автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Исследование и разработка методов расчета показателей производительности сетей ЭВМ с неоднородным трафиком

003454998

На правах рукописи

КОННОВ Андреи Леонидович

ИССЛЕДОВАНИЕ И РАЗРАБОТКА МЕТОДОВ РАСЧЕТА ПОКАЗАТЕЛЕЙ ПРОИЗВОДИТЕЛЬНОСТИ СЕТЕЙ ЭВМ С НЕОДНОРОДНЫМ ТРАФИКОМ

Специальность 05.13.13 -Телекоммуникационные системы и компьютерные сети

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

(Со

о

5 йЕйгоов

Оренбург - 2008

003454998

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Оренбургский государственный университет» (ГОУ ВПО ОГУ).

Научный руководитель:

кандидат технических наук, доцент Бахарева Н.Ф.

Официальные оппоненты:

доктор технических наук, профессор Карташевский В.Г.

кандидат технических наук, доцент Гавлиевский С.Л.

Ведущая организация:

ГОУ ВПО Самарский государственный университет

Защита состоится « )9 » декабря 2008г. в 14 часов на заседании диссертационного совета Д215.003.02 при Поволжском государственном университете телекоммуникаций и информатики по адресу: 443010, г. Самара, ул. Льва Толстого, д.23.

С диссертацией можно ознакомиться в библиотеке ГОУВПО ПГУТИ.

Автореферат разослан « 17 » ноября 2008г.

Ученый секретарь

диссертационного совета Д219.003.02

доктор технических наук, доцент

Мишин Д.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В современной научной литературе редко встречаются задачи анализа производительности конкретных сетей. Для этого не существует единой методики. В монографии В.М. Вишневского «Теоретические основы проектирования компьютерных сетей» академиками Велиховым Е.П. и Кузнецовым H.A. сказано следующее. «Повсеместное внедрение компьютерных сетей должно сопровождаться опережающим развитием фундаментальной теории в этой области, созданием инженерных методов анализа и синтеза, систем автоматизации проектирования, направленных на сокращение сроков и повышение качества проектирования компьютерных сетей». Поэтому проблема разработки методов оценки показателей производительности сетей ЭВМ с неоднородным трафиком является актуальной.

Тенденцией современного этапа развития компьютерных сетей является изменение структуры передаваемого трафика. Трафик сетей крупных предприятий стал мультимедийным. Сами они характеризуются как сети с. неоднородным трафиком, так как делается акцент на использование разнообразных сетевых приложений.

Возросшие стоимости проектирования и самой проектируемой системы предъявляют повышенные требования к качеству проектных решений, в особенности к точности определения пропускных способностей каналов, времени задержки пакетов, объёмов памяти буферов и др. Одним из плодотворных подходов к оценке этих важнейших конструктивных показателей является вероятностное моделирование, которому посвящены монографии таких авторов, как Вишневский В.М., L. Kleinrock, Гнеденко Б.А., Цыбаков Б.С., Майоров С.А. и многих других. При таком моделировании компьютерные системы представляются в виде совокупности ресурсов, использование которых осуществляется в порядке очереди в соответствии с заданной дисциплиной.

Достоверность результатов вероятностного моделирования с использованием теории массового обслуживания, теории очередей и других методов зависит во многом от адекватности применяемых моделей реальным системам. Проектировщики и разработчики сетевого оборудования испытывают потребность в получении информации о поведении сетей различных масштабов, архитектур и топологий, о качественных характеристиках этих сетей. Соответственно необходимы средства моделирования, которые бы учитывали все особенности функционирования сетей, позволяли задавать исходную информацию в терминах величины прогнозируемого трафика и получать основные характеристики сетей.

Объект исследований. Объектом исследований диссертационной работы являются сети ЭВМ с учетом неоднородности трафика.

Предмет исследований. Предметом исследований в диссертационной работе являются показатели производительности сетей ЭВМ.

Целью работы является получение оценок показателей производительности сетей ЭВМ на основе разработанных аналитических и имитационных моделей, учитывающих неоднородность потоков, изменчивость их характеристик, а также выработка рекомендаций для модернизации сетей.

Для достижения поставленной цели в работе решены следующие задачи: на основе математических моделей мультиплексирования и демультиплексирования потоков на уровне средних значений и дисперсий времени между событиями в потоках исследован метод декомпозиции сетей массового обслуживания;

разработаны аналитические и имитационные модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ;

- разработана программная система расчета характеристик моделей компьютерных сетей с учетом неоднородности трафика;

- разработанные аналитические модели сетей для оценки их адекватности, исследованы средствами GPSS World и системой OPNET Modeler при определении основных показателей функционирования исследуемых сетей;

- проведено сравнение полученных результатов по показателям производительности с помощью вышеуказанных систем моделирования;

- разработаны рекомендации по повышению производительности сетей

ЭВМ.

Методы исследования. В работе для решения поставленных задач использован аппарат теории вероятностей, теории вычислительных систем в части сетей массового обслуживания, аналитического и имитационного моделирования вычислительных систем, в том числе сетей ЭВМ, объектно-ориентированное программирование.

Достоверность результатов. Достоверность результатов подтверждается применением строгого математического аппарата, а также сравнением результатов, полученных при помощи известных систем имитационного моделирования сетей ЭВМ.

Научная новизна работы. Научная новизна диссертационной работы заключается в следующем:

- разработаны и исследованы аналитические и имитационные модели мультиплексирования и демультиплексирования потоков на уровне средних значений и дисперсий времен поступления и обслуживания;

- впервые разработаны аналитические и имитационные модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ с использованием аппаратно-программных комплексов анализа трафика и системы активного мониторинга приложений;

- разработанные аналитические модели сетей для оценки их адекватности, исследованы средствами GPSS World и программной системы OPNET Modeler;

- показано, что основные показатели производительности сетей, полученные по разработанным моделям точнее и оптимистичнее, чем вычисленные традиционным методом по средним значениям потоков;

- показано, что разработанные модели могут быть использованы для исследования корпоративных сетей при их декомпозиции до уровня локальных вычислительных сетей.

Личный вклад. Исследование математических моделей мультиплексирования и демультиплексирования потоков на уровне их средних значений и дисперсий, аналитические расчеты и проведенное имитационное моделирование на ЭВМ, а также выводы и рекомендации выполнены автором лично.

Практическая ценность и реализация результатов работы.

Полученные модели сетей ЭВМ позволяют произвести оценку их производительности с учетом изменчивости характеристик входных потоков и неоднородности потоков. Разработанные рекомендации позволяют повысить производительность сетей ЭВМ с неоднородными потоками на этапе их проектирования, а также оценить резерв и допустимую нагрузку существующих.

Полученные результаты используются и могут быть использованы проектными, научно-исследовательскими и эксплутационными организациями при проектировании, разработке, внедрении и модернизации сетей ЭВМ.

Основные теоретические и практические результаты, полученные в работе, использованы в ОАО «Центробанк РФ», УНПК ГОУ ВПО ОГУ и внедрены в учебный процесс ГОУ ВПО ОГУ, ГОУ ВПО ПГУТИ, что подтверждено соответствующими актами.

Апробация работы. Основное содержание и результаты работы докладывались и обсуждались на: IV всероссийской научно-практической конференции с международным участием (Оренбург, 2005); всероссийском конкурсе инновационных проектов аспирантов и студентов по приоритетным направлениям развития науки и техники «Информационно-телекоммуникационные системы» (Москва, 2005); научно-технической конференции с международным участием «Перспективные информационные технологии в научных исследованиях, проектировании и обучении» (Самара, 2006); VI всероссийской научно-практической конференции с международным участием «Современные информационные технологии в науке, образовании и практике» (Оренбург, 2007); научно-практической конференции «Управление созданием и развитием систем, сетей и устройств телекоммуникаций» (Санкт-Петербург, 2008).

Публикации. По результатам проведенных исследований опубликовано 17 работ, в том числе 4 статьи в журналах из перечня, рекомендованного ВАК РФ для публикации результатов диссертационных работ, 1 статья в журнале, 6 статей конференций, 1 учебное пособие, а также 5 свидетельств о регистрации алгоритмов и программ.

Основные положения, выносимые на защиту:

- аналитические и имитационные модели мультиплексирования и демультиплексирования потоков на уровне средних значений и дисперсий времени между событиями в потоках, которые использованы в уравнениях баланса дисперсий потоков в сетевых моделях;

- метод анализа характеристик сетей ЭВМ путем декомпозиции их на отдельные узлы и сведением неоднородного потока заявок к потокам однотипных заявок;

- методика построения матрицы вероятностей передач на основе аппаратно-программных комплексов анализа трафика и системы активного мониторинга приложений;

- аналитическая и имитационная модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ, учитывающие неоднородность потоков;

- результаты исследования и сравнения полученных моделей сетей средствами программной системы расчета сетевых моделей с неоднородными потоками, разработанной на основе аналитических моделей, системой OPNET Modeler и GPSS World;

- рекомендации по повышению производительности сетей ЭВМ с неоднородными потоками.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Работа содержит 142 страницы машинописного текста, 61 рисунок, 12 таблиц. В списке литературы 111 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследования, сформулированы ее цели и задачи, характеризуется научная новизна и практическая ценность полученных результатов, приводятся основные положения, выносимые на защиту, приведены сведения об апробации работы.

В первой главе приведен обзор теоретических методов решения задач анализа производительности компьютерных сетей. Показано применение теории сетей массового обслуживания для исследования компьютерных сетей. Рассмотрены расчет характеристик сетей пакетной коммутации и методы управления потоками в сетях пакетной коммутации. Кратко описаны методы и средства имитационного моделирования сетей. Приведен аналитический обзор современного состояния аппарата имитационного моделирования сетей ЭВМ. Рассмотрены особенности инфокоммуникационных услуг, общие подходы к проектированию и построению сетей ЭВМ, учитывающих неоднородность потоков.

Показано, что существующие методы и модели сетей ЭВМ развиты без учета таких важных особенностей современных сетей, как наличие потоков заявок различного типа. Наиболее существенные недостатки моделей современных сетей следуют из предположения о том, что на вход системы поступает однотипный простейший поток заявок. Таким образом, в результате анализа специфики функционирования современных сетей ЭВМ с неоднородными потоками сформулирована задача по созданию и исследованию моделей сетей с целью улучшения показателей их производительности.

Во , второй главе теория массового обслуживания рассматривается применительно к исследованию сетей ЭВМ. Разработан метод анализа характеристик сетей ЭВМ, как сетей с неоднородным трафиком путем

декомпозиции сетей на узлы и декомпозиции неоднородного потока заявок на потоки однотипных заявок.

Для декомпозиции модели на отдельные узлы на уровне средних значений и дисперсий времен поступления и обслуживания заязок не существует точных методов. В некоторых работах пользуются только уравнениями равновесия потоков на уровне их интенсивностей X . Такой подход фактически означает замену случайного потока событий его средним значением, т.е. математическим ожиданием. Как известно, случайный процесс на практике чаше всего характеризуют его математическим ожиданием, дисперсией и ковариационной функцией. Поэтому учет дисперсий (вторых моментов распределений) интервалов времен существенно может улучшить результаты расчетов. Для этого рассмотрим структуру отдельного узла сетевой модели (рис. 1).

Решением системы уравнений равновесия потоков относительно интенсивностей X, потоков на входе и выходе каждой СМО сети (1) определяем

средние значения интернатов времен между соседними заявками т = X',' для каждого потока в сети

К = + Е рА.(' = 1.-<К = т„-,'),

где "!>-„, - интенсивность потока извне в ¿-й узел (рисунок 1)

(I)

Рис. 1 - Структура / - й СМО сети (А - точка композиции потоков, В - точка декомпозиции потоков)

Вывод уравнений относительно дисперсий обосновывается на формулах преобразования дисперсий и на формуле дисперсии выходного потока. В первом случае потоки разветвляются (имеем точку декомпозиции), во втором потоки сходятся в одну точку - точку композиции. Эти формулы выведены в работе путем доказательства соответствующих утверждений

Пусть мы имеем точку композиции потоков (точка А на рисунке 2), где сходятся два независимых потока заявок с параметрами:?, (¡-1,2) -

среднее время между соседними заявками в потоке /, От - дисперсия этого же

времени. Тогда среднее значение и дисперсия времени в суммарном потоке 1Е=т,х2/(г, + хг), (2)

Дг = (X, Д, У +■ (X., Д £ )3 Д,. (3)

fo.Ail

Рис. 2 - Мультиплексирование потоков

Пусть N(t) означает число событий в потоке за время I. Тогда среднее N(t): N=t/x , где т - среднее время между событиями в потоке N(i). Так как дисперсия числа событий N{t)\ DN = DT -tlf3 (l), то для суммы двух независимых потоков Nz(t)=N\(t)+N2(t) справедливы равенства: 1/тЕ = 1/т, + 1/тг - для среднего времени между соседними событиями в суммарном потоке и Dx =(д7/т,3 + д2/^)- для дисперсии того же времени. Эти результаты получены при непрерывном приближении потока при больших значениях /.

Из последних равенств уже следует справедливость выражений (2) и (3). Формулы (2) и (3) фактически являются математической моделью операции мультиплексирования (агрегирования) потоков.

На основании равенств (2) и (3) легко доказывается справедливость утверждения о том, что сумма нескольких пуассоновских потоков на входе в узел даёт снова пуассоновский поток.

Пусть мы имеем точку декомпозиции потока (точка В на рисунке 3), в которой заявки с вероятностью р уходят из потока 1 (просеянный поток 2, рисунок 3). Тогда среднее значение и дисперсия времени между соседними событиями в просеянном потоке 2:

(4)

(5)

Рис. 3 - Демультиплексирование потока

Формулы (4) и (5) представляют собой математическую модель операции демультиплексирования агрегированного потока на уровне двух моментов распределений времени между заявками. Приведенные утверждения проверены с помощью имитационного моделирования. Ниже в таблице 1 показаны результаты имитации выражений (2) и (3), а в таблице 2 - выражений (4) и (5) для некоторых законов распределений.

'^Клейнрок Л Вычислительные системы с очередями. - М.: Мир, 1979

При этом для каждого из применяемых законов распределений генерировалось по 10000 заявок. Здесь через г и £>т обозначены теоретические

моменты (среднее и дисперсия), а через г" и 5Т2- соответствующие статистические оценки.

Данные таблицы 1 показывают, что формула (3) занижает, дисперсию результирующего потока, следовательно, результаты моделирования могут быть более оптимистическими, чем при расчетах на уровне средних значений.

Таблица 1. Результаты имитации формул (2) и (3)

у?Г А,/Л, Т2/Гг Ч >4

Законы распределения - разномерный (0-1) и экспоненциальный Я = 2

0,5,'0,498 0,083/0,083 0,5/0,498 0,25/0,249 0,25/0,249 0,042/0,045

Законы распределения — экспоненциальные с параметром Я —2

0,5/0,502 _ . ' J 0,25/0,250 0,5/0,499 0,25/0,249 0.25/0,251 0,0625/0,062

Законы распределения -равномерные (0:1) 1

0,5/0,501 0,083/0,083 0,5/0,501 0,083/0,083 0,25/0,250 0,021/0,037

Таблица 2. Результаты имитации формул (4) и (5)

т/т* тР'ГР

Закон распределения - экспоненциальный с параметром Л--0,5, ¿>-0,2; <?-0,8

2,0/1,999 4,0/3,974 10,0/10,178 100,0/99,357 2,5/2,503 6,25/6,217

Закон распределения - равномерный с параметрами о=1, 6=3; р=0,2; д-ОЯ

2,0/2,002 0,333/0,336 10,0/9,977 81,665/81,660 2.5/2,504 1,666/1,666

Закон распределения - нормальный с параметрами т, -2, о,=0,5',р=0,2,д=0,8

2,0/1,994 0,25/0,251 10,0/10,034 81,25/82,215 2,5/2,49 1,5625/1,586

Как видно из таблицы 2, результаты имитационного моделирования полностью подтверждают справедливость утверждения 2. Относительная погрешность результатов моделирования не превышает 5%.

Используя формулы (3) и (5) для суммы потоков на входе ¿-ой СМО, дисперсию интервалов времени между соседними заявками в суммарном входном потоке в стационарном режиме можно выразить через известные параметры сети и дисперсии выходных потоков у-ой СМО сети (/,/'-!,..., п) (рис. 1).

Я,

(К

Я», +

1 -Рл

Рр

■Л,

(6)

Уравнения равновесия (1) и (6) получены для случая СМО <ЗНС(1/<х>. В более общем случае, когда сетевая модель может включать узлы с

ограничениями на объемы канальных буферов (СМО аЮШК с потерями), а также в случае рассмотрения моделей сетей ЭВМ с неоднородными потоками уравнения (1) и (6) модифицируются. Например, в случае, когда сетевая модель включает также узлы с конечной очередью и потерями, уравнения баланса потоков, циркулирующих в стохастической сети на уровне средних значений и дисперсий времени между заявками в потоках следующие:

и Р1 вых + X Я^] отк '

(7)

/=1

Ц.

»А

' / 2

+ 2 7-1

\3

р*

у-1 1-А

рА2

/ отк

Л/а

О ¡отк +

\

Ч у/ " Л / отк у

(8)

где т0, = 1Л0; и £)0/ - среднее и дисперсия времени между заявками в потоке, идущем от внешнего источника на вход / - го узла, Х- интенсивность соответствующего потока (входного, выходного и потока отказов), В -дисперсия времени между соседними заявками соответствующего потока, -вероятность передачи заявки от) -го узла к : - му, - вероятность передачи заявок из потока отказов от_/ -го узла к / - му, а п - количество узлов в сетевой модели.

В случае учета неоднородности потоков сетей ЭВМ модификация уравнений равновесия происходит следующим образом. Пусть сетевая модель характеризуется одной общей матрицей вероятностей передач заявок для всех типов Р={ру} (у-1, •..,«). Составим уравнения баланса интенсивностей потоков заявок для каждого типа т на входе и выходе каждой СМО сети, аналогично (7)

(9)

А^ =

7=1

Решением систем линейных алгебраических уравнений (9), можно определить интенсивности потоков типа т на входе и выходе каждой СМО сети Тогда коэффициент загрузки системы 5, потоком типа т будет

составлять р{т' = , где - интенсивность обслуживания заявки типа от

в системе 5„ Суммарная загрузка системы 5, со стороны всех потоков будет

м . . р,г = 2>1и).

т=\

представится в виде р,г < I

Параметры потоков заявок из множества заявок типа т усредним с целью приведения неоднородного потока к однородному. Эти параметры будут описывать так называемую «усредненную» заявку. При этом должно соблюдаться условие, чтобы однородный поток заявок на обслуживание

Тогда условие существования стационарного режима (/=!,...,«) и коэффициент простоя системы

усредненной заявки создавал такую же нагрузку на каждую СМО сети, как и неоднородный поток. Поэтому параметры этого потока определим посредством усреднения их по интенсивностям поступления Тогда

интенсивность поступления потока усредненных или обобщенных заявок на вход /-ой СМО

м

С = (Ю)

Л) = 1

а среднее время обслуживания обобщенной заявки

<=£ fcrWh?, (н)

т=\

где ц|и> = 1/ï« (f=l.....и).

Используя выражения (10) и (11) получим, что коэффициент загрузки г-ой СМО потоком обобщенных заявок р°6 составит

„Об лОО -Об V l(m)/,,("')_ г, РI -¿J^l W - Pli -

Следовательно, однородный поток обобщенных заявок создает ту же нагрузку, что и неоднородный поток.

В силу такого определения однородного потока обобщенных заявок можно записать уравнения баланса интенсивносгей однородного потока и дисперсии времени между соседними обобщенными заявками на входе и выходе каждой СМО сети аналогично (7) и (8)

-Vf. (12)

M

га

m=1

Очевидно, что решение системы (12) совпадает с решением (9). Аналогично уравнения равновесия для дисперсии будут иметь вид

\3 „ (

о* +

выУ ~ /1о6 \2 р,, •<*•, )

(13)

где К = > О- = X (^Х'И"».

В выражении (13) значения выходных дисперсий будут

определяться по методу двумерной диффузионной аппроксимации с одной лишь разницей, что дисперсия времени обслуживания обобщенной заявки

будет равна: < = ± [о<Г> ■ Х^А? + (т<Г> - < )2 • к^Л? ],

где т|:> и - среднее значение и дисперсия времени обслуживания заявки типа т в г-ой СМО. Тогда итерационная процедура расчета сети с

неоднородным потоком заявок будет такая же, что и для однородного потока, описанная выше.

Третья глава. В третьей главе разработана модель сети Оренбургского филиала Центробанка РФ, получены значения основных характеристик сети при помощи методики приведения неоднородного потока заявок к однородному потоку т.н. «обобщенных» заявок, описанной во второй главе.

Рассматриваются два типа трафика. Это в первую очередь платежи, где приходит порядка 45-50 тысяч документов в сутки. Получаем интенсивность поступления запросов первого типа трафика, равную Х(1) = 0,5787 док/с, то есть через интервалы времени 1,728 с поступают заявки первого типа. Примем трудоемкость обслуживающего устройства за единицу. Интенсивность обработки платежа получим исходя из времени его обработки - миллисекунды (среднее значение порядка 500 мс), то есть ц(,)=1/(0,500) = 2 док/с. Второй тип

трафика - это поток статистической отчетности. Всего существует 127 форм отчетности. При этом ежедневно поступают порядка 60, причем примерно половина от кредитных организаций, а половина от расчетно-кассовых центров. Таким образом, имеем 7620 документов в сутки. Тогда интенсивность запросов второго типа х'2)=0,088 док/с, то есть очередной отчет поступает через интервал времени в 11,3386 с. Интенсивность обработки запросов получим исходя из времени обработки в миллисекунды (среднее значение порядка 450 мс), то есть ра>=1/(0,45)=2,22 док/с.

Получим, что коэффициент загрузки i-ой СМО потоком обобщенных заявок р* составит р,"6 = 1? ■ т* = = р, s,

а в нашем случае р°6 = X"6 • т* = 0,6667 • 0,4934 = 0,3289.

С другой стороны, загрузка р = X1" / \i"' + ХП} / |i"J = 0,3289.

Следовательно, однородный поток обобщенных заявок создает ту же нагрузку, что и неоднородный поток. Расчеты подтверждены результатами, полученными при помощи общецелевой системы моделирования (GPSS World) и разработанной программной системы моделирования сетей с неоднородными потоками, что говорит о высокой точности аналитических моделей. Делаются выводы в виде рекомендаций по улучшению основных показателей функционирования исследуемой сети.

Четвертая глава. В четвертой главе разработана модель сети кафедры вычислительной техники ГОУ ВПО ОГУ с неоднородным трафиком. Описаны методика сбора сетевого трафика в случае использования коммутаторов и методика построения матрицы вероятностей передачи заявок. Согласно данным о трафике сети кафедры получены элементы матрицы вероятностей передач заявок путем деления количества отправленных/полученных килобайт по соответствующему протоколу для каждого ПК на общее количество килобайт трафика, собранного по этому протоколу. Далее по данным вновь полученной матрицы получены матрицы вероятностей передачи заявок для трех протоколов

занесением соответствующих вероятностей передач пакетов от сервера к рабочим станциям в соответствующие ячейки искомой матрицы.

Проведены расчеты основных характеристик сети для 3-х типов трафика. Показано, что результаты расчетов совпадают с полученными в разработанной программной системе расчета сетевых моделей с неоднородными потоками к системе OPNET Modeler. Показано влияние структуры сети (рисунок 4, равномерный закон) и закона распределения интервалов времени во входном потоке и потоке обслуживания (рисунок 5, пуассоновские потоки) на время задержки и время отклика приложений пользователя. Из которых первое уменьшается при использовании топологии сети «чистая звезда» почти в два раза (с 0,0052 сек. до 0,0028 сек), время отклика приложений уменьшается незначительно.

г—

"Г

Т----------Г------

о 1 го i г

lireliectUlOCOH] Ътс laccHilODGW!

Рис. 4 - Задержка Ethernet (слева) и время отклика приложений при равномерном законе

ИШ150 00)125

arm оо шт

ЬгеММОГСОО)

Рис. 5 - Задержка Ethernet (слева) и время отклика приложений при пуассоновском входном потоке После построения матрицы вероятностей передачи заявок Р~{р0} (ij-l, .,п) решением систем уравнений (12) и (13) находятся интенсивности /.? и

дисперсии потоков для всех узлов, а затем узловые и сетевые

характеристики.

По результатам исследований проведено проектирование сети кафедры, в результате чего внесены предложения по улучшению временных характеристик сети путем замены физического подключения к сети сервера и изменения топологии самой сети (приведения ее к «чистой» звезде).

В итоге проведен расчет сметной стоимости прокладки сети кафедры при помощи бесплатного онлайнового сервиса NetWizard (www.netwizard.ru).

В заключении сформулированы основные результаты работы.

1. На основе предложенных математических моделей мультиплексирования и демультиплексирования потоков исследована точность метода декомпозиции сетей на отдельные узлы на уровне средних значений и дисперсий времен поступления и обслуживания.

2. Разработаны аналитические и имитационные модели сетей Центробанка РФ и кафедры вычислительной техники ГОУ ВПО ОГУ, учитывающие неоднородность трафика, с использованием методики построения матриц вероятностей передач. Для расчета показателей производительности аналитических моделей разработана программная система.

3. Разработанные модели сетей для оценки их адекватности исследованы средствами GPSS и системы OPNET Modeler. Определены основные показатели производительности исследуемых сетей, начиная от загрузки сервера Центробанка РФ, загрузки сетевого интерфейса сервера кафедры вычислительной техники ГОУВПО ОГУ до задержек и времен отклика приложений пользователей.

4. Проведено сравнение полученных результатов с помощью разработанной программной системы моделирования с результатами имитационных программных систем моделирования. Показано, что значения характеристик обеих сетей, рассчитанные по аналитическим моделям, отличаются от результатов имитации на несколько процентов (максимальная погрешность 3,4%), что говорит о высокой точности разработанных аналитических моделей.

5. В работе показано, что основные показатели производительности сетей, полученные по разработанным моделям точнее и оптимистичнее, чем вычисленные традиционным методом по средним значениям потоков.

6. В работе также показано, что разработанные модели могут быть использованы для исследования больших корпоративных сетей при их декомпозиции до уровня локальных вычислительных сетей.

7. На основании результатов диссертационной работы разработаны рекомендации для повышения производительности сетей ЭВМ, а именно:

- показано, что сервер сети банка имеет значительный ресурс на увеличение своей загрузки с 33 до 70% при повышении интенсивности входного потока заданий, порог которой также рассчитан;

- показано, что загрузка сетевого интерфейса сервера кафедры уменьшается примерно в 10 раз (с 30,8% до 3,0%) при использовании сетевого интерфейса с большей пропускной способностью; задержка Ethernet

уменьшается при использовании топологии сети «чистая звезда» примерно в два раза (с 5,2 мс до 2,8 мс), а время отклика приложений пользователя уменьшилось незначительно. Это позволяет расширить сеть путем добавления нескольких сегментов, количество которых рассчитывается в зависимости от используемых в них приложений.

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Коннов, A.JI. Анализ и оптимизация локальных сетей и сетей связи с помощью программной системы OPNET MODELER / А.Л. Коннов, В.Н. Тарасов, Ю.А. Ушаков // Вестник ОГУ. - 2006. - Т.2, №б. - С. 197-204.

2. Коннов, А.Л. Декомпозиция сетей массового обслуживания без ограничения на длину очереди / А.Л. Коннов, Н.Ф. Бахарева, В.Н. Тарасов, А.Л. Коннов // Научно-технические ведомости СП6ГГ1У. - 2008. - №2. - С. 31-36.

3. Коннов, А.Л. Декомпозиция сетей массового обслуживания при избыточных и неоднородных потоках / AJI. Коннов, Н.Ф. Бахарева, В.Н. Тарасов // Научно-технические ведомости СПбГПУ. - 2008. — №2. - С. 9-13.

4. Коннов, А.Л. Аналитико-статистический метод моделирования трафика в узлах сетей ЭВМ и телекоммуникаций / А.Л. Коннов, В.Н. Тарасов // Материалы 4-ой Всероссийской научно-практической конференции с международным участием. - Оренбург, 2005. - С. 91-95.

5. Коннов, А.Л. Гибридный метод моделирования трафика в узлах сетей ЭВМ и телекоммуникаций / А.Л. Коннов, В.Н. Тарасов /7 Сборник материалов Всероссийского конкурса инновационных проектов аспирантов и студентов по приоритетным направлениям развития науки и техники. Информационно-телекоммуникационные системы. - ГОСНИИТ, Москва, 2005. - С. 67-68.

6. Коннов, А .Л, Исследование процессов функционирования ЛВС на имитационных моделях с целью ее оптимизации / А.Л. Коннов, Н.Ф. Бахарева, В.Н. Тарасов // Перспективные информационные технологии в научных исследованиях, проектировании и обучении. Труды научно-технической конференции с международным участием. - Самара, 2006. - С. 208-215.

7. Свидетельство о регистрации программного средства в Университетском фонде алгоритмов и программ № 161. Программная реализация базовых моделей вычислительных систем на языке системного моделирования GPSS [Программа] / А.Л. Коннов, В.Н. Тарасов, опубл. 05.06.2006.

8. Свидетельство о регистрации программного средства в Университетском фонде алгоритмов и программ № 201. Моделирование сетей связи при помощи пакета OPNET Modeler [Электронное гиперссылочное пособие] / А.Л. Коннов, В.Н. Тарасов, опубл. 21.11.2006.

9. Свидетельство об отраслевой регистрации разработки в Отраслевом фонде алгоритмов и программ № 7455. Моделирование сетей связи при помощи пакета OPNET Modeler [Электронное гиперссылочное пособие] / А.Л. Коннов, В.Н. Тарасов, Ю.Н. Пивоваров, Ю.А. Ушаков. - №50200700086. опубл. 27.12.2006.

10. Коннов, A.JI. Моделирование мультисервисной сети Центробанка РФ / A.JI. Коннов, Н.Ф. Бахарева // Инфокоммуникационные технологии. - 2008. -Т.6, №1. - С. 76-79.

11. Свидетельство о регистрации программного средства в Университетском фонде алгоритмов и программ № 269. Расчет характеристик моделей телекоммуникационных сетей с неоднородным трафиком [Программа] / AJL Коннов, Н.Ф. Бахарева. опубл. 06.11.2007.

12. Свидетельство об отраслевой регистрации разработки в Отраслевом фонде алгоритмов и программ № 10095. Программная система расчета характеристик моделей телекоммуникационных сетей с неоднородным трафиком [Программа] / А.Л. Коннов, Н.Ф. Бахарева. - № 50200800495. опубл. 27.02.2008.

13. Коннов, АЛ. Программная система расчета сетевых моделей с неоднородными потоками / A.JI. Коннов // Современные информационные технологии в науке, образовании и практике. Материалы VI всероссийской научно-практической конференции с международным участием. - Оренбург, 2007.-С. 241-242.

14. Коннов, АЛ. Алгоритм и программа генерации трафика источник-адресат / АЛ. Коннов // Сборник научных трудов «Управление созданием и развитием систем, сетей и устройств телекоммуникаций». - СПбГПУ, 2008. -С. 20-28.

15. Коннов, A.JI. Уравнения равновесия потоков в сетях массового обслуживания на уровне двух первых моментов распределений интервалов поступления и обслуживания / АЛ. Коннов, Н.Ф. Бахарева, В.Н. Тарасов // Сборник научных трудов «Управление созданием и развитием систег^, сетей и устройств телекоммуникаций». - СПбГПУ, 2008. - С. 163-172.

16. Коннов, A.JI. Проектирование и моделирование мультисервисной сети кафедры вуза / A.JI. Коннов, Н.Ф. Бахарева // Инфокоммуникационные технологии*-2008,-Т.6, №3.-С. 132- 138.

17. Коннов, A.JI. Проектирование и моделирование сетей ЭВМ в системе OPNET Modeler. Лабораторный практикум / АЛ. Коннов, Н.Ф. Бахарева, В.Н. Тарасов, Ю.А. Ушаков. - Самара.: ГОУВПО ПГУТИ, 2008. - 233 с.

Лицензия № ЛР020716 от 02.11.98.

Подписано в печать 11.11.2008. Формат 60x84 '/ Бумага писчая. Усл. печ. листов 1,0. Тираж 100. Заказ 617.

ИПК ГОУ ОГУ 460352, г. Оренбург, ГСП, пр. Победы, 13. Государственное образовательное учреждение «Оренбургский государственный университет»

ВВЕДЕНИЕ.

1 КРАТКИЙ ОБЗОР ТЕОРЕТИЧЕСКИХ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ АНАЛИЗА ПРОИЗВОДИТЕЛЬНОСТИ КОМПЬЮТЕРНЫХ СЕТЕЙ.

1.1 Использование теории сетей массового обслуживания для исследования компьютерных сетей.

1.2 Расчет характеристик сетей пакетной коммутации.

1.2.1 Определение задержки источник-адресат.

1.2.2 Определение загрузки каналов и других устройств.

1.2.3 Модели сетей с ограниченной буферной памятью в узлах коммутации.

1.2.4 Расчеты объемов буферов и вероятностей потерь пакетов.

1.3 Методы управления потоками в сетях пакетной коммутации.

1.4 Методы и средства моделирования сетей.

1.4.1 Вероятностный подход к исследованию ВС.

1.4.2 Аналитические методы.

1.4.3 Аппроксимационный подход к исследованию ВС.

1.4.4 Численные методы.

1.4.5 Имитационное моделирование.

1.4.5.1 Дискретное имитационное моделирование.

1.4.5.2 Непрерывное имитационное моделирование.

1.4.5.3 Сетевое имитационное моделирование.

1.4.5.4 Имитационное моделирование на основе языка системного моделирования.

1.5 Общие сведения и особенности моделирования на GPSS.

1.5.1 Генерирование заявок и случайных величин.

1.5.2 Моделирование устройств.

1.5.3 Отчеты.

1.6 OPNET Modeler.

1.7 Другие программные системы.

1.8 Цели и задачи исследования.

ВЫВОДЫ.

2 ПРИМЕНЕНИЕ ТЕОРИИ МАССОВОГО ОБСЛУЖИВАНИЯ К ИССЛЕДОВАНИЮ КОМПЬЮТЕРНЫХ СЕТЕЙ.

2.1 Сети массового обслуживания и их классификация.

2.2 Уравнения равновесия потоков на уровне интенсивностей.

2.3 Уравнения равновесия потоков на основе математических моделей мультиплексирования и демультиплексирования потоков.

2.4 Модификация уравнений равновесия потоков для исследования сетей с ограниченной буферной памятью.74 v

2.5 Модификация уравнений равновесия для исследования сетей ЭВМ с неоднородным трафиком.

ВЫВОДЫ.

3 МОДЕЛИРОВНИЕ СЕТИ ОРЕНБУРГСКОГО ФИЛИАЛА ЦЕНТРОБАНКА РФ.

3.1 Описание форматов электронных сообщений для подготовки отчетности кредитными организациями.

3.2 Моделирование сети Оренбургского филиала Центробанка РФ.

ВЫВОДЫ.

4 ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВНИЕ СЕТИ КАФЕДРЫ ВУЗА.

4.1 Моделирование сети кафедры вычислительной техники ГОУ ВПО ОГУ.

4.1.1 Методика сбора сетевого трафика.

Актуальность темы

В современной научной литературе редко встречаются задачи анализа производительности конкретных сетей. Для этого не существует единой методики. В монографии В.М. Вишневского «Теоретические основы проектирования компьютерных сетей» академиками Велиховым Е.П. и Кузнецовым Н.А. сказано следующее. «Повсеместное внедрение компьютерных сетей должно сопровождаться опережающим развитием фундаментальной теории в этой области, созданием инженерных методов анализа и синтеза, систем автоматизации проектирования, направленных на сокращение сроков и повышение качества проектирования компьютерных сетей». Поэтому проблема разработки методов оценки показателей производительности сетей ЭВМ с неоднородным трафиком является актуальной.

Тенденцией современного этапа развития компьютерных сетей является изменение структуры передаваемого трафика. Трафик сетей крупных предприятий стал мультимедийным. Сами они характеризуются как сети с неоднородным трафиком, так как делается акцент на использование разнообразных сетевых приложений.

Возросшие стоимости проектирования и самой проектируемой системы предъявляют повышенные требования к качеству проектных решений, в особенности к точности определения пропускных способностей каналов, времени задержки пакетов, объёмов памяти буферов и др. Одним из плодотворных подходов оценки этих важнейших конструктивных показателей является вероятностное моделирование, которому посвящены монографии таких авторов, как Вишневский В.М., L. Kleinrock, Гнеденко БА., Цыбаков Б.С., Майоров С.А. и многих других. При таком моделировании компьютерные системы представляются в виде совокупности ресурсов, использование которых осуществляется в порядке очереди в соответствии с заданной дисциплиной.

Достоверность результатов вероятностного моделирования с использованием теории массового обслуживания, теории очередей и других методов зависит во многом от адекватности применяемых моделей реальным системам.

Проектировщики и разработчики сетевого оборудования испытывают потребность в получении информации о поведении сетей различных масштабов, архитектур и топологий, о качественных характеристиках этих сетей. Соответственно необходимы средства моделирования, которые бы учитывали все особенности функционирования сетей, позволяли задавать исходную информацию в терминах величины прогнозируемого трафика и получать основные характеристики сетей.

Объект исследований

Объектом исследований диссертационной работы являются сети ЭВМ с учетом неоднородности трафика.

Цель работы и задачи исследований

Целью работы является получение оценок показателей производительности сетей ЭВМ на основе разработанных аналитических и имитационных моделей, учитывающих неоднородность потоков, изменчивость их характеристик, а также выработка рекомендаций для модернизации сетей.

Для достижения поставленной цели в работе решены следующие задачи: на основе математических моделей мультиплексирования и демультиплексирования потоков на уровне средних значений и дисперсий времени между событиями в потоках исследован метод декомпозиции сетей массового обслуживания;

- разработаны аналитические и имитационные модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ;

- разработана программная система расчета характеристик моделей компьютерных сетей с учетом неоднородности трафика;

- разработанные аналитические модели сетей для оценки их адекватности, исследованы средствами GPSS World и системой OPNET Modeler при определении основных показателей функционирования исследуемых сетей; проведено сравнение полученных результатов по показателям производительности с помощью вышеуказанных систем моделирования;

- разработаны рекомендации по повышению производительности сетей ЭВМ.

Методы исследования

В работе для решения поставленных задач использован аппарат теории вероятностей, теории вычислительных систем в части сетей массового обслуживания, аналитического и имитационного моделирования вычислительных систем, в том числе сетей ЭВМ, объектно-ориентированное программирование.

Научная новизна работы

Научная новизна диссертационной работы заключается в следующем:

- разработаны и исследованы аналитические и имитационные модели мультиплексирования и демультиплексирования потоков событий на уровне средних значений и дисперсий времен поступления и обслуживания;

- впервые разработаны аналитические и имитационные модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ с использованием аппаратно-программных комплексов анализа трафика и системы активного мониторинга приложений;

- полученные модели сетей для оценки их адекватности, исследованы средствами GPSS, программной системы расчета сетевых моделей с неоднородными потоками и системы OPNET Modeler;

- показано, что основные показатели производительности сетей, полученные по разработанным моделям точнее и оптимистичнее, чем вычисленные традиционным методом по средним значениям потоков;

- показано, что разработанные модели могут быть использованы для исследования корпоративных сетей при их декомпозиции до уровня локальных вычислительных сетей.

Личный вклад

Исследование математических моделей мультиплексирования и демультиплексирования потоков на уровне их средних значений и дисперсий, аналитические расчеты и проведенное имитационное моделирование на ЭВМ, а также выводы и рекомендации выполнены автором лично.

Практическая ценность и реализация результатов работы

Полученные модели сетей ЭВМ позволяют произвести оценку их производительности с учетом изменчивости характеристик входных потоков и неоднородности потоков. Разработанные рекомендации позволяют повысить производительность сетей ЭВМ с неоднородными потоками на этапе их проектирования, а также оценить резерв и допустимую нагрузку существующих.

Полученные результаты используются и могут быть использованы проектными, научно-исследовательскими и эксплутационными организациями при проектировании, разработке, внедрении и модернизации сетей ЭВМ.

Основные теоретические и практические результаты, полученные в работе, использованы в ОАО «Центробанк РФ», УНПК ГОУ ВПО ОГУ и внедрены в учебный процесс ГОУ ВПО ОГУ, ГОУ ВПО ПГУТИ, что подтверждено соответствующими актами.

Апробация работы

Основное содержание и результаты работы докладывались и обсуждались на IV всероссийской научно-практической конференции с международным участием (Оренбург, 2005), всероссийском конкурсе инновационных проектов аспирантов и студентов по приоритетным направлениям развития науки и техники «Информационно-телекоммуникационные системы» (Москва, 2005), научно-технической конференции с международным участием «Перспективные информационные технологии в научных исследованиях, проектировании и обучении» (Самара, 2006), VI всероссийской научно-практической конференции с международным участием «Современные информационные технологии в науке, образовании и практике» (Оренбург, 2007), научно-практической конференции «Управление созданием и развитием систем, сетей и устройств телекоммуникаций» (Санкт-Петербург, 2008).

Публикации

По результатам проведенных исследований опубликовано 17 работ, в том числе 4 статьи в журналах из перечня, рекомендованного ВАК РФ для публикации результатов диссертационных работ, 1 статья в журнале, 6 статей конференций, 1 учебное пособие, а также 5 свидетельств о регистрации алгоритмов и программ.

Основные положения, выносимые на защиту аналитические и имитационные модели мультиплексирования и демультиплексирования потоков на уровне средних значений и дисперсий времени между событиями в потоках, которые использованы в уравнениях баланса дисперсий потоков в сетевых моделях;

- метод анализа характеристик сетей ЭВМ путем декомпозиции их на отдельные узлы и сведением неоднородного потока заявок к потокам однотипных заявок;

- методика построения матрицы вероятностей передачи заявок на основе аппаратно-программных комплексов анализа трафика и системы активного мониторинга приложений;

- аналитическая и имитационная модели сети Оренбургского филиала Центробанка РФ и сети кафедры вычислительной техники ГОУ ВПО ОГУ, учитывающие неоднородность потоков;

- результаты исследования и сравнения полученных моделей сетей средствами GPSS, программной системы расчета сетевых моделей с неоднородными потоками, разработанной на основе аналитических моделей и системы OPNET Modeler 9.1;

- рекомендации по повышению производительности сетей ЭВМ с неоднородными потоками.

Структура и объем работы

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Работа содержит 142 страницы машинописного текста, 61 рисунок, 12 таблиц. В списке литературы 111 наименований.

ВЫВОДЫ

1. При решении-поставленной: задачи для моделирования узлов сети и расчета их основных характеристик использован^ метод двумерной диффузионной: аппроксимации процессов функционирования СМО типа GI/G/1. .,

2. При моделировании неоднородного трафика» сети; и расчете ее характеристик использована методика декомпозиции сети СМО на отдельные узлы на уровне двух первых моментов распределений интервалов поступления и обслуживания:

3. Полученные при помощи программной системы PROBMOD результаты; подтверждаются расчетами, а также аналогичными данными в пакете OPNET Modeler, что говорит о правильности применяемого подхода для. расчета основных характеристик сети; Ethernet, таких, как загрузка линии, задержи Ethernet, время отклика пользовательских приложений и достоверности; полученных результатов.

4., Подобный подход использован'для< исследования узких мест различных сетей с целью повышения их производительности. .

5. Для измерения реального трафика сети использованы демо-версии программных средств Tmeter и PRTG Traffic Grapher. Эти приложения позволяют подсчитывать трафик по различным сетевым протоколам. На основе полученных данных по предложенной методике построены матрицы вероятностей передачи заявок для трёх протоколов (HTTP, FTP и NetBIOS).

6. Представлена окончательная структурная схема сети и ее сметная стоимость с использованием пакета NetWizard.

ЗАКЛЮЧЕНИЕ

Диссертация посвящена исследованию и разработке аналитических и имитационных моделей сетей ЭВМ с неоднородными потоками. Основные результаты работы сформулируем следующим образом:

1. На основе предложенных математических моделей мультиплексирования и демультиплексирования потоков исследована точность метода декомпозиции сетей на отдельные узлы на уровне средних значений и дисперсий времен поступления и обслуживания.

2. Разработаны аналитические и имитационные модели сетей Центробанка РФ и кафедры вычислительной техники ГОУ ВПО ОГУ, учитывающие неоднородность трафика, с использованием методики построения матриц вероятностей передач. Для расчета показателей производительности аналитических моделей разработана программная система.

3. Разработанные модели сетей для оценки их адекватности исследованы средствами GPSS и системы OPNET Modeler. Определены основные показатели производительности исследуемых сетей, начиная от загрузки сервера Центробанка РФ, загрузки сетевого интерфейса сервера кафедры вычислительной техники ГОУВПО ОГУ до задержек и времен отклика приложений пользователей.

4. Проведено сравнение полученных результатов с помощью разработанной программной системы моделирования с результатами имитационных программных систем моделирования. Показано, что значения характеристик обеих сетей, рассчитанные по аналитическим моделям, отличаются от результатов имитации на несколько процентов (максимальная погрешность 3,4%), что говорит о высокой точности разработанных аналитических моделей.

5. В работе показано, что основные показатели производительности сетей, полученные по разработанным моделям точнее и оптимистичнее, чем вычисленные традиционным методом по средним значениям потоков.

6. В работе также показано, что разработанные модели могут быть использованы для исследования больших корпоративных сетей при их декомпозиции до уровня локальных вычислительных сетей.

7. На основании результатов диссертационной работы разработаны рекомендации для повышения производительности сетей ЭВМ, а именно:

- показано, что сервер сети банка имеет значительный ресурс на увеличение своей загрузки с 33 до 70% при повышении интенсивности входного потока заданий, порог которой также рассчитан;

- показано, что загрузка сетевого интерфейса сервера кафедры уменьшается примерно в 10 раз (с 30,8% до 3,0%) при использовании сетевого интерфейса с большей пропускной способностью; задержка Ethernet уменьшается при использовании топологии сети «чистая звезда» примерно в два раза (с 5,2 мс до 2,8 мс), а время отклика приложений пользователя уменьшилось незначительно. Это позволяет расширить сеть путем добавления нескольких сегментов, количество которых рассчитывается в зависимости от используемых в них приложений.

1. Вишневский, В.М. Теоретические основы проектирования компьютерных сетей / В.М. Вишневский. -М.: Техносфера, 2003. - 512 с.

2. Клейнрок, JI. Вычислительные системы с очередями:Пер.с англ. М.:Мир,1979. -600 с.

3. Берёзко, М.П. Математические модели исследования алгоритмов маршрутизации в сетях передачи данных / М.П. Берёзко, В.М. Вишневский, Е.В. Левнер, Е.В. Федотов // Информационные процессы. — 2001. Том 1. - №2. - С. 103-125.

4. Средства анализа и оптимизации локальных сетей Электронный ресурс. -Режим доступа: http://www.dlink.ru/technology/olifer.php

5. Компьютерные системы и технологии: Лабораторный практикум / Под ред. Л.Д. Забродина. М.: Диалог - МИФИ, 2001. - 336 с.

6. Бусленко, Н.П. Моделирование сложных систем / Н.П. Бусленко. М.: Наука, 1978.-399 с.

7. Шеннон, Р. Имитационное моделирование систем искусство и наука / Р. Шеннон. - М.: Мир, 1978. - 272 с.

8. Соболь, И.М. Метод Монте-Карло / И.М. Соболь. -М.: Наука, 1968. 64 с.

9. Шварц, М. Сети ЭВМ. Анализ и проектирование: Пер. с англ. / Под ред. В.А. Жожикашвили. — М.: Радио и связь, 1982. 336 с.

10. Советов, Б.Я. Моделирование систем: Учеб. для вузов — 3 изд., перераб. и доп. / Б.Я. Советов, С.А. Яковлев. -М.: Высш. шк., 2001. 343 е.: ил.

11. Кудрявцев, Е.М. GPSS World. Основы моделирования различных систем / Е.М. Кудрявцев. М.: ДМК Пресс, 2004. - 320 с.

12. Боев, В.Д. Моделирование систем. Инструментальные средства GPSS World: Учеб.пособие / В.Д. Боев. СПб.: БХВ-Петербург, 2004. - 368 с.

13. Имитационное моделирование компьютерных сетей Электронный ресурс. -Режим доступа: http://www.sduto.rU/32/40/1268/indexl.3.html

14. Тарасов, В.Н. Проектирование и моделирование сетей ЭВМ в системе OPNET Modeler. Лабораторный практикум. / В.Н. Тарасов, Н.Ф. Бахарева, А.Л. Коннов, Ю.А. Ушаков. Самара, 2008. - 233 с.

15. Клейнрок JI. Теория массового обслуживания / JI. Клейнрок. М.: Машиностроение, 1979. -432 с.

16. Крылов, В.В. Теория телетрафика и её приложения / В.В. Крылов, С .С. Самохвалова. СПб.: БХВ-Петербург, 2005. -288 е.: ил.

17. Основы теории вычислительных систем / Под ред. С.А.Майорова. М.: Высшая школа, 1978.-408 с.

18. Тарасов, В.Н. Компьютерное моделирование вычислительных систем. Теория, алгоритмы, программы / В.Н. Тарасов, Н.Ф. Бахарева. Оренбург: ИПК ОГУ, 2004. -183 с.

19. Тарасов, В.Н. Вероятностное компьютерное моделирование сложных систем /

20. B.Н. Тарасов, Самара: СНЦ РАН, 2002. 194 с.

21. Шрайбер, Т.Д. Моделирование на GPSS. Пер. с англ / Т.Д. Шрайбер. М.: Машиностроение, 1980.-576 с.

22. Гнеденко, Б.В. Введение в теорию массового обслуживания / Б.В. Гнеденко, И.Н. Коваленко. -М.: Наука, 1987. -431 с.

23. Советов, Б.Я. Моделирование систем. Практикум: Учеб. пособие для вузов / Б.Я. Советов, С .Я. Яковлев. М.: Высш. шк. 2003. - 295 с.

24. Павловский Ю.Н. Имитационные модели и системы / Ю.Н. Павловский. М.: Фазис: ВЦ РАН, 2000. - 134 с.

25. Тихонов, В.И. Марковские процессы / В.И. Тихонов, М.А. Миронов. М.: Сов. Радио, 1977.-488 с.

26. Тарасов, В.Н. Дис. . д-ра техн. наук: 05.13.18 Тарасов, Вениамин Николаевич Вероятностное компьютерное моделирование сложных систем для анализа их производительности: Дис. . д-ра техн. наук : 05.13.18 Оренбург, 2002 244 с. РГБ ОД, 71:04-5/66-1.

27. Тарасов, В.Н. Анализ сетевых моделей вычислительных систем на уровне двух моментов распределений параметров потоков / В.Н. Тарасов // Материалы 5 конференции молодых ученых УДН / Матем., физика, химия/. — Москва, 1982, ч. I,

28. C. 72-75. Деп. 15 июля 1982, № 3814-82.

29. Тарасов, В.Н. Анализ сетевых моделей вычислительных систем при неоднородных потоках заявок. Ленинград, 1983. - 7 с. - Деп. в ЦНИИТЭИ приборостроения 11 февраля 1983, № 2028.

30. Тарасов, В.Н. Вероятностное компьютерное моделирование вычислительных систем для анализа их производительности / В.Н. Тарасов. — Оренбург: Изд-во ОГУ, 2002.-236 с.

31. Тарасов, В.Н. Вероятностно-статистические подходы к построению алгоритмов распознавания. / Анализ структур электронной и вычислительной техники: межвузовский сб. научных трудов. ОГТУ. Оренбург, 1995. - 5 с.

32. Тарасов, В.Н. Методы расчета характеристик вычислительных систем на вероятностной основе. / Анализ структур электронной и вычислительной техники: межвузовский сб. научных трудов. ОГУ. Оренбург, 1996. - С.63-73.

33. Тарасов, В.Н. Непрерывная марковская модель системы массового обслуживания, зависящей от состояния системы. / Деп. в ВИНИТИ 25.12.1991. -№4761-В91.-3 с.

34. Тарасов, В.Н. О новом подходе к анализу сетевых моделей вычислительных систем на уровне двух моментов. / В кн. Методы анализа и моделирования вычислительных сетей, 9-ая Всесоюзная школа-семинар по вычислительным сетям. -Москва, 1984. -С.47-48.

35. Кругликов, В.К. Анализ и расчет сетей массового обслуживания методом двумерной диффузионной аппроксимации / В.К. Кругликов, В.Н. Тарасов // Известия АН СССР. Автоматика и телемеханика. 1983. - №8. - С. 74-83.

36. Кругликов, В.К. Приближенный метод декомпозиции разомкнутой стохастической сети / В.К. Кругликов, В.Н. Тарасов // Известия АН СССР. Техническая кибернетика. 1983. -№6. - С. 142-147.

37. Кругликов, В.К. Анализ функционирования вычислительных систем при неоднородных потоках, заданных на уровне двух моментов распределений / В.К. Кругликов, Н.Б. Пикина, В.Н. Тарасов // Изв. ВУЗов СССР Приборостроение. -1984. -№1,- С. 40-43.

38. Кругликов, В.К. О новом подходе к методу диффузионного приближения в задачах моделирования вычислительных систем / В.К. Кругликов, В.Н. Тарасов //

39. Автоматизированные системы массового обслуживания: сб. докл. всесоюзного совещания. Москва, ИПУ. - 1982, - С. 87-88.

40. Кругликов, В.К. Приближенный метод декомпозиции разомкнутой стохастической сети / В.К. Кругликов, В.Н. Тарасов // Изв. АН СССР Техническая кибернетика. - 1983. №6. - С. 142-147.

41. Кругликов, В.К. Непрерывные сетевые стохастические модели вычислительных систем и сравнительный анализ их точности / В.К. Кругликов, О.Г. Мясников, В.Н. Тарасов // Изв. ВУЗов СССР Приборостроение. - 1986. - №11. - С. 34-38.

42. Кругликов, В.К. Расчет сетевых моделей вычислительных систем с конечной очередью / В.К. Кругликов, В.Н. Тарасов // Изв. ВУЗов СССР Приборостроение. -1982. -№11. -С. 53-57.

43. Кругликов, В.К. Расчет сетей массового обслуживания методом диффузионной аппроксимации / В.К. Кругликов, В.Н. Тарасов // Изв. ВУЗов СССР -Приборостроение. 1982. - №5,- С. 48-52.

44. Тарасов, В.Н. Организация интерактивной системы вероятностного моделирования стохастических систем / В.Н. Тарасов, Н.Ф. Бахарева // Известия Самарского научного центра РАН. 2003. - №1. - С. 119-126.

45. Назаров, А.А. Общий подход к исследованию марковских моделей сетей передачи данных, управляемых статистическими протоколами случайного множественного доступа / А.А. Назаров, С.А. Цой // Автоматика и вычислительная техника. 2004. - №4. - С. 73-85.

46. Авен, О.И. Оценка качества и оптимизация вычислительных систем / О.И.Авен, Н.Н. Турин, Я.А.Коган. И.: Наука, 1982.-464 с.

47. Вахмистров, А. Проектируем сеть с Netwizard / А. Вахмистров // Журнал сетевых решений LAN. 2001. - № 10.

48. Гордеев, Э.Н. Об адекватности моделирования процессов в сетях Электронный ресурс. Режим доступа: http://www.netdialogue.com/files/articles/1773/electricl.doc. -2007

49. Солодянников, Ю.В. Система имитационного моделирования сетей ЭВМ. Электронный ресурс. Режим доступа: http://www.dialog.samara.ru/science/netsim.php

50. Kimura, Т. Diffusion Approximation for an M/G/m Queue / T. Kimura // Operations Research. 1983. -№ 2. - P. 304-321.

51. Kobayashi, H. Modeling and Analysis: An Introduction to System Performance Evaluation Methodology / H. Kobayashi // Addison Wesley Reading Mass. 1978.

52. Kang, W. N. Diffusion approximation for an input-queued packet switch operating under a maximum weight algorithm / W. N. Kang, R. J. Williams. 2007.

53. Kulkarni, L. A. Transient behaviour of queueing systems with correlated traffic / L. A. Kulkarni // Performance Evaluation. 1996. - P. 117-146.

54. Lee, D-S. Transient analysis of multi-sever queues with Markov-modulated Poisson arrivals and overload control / D-S. Lee, S-Q. Li // Performance Evaluation. 1992. - P. 49-66.

55. Reiser, M. Accuracy of the Diffusion Approximation for Some Queueing Systems / M. Reiser, H. Kobayashi // IBM J. of Res. Develop. 1974. - P. 110-124.

56. Sharma, S. Approximate models for the Study of Nonstationary Queues and Their Applications to Communication Networks / S. Sharma, D. Tipper // IEEE International Conf. on Communications. 1993. - P. 352-358.

57. Billingsley, P. Convergence of Probability Measures. Second edition, John Wiley & Sons Inc., New York. 1999.

58. Bonald, T. Insensitive bandwidth sharing in data networks / T. Bonald, A. Proutiere // Queueing Systems. 2003. - P. 69-100.

59. Bramson, M. Convergence to equilibria for uid models of FIFO queueing networks / M. Bramson // Queueing Systems: Theory and Applications. 1996. - P. 5-45.

60. Bramson, M. State space collapse with application to heavy trafic limits for multiclass queueing networks / M. Bramson // Queueing Systems: Theory and Applications. 1998. -P. 89-148.

61. De Veciana, G. Stability and performance analysis of networks supporting elastic services / G. de Veciana, T. J. Lee, T. Konstantopoulos // IEEE/ACM Transactions on Networking. -2001. № 1. - P. 2-14.

62. Kobayashi, H. Application of the diffusion approximation to queuing networks: Part I Equilibrium queue distributions / H. Kobayashi // ACM SIGME symposium. 1973. -P.54-62.

63. Kobayashi, H. Application of the Diffusion Approximation to Queueing Networks II: Nonequilibrium Distributions and Applications to Computer Modeling / H. Kobayashi // Journal of the ACM. 1974. - №.3. - P. 459-469.

64. Chao, X. On truncation properties of finite-buffer queues and queuing networks / X. Chao, M. Miyazawa // Probability in the Engineering and Informational Sciences. — 2000. №4. - P. 409-423.

65. Chao, X. Markov network processes with product form stationary distributions / X. Chao, M. Miyazawa , R. F. Serfozo , H. Takada // Queueing Systems: Theory and Applications. 1998. - №4. - P. 377-401.

66. Spirn, J. R. Network modeling with bursty traffic and finite buffer space / J. R. Spirn // ACM SIGMETRICS Performance Evaluation Review. 1981. - №1. - P. 21-28.

67. Raffo, D. M. Capturing software process and product characteristics in process models using task element decomposition / D. M. Raffo // Conference of the Centre for Advanced Studies on Collaborative research. Toronto, Ontario, Canada. 1994. P. 59.

68. Choi, B. D. Diffusion approximation for first overflow time in GI/G/m system with finite capacity / B. D. Choi, Y. W. Lee, Y. W. Shin // Journal of Applied Mathematics and Stochastic Analysis. 1995. - Volume 8. - Issue 1. P. 11-28.

69. Li, G. An analysis of network performance degradation induced by workload fluctuations / G. Li , P. W. Dowd // IEEE/ACM Transactions on Networking. 1995. -№.4.-P. 433-440.

70. Floyd, S. Link-sharing and resource management models for packet networks / S. Floyd, V. Jacobson // ACM Transactions on Networking. 1995. - №4. - P. 365-386.

71. Whitt, W. A Diffusion Approximation for the G/GI/n/mQueue / W. Whitt // Operations research. 2004. - Vol. 52. - №6. - P. 922-941.

72. Hall, R.W. Queueing methods for services and manufacturing / R.W. Hall // Prentice Hall.-1991.

73. Newell, G.F. Applications of Queueing Theory / G.F. Newell // Chapman and Hall. -1982.

74. Halachmi, B. A diffusion approximation to the multiserver queue / B. Halachmi, W.R. Franta // Management Science. 1978. - №24. - P. 522-529.

75. Newell, G.F. Approximate Stochastic Behavior of n-Server Service Systems with Large n / G.F. Newell // Springer-Verlag. 1973.

76. Gaver, D.P. Diffusion approximations and models for certain congestion problems / D.P. Gaver // Journal of Applied Probability. 1968. - №5. - P.607-623.

77. Окольнишников, В.В. Представление времени в имитационном моделировании / В.В. Окольнишников // Вычислительные технологии. 2005. — Том 10. - №5. - С. 57-80.

78. Baruoh, Н. A diffusion approximation to the multiserver queue / H. Baruoh, W.R. Franta // Management Science. -1978. V.24. - №5. - P.522-529.

79. Бакланов, В. Мультисервисные сети:пороховой погреб для системы эксплуатации / В. Бакланов // Connect! Мир Связи. Март 2004.

80. Коновалов, Е. Как построить корпоративную мультисервисную сеть / Е. Коновалов // CNews. Июль 2005.

81. Кутузов О.И., Татарникова Т.М., Петров К.О. Распределенные информационные системы управления. Учебное пособие по курсовому проектированию. Электронный ресурс. Режим доступа: http://dvo.sut.ru/libr/ius/i231kutu/index.htm

82. Шнепс, М.А. Системы распределения информации. Методы расчета. Справочное пособие / М.А. Шнепс. М.: Связь, 1979. - 342 с.

83. Бахарева, Н.Ф. Моделирование мультисервисной сети Центробанка РФ / Н.Ф. Бахарева, A.JI. Коннов // Инфокоммуникационные технологии. — 2008. Том 6. -№1.-С. 76-80.

84. Описания форматов электронных сообщений для подготовки отчетности кредитными организациями. Электронный ресурс. Режим доступа: http://cbr.ru/analytics/system

85. Тарасов, В.Н. Анализ и оптимизация локальных сетей и сетей связи с помощью программной системы OPNET MODELER / В.Н. Тарасов, A.JI. Коннов, Ю.А. Ушаков // Вестник ОГУ. 2006. - №6. - С. 197-204.

86. Пахомов, С. Анализаторы сетевых пакетов / С. Пахомов // Журнал «КомпьютерПресс». 2006. — №4. Электронный ресурс. — Режим доступа: www.compress.ru/article.aspx?id=16244&iid=743.

87. Кадер, М. Типы сетевых атак, их описания и средства борьбы Электронный ресурс.: Cnews аналитика. Режим доступа: http://www.cnews.ru/reviews/free/ oldcom/ security/ciscoattacks .shtml

88. Коннов, A.JI. Алгоритм и программа генерации трафика источник-адресат / A.JI. Коннов // Сборник научных трудов «Управление созданием и развитием систем, сетей и устройств телекоммуникаций». — СПбГПУ, 2008. — С. 20-28.

89. Гургенидзе, А. Мультисервисные сети и услуги широкополосного доступа / А. Гургенидзе, В. Кореш. -М.: Наука и Техника, 2003. -400 с.

90. Сох, D.R. The Theory of Stochastic Processes / D.R. Cox, H.D. Miller // Chapman and Hall. 1965.

91. Choi, B.D. Transient diffusion approximation for M/G/m system / B.D. Choi, Y.W. Shin // J. Oper. Res. Zooc. Japan. 1991. - P. 306-328.

92. Choi, B.D. Shin, Y.W., Approximation analysis of time dependent queue size distribution for GI/G/m system using diffusion process / Choi, B.D. Shin, Y.W. // KAIST Mathematics Workshop 6, Analysis and Geometry, Korea. 1991. - P. 225-242.

93. Duda, A. Transient diffusion approximation for some queueing systems / A. Duda // Performance Evaluation. 1983. - Rev. 12. - P. 118-128.

94. Duda, A. Diffusion approximation for time-dependent queueing systems / A. Duda // IEEE Journals on Selected Areas in Communications, SAC4:6. 1986. - P. 905-918.

95. Gelenbe, E., Probabilistic models of computer systems Part II: Diffusion approximations, waiting times and batch arrivals / E. Gelenbe // A eta Informatica, 12. -1979.-P. 285-303.

96. Kimura, T. Diffusion approximation for GI/G/1 queueing systems with finite capacity: The first overflow time / T. Kimura, K. Ohno, H. Mine // J. Oper. Res. Soc. Japan, 22:1.- 1979.-P. 41-68.

97. Chang, X. Network simulations with OPNET / X. Chang // Proceedings of the Winter Simulation Conference. 1999. - P. 307-314.

98. IT Guru Academic Edition Электронный ресурс.: OPNET Technologies. 2005. — Режим доступа: http://www.opnet.com/services/university/itguruacademicedition.html.

99. OPNET IT Tutorial Электронный ресурс.: OPNET Technologies. Режим доступа: http://www.opnet.com/itguru-academic/mk-setup.html

100. J. Theunis, В. Van den Broeck, P. Leys, J. Potemansl, E. Van Lil, A. Van de Capelle. OPNET in Advanced Networking Education Электронный ресурс.: Режим доступа: http://www.esat.kuleuven.ac.be/telemic/networking/opnetwork02Johan.pdf

101. The World's Leading Network Modeling and Simulation Environment Электронный ресурс.: OPNET Technologies. Режим доступа: http://www.opnet.com/products/modeler/home.html

102. Тарасов, В.Н. Декомпозиция сетей массового обслуживания без ограничения на длину очереди / В.Н. Тарасов, Н.Ф. Бахарева, A.JI. Коннов // Научно-технические ведомости СПбГПУ. 2008. - №2. - С. 31-36.

103. Тарасов, В.Н. Декомпозиция сетей массового обслуживания при избыточных и неоднородных потоках / В.Н. Тарасов, Н.Ф. Бахарева, A.JI. Коннов // Научно-технические ведомости СПбГПУ. 2008. - №2. - С. 9-13.

104. Тарасов, В.Н. Аналитико-статистический метод моделирования трафика в узлах сетей ЭВМ и телекоммуникаций / В.Н. Тарасов, A.JI. Коннов // Материалы 4-ой Всероссийской научно-практической конференции с международным участием. -Оренбург, 2005. С. 91-95.

105. Бахарева, Н.Ф. Проектирование и моделирование мультисервисной сети кафедры вуза / Н.Ф. Бахарева, А.Л. Коннов // Инфокоммуникационные технологии. -2008.-Том 6.-№3.-С. 132-138 .