автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Моделирование и оптимизация режима функционирования клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы

СО МИН ТУН

На правах рукописи

МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ РЕЖИМА ФУНКЦИОНИРОВАНИЯ КЛИЕНТ-СЕРВЕРНОЙ СЕТИ ЦЕНТРА ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ МЬЯНМЫ

Специальность 05.13.01- «Системный анализ, управление и обработка информации (промышленность)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 о ИЮН 2010

Москва 2010

004604844

Работа выполнена в ГОУ ВПО «Московский государственный горный университет»

доктор технических наук, профессор Бахвалов Лев Алексеевич

Официальные оппоненты: доктор физико-математических наук, профессор Широчин Дмитрий Львович; доктор технических наук, доцент Панова Светлана Анатольевна

Ведущее предприятие - ГОУ ВПО «Владимирский государственный университет»

(г.Владимир)

(МГГУ)

Научный руководитель

Защита диссертации состоится « 22 » июня 2010 г. в « 43 » час. на заседании диссертационного совета Д-212.128.07 при Московском государственном горном университете по адресу: 119991, Москва, Ленинский проспект, 6

С диссертацией можно ознакомиться в библиотеке Московского государственного горного университета

Автореферат разослан «21 » мая 2010 г.

Ученый секретарь диссертационного совета доктор технических наук, доцент

Гончаренко С.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Клиент-серверная архитектура - неотъемлемая часть современных информационных технологий. Она создала новые возможности для разработчиков аппаратных и программных средств. В основу технологии был положен принцип распределения - один из основных двигателей прогресса в информационной индустрии. Полное отделение реализации исполняемых функций от интерфейса для доступа к ним дало мощный толчок в инновационной деятельности разработчиков программного обеспечения. Однако стремительное внедрение клиент-серверной архитектуры в различные отрасли человеческой деятельности породило ряд проблем, связанных, как правило, с перегрузкой серверов и, как следствие, выхода их из нормального режима функционирования. Для клиент-серверной технологии именно ситуации перегрузки серверов являются наиболее опасными, так как в этом случае не могут работать нормально и все клиенты. Все это требует проведения экспериментальных исследований свойств сети, причем не только в режиме оперативного мониторинга, но и более глубокого изучения, в частности, с целью прогнозирования их поведения. С этим же связана и задача совершенствования соответствующего научно-методического и программного обеспечения анализа и моделирования трафика.

Работы по данной проблеме велись и ведутся весьма интенсивно как отечественными (Л.И. Абросимов, В.В. Крылов, Н.И. Федунец, О.И. Шелухин, A.B. Осин, А.К. Скуратов, H.A. Олифер, В.Г. Олифер, В.В. Емельянов, В.А. Жожикашвили и др.), так и зарубежными учеными (М. Шварц, К. Парк, Дж. Медхи и др.). Тем не менее многие вопросы здесь либо исследованы недостаточно полно, либо ориентированы на решение относительно узких прикладных задач. В частности, отсутствуют комплексные методики организации и проведения экспериментальных исследований трафика, обобщающие накопленный к настоящему времени опыт их проведения. Достаточно ограничен перечень статистических методов, используемых при обработке данных, характеризующих интенсивность трафика. Математические

1

модели трафика в основном строятся в предположении его стационарности. Все это свидетельствует о необходимости дальнейшего развития исследований по данной проблематике.

Целью диссертационной работы является развитие методов и алгоритмов анализа качества функционирования, прогнозирования свойств и оптимизации трафика клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

В соответствии с указанной целью в рамках диссертационной работы была составлена общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы и решались следующие задачи:

1. Дана общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

2. Выполнен анализ структуры сетевых ресурсов и их совокупное расположение в сети в виде графа или в виде системы двух матриц, включая естественные ограничения системы, такие как пропускная способность каналов, ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования.

3. Формализованы математические модели и критерий оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

4. Разработана методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессионного анализа.

5. Разработаны алгоритмы имитационного моделирования клиент-серверной сети с удаленным доступом через выделенный канал связи, в том числе алгоритм работы цифрового канала связи, алгоритм расчета предварительного времени закачки, алгоритм расчета размера скачанной

2

информации, алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи.

6. Разработано отдельное программное обеспечение решения задачи оптимизации клиент-серверной сети с удобным пользовательским интерфейсом с ядром имитационной модели на вРвБ и специальной утилитой С81ткСос1еОепега1ог.

Методы исследования. Полученные результаты исследования базируются на использовании методов и средств системного анализа, элементов теории компьютерных сетей, математической статистики, теории случайных процессов, имитационного моделирования.

Научные положения, выносимые на защиту:

1. Комплексная методика анализа структуры ресурсов клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

2. Формирование математической модели и критерия оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

3. Методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессивного анализа.

Научная новизна работы.

1. Впервые создана структура сетевых ресурсов в виде совокупности графа и двух матриц, включающих в себя ресурсы сети и ограничения на их расположение.

2. Впервые формализованы математические модели оптимизации параметров клиент-серверных сетей на основе имитационного моделирования.

Научная значимость работы состоит в разработке научно обоснованной комплексной методики и алгоритмов оптимизации клиент-серверных сетей на основе использования имитационного моделирования компьютерных сетей.

Практическая значимость работы заключается в оптимизации режимов функционирования с целью повышения производительности клиент-серверной сети информационно-коммуникационного центра Мьянмы.

Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на семинарах кафедры АСУ МГГУ и международных симпозиумах «Неделя горняка» (2009-2010 гг., Москва).

Публикации. По результатам исследований опубликованы 3 статьи в журналах, входящих в перечень ВАК Минобрнауки России.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 96 наименований, включает 30 рисунков, 10 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность темы диссертационной работы, сформулированы цели и задачи исследования, изложены основные положения, выносимые на защиту, научная новизна и практическая значимость работы, представлены сведения об ее апробации, публикациях, а также дана краткая характеристика содержания работы.

В первой главе дается общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети информационно-коммуникационного центра Мьянмы на основе анализа публикаций по данной проблематике. Мьянма - государство в Юго-Восточной Азии, площадью 678 тыс.км2, с населением около 52 млн.человек, граничащее с Индией и Бангладеш на западе, Китаем - на северо-востоке, Лаосом- на востоке, Таиландом - на юго-востоке. На юго-западе и юге её берега омываются водами Бенгальского залива Андаманского моря. В начале 2008 года в Янгоне был организован центр Информационно-коммуникационных технологий Мьянмы (МИКЦ - Мьянма Информационно-Коммуникационный Центр). Основное назначение МИКЦ - способствовать быстрому социально-экономическому

развитию страны, обеспечить условия для развития в Мьянме работ по развитию и применению современных информационных технологий. МИКЦ представляет собой большой комплекс с территорией почти 1000 акров. Здание, принадлежащее предприятию, 3-х этажное, в каждом отдельном кабинете расположены компьютеры. Серверная находится на первом этаже. Там находится три сервера. На каждом этаже находятся компьютеры, объединенные в локальную сеть с выходом в Интернет. В здании находятся 34 компьютера: на первом этаже - 10 компьютеров, на втором этаже - 9, и на третьем этаже - 15 компьютеров. Анализируются особенности сети МИКЦ и протоколы взаимодействия, из которых важнейшим для дальнейшего анализа является сеансовый и транспортный уровни взаимодействия клиента с сервером.

Во второй главе анализируется структура сетевых ресурсов и их совокупное расположение в сети. Для составной сети ресурсы можно разделить на две группы: локальные и общедоступные. Локальный ресурс доступен только в рамках одного сегмента и используется как ресурс отдела или рабочей группы. Сетевой трафик, образуемый при взаимодействии такого ресурса с его потребителями, локализован в этом сегменте и не влияет на изменение межсетевого трафика. Расположение общедоступного ресурса в сети существенно влияет на межсетевой 1рафик и является важным фактором функционирования сети. Из этого следует, что ресурсы должны быть расположены в сети таким образом, чтобы совокупный трафик между ресурсами и клиентами был как можно меньше.

Структуру ресурсов в сети МИКЦ можно условно изобразить в виде графа (рис.1).

Более содержательным является представление структуры сети в виде графа или в виде системы двух матриц:

Матрицы топологии сети (как сегменты связаны друг другом):

Сегмент А

1 Г Сегмент С ^

Рис. 1. Структура сетевых ресурсов МИКЦ

А

В С О

А

\

В С О 1 1 -

\ 1 1

\ -\

На пересечениях, указаны скорости связей (если каналы связи дуплексные, как в данном случае, то матрица симметрична относительно главной диагонали).

Матрицы принадлежности серверов и других компьютеров сегментам:

1 -находится в этом сегменте О - не находится в этом сегменте ............... (каждый сервер/компьютер может принадлежать только одному сегменту) Список распределяемых ресурсов можно представить в следующем виде (табл.1):

А в с о

51 1 0 0 0

52 0 0 1 0

53 0 1 0 0

54 0 0 0 1

К1 1 0 0 0

К2 0 1 0 0

Таблица 1

Список распределяемых маршрутов_

Наименование Тип Мощность

R1 SQL - сервер 30

R2 WEB - сервер 14

R3 WEB - сервер 10

Список маршрутов для каждой пары сегментов формирует маршрутная таблица, на пересечениях находятся точки сети, через которые проходит маршрут (табл.2).

Таблица 2

Маршрутная таблица

А В С D

А А АВ АС ABD

В АВ В ВС BD

С АС ВС С CBD

D DBA BD DBC D

Матрица трафиков между ресурсами и сегментами (конечными компьютерами) получается при объединении данных о потоках между ресурсами и компьютерами с данными о расположении компьютеров в сегментах. Эта матрица вычисляется для каждого анализируемого интервала времени. Элементы матрицы - значения интенсивности трафика между ресурсами и сегментами.

RI R2 R3

А 0,1 0,3 0,2

В 0,3 0 0,1

С 0,1 0,4 0

D 0,3 0,3 0,2

Помимо естественных ограничений системы, таких как пропускная способность каналов и т.д., существуют ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования. К ним. относятся ограничения по расположению ресурсов на серверах. Максимальное

количество ресурсов, одновременно поддерживаемых сервером, и типы ресурсов, которые может поддерживать конкретный сервер. Меняя расположение ресурсов в сети, можно изменять нагрузку на каналы связи. Решением задачи оптимального расположения сетевых ресурсов является такое расположение ресурсов, которое приводило бы к минимизации критерия оптимальности, определённого в работе. Наблюдение за использованием ресурсов осуществляется с помощью платформы сетевого наблюдения, описанной в диссертации. Расположение ресурсов в клиент-серверной сети позволяет минимизировать трафики между сегментами, генерируемые при взаимодействии ресурсов и клиентов. Это, в свою очередь, позволяет наиболее эффективно использовать возможности клиент-серверной сети, освободить часть пропускной способности межсетевых каналов связи для других приложений, сэкономить средства при приобретении сетевого оборудования, аренде коммутируемых каналов связи. Кроме того, решение этой задачи позволяет прогнозировать состояние сети при подключении новых ресурсов, что может предупредить перегрузки сети, которые могут возникнуть при неправильном расчете распределения трафиков. Основой предложенного метода является перебор вариантов. К сожалению, при рассмотрении сложных систем (таких, как сеть МИКЦ) этот метод не позволяет получать эффективные решения из-за большого количества вариантов. Это обстоятельство вынуждает обратиться к более мощные средствам анализа на основе методов имитационного моделирования.

В третьей главе рассматриваются математические модели, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования. Приведён обзор инструментально-программных средств имитационного моделирования вычислительных сетей. Отмечаются особенности клиент-серверной сети, такие как неопределенность большинства параметров системы. Практически все входные параметры носят вероятностный характер, поэтому аналитическое моделирование непригодно для исследования. В качестве пакета имитационного моделирования выбрана

среда разработки GPSS World, так как является достаточно быстрым и удобным симулятором.

Элементы имитационной модели можно разделить на несколько типов, имеющих иерархическую организацию данных:

1. Канал связи описывается вектором: С = (Speed, S|,...SM), где M -количество серверных станций, подключенных к выделенному каналу связи, Speed - пропускная способность канала, выраженная в Mb/s, a Si,...sM -идентификаторы объектов, описывающих параметры серверных станций.

2. Серверная станция описывается вектором: SS = (Power, ji,,..., pN), где Power - мощность серверной станции, необходимая для перехода от удельного времени обработки к реальному, N - количество серверных программ на данной серверной станции, а Ц: ,..., jiN - идентификаторы объектов, описывающих параметры серверных программ.

3. Серверная программа описывается вектором SP[sb е2, е3 , е4], где е, -случайная величина, распределенная по определенному закону (задается гистограммой) для 1=1 ..4.

4. Заявка описывается вектором TP = Pi-Ik..] , где К - номер атрибута заявки (транзакта), определенного в разделе «Объекты исследуемой системы».

В результате моделирования получаются следующие случайные распределения в результате сбора статистики:

• Дискретная функция распределения количества обрабатываемых заявок каналом связи. Эта функция показывает вероятность нахождения в канале связи количества заявок: т(х);

• Дискретные функции распределения количества заявок в очереди к серверам. Функция показывает вероятность нахождения в очередях к серверам определенного количества заявок: % ¡(у), i=l..N.

Для того чтобы определить критерий оптимальности, введем функции зависимости прибыли, получаемой при использовании серверной программы i-ro типа, от математического ожидания и дисперсии случайной величины &(у), показывающей распределение длины очереди к серверу, на котором установ-

лена серверная программа i-ro топа: Fnpj (р^, axi). Разумеется, что значения oXi для нескольких программ на одном сервере будут одинаковыми.

Жесткое разделение по типу сервера необходимо, так как каждый тип сервера имеет разный фактор значимости на прибыль, а значит, и функция Fnpj (Ия, oxi) имеет разный вид для всех i=l ..N.

Исходя из вышесказанного, можно вывести общий вид целевой функции суммарной прибыли:

и

F = Fnpi шах.

/-1

Чтобы найти функцию зависимости Fnpj (ц^, cxj) для i-ro сервера, воспользуемся определенной заранее статистикой для всех i, выраженной в виде таблицы 3xN, где N - количество точек.

Для нахождения аналитической функции Fnpi (ц^, с^) в общем виде воспользуемся методом наименьших квадратов для функции от N-переменных. Для этого необходимо составить эмпирическую функцию в виде полинома п-й степени (п выбирается в зависимости от вида распределения точек): Fnpj (nxi,ax0 = ainxi1+ ...+041/ + an+1Gxi' + ...+а2по/.

Найдем уравнение аппроксимирующей поверхности в общем виде Fonp;, используя основной критерий метода наименьших квадратов:

m

XСnPiC/fri>azi)~Ропр^(pzl,<tzi))2 min, k-1

где m - количество измерений.

Далее, находим все минимумы функций из системы из 2N уравнений:

m

(Aj i, ) - Fonpj (в, ,—а2„ ^zitaxiyf -= 0 ,i=1..2N.

dat

Решая эту систему уравнений относительно неизвестных коэффициентов, получаем аналитический вид функции Fonpj, описывающей поверхность, наиболее приближенной к экспериментальным точкам.

Чтобы определить абсолютный максимум целевой функции воспользуемся методом поиска абсолютного максимума функции.

Найдем критические точки, решив следующие уравнения: дм*

i=l..N.

В результате находим несколько вариантов решений Xj,j = 1. .Qnt, где Qnt - количество решений системы уравнений. В частном случае может решений не быть вовсе или найдено всего одно решение, что соответствует единственной точке. Найдя несколько решений, необходимо найти из них все точки максимума. Для этого должно выполняться условие:

F(xJ)>F(x0J)J где Xoj - любая точка в окрестности точки Xj.

Максимальную из всех точек максимума найдем методом перебора решений таким образом, чтобы

Необходимо заметить, что эти точки не являются обязательно точками абсолютного максимума, так как функция может бесконечно возрастать вне области своего определения. Поэтому необходимо рассмотреть еще и все ограничения. Для этого в работе сформулированы ограничения на максимальное и минимальное среднее количество заявок в очереди (математическое ожидание - Мах , Min ^ и максимальный и минимальный разброс случайной величины заявок в очереди (дисперсию - Мах ах, Min oj.

Чтобы получить максимальную прибыль, нужно варьировать входными параметрами (Speed, Power] ... PowerM) таким образом, чтобы получить значения, наиболее близкие к Extr(^), Extr(oxi) для всех i.

Эксперимент «прогоняется» некоторое количество раз, и затем при помощи возможностей дисперсионного анализа GPSS находит отклонения воздействия случайных и систематических событий, используя подпрограмму ANOVA. В силу того что входных и выходных параметров достаточно много, сложно определить, какой из входных параметров нужно поменять и на

сколько, чтобы «приблизиться» к оптимальному решению. Для решения этой проблемы в диссертации предлагается использовать средства регрессионного анализа.

Для построения уравнений регрессии воспользуемся методом наименьших квадратов, производя поиск в линейном виде:

м

Мг, = + 2Ху • РошГ] + ■ Speed, i = 1 ..N ,

j-1

м

ax, _ аи = a^o + X ao'j • Powerj + <W+1)' sPeed, i= 1 --N.

Таким образом, зная регрессионные зависимости и изменяя входные параметры, итерационно достигнем максимума целевой функции F и тем самым решим поставленную задачу оптимизации.

В четвертой главе рассматриваются вопросы создания алгоритмов имитационного моделирования клиент-серверной сети с удаленным доступом через выделенный канал связи. Эту задачу необходимо разбить на несколько подзадач:

1. Выделить основные типы объектов, принимающих участие в моделировании.

2. Четко настроить связи между ними.

3. Определить для каждого объекта реальной сети аналогичный по функциональности объекту в среде GPSS.

4. Создать параметрическую базу для каждого типа объектов в рамках решения данной задачи.

В реальной исследуемой сети фигурируют следующие понятия:

• Цифровой канал связи;

• Серверная станция;

• Серверная программа;

• Клиент;

• Пакеты.

В работе раскрыто назначение каждого из вышеперечисленных элементов, выделены необходимые параметры и созданы их имитационные аналоги.

Результатами имитационного моделирования являются следующие показатели:

1. Распределение загрузки серверов.

2. Распределение загрузки серверов отдельной группой заявок.

3. Загрузка вычислительного цифрового канала связи (ВЦКС).

4. Распределение количества заявок отдельной группой, обрабатываемых ВЦКС.

5. Распределение времени в очереди транзактов к каждому серверу.

6. Распределение длины очереди к каждому серверу.

Выбранный в качестве системы моделирования GPSS World является одним из наиболее мощных средств разработки имитационных моделей с хорошей отладочной библиотекой. Можно выделить ряд достоинств перед другими пакетами, но наряду с этим он обладает плохой средой визуального проектирования. Для решения этой проблемы было решено разработать отдельное программное обеспечение, которое может предоставить удобный пользовательский интерфейс.

Для этих целей была разработана специальная утилита CSImitCodeGenerato, позволяющая в интерактивном режиме настраивать параметры системы и, в результате, самостоятельно генерировать код для последующей имитации его в среде GPSS World.

Утилита CSImitCodeGenerator работает с объектно-ориентированными данными. Иерархия классов представлена на рис.2, где: CSObject - базовый класс, родитель всех классов.

CChannel - класс, описывающий свойства и методы объекта «Канал связи». CServerProgram - класс, описывающий свойства и методы объектов типа «Программа - сервер».

Рис.2. Иерархия классов в С81ткСос1еСепега1ог

СВегуегёгайоп - класс, описывающий свойства и методы объектов типа «Серверная станция».

С015Ю£гат - базовый класс, описывающий свойства и методы объектов типа «Гистограммы».

ССПте1тегуа1 - описывает объекты типа «Гистограмма распределения времени прихода заявок».

С01псоте81ге - описывает объекты типа «Гистограмма распределения размера входных заявок».

ССОЩсолк^ге - описывает объекты типа «Гистограмма распределения размера выходных заявок».

ССОгйсотеБ^е - описывает объекты типа «Гистограмма распределения размера выходных заявок».

СОБегуегПте - описывает объекты типа «Гистограмма распределения удельного времени обработки сервером заявок».

В этой же главе разработаны: общий алгоритм решения задачи оптимизации клиент-серверной, сети, представленный на рис.3; алгоритм работы цифрового канала связи; алгоритм расчета предварительного времени закачки; алгоритм расчета размера скачанной информации; алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи. Здесь же описано разработанное автором ядро имитационной модели на ОРБЗ.

4

6 +

Удовлетворяют данные

Рис. 3. Общий алгоритм имитационного моделирования

В пятой главе описана система имитационного моделирования клиент-серверной информационной сети, реализованная на базе среды GPSS World 5.0.3 и разработанной утилитой CSImitCodeGenerator. На рис.4 представлена одна из экранных форм системы.

н->ИШГ •

и ® Server Station RX-500 s 9 HTTP - Server Интервал Входной размер Ш. Выходной размер е£ время обработки Ш 9 FTP - Server Hi 9 DNS-Server ffi 9 DataBase - Server Распределение коэффициента

; Принять {

Временный суффер -г-— Пусто

Ыдалнть содержимое

г Генерация GPSS - кода в файл — I Имя файла ¡GPSS_Sample.txt

Генерировать код

Выход

Рис.4 . Экранная форма «Параметры канала связи»

Для проверки работоспособности рассмотрен случай 2-х серверной станции, подключенной через цифровой канал связи со скоростью пропускания 256 КБит/с.

На 1-й станции мощность равна 50. На ней установлены 2 сервера:

1. HTTP Server. Для него характерны функции, которые распределены следующим образом: Интервал времени между поступлениями заявок -нормально (М=5 мс, D=2 мс); Размер входной заявки - равномерно (М=1 Кбит, D=0.1 Кбит); Размер выходной заявки экспоненциально (М=16 Кбит); Время обработки сервером нормально (М=5 мс, D=1 мс).

2. FTP Server. Для него характерны функции, которые распределены нормально: Интервал времени между поступлениями заявок (М=5 мс, D=2 мс); Размер входной заявки (М=Т Кбит, D=0.1 Кбит); Размер выходной заявки (М=16 Кбит, D=8 Кбит); Время обработки сервером (М=5 мс, D=1 мс).

На 2-й серверной станции мощность 75. На ней установлен i сервер:

16

1. DNS Server. Для него характерны функции, которые распределены нормально: Интервал времени между поступлениями заявок (М=1 мс, D=1 мс); Размер входной заявки (М=0.1 Кбит, D=0.01 Кбит); Размер выходной заявки (М=0.1 Кбит, D=0.01 Кбит); Время обработки сервером (М=0.1 мс, D=0.01 мс). Часть результатов имитационного моделирования представлена на рис. 5-8.

Гистограмма ¡.-вслредегеииА

■

Ш

Рис.5. Распределение времени между поступлениями новых заявок для HTTP

Server

Гистограмма распределения

г Л

£

i

:i!

0,7 0.75 0.8 0.Б5 0,9 0.S5 1 1.05 1,1 1,15 1,2 1,25 МС

Рис 6. Распределение входного размера заявок

Гпстсгрвмыа распределения

Б

0.05 0.1 0.15 0.2 025 0.3 0 35 0.4 СМ 0.5 МС

Рис 7. Распределение выходного размера заявок

Гис-ограыыа ласпр£де№М|!я

0 1 2

Рис.8. Распределение времени обработки сервером заявки

При работе серверных станций собиралась статистика: зависимость убытков от математического ожидания и дисперсии случайной величины, характеризующей распределение количества клиентов в очереди перед серверной станцией определенного типа. Убытки выражаются в условных денежных единицах. Анализ полученных данных позволяет определить статистические характеристики очередей, минимизирующих убытки.

ЗАКЛЮЧЕНИЕ

В диссертационной работе дано решение актуальной научной задачи, связанной с развитием методов и алгоритмов анализа качества функционирования, прогнозирования свойств и оптимизации трафика клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

Основные научные и практические результаты, полученные лично автором:

1. Дана общая характеристика состояния проблемы исследования и моделирования клиент-сервёрной сети центра информационно-коммуникационных технологий Мьянмы.

2. Выполнен анализ структуры сетевых ресурсов и их совокупное расположение в сети в виде графа или в виде системы двух матриц, включая естественные ограничения системы, такие как пропускная способность каналов, ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования.

3. Сформированы математические модели и критерий оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

4. Разработана методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессионного анализа.

5. Разработаны алгоритмы имитационного моделирования клиент-серверной сети с удаленным доступом через выделенный канал связи, в том числе алгоритм работы цифрового канала связи, алгоритм расчета предварительного времени закачки, алгоритм расчета размера скачанной информации, алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи.

6. Разработано отдельное программное обеспечение решения задачи оптимизации клиент-серверной сети с удобным пользовательским интерфейсом с ядром имитационной модели на GPSS и специальной утилитой CSImitCodeGenerator.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Бахвалов Л. А., Со Мин Тун. Оптимальное управление информационными ресурсами в клиент-серверной сети на базе модели наблюдений Open View //Информатизация и управление-1: Горный информационно-аналитический бюллетень. - 2008. - №ОВ 10. - С.102-108.

2. Со Мни Тун. Модели оптимизации режимов функционирования клиент-серверной сети информационно-коммуникационного парка Мьянмы. //Информатизация и управление-2: Горный информационно-аналитический бюллетень. - 2008. - №ОВ 10. - С. 195-202.

3. Со Мин Тун. Исследование качества обслуживания в локальных вычислительных сетях //Информатизация и управление-2: Горный информационно-аналитический бюллетень. - 2008. - №ОВ 11. - С.203-213.

Подписано в печать 18.05.2010 г. Формат 60x90/16

Объем 1 п.л. Тираж 100 экз. Заказ №

ОИУП Московского государственного горного

Москва, Ленинский пр-т, 6 университета. ' г '

Введение.

Глава 1. Анализ предметной области.

1.1. Общая информация о Мьянме.

1.2. История и перспективы развития города Янгон.

1.3 .Общая информация о Мьянманском Информационном и Коммуникационном Центре ( МИКЦ ).

1.4. Функции Мьянма Информационном-коммуникационном Центра (МИКЦ)

1.5. Топология сети в МИКП.

Глава 2. Особенности Клиент - серверной архитектуры МИКЦ.

2.1. Протокол и.

2.2 Структура сетевых ресурсов и модель наблюдения за их использованием.

2.3. Критерий оптимальности расположения ресурсов.

Глава 3. Оптимизация режима функционирования клиент-серверной сети па основе имитационного моделирования.

3.1. Обзор и выбор инструментально - программных средстве имитационного моделирования вычислительных сетей.

3.2. Математическая модель оптимизации режима функционирования клиент-серверной сети.

3.3. Имитационная модель функционирования клиент-серверной сети МИКЦ

Глава 4. Алгоритмы Имитационного моделирования клиент-серверных сетей на вРвБ.

4.1. Определение основных параметров имитационной модели.

4.2. Утилита расширения возможностей ОРББ.

4.3. Блок-схемы алгоритмов моделирования класс.

4.4. Ядро имитационной модели на СРБЗ.

4.5. Описание структурно-функциональной схемы.

4.6. Результаты моделирования задачи на вРвБ.

Глава 5. Результаты имитационного моделирования клиент-серверной информационной сети.

5.1. Интерфейс имитационной модели.

5.2 Моделирование 2-х серверной класс.

5.3. Оптимизация режима функционирования 2-х серверной класс

Актуальность работы. Клиент-серверная архитектура - неотъемлемая часть современных информационных технологий. Она создала новые возможности для разработчиков аппаратных и программных средств. В основу технологии был положен принцип распределения - один из основных двигателей прогресса в информационной индустрии. Полное отделение реализации исполняемых функций от интерфейса для доступа к ним дало мощный толчок в инновационной деятельности разработчиков программного обеспечения. Однако стремительное внедрение клиент-серверной архитектуры в различные отрасли человеческой деятельности породило ряд проблем, связанных, как правило, с перегрузкой серверов и, как следствие, выхода их из нормального режима функционирования. Для клиент-серверной технологии именно ситуации перегрузки серверов являются наиболее опасными, так как в этом случае не могут работать нормально и все клиенты. Все это требует проведения экспериментальных исследований свойств сети, причем не только в режиме оперативного мониторинга, но и более глубокого изучения, в частности, с целью прогнозирования их поведения. С этим же связана и задача совершенствования соответствующего научно-методического и программного обеспечения анализа и моделирования трафика.

Работы по даппой проблеме велись и ведутся весьма интенсивно как отечественными (Л.И. Абросимов, В.В. Крылов, Н.И. Федунец, О.И. Шелухин, A.B. Осин, А.К. Скуратов, H.A. Олифер, В.Г. Олифер, В.В. Емельянов, В.А. Жожикашвили и др.), так и зарубежными учеными (М. Шварц, К. Парк, Дж. Медхи и др.). Тем не менее многие вопросы здесь либо исследованы недостаточно полно, либо ориентированы на решение относительно узких прикладных задач. В частности, отсутствуют комплексные методики организации и проведения экспериментальных исследований трафика, обобщающие накопленный к настоящему времени опыт их проведения. Достаточно ограничен перечень статистических методов, используемых при обработке данных, характеризующих интенсивность трафика. Математические модели трафика в основном строятся в предположении его стационарности. Все это свидетельствует о необходимости дальнейшего развития исследований по данной проблематике.

Целью диссертационной работы является развитие методов и алгоритмов анализа качества функционирования, прогнозирования свойств и оптимизации трафика клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

В соответствии с указанной целыо в рамках диссертационной работы была составлена общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы и решались следующие задачи:

1. Дана общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникацио1шых технологий Мьянмы.

2. Выполнен анализ структуры сетевых ресурсов и их совокупное расположение в сети в виде графа или в виде системы двух матриц, включая естественные ограничения системы, такие как пропускная способность каналов, ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования.

3. Формализованы математические модели и критерий оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

4. Разработана методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессионного анализа.

5. Разработаны алгоритмы имитационного моделирования клиент-серверной сети с удаленным доступом через выделенный канал связи, в том числе алгоритм работы цифрового канала связи, алгоритм расчета предварительного времени закачки, алгоритм расчета размера скачанной информации, алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи.

6. Разработано отдельное программное обеспечение решения задачи оптимизации клиент-серверной сети с удобным пользовательским интерфейсом с ядром имитационной модели на ОРЗБ и специальной утилитой С81шНСоёеСепега1ог.

Методы исследования. Полученные результаты исследования базируются на использовании методов и средств системного анализа, элементов теории компьютерных сетей, математической статистики, теории случайных процессов, имитационного моделирования.

Научные положения, выносимые на защиту:

1. Комплексная методика анализа структуры ресурсов клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

2. Формирование математической модели и критерия оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

3. Методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессивного анализа.

Научная новизна работы.

1. Впервые создана структура сетевых ресурсов в виде совокупности графа и двух матриц, включающих в себя ресурсы сети и ограничения на их расположение.

2. Впервые формализованы математические модели оптимизации параметров клиент-серверных сетей на основе имитационного моделирования.

Научная значимость работы состоит в разработке научно обоснованной комплексной методики и алгоритмов оптимизации клиент-серверных сетей на основе использования имитационного моделирования компьютерных сетей.

Практическая значимость работы заключается в оптимизации режимов функционирования с целью повышения производительности клиент-серверной сети информационно-коммуникационного центра Мьянмы.

Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на семинарах кафедры АСУ МГГУ и международных симпозиумах «Неделя горняка» (2009-2010 гг., Москва).

Публикации. По результатам исследований опубликованы 3 статьи в журналах, входящих в перечень ВАК Минобрнауки России.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 48 наименований, включает 30 рисунков, 10 таблиц.

Заключение

В диссертационной работе дано решение актуальной научной задачи, связанной с развитием методов и алгоритмов анализа качества функционирования, прогнозирования свойств и оптимизации 'графика клиент -серверной сети центра информационно-коммуникационных технологий Мьянмы.

Основные научные и практические результаты, полученные лично автором:

1. Разработана дана общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.

2. Выполнен анализ структуры сетевых ресурсов и их совокупное расположение в сети в виде графа или в виде системы двух матриц, включая естественные ограничений системы, такие как пропускная способность каналов, ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования.

3. Формализованы математические модели и критерий оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.

4. Разработана методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессионного анализа.

5. Разработаны алгоритмы имитационного моделирования клиент — серверной сети с удаленным доступом через выделенный канал связи, в том числе- алгоритм работы цифрового канала связи, алгоритм расчета предварительного времени закачки, алгоритм расчета размера скачанной информации, алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи.

6. Разработано отдельное программное обеспечение решения задачи оптимизации клиент-серверной сети с удобным пользовательским интерфейсом с ядром имитационной модели на СРЗЭ и специальной утилитой С31тЦСос1еСепега1ог.

1. Бахвалов Л. А., Со Мин Тун. Оптимальное управление информационными ресурсами в клиент-серверной сети на базе модели наблюдений Open View //Информатизация и управление-1: Горный информационно-аналитический бюллетень. — 2008. №ОВ 10. - С. 102-108.

2. Со Мни Тун. Модели оптимизации режимов функционирования клиент-серверной сети информационно-коммуникационного парка Мьянмы. //Информатизация и управление-2: Горный информационно-аналитический бюллетень. 2008. - ЖЭВ 10. - С.195-202.

3. Со Мин Тун. Исследование качества обслуживания в локальных вычислительных сетях //Информатизация и управление-2: Горный информационно-аналитический бюллетень. — 2008. №ОВ 11. - С.203-213.

4. В.В. Емельянов, С.И. Ясиновский, «Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов», Язык РДО. -М.: АНВИК, 1998. 427 с.

5. Брежнев А.Ф., Смелянский PJL, «Семейство протоколов TCP/IP»

6. Архангельский A.A. ., «Программирование в Delphi 7», Москва, издательство «Питер», 2003 г., 758 с.

7. Minuteman Software, «GPSS World. Руководство пользователю», Казань, издательство «Мастер-Лайн», 2002 год., 329 с.

8. Minuteman Software, «GPSS World. Учебное пособие», Казань, издательство «Мастер-Лайн», 2002 год, 398 с.

9. Вишневский В.М., Ляхов А.И., Терещенко Б.Н., Моделирование беспроводных сетей с децентрализованным управлением. «Автоматика и телемеханика» 1999, №6., 34 с.

10. Жожикашвили В.А., Вишневкий В.М. Сети массового обслуживания. Теория и применения к сетям ЭВМ. «М.: Радио и связь», 1998 г., 415 с.

11. П.Богуславский Л.Б., Ляхов А.И, Оценка производительности распределенных информационно-вычислительных систем архитектуры «Клиент-сервер», «Автоматшса и телемеханика», 1995, №9., 150 с.

12. Гмурман В.Е. «Теория вероятностей и математическая статистика», Учебное пособие для ВУЗов, М: Высш. шк., 1997., 480 с.

13. Крылов В.В., Самохвалова С.С. Теория телетрафика и ее приложеия. СПб.: БХВ-Петербург, 2005.- 288 с.

14. Бахвалов JI.A. Моделирование систем. Учебное способие для вузов. Изд-во МГГУ, 2006.

15. Гмурман В.Е. Теория верятностей и математическая статистика, Учебное способие для ВУЗов, М: Высш. шк., 1997, 480 с.

16. Кузнецов А.В., Сакович В.А. «Математическое программирование», Минск, Высшая Школа 1994.

17. Клейнрок JL, «Вычислительные системы с очередями», М, Мир 1979.

18. Мартии Дж., «Системный анализ передачи данных», М, Мир 1975.

19. Штайнке С., «Рентгеновский снимок сети», Lan Magaziпе/Русское Издание, Июнь 1996, №4.

20. Липпис Н., «Виртуальные частные сети передачи данных», Lan Magazine/Pyccicoe Издание, Октябрь 1997, стр. 23.

21. Храмцов П., «Intranet мифы и реальность», Открытые системы №4/97 стр. 53 - 62.

22. Морриси П., Бордман Б., «Незаконченная картина RMON», Сети и Системы Связи, №8/96 стр. 50 57.

23. Jander М., «Network management goes to work», Data Communícation, ноябрь 1997.

24. Larsen A., «RMON2: A window on the enterprise», Data Communícation, сентябрь 1997.

25. Larsen A., «Application performance vital signs», Data Communícation, ноябрь 1997.

26. Бахвалов JI.A., Микулич JI. И. Компьютерное моделирование:- основные тенденции развития инструментальных средств. М.: Институт Проблем Управления им. В.А. Трапезникова РАН. Труды Института. Том 2. 1999 г. с. 5 — 11.

27. Бахвалов JI.А., Белова Т.Б. Оценивание параметров нелинейных моделей // Автоматизация обработки экспериментальных данных в химии и химической технологии. Под ред. Нетушила A.B. М.: МИТХТ, 1976, - с.55-56.

28. Бахвалов JI.A., Прахова P.A. Регрессионный анализ многомерных полиномиальных моделей // Автоматизация обработки экспериментальных данных в химии и химической технологии; Под ред. Нетушила A.B. М.: МИТХТ, 1976, - с.56-64.

29. Бахвалов JI.A., Пучков Л.А., Методы и алгоритмы автоматического управления проветриванием. М.:, Недра, 1992.

30. Андрианов А. Н., Бычков С. П., Хорошилов А. И. Программирование на языке СИМУЛА-67. -М.: Наука, 1985 г.

31. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ. 1998.

32. Альберт А.Регрессия, псевдорегрессия и рекурентное оценивание / Перев. с англ. Р.Ш. Липцера. Под ред. Я.З. Цыпкина. -М.: Наука, 1997, 224с.

33. Арнольд В.И. Обыкновенные дифференциальпые уравнения. М.: Наука, 1971, - 237 с.

34. Бендат Дж., Пирсол А. Прикладной анализ случайных процессов. М.: Мир, 1989. - 540 с.

35. Бирюков Б. В., Гастеев Ю. А., Геллер Е. С. Моделирование.- М. БСЭ. 1974 г.

36. Бокс Дж., Дженкинс Г. Анализ временных рядов: т.2 М.:, Мир, 1974. - 197с.

37. Бусленко H. П., Шрейдер Ю. А. Метод статистических испытаний. Москва, 1961г.

38. Бусленко Н. П. Моделирование сложных систем. Москва, 1961г.

39. С. Вагнер. Основы исследования операций. Том 3. М., Мир., 1973 г. -501 с.

40. Вентцель Е.С. Исследование операций. М., «Сов. Радио», 1972 г., 552 с.

41. Горский В.Г.,Адлер Ю.П., Талалай A.M. Планирование промышленных экспериментов.(Модели динамики). М., Металлургия., 1978 г.

42. Гэйн К., Сарсон Т. Структурный системный анализ средства и методы. В 2-х частях. Пер. с англ. под ред. А. В. Козлинского М.: Эйтекс,1993.

43. Демидович Б.П., Марон И.А., Шувалова Э.З. 'Численные методы анализа. Под ред. Б.П.Демидовича. М;ГИФМЛ, 1963.

44. Федунец Н.И., Черников Ю.Г. «Методы оптимизации: Учебное пособие для вузов». М.: Издательство Московского государственного горного университета, 2009 г. 375 с.

45. Федунец Н.И., Куприянов В.В. «теория принятия решений: Учебное пособие для вузов». М.: Издательство Московского государственного горного университета, 2005 г. 218 с.

46. Широчин Д.Л. Математическое моделирование масштабно-инвариантных свойств ископаемых углей. //Дисс. на соиск. уч. степени д-ра физ.—мат.наук. М.: МГГУ, 2004 г. - 191 с.

47. Панова С.А. методология разработки систем управления инновационным развитием производства крупнотоннажных химических продуктов на основе системного подхода. //Дисс. на соиск. уч. степени д-ра техн.наук. М.: 2009 г. - 206 с.