе перемещения из соты в соту мобильная станция (МС) одновременно связана на одной частоте с двумя (двусторонний хэндовер) или более (многосторонний хэндовер) базовыми станциями (БС), соединенными с одним или разными контроллерами радиосети [3, 4]. В данной работе рассматривается модель CDMA-соты с мягким двусторонним хэндовером. Получены аналитические выражения для вероятностей потерь новых и хэндовер–вызовов, а также проведен численный анализ и исследована эффективность использования канального ресурса при различных структурных и нагрузочных параметрах.

2. Построение математической модели Будем рассматривать одну CDMA-соту, разделенную на две области: нормальную область (Normal area, NA) и область хэндовера (Handoff area, HA) (рис. 1а). В нормальной области МС может быть соединена только с одной ближайшей БС, в зоне хэндовера — сразу с двумя ближайшими БС.

Ёмкость системы определяется максимально возможным количеством активных пользователей, которое система может обслуживать одновременно с надлежащим качеством. Пусть максимально возможное количество активных абонентов в системе C. Другими словами, в системе предусмотрено C информационных каналов, на которые поступают два пуассоновских потока (ПП) голосовых вызовов. Поток 1-заявок, соответствующий потоку новых вызовов, поступает с интенсивностью n, поток 2 заявок (хэндовер-вызовы) — с интенсивностью h. Длительности обслуживания, как n заявок, так и h заявок, являются независимыми случайными величинами, имеющими экспоненциальное распределение с параметром µ0. Время пребывания вызова в NA и HA будем считать экспоненциально распределенными со средними µ NA и µ HA соответственно. Долю хэндовер-зоны в соте обозначим через = SHA / (SNA + SHA ), интенсивность перехода голосового вызова из NA в HA через := µ NA, из HA в NA — через, из HA в соседнюю соту — через µh.

Башарин Г. П., Атерекова Т. В., Штатнов С. В. Если в момент поступления n заявки в СМО, число свободных каналов больше, чем g, 0 g C, n заявка принимается на обслуживание, в противном случае — Рис. 1. Структурная (а) и канальная (б) схемы модели теряется с вероятностью n. Если в момент поступления h вызова в СМО есть хотя бы один свободный канал, h вызов принимается на обслуживание, в противном случае — занимает место в буфере, рассчитанном на r заявок, и ожидает освобождения канала (рис. 1б). Если буфер полон, поступивший h вызов отклоняется с вероятностью h.

Вероятность того, что h вызов, находящийся в буфере, закончит обслуживание или покинет HA, так и не получив канал в рассматриваемой соте, обозначим через.

Состояние системы определяется вектором s = ( n1 ;

n2 ;

m ) где n1 — число заявок в NA, n2 — число заявок в HA, а m — число h заявок в буфере. Функционирование системы описывается СтМП X(t ) = ( X 1 (t ), X 2 (t ), X 3 (t ))T с пространством состояний S = {s : n1 + n2 C, m = 0} U {s : n1 + n2, 0 m r}, (1) и равновесным распределением p(s) := p {X = s}. Получив p(s), можно определить параметры, необходимые для дальнейшего анализа ( n, h, ), а также среднее число каналов, занятых в соте ( UTIL ) и отдельно в HA ( UTILHA ).

3. Эффективность использования канального ресурса Оценку эффективности использования канального ресурса будем определять по числу БС, одновременно связанных с МС. Если МС обслуживается на одной БС, эффективность использования канала равна 1, в противном случае, когда МС одновременно обслуживается на двух БС, эффективность равна 1/2. В соответствии с этим, разделим все вызовы в HA на 2 класса:

I) Обслуживаемые на одном канале. Интенсивность I поступления таких вызовов I = n (1 n ) n + E (n1 ) ( h + ) (2) II) Обслуживаемые на двух каналах, что возможно в 3-х различных случаях:

а) n вызов поступает в HA и получает канал одновременно на двух БС:

II = n (1 n ) 2. (3) n б) h вызов поступает в систему и до завершения обслуживания получает канал в рассматриваемой соте:

II = h (1 h ). (4) h 16 Информационно-телекоммуникационные технологии и матмоделирование — в) Вызов переходит из NA в HA и до завершения обслуживания получает канал в соседней соте:

II = E (n1 ) (1 h ). (5) t Тогда среднее число вызовов в системе, одновременно обслуживающихся на двух БС, II + II + II UTILII = UTILHA I n II h II t II, (6) + n + h + t HA а эффективность использования канального ресурса в соте 1 UTILII = 1 HA. (7) 2 UTIL 4. Выводы В данной работе рассмотрена модель обслуживания голосовых вызовов в CDMA- соте с мягким двусторонним хэндовером. Получены аналитические выражения для основных ВВХ системы. Исследовано влияние доли хэндовер-зоны в соте на потери вызовов и коэффициент использования канального ресурса. На основании численных примеров можно сделать вывод, что увеличение области мягкого хэндовера в соте приводит к уменьшению вероятности потери новых и хэндовер вызовов, но может снизить эффективность использования емкости системы.

Литература 1. Башарин Г.П., Атерекова Т.В., Штатнов С.В. «Математическая модель CDMA- соты с мягким хэндовером», V отраслевая научная конференция «Технологии информационного общества», МТУСИ, 2011.

2. Волков А.Н., Аксенов С.М., Зорин Е.С. «Оптимизация UTRA алгоритма мягкого хэндовера» // «Электросвязь», 2007. – №10.

3. Кааранен Х., Ахтиайнен А. и др., «Сети UMTS. Архитектура, мобильность, сервисы», М.: Техносфера, 2007. — 464с.: ил.

4. Zhang M., Lea Chin-Tau, «Impact of Mobility on CDMA Call Admission Control» // IEEE Transactions on Vehicular Technology. – November 2006. – Vol. 55, № 6. – Pp.1908-1922.

PERFORMANCE EVALUATION OF CDMA CELLULAR SYSTEMS CAPACITY WITH SOFT HANDOFF G.P. Basharin, T.V. Aterekova, S.V. Shtatnov People’s Friendship University of Russia, gbasharin@sci.pfu.edu.ru, aterekova@mail.com, svshtatnov@gmail.com Soft handoff is the important feature used in the CDMA systems, where a mobile user is simultaneously connected to two or more BSs of cells during a call. In this paper we investigate the effect of soft handoff parameters for the performance of CDMA systems capacity. We propose a mathematical model for CDMA cell of voice traffic with soft handoff. The analytical formulas for calculation of blocking probabilities and also other performance characteristics are derived.

Keywords — soft handoff, admission control, Code Division Multiple Access (CDMA), system capacity.

Богомолова Н. Е., Немер С. ПОВЫШЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТИ СЕТИ ПАКЕТНОЙ КОММУТАЦИИ РЕЧИ Н. Е. Богомолова, Саламех Немер Московский Технический Университет Связи и Информатики nbogomolova09@gmail.com, tiger8386@mail.ru В работе рассматривается методика повышения пропускной способности сети пакетной передачи речи, реализуемая с помощью адаптивного двухступенчатого алгоритма, который позволит программному коммутатору принимать решения о приеме новых вызовов и модифицировать параметры уже установленных соединений для освобождения части сетевых ресурсов.

Ключевые слова - пакетная передача речи, технология подавления пауз, методика оценки производительности сетей следующего поколения, динамическое управление параметрами потоков пакетного трафика.

1. Введение Развитие сетей связи следующего поколения NGN (Next Generation Network), основывающихся на технологии коммутации пакетов (КП), уже достигло того уровня, когда можно говорить об их широком использовании для диалоговых систем, работающих в реальном масштабе времени, и предоставляющих высокое качество услуг. Вместе с тем при проектировании NGN в большинстве случаев закладывается потребность в более высокой пропускной способности, используются методы традиционной теории телетрафика [1].

Использование для телефонии технологии КП и ряда сопутствующих технологий например, технологии подавления пауз – VAD (Voice Activity Detection [2]) приводит к принципиально новой структуре трафика, требующей разработки новых алгоритмов управления нагрузкой в сетях NGN. Основным направлением зарубежных и отечественных исследований по этой тематике является разработка методик оценки производительности сетей NGN, в то время как вопросу управления параметрами поступающих в сеть потоков трафика не уделяется столь большое внимание. При этом параметры кодирования речевой информации остаются неизменными в процессе функционирования систем, и расчет нагрузки производится на основании фиксированных данных. Это не позволяет операторам динамически адаптироваться к возникающим на сети перегрузкам, в результате чего: либо неэффективно используется доступная пропускная способность каналов связи, либо неоправданно снижается качество обслуживания абонентов.

Таким образом, возникает задача разработки нового алгоритма, учитывающего восприятие качества передачи речи оконечным пользователем, и способным к динамическому управлению характеристиками кодирования разговоров.

2. Алгоритм контроля доступа для кодеков с переменной интенсивностью передачи речи Аналоговый речевой сигнал передается цифровым способом после выполнения процедур дискретизации, квантования и кодирования. В сетях с КП этот сигнал разбивается на пакеты стандартной длины, которые передаются по сети независимо друг от друга (датаграммный режим). Речь, в отличие от данных, обладает смысловой и сигнальной избыточностью и допускает определенный уровень потерь и искажений пакетов при транспортировке. В зависимости от длительности сегментов речи, переносимых пакетом (от 10 до 250 мс), допустимый уровень потерь пакетов может составлять от 1 до 50 % времени активности абонента.

Высокая доля пауз, составляющая при телефонных переговорах в среднем 58 % вызвана тем, что речь содержит множество коротких перерывов от 5 до 250 мс как внутри слов, так и 18 Информационно-телекоммуникационные технологии и матмоделирование — между словами в слитной речи. С учетом этих кратких перерывов среднее значение коэффициента активности абонента не превышает 0,37 [3].

Для снижения скорости разрабатываются все более сложные методы устранения избыточности. Качество речи и скорость передачи – это два конфликтующих фактора. Для сетей общего пользования одним из критериев качества является узнаваемость речи, она предъявляет высокие требования к качеству кодирования. Для закрытых сетей (частных коммерческих и военных систем связи) требования к качеству могут быть снижены с целью повышения скорости кодирования.

Не смотря на существование большого количества работ по различным алгоритмам контроля доступа (см., например, обзор в [4]), следует отметить, что все они рассматривают разговор, проходящий через сеть КП, как поток данных, которым нельзя управлять. На самом деле управление этим потоком данных вполне возможно путем изменения типа используемого кодека, или периода пакетизации.

Решение задачи разработки алгоритма контроля доступа вызовов, учитывающего восприятие качества передачи речи оконечным пользователем, и способным к динамическому управлению характеристиками кодирования разговоров для случая использования кодеков с переменной активностью передачи информации (т.е. с использованием технологии VAD) усложняется недетерминированным характером поступления голосовых пакетов, из-за чего значительно усложняется математическая модель функционирования узла сети пакетной телефонии.

Для оценки характеристик данного алгоритма использована математическая модель, основанная на пуассоновском процессе, управляемом Марковским – ММРР. В качестве источника пакетов рассматривается отдельное телефонное соединение, создающее пакеты фиксированной длины через экспоненциально распределенные промежутки времени во время речевой активности абонента (ON-периоды) и не создающее ни одного пакета во время паузы (OFF – периоды).

Исследования распределения длительностей ON и OFF периодов на реальных сетях показали, что их ФРВ достаточно хорошо аппроксимируется суммой трех экспонент.

Подобная аппроксимация приводит к разбиению одного состояния модели ММРР на три и может быть использована для точного расчета пропускной способности сети пакетной телефонии при заранее зафиксированных параметрах кодирования речи.

В процессе работы алгоритма контроля доступа вызовов возникают ситуации, когда свободных ресурсов сети оказывается недостаточно для принятия нового вызова на обслуживание. В таком случае предлагается модифицировать параметры уже установленных соединений для сокращения занимаемой ими пропускной полосы.

Существует три направления модификации: 1- изменение периода пакетизации;

2 изменение типа кодека и 3 - принятие вызова без изменения каких-либо параметров (тем самым увеличивается вероятность потерь пакетов). Одним из основных вопросов, возникающих при разработке динамического алгоритма контроля доступа вызовов, способного к модификации параметров уже установленных соединений является вопрос очередности модификации этих параметров.

Увеличение периода пакетизации приводит к снижению R-фактора [5] (более высокими темпами у низкоскоростных кодеков), причем доля выигрыша в пропускной полосе с ростом периода пакетизации постоянно уменьшается. В целом можно заметить, что увеличение периода пакетизации дает выигрыш по пропускной полосе в несколько десятков процентов, что сопровождается падением R-фактора всего лишь на единицы процентов. Введя коэффициент эффективности смены параметров кодирования F, представляющий отношение сокращения занимаемой соединением полосы к уменьшению R-фактора, получим, что его значение для 1 модификации лежит в пределах нескольких десятков.

Вторая модификация - смена кодека довольно существенно влияет на R-фактор, каждый переход на более низкоскоростной кодек ведет к уменьшению его значения на несколько Богомолова Н. Е., Немер С. процентов, при этом замена кодека позволяет сократить занимаемую соединением пропускную полосу лишь на несколько процентов и это соотношение остается постоянным.

Т.е. коэффициент F для таких переходов примерно равен единице. При использовании третьей модификации процент уменьшения занимаемой полосы пропускания линейно зависит от вероятности потерь пакетов и не зависит от типа кодека. Коэффициент F для этого случая принимает значения нескольких десятых.

3.Выводы Результаты имитационного моделирования работы предложенного алгоритма в сетях мобильной и фиксированной связи показали, что его использование позволяет улучшить качество обслуживания, измеряемое согласно рекомендации G.107 МСЭ-Т с уровня «некоторые показатели не удовлетворены» до уровня «очень удовлетворены».

Исследование производительности предложенного алгоритма показало, что время его работы увеличивается при увеличении количества одновременно поступивших соединений (так как при этом увеличивается размерность матрицы интенсивностей).

Однако, разработанный алгоритм будет применяться для участков сети с дефицитом пропускной способности, на которых одновременно не может быть установлено большое число соединений, таким образом производительность алгоритма соответствует области его предлагаемого применения. Он может быть использован для обслуживания до тридцатиканальных потоков Е1.

Литература Корнышев Ю.Н., Пшеничников А.П., Харкевич А.Д. Теория телетрафика/М.: Радио и 1.

связь, 1996. – 261 с.

Гольдштейн Б.С., Пинчук А.В., Суховицкий А.Л. IP-телефония – М.:Радио и связь, 2.

2001. – 336 с.

Шелухин О.И. Цифровая обработка и передача речи. М.: Радио и связь, 2000 – 454 с.

3.

4. Perros H., Elsayed K. Call admission control schemes: a review // IEEE Communications Magazine. – Vol. 34, Issue 11. – Nov. 1996.

THE INCREASING OF THE SPEECH PACKET SWITCHING NETWORK CAPACITY N. E. Bogomolva, Salamekh Nemer Moscow Technical University of Communications and Informatics nbogomolova09@gmail.com This work deals with the method of the increasing of the speech packet transmission network capacity, implemented by using adaptive two-stage algorithm, which would allow the softswitch to decide on the admission of new calls and to change the parameters of the already established connections for the release of a part of network resources.

Keywords – speech packet transmission, pause suppression technology, method of estimating the performance of next generation networks, dynamic management of packet traffic flow parameters.

20 Информационно-телекоммуникационные технологии и матмоделирование — МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ ПРОИЗВОДИТЕЛЬНОСТИ ВЫСОКОСКОРОСТНОГО ГИБРИДНОГО КАНАЛА СВЯЗИ НА БАЗЕ ЛАЗЕРНОЙ И РАДИО ТЕХНОЛОГИЙ В.М. Вишневский, С.Ю. Шаров ЗАО Научно-производственная фирма «Информационные и сетевые технологии»

vishn@inbox.ru В последние годы появилось немало работ, исследующих гибридные системы, основанные на лазерной и радио технологиях. Однако большинство из них связаны главным образом с имитационным моделированием. В тоже время в работах, посвященных построению математических моделей и их анализу, авторы ограничиваются лишь нахождением вероятности нарушения связи в оптическом канале. В данной работе предлагается комплексный анализ модели позволяющей получить основные характеристики гибридной системы.

Ключевые слова – компьютерные науки, информационные технологии, гибридный канал, OAK, радиоканал Ведение 1.

В данной работе предлагается математическая модель, описывающая работу гибридного канала построенного на базе оптического и радиоканала. В работе рассмотрен случай, когда основным каналом связи является оптический канал. Когда его работа нарушается и не возобновляется вновь дольше определенного периода времени, передача данных происходит по радиоканалу до тех пор, пока работа оптического канала не возобновится. Смена каналов передачи данных в статье описывается с помощью модели массового обслуживания с чередующимися скоростями обслуживания (для оптического и радиоканала). Использование одной скорости обслуживания (время работы оптического или радиоканала) ограничено случайной величиной, вид распределения которой может быть определен статистической обработкой метеорологических данных той местности, в которой предполагается функционирование гибридного канала. В работе приводится пример, когда длительности использования каждого из каналов могут быть аппроксимированы гиперэкспоненциальным распределением второго порядка [1].

Математическая модель гибридного беспроводного канала связи 2.

Модель гибридного канала представляет собой однолинейную систему массового обслуживания с двумя возможными скоростями обслуживания и ограниченным временем их использования.

Входящий поток заявок в систему стационарный пуассоновский с параметром.

Число мест для ожидания неограниченно.

При использовании k-й скорости (k-го режима) время обслуживания заявки распределено экспоненциально с параметром µ k, k = 1, 2. При этом полагаем, что µ1 µ. Время использования k-й скорости ограничено и характеризуется абсолютно непрерывной случайной величиной k, имеющей плотность гиперэкспоненциального распределения второго порядка Fk (t ) = pk 1 e 1 t + (1 pk ) 2 e 2 t k k k k pk, 1, 2, k = 1, 2 распределения могут быть получены на основании kk Параметры статистического анализа метеорологических данных местности, на которой функционирует гибридный канал [1].

Вишневский В. М., Шаров С. Если время первого режима завершается (OAK становится недоступным), текущее обслуживание заявки (передача пакета) прерывается и система переходит на второй режим работы (использование радиоканала). Сразу после перехода на второй режим обслуживания пакетов не производится. Система должна выждать время Q2, и если за это время второй режим работы не завершился ( 2 Q2 ), то по истечении времени Q начинается обслуживание заявки (передача пакета) на второй скорости (по радиоканалу). При этом предполагаем, что заявка, обслуживание которой по оптическому каналу было прервано, обслуживается заново.

По истечении времени работы второго режима (когда OAK канал вновь становится доступным) система, продолжая обслуживать заявки во втором режиме, наблюдает доступность оптического канала по времени. И если OAK доступен в течение определенного времени, то по истечении этого времени система переходит на первый режим работы (оптический канал). При этом заявка, в ходе обслуживания которой произошла смена режима, обслуживается заново на новой скорости. Время, которое должен превысить период доступности OAK, определяется всякий раз, когда OAK становится доступным, из экспоненциального распределения с параметром Q1.

Допущения, сделанные в модели:

1. Экспоненциально распределенное время перехода с радиоканала на оптический канал 2. Экспоненциально распределенное время передачи пакета 3. Пакеты при переходе с оптического канала на радиоканал не теряются 4. При смене скорости передачи пакета (смене канала передачи данных) текущая передача пакета прерывается и стартует заново на новой скорости передачи.

Целью построения и исследования математической модели является разработка алгоритма вычисления характеристик производительности системы: стационарное распределение и средняя длина очереди, среднее время ожидания обслуживания пакета, среднее время пребывания пакета в системе.

В представленной работе предложенная выше модель исследуется методом вложенных цепей Маркова с целью нахождения стационарных вероятностей состояний системы.

Для вычисления стационарных вероятностей применяется матрично-аналитического подхода, который основан на идее сенсорных цепей Маркова [2, 3].

Стационарное распределение вероятностей состояний системы.

3.

Характеристики производительности системы Предположим, что система функционирует в стационарном режиме. Предполагаем, что прибор может находиться в одном из четырех состояний:

1 – работа в первом режиме (использование оптического канала) 1’ – переключения с первого режима на второй (с оптического на радиоканал) 2 – работа во втором режиме (использование радиоканала) 2’ – переключение со второго режима на первый (с радиоканала на оптический).

Под состоянием системы в произвольный момент времени t 0 будем понимать ~ состояние процесса X t = {it, mt }, t 0, где it – число заявок в системе в момент времени t, mt – состояние обслуживающего прибора, mt {1,1',2,2'}.

Стационарное распределение состояний системы в произвольный момент времени ~ ~ определяется как предельное распределение процесс X t, t 0. Процесс X t, t является полурегенерирующим процессом с вложенных процессом марковского восстановления [3].

Вычислив стационарное распределение вероятностей состояний систем в произвольный момент времени p (i, m ) = lim P{it = i, mt = m}, i 0, mt {1,1',2,2'} t 22 Информационно-телекоммуникационные технологии и матмоделирование — Можно получить основные характеристики системы:

1. Доля времени в течение, которого система работает в r-ом режиме p(i, r ), qr = r {1,1',2,2'} i= 2. Средняя длина очереди, когда обслуживающий прибор находится в состоянии r ip(i, r ), Lr = r {1,1',2,2'} i = 3. Средняя длина очереди в произвольный момент времени L = L1 + L1' + L2 + L2' 4. Среднее время ожидания в системе (вычисляется по формуле Литтла) L W= Выводы 4.

В данной работе был рассмотрен гибридный канал, построенный на основе атмосферной оптической линии передачи данных и радиоканала. Для указанной системы была разработана математическая модель, позволяющая определить множество характеристик гибридной системы, основные из которых:

Средняя пропускная способность системы • Среднее время ожидания заявки в очереди • Среднее число заявок в очереди на передачу • Стоит особо подчеркнуть, что представленная модель позволяет определить основные характеристики системы без проведения натурального эксперимента, что в свою очередь позволяет значительно ускорить и удешевить разработку подобных систем.

Представленная модель может быть использована для дальнейшего, более детального исследования гибридных каналов.

Литература 1. Вишневский В.М., Семенова О.В. Об одной модели оценки производительности широкополосного гибридного канала связи на основе лазерной и радиотехнологий // Проблемы информатики. – 2010. – №2 (6). – С. 43-58.

2. Grassmann W., Hevman D. Equilibrium distribution of block-structured Markov chains with repeated rows Journal of Applied Probability. – 1990. – Vol. 27. – P. 557-576.

3. Kemeni J., Snell J., Knapp A. Denumerable Markov chains. – New York: Van Nostrand, 1966, 348 p.

MATHEMATICAL MODEL FOR PERFORMANCE ESTIMATE OF HIGH-THROUGHPUT HYBRID CHANNEL BASED ON FSO AND RF TECHNOLOGIES V.M. Vishnevskiy, S.Y. Sharov Research & Development Company «Information and NetworkingTechnologies»

Hybrid systems based on free space optic (FSO) and radiofrequency (RF) technologies attract a lot of attention during last few years. But most of the papers related to the simulations models. At the same time papers related to mathematical models limits their study with finding of probability of connection loss in the channel. This paper provides complex analyses of the model enabling to find most of system characteristics.

Key words – computer science, information technologies, hybrid channel, FSO, RF Вольнягин К. А., Михайловский А. А., Берсенев Г. Б. СОЗДАНИЕ КЛАСТЕРОВ НА БАЗЕ ERLANG OTP И С++/MPI К.А. Вольнягин, А.А. Михайловский, Г.Б. Берсенев Тульский государственный университет Рассматриваются вопросы разработки и исследования эффективности распределенных приложений на языке Erlang для задач вычислительного и поискового типа. Приводится описание архитектуры и особенностей вычислительного и поискового кластеров, выполняется их сравнение с аналогичными кластерами на C++/MPI.


Ключевые слова – эрланг, C++, MPI, распределенное приложение, кластер.

1. Введение Параллельные вычисления на базе кластеров в современном мире играют очень важную роль. Наряду с использованием их в сложных математических расчетах, таких как прогнозирование погоды, они все чаще применяются в сфере интернета и веб проектах.

Под кластером обычно понимается набор компьютеров, объединенных некоторой коммуникационной сетью. Однако часто кластер ассоциируется с распределенным приложением или дистрибутивом, которое запускается на аппаратуре кластера и обеспечивает параллельные вычисления на машинах (узлах) кластера. При этом один из узлов, с которого запускается (развертывается) приложение, называется головным или консольным узлом. Распределенные приложения обычно разрабатывают на компилируемых языках императивного типа (С/С++, Fortran) с использованием модели программирования massage passing, реализованной в подключаемой коммуникационной библиотеке, например, MPI. С появлением многопроцессорных/многоядерных компьютеров все чаще стали использоваться языки функционального программирования, например, Erlang, в котором изначально заложена модель massage passing и который ориентирован на создание и использование параллельных процессов.

2. Описание задач исследования Исследование эффективности распределенных вычислений на базе платформы Erlang OTP [1] и С++/MPI [2] выполнялось для приложений вычислительного и поискового типа. В качестве задач, решаемых вычислительным кластером, был выбран класс задач численных расчетов с помощью метода Монте-Карло (вычисление площади фигуры, численное интегрирование и др.). Поисковый кластер предназначен для решения задачи индексации сайтов и быстрого поиска информации. Это приложение является упрощенным вариантом поискового робота, предназначенного для поиска по интернету.

Поисковый робот выполняет обход страниц заданных сайтов и выполняет сохранение контента в кеше. Простейший вариант поиска заключается в обходе всех сохраненных страниц и проверке их на наличие фразы, подлежащей поиску. С целью упрощения задачи используется только полное совпадение. Рейтинг страниц определяется количеством появлений на них искомой фразы.

3. Реализация кластера на языке Эрланг Язык Эрланг имеет преимущества в задачах, где требуется работа огромного количества процессов на одном компьютере и в задачах, где обрабатывается поток данных. Процессы в эрланге являются особенными легковесными процессами, потребляющими минимальные ресурсы, и их можно создавать в огромных количествах практически без потери производительности. В язык встроены средства (например, pattern matching) для эффективной обработки бинарных и строковых данных. Однако эрланг плохо приспособлен для численных расчетов, поскольку приложения компилируются в байт-код, который на порядок менее эффективен, чем исполняемый код, полученный после компиляции с языков С/С++ или Fortran.

24 Информационно-телекоммуникационные технологии и матмоделирование — Эрланг предоставляет встроенную поддержку межкомпьютерного взаимодействия.

Однако при создании распределенного приложения требуется написать большой объем кода, который выполняет такие типовые для распределенного приложения действия, как определение доступных для создания кластера компьютеров и/или узлов (erl консолей) на компьютерах, разбиение задачи на части, отсылка этих частей (заданий) на узлы компьютеров и запуск на них вычислительных модулей кластера, получение результатов и интеграция этих результатов в общий результат. Целесообразно эту функциональность поместить в неизменяемый каркас распределенного приложения, а вариативную часть представить в виде очень простого модуля.

Именно этот подход был использован при создании вычислительного кластера.

Конкретная решаемая задача, основанная на использовании метода Монте-Карло, задается через написание вычислительного модуля. Вычислительный модуль содержит набор callback функций, которые позволяют достаточно просто, без написания циклов, описать большой набор практических задач. На рис. 1 представлена схема работы вычислительного модуля в реализации распределенного приложения.

Рис. 1 Схема работы вычислительного модуля Схема отображает последовательность вызова callback-функций вычислительного модуля в распределенном приложении. Функции init, get_data, next формируют список данных, которые будут обрабатываться на вычислительных узлах посредством функции calc. Результаты работы возвращаются на главный узел и обрабатываются функциями apply_result, ret_result, которые собирают все результаты работы вычислительных узлов (apply_result) и формируют окончательный результат (ret_result). Данный набор callback функций является расширением алгоритма Map-Reduce для распараллеливания приложений.

Таким образом, реализация конкретной задачи сводится к реализации callback функций init, get_data, next, calc, apply_result, ret_result. Такая жесткая структура приложения, тем не менее, позволяет создать множество различных распределенных приложений. Данный подход использован и при создании распределенного приложения Вольнягин К. А., Михайловский А. А., Берсенев Г. Б. поискового типа на базе платформы Erlang OTP. Необходимо также отметить, что рассмотренный вычислительный кластер на эрланге в течение двух лет успешно используется в учебном процессе при изучении распределенных приложений.

Развертывание и запуск распределенного приложения на эрланге состоит из ряда этапов.

1. Установка на каждой машине кластера платформы Erlang OTP, включающий в себя компилятор и набор стандартных библиотек эрланга.

2. Копирование на каждую из машин реализации каркаса кластера и вычислительного модуля.

3. Запуск консоли на главном узле с помощью скрипта «start_server» и запуск консолей на вычислительных узлах с помощью скрипта «start_node».

4. Запуск главного процесса на главном узле, который запускает вычислительные процессы на остальных узлах кластера.

4. Реализация кластеров на основе C++/MPI В качестве альтернативного подхода к созданию распределенных приложений в докладе приводятся результаты создания вычислительного и поискового кластеров на основе дистрибутива PelicanHPC GNU Linux, предназначенного для создания кластеров «высокопроизводительных вычислений» (HPC – high performance computing) с использованием MPI. Фактически, PelicanHPC – это дистрибутив операционной системы GNU Linux, который работает в режиме «Live CD». Он может не использовать жесткие диски узлов, а его запуск осуществляется в результате выполнения скрипта «pelican_setup» на консольном узле кластера, называемым терминалом. Этот скрипт настраивает терминал кластера как сетевой сервер, который загружает копии PelicanHPC на остальные узлы кластера. При использовании современных сетевых карт эта загрузка по сети производится в режиме PXE.

В качестве языка программирования кластеров на базе PelicanHPC был выбран язык С++. В докладе приведено описание кластеров и результаты исследования их эффективности.

5. Выводы Предложен подход к разработке кластеров на базе Erlang OTP, на основе которого разработаны распределенные приложения для решения задач численных расчетов с помощью метода Монте-Карло и для индексации сайтов и быстрого поиска информации. Эффективность кластеров на эрланге определялась по отношению к аналогичным кластерам на основе дистрибутива PelicanHPC GNU Linux c использованием C++/MPI.

Литература 1. Armstrong J. Programming Erlang: Software for a Concurrent World. – Pragmatic Bookshelf, 2007. – 440 c.

2. PelicanHPC GNU Linux, (http://pareto.uab.es/mcreel/PelicanHPC).

DEVELOPMENT OF CLUSTERS ON THE BASIS OF ERLANG OTP AND C++/MPI K.A. Volnyagin, A.A. BMihaylovsky, G.B.Bersenev Tula State University The development and research of efficiency of the distributed applications on Erlang language for problems of computing and search type is considered. The architecture and features of computing and search clusters is described, their comparison with similar clusters on C ++/MPI is carried out.

Кеу words – erlang, C++, MPI, distributed applications, computer cluster.

26 Информационно-телекоммуникационные технологии и матмоделирование — ЧИСЛЕННЫЙ АНАЛИЗ ВЕРОЯТНОСТЕЙ БЛОКИРОВОК ОПТИЧЕСКОГО КОММУТАТОРА С УЧЕТОМ ВРЕМЕНИ ВЫГРУЗКИ ИНФОРМАЦИИ Г.П. Башарин, А.В. Ефимушкин, Н.В. Петухова Российский университет дружбы народов, gbasharin@sci.pfu.edu.ru, efimushkin@selcraft.ru В данной статье представлен численный анализ вероятностей блокировок для двух моделей функционирования коммутатора оптической сети: с учетом предоставления услуг различного качества и без. Проводится сравнительный анализ вероятностей блокировок коммутатора для рассматриваемых моделей с учетом механизма освобождения входных каналов передачи данных от информации.

Ключевые слова: оптическая сеть, оптический коммутатор, время выгрузки информации, вероятность блокировки.

1. Введение Многообещающей архитектурой для построения оптических сетей связи является сеть с маршрутизацией по длине волны, состоящая из оптических коммутаторов (ОК), обладающих собственной системой управления - контроллером, и соединенных между собой оптическими волокнами, поддерживающими некоторое количество длин волн.

Пакеты между узлами передаются по цепочке звеньев с использованием различных длин волн оптического сигнала.

Существует два режима работы оптической сети с коммутацией пакетов (ОСКП) – слотированный (синхронный) и асинхронный. В данной статье будет представлен численный анализ модели асинхронного режима работы оптического коммутатора, когда пакеты поступают в коммутатор произвольно и методы синхронизации не применяются. Потери при работе в данном режиме ОСКП возникают вследствие поступления пакета данных с входной длины волны в ОК и занятости требуемой для него выходной длины волны.

2. Общая архитектура неблокируемого ОК Рассматривается оптический коммутатор (Рис. 1) с F входными и F выходными оптическими волокнами (ОВ). Каждое волокно предоставляет W длин волн для передачи данных. На стороне входа в коммутатор потоки с ОВ разделяются на составляющие потоки в демультиплексоре (DEMUX). После коммутации все несущие объединяются мультиплексором (MUX) в агрегатные потоки, поступающие на выходные ОВ.

Рис. 1 Общая архитектура коммутатора оптической сети Башарин Г. П., Ефимушкин А. В., Петухова Н. В. 3. Мультисервисная модель ОК [1] Выделим два класса услуг:

• класс 1 – высший приоритет, соответствующий передаче данных в реальном времени;

• класс 2 – низший приоритет, не требующий передачи данных в реальном времени.

В модели будем предполагать наличие N источников заявок (входных длин волн).

Под заявкой подразумевается пакет данных, причем пакету данных услуги класса i соответствует i заявка, i = 1,2 Для услуг классов 1 и 2 выделен пул длин выходных волн V1, а для класса услуг 1 – пул V2, причем V1 + V2 = V (рис. 2).

Сделаем следующие предположения:

1. В коммутатор с каждого из N источников, находящихся в свободном состоянии «0», поступают пуассоновские потоки 1- и 2-заявок с интенсивностями 1 и 2, соответственно.

2. Поступающая заявка мгновенно займет одну из свободных выходных длин волн, если они имеются, а источник перейдет в состояние «1» - занято. Если свободных длин волн нет, то заявка блокируется и будет выгружаться из источника, что переводит его в состояние «2». Таким образом, при поступлении 1- заявки и занятости V длин волн заявка блокируется и начнет выгружаться из источника (входного канала), при этом входная длина волны будет находиться в состоянии «2» выгрузки и только после ее окончания перейдет в состояние «0». Аналогичным образом блокируются 2- заявки, если заняты V1 выходных длин волн. Вероятность занятости всех V = WF длин волн обозначим pV. Вероятность занятости пула V1 обозначим pV. 3. Длительности пребывания источника в состояниях «1» и «2» имеют независимые экспоненциальные распределения с параметрами µ1, µ 2 соответственно (Рис. 2, а, б).

4. Буферы отсутствуют.

5. Модель не учитывает повторных вызовов.

6. Рассматривается равновероятный выбор свободной длины волны в пределах каждого пула длин волн.

Данная рассматриваемая мультисервисная модель имеет N источников, V выходных длин волн, N V виртуальных мест (заблокированные источники) для выгрузки заблокированных заявок и общим пулом длин волн V1 (Рис. 2, в) и является системой M M ;

M V, V1 массового обслуживания (СМО), которую обозначим.

N, 1, 2 µ1 ;

µ Рис. 2. Интенсивности переходов 28 Информационно-телекоммуникационные технологии и матмоделирование — Для описания пространства состояний СМО достаточно знать число источников в состоянии «1» - i, i = 0, V, а так же число источников в состоянии «2» - j, j = 0, N V.

J = {(i, j ) : i = 0,V, j = 0, N V } (1) - пространство состояний рассматриваемой СМО, содержащее J = (V = 1)( N V + 1) состояний. Динамика функционирования СМО описывается двумерным марковским процессом:

X (t ) = {( xij (t )) : i, j J }, t (2) c двумя структурными ( N,V ) и четырьмя нагрузочными ( 1, 2, µ1, µ 2 ) параметрами.

Поскольку рассматриваемая СМО – система с явными потерями, то при любых структурных и нагрузочных параметрах у нее существует равновесное распределение { pij, i, j J }. Вероятность блокировки по времени для 1- и 2-заявок вычисляется по формулам:

N V 1 = E1 (V, N ) = pV, j := pV • (3) j = V N V 2 = E 2 (V, N ) = pij (4) i =V j = (V + 1)( N V + 1) Решение СУГБ порядка при больших значениях параметров является достаточно трудоемкой задачей и для случая µ1 µ 2 удобнее использовать численные методы решения.

4. Модель ОК без предоставления качества для услуг [2] Для сделанных предположений относительно рассмотренной модели будем считать, что все заявки, поступающие в систему, однотипны. Из-за отсутствия необходимости в выделении пула длин волн изменим предположения 1 и 2 следующим образом:

В коммутатор с каждого из N источников, находящихся в свободном 1.

состоянии «0», поступает пуассоновский поток заявок с интенсивностью.

Поступающая заявка мгновенно займет одну из свободных выходных длин волн, 2.

если они имеются, а источник перейдет в состояние «1» - занято. То есть, если все V длин волн заняты и поступает новая заявка, она блокируется и выгружается из источника, переводя его в состояние «2» на протяжении времени выгрузки. Вероятность занятости всех длин волн примем за pV.

В сделанных предположениях, рассматриваемую модель, являющуюся СМО, можно M M;

M V обозначить.

N, µ1 ;

µ В докладе приводятся результаты численного анализа данных моделей.

Литература 1. Башарин Г.П., Ефимушкин А.В. Анализ вероятностей блокировок коммутатора оптической сети для услуг различного качества с механизмом освобождения каналов от информации // Электросвязь. – 2011. – № 2.

2. Башарин Г.П., Ефимушкин А.В. Анализ блокировок коммутатора оптической сети с коммутацией пакетов // М.: Электросвязь. – 2007 № 8. – C.8-11.

Башарин Г. П., Ефимушкин А. В., Петухова Н. В. NUMERICAL ANALYSIS OF THE OPTICAL SWITCH BLOCKING PROBABILITIES TAKING INTO ACCOUNT TIME OF DISCHARGE INFORMATION G.P. Basharin, A.V. Efimushkin, N.V. Petukhova Peoples’ Friendship University of Russia gbasharin@sci.pfu.edu.ru, efimushkin@selcraft.ru This article presents a numerical analysis of the blocking probabilities for two models of the optical switch - with QoS provision and without it. The article describes analysis of blocking probabilities of switch the release time of the input data channels.

Key words – optical network, optical switch, information discharge time, blocking probabilities.

30 Информационно-телекоммуникационные технологии и матмоделирование — ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ОБСЛУЖИВАНИЯ СООБЩЕНИЙ SIP-СЕРВЕРОМ В УСЛОВИЯХ ПЕРЕГРУЗКИ И.В. Блажина, Э.Р. Зарипова Российский университет дружбы народов, Москва, Россия e-mail: vivelavie@inbox.ru, ezarip@mail.ru Построена и исследована математическая модель, описывающая обслуживание сигнальных сообщений SIP-сервером. В модели механизм отправки сообщения Service Unavailable (без заголовка «Retry-after») объединяется с методом гистерезисного управления.

Ключевые слова – SIP-сервер, пороговая величина, гистерезис, буфер, сигнальные сообщения, нагрузка, вероятность блокировки.

1. Введение Протоколом SIP предусматривается 2 механизма предотвращения перегрузок в сети, возникающие между клиентом и сервером [1, 2]. Первый механизм контроля за перегрузками серверов требует отправки сообщения 503 Service Unavailable без заголовка «Retry-after». Клиент может попытаться повторно послать запрос через некоторое (неопределенное) время или воспользоваться другим сервером. Второй механизм контроля за перегрузками требует отправки сообщения 503 Service Unavailable с заголовком «Retry-after». Заголовок «Retry-after» содержит интервал времени, через который к серверу можно будет повторно направить необработанное сообщение. Для первого механизма построена и проанализирована упрощенная математическая модель с учетом метода гистерезисного управления.

Для буфера установлены две пороговые величины, используя которые, можно проанализировать количество ожидающих обслуживания сообщений, а также определить режим работы SIP-сервера (нормальный рабочий режим или режим перегрузки сервера) по наполненности буфера. В состоянии перегрузки сервером не принимаются сигнальные сообщения от клиентов до тех пор, пока число сообщений в буфере не достигнет нижней пороговой величины. Отклонение части заявок в режиме перегрузки без их обслуживания позволит сэкономить часть ресурсов сервера для обслуживания уже принятых в систему заявок, что может позволить сократить число разрывов соединений по причине перегрузки сервера.

2. Построение математической модели обслуживания сигнальных сообщений SIP-сервером Предположим, что структура буфера однолинейная и размер ограничен значением B.

Для предотвращения перегрузки вводятся две пороговых величины B и LВ [3]. При поступлении сообщения SIP-сервер контролирует текущий размер буфера. Для обслуживания сообщений предусмотрен 1 прибор, дисциплина обслуживания FCFS.

Поступающий в систему поток сообщений может быть представлен Пуассоновским потоком с параметром. Среднее время обслуживания сообщений распределено по экспоненциальному закону с параметром µ1 в нормальном состоянии функционирования системы и с параметром µ2 в режиме перегрузки, после включения регулирования размером буфера;

Введем следующие правила для регулирования размера буфера (см. рис.1):

- Если буфер заполнен, т.е. число сообщений достигло значения В, то сервер считается перегруженным и ни одно сигнальное сообщение не может быть принято на обслуживание. В этот момент сервер находится в режиме перегрузки и не может обслуживать входящие сообщения до тех пор, пока их число в буфере не достигнет Блажина И. В., Зарипова Э. Р. значения L, при этом сервер обрабатывает уже имеющиеся в буфере сообщения. Будем считать, что сервер таким образом регулирует размер буфера, ограничивая входящий поток сообщений - Если включено регулирование размером буфера, но число заявок уменьшается и становится меньше или равным L, сервер возвращается в нормальный режим работы, принимает и обрабатывает сообщения. В следующий раз включение регулирования возможно только в том случае, когда буфер снова наполнен и его текущий размер равен В.

Рис. 1 Гистерезисное управление размером буфера при двух пороговых значениях LВ и B.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
 

Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.