автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Разработка и исследование встроенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных сетей

На правах рукописи

МАТИП ЭССУНГА ЛАЗАР

Разработка и исследование вс1роенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных

сетей

Специальность 05 13 13-телекоммуникационные системы и компьютерные сети

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2008

Работа выполнена на кафедре Вычислительных машин, систем и сетей московского энергетического института (технического университета) -

МЭИ (ТУ)

Научный руководитель доктор технических наук, профессор

Абросимов Леонид Иванович

Официальные оппоненты доктор технических наук профессор

Чернышев Юрий Александрович,

кандидат технических наук Широков Владимир Леонидович

Ведущая организация Институт проблем передачи информации Российский академически наук

Защита состоится 23 мая 2008 г в 16 часов в ауд Г 306 на заседании диссертационного совета Д 212.157 01 при Московском энергетическом институте (техническом университете) по адресу 111250, г Москва, ул Красноказарменная, 14

С диссертацией можно ознакомиться в библиотеке Московского энергетического института (технического университета)

Отзыв в двух экземплярах, заверенные печатью организации, просьба отправлять по адресу 111250, Москва,

Красноказарменная, 14 Московский энергетический институт (ТУ) (МЭИ), кафедра ВМСС

Автореферат разослан «о?3 » ^П^/^Р 2008 г

Ученый секретарь диссертационного совета кандадаг технических наук, доцент

ФоминаМВ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы

В условиях современного общества, корпоративные вычислительные сети (КВС) играют все большую роль в деятельности предприятий, организаций любой отрасли. Современные КВС предоставляют свои информационно-вычислительные ресурсы большому количеству пользователей Требования пользователей к скорости выполнения решаемых задач определяются их ролью в технологическом процессе корпорации Поэтому каждый пользователь предъявляет свои требования к производительности КВС

Одной из важнейших проблем современного общества является создание высокопроизводительной телекоммуникационной среды Сетевые технологии постоянно совершенствуются, что приводит к росту количества пользователей, увеличению объема трафика, необходимости повышения ответственности за доставку каждого сообщения Мультимедийные технологии предоставляют пользователям широкий спектр информационных услуг, но предъявляют повышенные требования к технико-экономическим показателям, которые ужесточаются с ростом сложности корпоративных вычислительных сетей и увеличением количества пользователей

Повышается сложность структуры КВС, расширяется состав сервисных услуг и, как следствие, возрастает интенсивность трафика При росте коэффициентов загрузки серверов, каналов связи и коммутирующих устройств возникают очереди, что приводит к задержкам доставки сообщений Отсутствие средств, поддерживающих требуемое качество управления производительностью КВС, понижает конкурентоспособность, и не обеспечивает требования пользователей к скорости выполнения информационно-вычислительных задач

При неуклонном росте числа компьютерных сетей и увеличении количества узлов в сети возникает проблема выбора средств сетевого администрирования Задача управления сетью сама по себе не тривиальна и становится тем сложнее, чем выше требования, чем крупнее сеть, чем больше в ней используются разнородные платформы сетевого администрирования (СА) Исследования задач оперативного управления ресурсами и используемых для этого существующих систем сетевого администрирования показывают, что существующие СА не позволяют в полном объеме решать проблемы, связанные с построением и управлением КВС

С учетом изложенного актуальность темы определяется необходимостью разработки и исследования интеллектуального сетевого администратора (ИСА), обеспечивающего качественное управление производительностью КВС

Основные цели работы

Целью диссертационной работы является повышение качества управления производительностью КВС Оценки производительности КВС являются основой критерия качества управления производительностью КВС.

Для достижения поставленной цели были решены следующие задачи исследования

1 Анализ методов и средств управления производительностью КВС

2 Разработка архитектуры интеллектуального сетевого администрирования ИСА

3 Исследование и разработка средств адаптации модели управления реальной КВС

4 Исследование модели ИСА для управления производительностью КВС

5 Разработка и исследование методики решения задачи определения количества приоритетных пользователей КВС, работающих в диалоговом режиме

Научная новизна полученных результатов

1 Предложена структура сетевой платформы администрирования с встроенной моделью для управления производительностью, названная интеллектуальным сетевым администратором (ИСА), и обоснована ее реализуемость

2 Разработана методика адаптации модели управления к параметрам реальной КВС

3 Сформулирована задача и предложена методика расчета количества приоритетных пользователей

4 Разработана математическая модель функционирования КВС, обслуживающая заданное количество приоритетных пользователей

Методы исследования. Для решения поставленных задач в работе использовались теория массового обслуживания, теория графов, введение в теорию производительности вычислительных сетей

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, корректными исследованиями параметров на функционирующей вычислительной сети, а также соответствием полученных результатов частным результатам, приведенным в научной литературе

Практическая значимость полученных результатов:

Разработка интеллектуального сетевого администратора (ИСА) на базе встроенной аналитической модели вычислительной сети дает возможность решать широкий спектр задач оперативного и стратегического управления

Разработанная методика адаптации модели управления к параметрам реальной КВС, для которой выбран и отлажен комплекс программных

средств, передана администратору Информационной вычислительной сети МЭИ для практического использования Применение разработки позволяет выборочно контролировать загрузку серверов, получать количественные оценки интенсивности обслуживания

Методика расчета количества приоритетных пользователей позволяет для реальной КВС определить допустимое количество IP телефонов, которые могут устойчиво функционировать даже в интервалы пиковых значений сетевого трафика В настоящее время методика используется в учебном курсе «Сети ЭВМ», который читается на кафедре вычислительных машин, систем и сетей Московского энергетического института (Технического университета)

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на международных конференциях и семинарах

- На Тринадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 01-02 Марта 2007г),

- Second aimual International Workmg Conference on Active, Management Networkmg, «In IWAN'07», (Zurich, Switzerland, October 2007)

- На Международной конференции "Информационные средства и технологии"» (Москва, 16-18 Октября 2007г),

- На Четырнадцатой международной научно-технической конференции студентов и аспирантов «Радиоэлектроника электротехника и энергетика» (Москва, 03-04 Марта 2008г)

Публикации

Основные материалы диссертационной работы опубликованы в 6 печатных работах.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, приложения и изложена на 164 страницах Список использованной литературы содержит 106 наименование Таблиц 13, рисунков 36 Каждая глава снабжена анотацией и заканчивается основными выводами по результатам проведенных исследований

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы диссертационной работы и ее научная новизна, сформулированы цель и основные задачи исследований, защищаемые положение, их практическая значимость

В главе 1 проведен анализ методов управления производительностью КВС Управление КВС осуществляется с помощью средств сетевого администрирования Выделена проблема производительности КВС Сетевые технологии постоянно совершенствуются, что приводит к росту количества пользователей, увеличению объема трафика, необходимости повышения ответственности за доставку каждого сообщения Мультимедийные технологии

предоставляют пользователям широкий спектр информационных услуг, но предъявляют повышенные требования к технико-экономическим показателям, которые ужесточаются с ростом сложности КВС и увеличением количества пользователей

В связи с отсутствием возможностей рассчитывать технические характеристики, обеспечивающие требуемое качество функционирования КВС, при инженерном проектировании приходится решать эти задачи эмпирически, путем подбора Проблема оценки производительности вычислительных сетей состоит в том, что из-за наличия многочисленных определений оценок производительности корпоративной вычислительных сети, нет согласия в едином определении производительности

Можно разделить функции управления производительностью КВС на две группы управление элементами сети, управление коммуникациями

Табттипа 1 Функции чтщавпения КВС ___:__" 1_

Управление элементами сети

а управление конфигурацией (установка динамическое изменение) • описание конфигурации элементов сети, (параметры конфигурации), описание протоколов сетевых взаимодействий (параметры протоколов маршрутизатора)

Управление коммуникациями

а обработка сбоев • поиск, обнаружение, локализация и устранение неисправностей и ошибок, « • предупреждение и профилактика сбоев, » наблюдение за кабельной системой, мониторинг удаленных сегментов и межсетевых связей

б управление производительностью • сбор и анализ статистических данных о функционировании сети анализ трафика, • планирование и оценка эффективности использования ресурсов сети, • анализ и интерпретация протоколов маршрутизаторов, я планирование развития сети, управление сегментацией, ® выбор критериев управления для различных режимов работы КВС, так как потоки транзакций КВС существенно изменяются в процессе функционирования, определения и устранения узких мест

Чтобы решить задачи управления производительностью, можно разделить управления КВС на 4 класса управление в реальном времени, оперативное управление, тактическое управление, стратегическое управление. Анализ математических методов, позволяющих рассчитывать вероятностно-временные характеристики функционирования КВС, позволил показать, что метод контуров является наиболее пригодным для расчета указанных харакчеристик Анализ методов управления платформы сетевого администрирования показал, чю существующие средства не

позволяют в полном объеме решить проблемы управления производительности КВС

Необходима новая разработка, обеспечивающая более полный мониторинг и решение задач повышения качества управления, а также прогнозирования изменения временных характеристик в КВС

Глава 2 посвящена разработке архитектуры интеллектуального сетевого администратора (ИСА)

В настоящий момент четыре платформы сетевого администрирования занимают большую часть мирового рынка средств управления сетью Это продукты пакет Solstice компании SunSoft, пакет OpenView компании Hewlett - Packard, пакет SystevmView компании IBM, пакет Spectrum компании Cabletron

Серверы (называемые также менеджерами) собирают данные о текущем состоянии сети от агентов (SMMP, СМГР или R.V10N ), встроенных в оборудование сети, и накапливают их в своей базе данных Клиенты представляют собой графические консоли, за которыми работают администраторы сети

Все рассмотренные выше платформы сетевого администрирования реализуют сходные по своему составу наборы функций, предоставляемых администратору системы Для этих платформ характерен ряд недостатков

- платформы не позволяют определить потенциально "узкие места" в системе,

- платформы не позволяют определить как изменится ситуация в сети, если внести изменения в ее структуру (добавить, убрать оборудование, изменить местоположение узла в сети или его характеристики),

- платформы не позволяют произвести автоматическое изменение направления движения информационных потоков в случае возникновения неисправностей в работе сети (выход из строя узлов сети или каналов связи, перегрузка улов сети или каналов связи)

Наличие такого рода недостатков позволяет сделать вывод о необходимости создания принципиально новой платформы сетевого администрирования Требуется создать интеллектуальную платформу сетевого администрирования (ИСА), которая в своем составе содержала бы блоки моделирования Повышение эффективности работы КВС может обеспечиваться за счет изменения подхода к организации администрирования сети и внедрению новых интеллектуальных сетевых администратор, позволяющих не только определять неисправности и проблемы в сети, но и прогнозировать их появление Архитектура интеллектуального сетевого администратора должна отличаться от уже существующих архитектур Разработка архитектуры ИСА возможно только на базе встроенной математической аналитической модели Эта модель должна позволять ИСА решать проблемы повышения качества управления КВС При этом, аналитические модели КВС должны

соответствовать следующим требованиям легко перестраиваться при анализе различных конфигураций технических средств КВС, учитывать параметры и специфику используемых программных продуктов при их взаимодействии, учитывать специфику и характеристики протоколов всех уровней архитектуры, опираться на обработку комплексной информации о параметрах сети, собираемой в реальном времени и хранящейся в архивированном виде Для его реализация требуется разработать модули, реализующие его архитектуру Часть модулей интеллектуального администратора будет заниматься сбором информации, а другая часть - ее обработкой

Для описания аналитические модели функционирования КВС вводится спецификация параметров архитектуры (АЛ), которая определяется тремя группами [1]

АХ = < N8, N7, гЮТ> , где - группа параметров топологической структуры, Ж - группа параметров структуры транзакций , Ж)Т - группа параметров динамики транзакций

N8= < К,У,Е,8 >, где К - множество регионов КВС; V - множество узлов региона КВС, Е - множество элементов Е(г,у,е), в - структура функциональных связей КВС

ЭТ= < С!,Ф,Р,М,С,А >, где (3 - функции, определяющая контуры q; Ф

- функции, определяющие фазы <р контуров q, Р - функции вероятностей перехода транзакций контура д от узла к узлу, М - функции, задающие коэффициенты т изменения количества транзакций фазы (р контура д, С -функции, задающие емкость замкнутого контура ZQ(q), А - функции, задающие приоритет обработки в узле транзакций заданной фазы <р контуров q.

N01= < РХ,РУ К,Т >, где БХ - функции распределения вероятностей времени обслуживания транзакций заданной фазы (? контуров а каждым элементом Е(г,у,е); РУ - функции распределения вероятностей времени поступления транзакций заданной фазы <р контура q на вход узлов У(г,у), N

- множество значений среднего количества транзакций заданной фазы ф контуров находящихся в очереди и в узле, Т - множество значений среднего времени обслуживания транзакции каждым элементом Е(г,у,е) узла

Структура ИСА, выключающая центральный блок, представлена на рис 1, позволяет администратору (А) наблюдать за работой сети, вносить изменения в конфигурацию сети и наблюдать как будет работать сеть при изменяющихся условиях Внешние измеряющие агенты наблюдения должны собирать информацию о заданном регионе сети и передавать собранную информацию центральному блоку системы

¡¡УК ¡1.)

Агент

Аш*г [ шбшщения!

йтбк

Агент

Агент , наблюдения

Рис. 1. Структура взаимодействия с агентами центрального блока ИСА.

Структура центрального блока интеллектуального администратора сети представлена на рис. 2. Она состоит из:

• Базы данных (БД) -блока, который содержит постоянно обновляемые данные о сети.

* Блока вычисления расчетных соотношений (БРС), предназначенного для вычисления характеристик сети.

* Блока знаний (БЗ), который содержит формулы и характеристики законов распределений, которые будет использовать для работы БРС.

* Блока отображения структуры и характеристик, предназначенного для организации взаимодействия сетевого администратора с администратором (А) системы.

Рис. 2. Структура центрального блока ИСА Структура интеллектуального сетевого администратора, показанная на рисунке 3, состоит из центрального блока, агентов наблюдения.

Рис 3 Структурная схема интеллектуального сетевого администратора Выполнена разработка структуры управляющей базы данных (БД) БД используется для хранения таблиц, содержащих справочную информацию и данные, полученные в ходе измерений Разработанная спецификация модели и> структура базы данных, подтверждают реализуемость математической модели, встроенной в ИСА, для КВС реальной размерности

Глава 3 посвящена исследованию средств адаптации модели управления реальной КВС Сформулирована задача экспериментального определения интенсивности обслуживания транзакций, чтобы

практически реализовать адаптацию модели ИСА к реальным условиям функционирования Для решения поставленной задачи необходимо определить коэффициент р загрузки обслуживающего устройства и интенсивность я, поступления потока транзакций

На основе анализа взаимодействия блоков ИСА, разработана методика адаптации математической модели Методика предусматривает выполнение следующих этапов

Í Ввод исходных данных для решения поставленной задачи.

2 Выбор комплекса необходимых программных средств и построение макета сети

3 Разработку схемы эксперимента

4 Проведение экспериментальных работ

5 Выполнение анализа полученных результатов

6 Определение интенсивности ц обслуживания потока транзакций Суть данной методики состоит в определении данных, которыми

обладает MIB (Management Information Base) исследуемого сетевого

устройства, и измерении на их основе значений коэффициентов р загрузки устройств и интенсивности Л, поступления потока транзакции Выполнение методики подтверждено экспериментальными исследованиями функционирующего сервера ИВС Московского энергетического института

Таким образом, были получены суточные дампы трафика, которые содержали необходимые для обработки параметры Большое расхождение в размерах дампов наблюю-дается днем

Для осуществления эксперимента выбран комплекс программных средств составлен план Рис 4 Схема реализации эксперимента

проведения эксперимента, выполнены экспериментальные исследования для ИВС Московского энергетического института и произведен анализ полученных результатов

Результаты, которые были получены в ходе экспериментов, интенсивность Л поступления транзакций варьируется в зависимости от режимов функционирования Результаты экспериментов показаны в таблице 2

Время (Ч) Коэффиц иен-с загрузки (А) Количество входных сообщений (Ы) Интенсивность сообщений (А) Интенсивность обслуживания 00 Время ф нахождения сообщ на сервере (обслуживания и ожидания)

18 07-18 37 0,5 47933 26,62 53,24 0,037

18 37-19 07 0,3 36853 20,47 68,23 0,02

10 30-11 00 0,6 58515 30,5 50,83 0,049

И 00-11 30 0,6 59925 33,29 54,48 0,047

11 30-12 00 0,7 61826 34,34 49,05 0,061

12 00-12 30 0,6 59199 32,88 54,8 0,045

12 30-13 00 0,7 69584 38,65 55,21 0,06

13 00-13 30 0,6 58826 32,68 54,46 0,045

13 30- 14 00 0,8 98879 54,93 68,66 0,074

14 00-14 30 0,8 98879 54,93 68,66 0,08

14 30-15 00 0,95 1 119798 66,55 70.05 0,028

15 00-15 30 0,8 98886 54,93 68,66 0,084

15 30-16 00 0,7 68996 38,33 54,75 0,06

16 00-16 30 0,7 69969 38,87 55,52 0,06

16 30-17 00 0,6 59914 33,28 55,46 0,046

17 00-17 30 0,6 58515 32,5 54,16 0,04

В период времени с ПЗОдо 1730 интенсивность р обслуживания сообщений повышается В состав таблицы 2 включены экспериментально полученные данные

р, - коэффициент загрузки, количество N входных сообщений, а также данные, полученные посредством вычислений ^ - интенсивность сообщений, которые можно определить по формуле-

0)

где Ы- количество сообщений, Г- интервал времени, р - интенсивность обслуживания сообщений, которые можно определить по формуле , (2)

о

Получено среднее значение интенсивности обслуживания сообщений

Время нахождения сообщений на сервере (обслуживание и ожидание) определяется по формуле

О)

р.-А

Измеренная величина р использовалась в модели для расчета количества приоритетных пользователей.

Глава 4 посвящена разработке и исследованию математической модели функционирования КВС, использованная для определения допустимого количества приоритетных пользователей В разрабатываемой модели содержатся аналитические соотношения, устанавливающие функциональную зависимость изменяемых параметров от характеристик моделируемого объекта

Таким образом, построив модель, можно определить не только количество приоритетных пользователей, которые обеспечивают требуемое качество управления производительностью всей вычислительной сети, но и получить функциональные зависимости изменения количества приоритетных пользователей КВС от допустимого времени реакции

Допустимое время реакции определяет возможности сетевых ресурсов выполнять те или иные задачи, доставить сообщения, удовлетворяющие требованиям быстродействия, которые предъявляют пользователи. При построении модели, КВС используется в качестве основы метод контуров. Каждое устройство и каждый канал связи рассматриваются как обслуживающие узлы Каждый узел при обработке осуществляет задержку транзакции и поэтому моделируется одноканальной системой массового обслуживания М/М/1/ оо

В качестве примера, иллюстрирующего параметры модели, рассмотрена структура, представленная на рис 4

В основу методики определения допустимого количества п* приоритетных пользователей положен метод контуров

Методика решения задачи выбора количества приоритетных пользователей (ВПП) предусматривает выполнение следующих этапов

1 По структуре 5 КВС строится функциональная модель

2 Формируется графовая модель и описываются контура д потоков транзакций

3 Составляется система нелинейных уравнений, учитывающая описание замкнутых контуров е 1,2

4 Решается система нелинейных уравнений

В соответствии с пунктом (1) предложенной методики, переход к функциональной модели КВС отражает требования проектировщика-исследователя к степени детализации построения модели На этом этапе метода контуров выполняется построение функциональной модели Этап 1 На рисунке 5 представлена функциональная модель КВС, в которой используется 3 типа обслуживающих узлов Н, С, К и задается количество узлов Мт Для удобства все обслуживающие узлы данной модели пронумерованы В соответствии с пунктом (2) предложенной методики для каждого контура д (#=1,бА описывающего замкнутый маршрут, строится графовая модель, в которой каждому элементу функциональной модель соответствует стрелка (см рис 5). Все элементы (дуги) графовой модели имеют сквозную нумерацию к, (к,=1,К)

Структура 5 КВС содержит серверы (1Н, 2Н, ЗН, 4Н, 5Н), которые через каналы связи и коммуникационные контроллеры (1С - ЮС) обслуживают в диалоговом режиме рабочие станции (18 -3008), которые объединены в пять групп (Ю8 - 508)

Т5тгг» А С^тъх гс/*тп7г>а тхг-^гт т/вч^/лтл- Т/'Т^Г"1 Л. ¿1Л»' "Т Ж1_/ \ XV А У р«. ХХЧ/УЛ/АЪ'АО'^/.лхч^хх

55

2413-1005

'815-2408 4Б

Рис 5 Функциональная модель исследуемой КВС Этап 2, Маршруты коммуникации для рассматриваемого примера КВС могут быть представлены следующим образом

6МОЯ4, 082 о Н5, 053 оЯ1, 054 о Я1, ОЯоЯг. В соответствии с предложенной методикой построена графовая модель, представленная на рис 6

22 18 12

ак^

е 10 и 20

св Н5_

—14 , ?

-Л

<*5

И2-

21 ^ 15 . 12

. а.

уравнения имеют вид

Рис 6 Графовая модель исследуемой КВС Этап 3 В соответствии с пунктом (3) предложенной методики для каждого контура д составляются нелинейные уравнения для каждого контура

В соответствии с пунктом (3) предложенной методики, нелинейные

(1)

Н ! г Л,Ч

Для контура нелинейное уравнение имеет следующий вид

+

и, =

+

+

Аг ~ Уи{Кг1 + Кг з + Кг 4 + Кг ъ) ~ У Л1 /"8 _ /Л

+

Мо-ГкДо! + ЛоЗ +Ло4+Ло5)

+

+

Основу каждого нелинейного уравнения составляет условие, что для установившегося процесса движения сообщений одного контура д количество сообщений в контуре не изменяется и равно сумме математических ожиданий сообщений рассматриваемого контура во всех узлах сети Тогда дня каждого контура можно записать

Где к, (кг=\,К)

По структуре 8 и заданным контурам строится графовая модель В соответствии с графовой моделью составляется система нелинейных уравнений (1)

где пч - количество транзакций в замкнутом контуре, Х1д - интенсивность поступления потока транзакций, у, - коэффициент ограниченности очереди; ¡л, - интенсивности обслуживания потока транзакций, Коэффициент у, ограниченности очереди

Этап 4. В соответствии с пунктом (4) предложенной методики, для решения системы нелинейных уравнений используем метод тангенсов

В диссертации исследуется, как изменяется система НЛУ для контуров, после перехода к приоритетному обслуживанию транзакций Система нелинейных уравнений (1) не позволяет определить количество п* приоритетных пользователей Чтобы определить п*, необходимо учитывать ограничение на допустимое время реакции системы, которое определяется по соотношению

Из (5) после преобразования получаем значение интенсивности Я,9 поступления потока транзакций, которое зависит от допустимого времени 1р реакции системы'

(3)

(4)

(5)

Введены определения.

Транзакции контура q> описывающего потоки транзакций д = (1,0), могут иметь приоритеты а обслуживания в узлах (а = \,л) Контура д с точки зрения приоритетности могут быть

• персональными (и?=1), если в контуре циркулирует только одна транзакция,

• коллективными (пд> 1), если в контуре циркулирует несколько транзакций

Для персонального контура д все транзакции контура имеют одинаковый приоритет обслуживания

Для коллективного контура д количество приоритетных пользователей п° < и? Множество контуров д, имеющих приоритет а, могут быть записаны в виде списка

Соотношение (1) определяет усредненное количество транзакций контура д, находящихся в г-м узле на обслуживании и в очереди

Для случая, при котором все транзакции контура д, обслуживаемые в г-м узле, имеют одинаковый, 1-й приоритет (А=1) все ресурсы узла (интенсивность д обслуживания) используются для обслуживания общего суммарного потока ^Д^ транзакций приоритета а=/ Тогда количество

п)я транзакций, обслуживаемых в г-м узле, определяется соотношением

£

(7)

*

ЯЧ

Для случая двух абсолютных приоритетов (А=2) транзакции 2-го приоритета (а=2) могут использовать для обслуживания только часть ресурса, который не использовали транзакции первого приоритета, те

Тогда количество п* транзакций приоритета а=2, обслуживаемых в г-м узле, определяется соотношением

„»__4 (8)

[г-, а Л

Следовательно, в общем случае нелинейные уравнения для приоритета а (а = 1 ,л) записываются в виде

п" ~у_(9)

Для замкнутых коллективных контуров (п> 1) количество пад приоритетных транзакций в контуре д может изменяться от 1 до пц, т е

О^яС^я,)

При а = 2 <>=2

у?«'

' Л-1 а \ --

гл ) \ "12 „г

4

(10)

и-1 «-> ) V 12 е Лй Исследуемая КВС рассмотрена при достаточном количестве ресурсов обслуживания, при которых выполняется следующее условие

гки-Тг

->о>

(11)

чЛ-»,«,«,

где ащ и сщ - константы, зависящие от приоритета

При этом условии администратор КВС имеет достаточно ресурсов, чтобы решить задачу повышения скорости выполнения решаемых задач, те повысить производительность, используя механизм приоритетов

Алгоритм определения количества п* приоритетных пользователей для одного уравнения представлен на рисунке 7

Рис 7 Алгоритм вычисления п* для одного уравнения.

Для получения количественных оценок исследуемой КВС, рассмотренной в примере, принято, что серверы имеют интенсивности обслуживания ¡д., =70 каналы связи (11=40 1/в, рабочие станции ¡¿1=0,333 1/з В сети функционируют 5 контуров Допустимое время ^варьируется в интервале 1-3 секунды Результаты совместного решения системы уравнений (5) и (9) из контура д, до контура д5 для исследуемой КВС представлены

на

Рис.8. Зависимость интенсивности от количества приоритетных

пользователей в контурах Для исследуемой КВС результаты, полученные как зависимости от интенсивности количества приоритетных пользователей, показывают, что для всех 5-ти контуров, при увеличении количества приоритетных пользователей в диалоговом режиме функционирования, интенсивность поступления транзакций уменьшается, но при этом время обслуживания неприоритетных пользователей увеличивается. Полученные результаты представлены в следующей таблице 3.

Таблица 3. Изменение количества приоритетных пользователей

Допустимое время Количество Время реакции не

реакции приоритетных приоритетных

приоритетных пользователей пользователей.

пользователей

1,0 с 4 6,33 с

1,5 с у 11.99 с

2,0 с 9 19,32с

Первый контур исследуемой КВС включает 40 пользователей. При выделении из этого состава 4-х приоритетных пользователей, которым должно быть обеспечено время реакции 1,0 с, время реакции остальных 36-ти пользователей составляет 6,33 с. Из таблицы 3.2 видно, что ресурсы исследуемой КВС позволяют обеспечить 7-ми пользователям приоритетное обслуживание с допустимым временем реакции 1,5 с, а с временем 2,0 с - 9-ти пользователям.

следующих графиках (рис.8 - 9):

Рис. 9. Изменение количества приоритетных пользователей КВС от

допустимого времени реакции для пяти контуров На рисунке 9 представлены зависимости, которые показывают нелинейный рост количества приоритетных пользователей в зависимости от требуемого времени реакции приоритетных пользователей.

Следует отметить, что расчеты выполняются для стационарного режима, при котором количество приоритетных пользователей и допустимое время реакции представляют собой усредненные величины.

Исследования показали, что чем выше допустимое время, тем больше количество приоритетных пользователей.

При допустимом времени ¡р <1,0 с система не может иметь ни одного приоритетного пользователя, т.к. ресурсы КВС не позволяют обслуживать приоритетных пользователей при таком требуемом времени.

Такой результат показывает, что обеспечивается возможность администратору качественно управлять КВС и избежать узких мест, т.к. он знает о предельных возможностях сетевых ресурсов.

Заключение посвящено перечислению выполненных работ и результатов, полученных при проведении исследований. Основные результаты работы;

1. Предложена архитектура ИСА, которая предусматривает разработку центрального аналитического адаптивного информационно-вычислительного блока и измеряющих агентов.

2. Разработана спецификация математической модели и на ее основе предложена структура базы данных, которая содержит измеренные значения параметров, а также различную справочную информацию.

3. Сформулирована задача экспериментального определения интенсивности обслуживания сервером потока транзакций. Для решения задачи экспериментального определения интенсивности обслуживания сервером потока транзакций разработана методика.

4 Разработана методика решения задачи выбора количества приоритетных пользователей (ВПП)

5 Работа апробирована при выборе базовых программных средств, расчете и оценке сетевых параметров (интенсивность X поступления транзакций, интенсивность ¡i обслуживания транзакций), постановке эксперимента на КВС МЭИ

Основные публикации по теме диссертации 1. Матнп Эссунга Лазар Методика выбора количества приоритетных пользователей в корпоративных вычислительных сетях реального времени «Системы управления и информационные технологии», Воронеж 2008, №4.2(30). 261-264с 2 Матип Эссунга Лазар, к вопросу исследования эффективности подсистемы клиент-сервер средствами системы массового обслуживания и теории очередей Труды Новомосковского института Российского химико-технологического университета им Д и, Менделеева Новомосковск, 2004 г выпуск № 3(14) 240-243с 3. Матип Эссунга Лазар, Абросимов ЛИ Задачи управления производительностью корпоративных вычислительных сетей XIII Международной научно-технической конференции студентов и аспирантов радиоэлектроника, электротехника и энергетика 1-2 марта 2007 г тезисы докладов Изд-во МЭИ, том 1 412-413с, 4 Матип Эссунга Лазар, Выбор количества приоритетных пользователей для управления производительностью КВС на второй ежегодной международной конференции, организации сети Управления, "В IWAN '07", (Цюрих, Швейцария, 01-05 октября 2007) р 312-314, Matip Essounga Lazare Users prxonty choice for management of performance of corporate computer network In Second arniuaí International Workmg Conference on Active, Management Networkmg, «In IWAN'07», (Zurich, Switzerland, 01-05 October 2007) p 312-314

5. Матип Эссунга Лазар, Выбор приоритетных пользователей для управления производительностью КВС Труды Международной научно-технической конференции "Информационные средства и технологии" Москва, 16-18 октября 2007 г МЭИ, том 2 142-146с

6. Матип Эссунга Лазар Абросимов ЛИ Экспериментальное определение интенсивности обслуживания потока заявок для управления производительностью КВС XIV Международной научно-технической конференции студентов и аспирантов радиоэлектроника, электротехника и энергетика 28-29 февраля 2008 г тезисы докладов Изд-во МЭИ, том 1 336-338с

Подписано в печать зак. |// Тир. Ю0 П.л. ¡ЛЬ

Полиграфический центр МЭИ (ТУ) Красноказарменная ул., д. 13

Введение.

Глава 1. Анализ методов и средств управления производительностью КВС.

1.1. Сетевое администрирование для управления ресурсами КВС.

1.1.1. Пакет Solstice фирмы SunSoft.

1.1.2. Пакет Open View фирмы Hewlett — Packard.

1.1.3. Пакет System View компании IBM.

1.1.4. Пакет Spectrum фирмы Cabletron.

1.2.Функциональность существующих средств сетевого администрирования.

1.3. Проблемы производительности КВС.

1.4. Классификация методов управления ресурсами КВС.

1.4.1. Управление в реальном времени.

1.4.2. Оперативное управление.

1.4.3. Тактическое управление.

1.4.4. Стратегическое управление.

1.5. Методы для определения вероятностно-временных характеристик КВС.

Выводы.

Глава 2. Разработка архитектуры интеллектуального сетевого администратора.

2.1. Задачи оперативного управления "ресурсами КВС и платформы сетевого администрирования.

2.2. Недостатки современных платформ сетевого администрирования.

2.3. Принципы разработки интеллектуального сетевого администратора.

2.4. Спецификация математической модели ИСА.

2.5. Структура интеллектуального сетевого администратора.

2.5.1. Режимы работы центрального блока интеллектуального сетевого администратора.

2.5.2. Функции планировщика и переключателя режимов.

2.6. Разработка структуры базы данных.

Выводы.

Глава 3. Обоснования исследование средств адаптации модели управления реальной КВС.

3.1. Задача адаптации модели управления реальной КВС.

3.2. Взаимодействие блоков интеллектуального сетевого администратора.

3.2.1. Взаимодействие блоков интеллектуального сетевого администратора при работе со справочниками.

3.2.2. Взаимодействие блоков интеллектуального сетевого администратора при проведении измерений.

3.2.3. Взаимодействие блоков интеллектуального сетевого администратора при отображении результатов измерений.

3.3. Управляющая база данных МШ.

3.4. Выбор программных средств.

3.5. Экспериментальное определение интенсивности обслуживания потока транзакций для управления производительностью КВС.

3.5.1. Алгоритм работы блока измерения параметров.

3.5.2. Методика выполнение экспериментального определения интенсивности обслуживания сервером потока транзакций.

Выводы.

Глава 4. Обознование и исследование модели ИСА для управления производительностью КВС.

4.1. Анализ методов и моделей для задач управления ресурсами.

4.1.1. Известные математические модели.

4.1.2. Средства сетевого управления.

4.1.3. Выбор приоритетных пользователей.

4.2. Постановка задачи выбора количества приоритетных пользователей (Bllii).

4.3. Разработка методики решения задачи ВШ1.

4.4. Формирование математических соотношений для задачи ВПП.126 4.4.1.Обоснование соотношений математической модели для учета приоритета обработки транзакций.

4.4.2. Обоснование вычислений параметров приоритета коллективных контуров.

4.5. Алгоритмы расчета характеристик задачи ВПП.

4.6. Исследование зависимости характеристик задачи ВПП от параметров КВС.

Выводы.

Актуальность темы

В условиях современного общества, корпоративные вычислительные сети (КВС) играют все большую роль в деятельности предприятий, организаций любой отрасли. Современные КВС предоставляют свои информационно-вычислительные ресурсы большому количеству пользователей. Требования пользователей к скорости выполнения решаемых задач определяются их ролью в технологическом процессе корпорации. Поэтому каждый пользователь предъявляет свои требования к производительности КВС.

Одной из важнейших проблем современного общества является создание высокопроизводительной телекоммуникационной среды. Сетевые технологии постоянно совершенствуются, что приводит к росту количества пользователей, увеличению объема трафика, необходимости повышения ответственности за доставку каждого сообщения. Мультимедийные технологии предоставляют пользователям широкий спектр информационных услуг, но предъявляют повышенные требования к технико-экономическим показателям, которые ужесточаются с ростом сложности корпоративных вычислительных сетей и увеличением количества пользователей.

Повышается сложность структуры КВС, расширяется состав сервисных услуг и, как следствие, возрастает интенсивность трафика. При росте коэффициентов загрузки серверов, каналов связи и коммутирующих устройств возникают очереди, что приводит к задержкам доставки* сообщений. Отсутствие средств, поддерживающих требуемое качество управления производительностью КВС, понижает конкурентоспособность, и не обеспечивает требования пользователей к скорости выполнения информационно-вычислительных задач.

При неуклонном росте числа компьютерных сетей и увеличении количества узлов в сети возникает проблема выбора средств сетевого администрирования. Задача управления сетью сама по себе не тривиальна и становится тем сложнее, чем выше требования, чем крупнее сеть, чем больше в ней используются разнородные платформы сетевого администрирования (СА). Исследования задач оперативного управления ресурсами и используемых для этого существующих систем сетевого администрирования показывают, что существующие СА не позволяют в полном объеме решать проблемы, связанные с построением и управлением КВС.

С учетом изложенного актуальность темы определяется необходимостью разработки и исследования интеллектуального сетевого администратора (ИСА), обеспечивающего качественное управление производительностью КВС.

Основные цели работы

Целью диссертационной работы является повышение качества управления производительностью КВС. Оценки производительности КВС являются основой критерия качества управления производительностью КВС.

Для достижения поставленной цели были решены следующие задачи исследования:

1. Анализ методов и средств управления производительностью КВС.

2. Разработка архитектуры интеллектуального сетевого администрирования ИСА.

3. Исследование и разработка средств адаптации модели управления реальной КВС.

4. Исследование модели ИСА для управления производительностью

КВС.

5. Разработка и исследование методики решения задачи определения количества приоритетных пользователей КВС, работающих в диалоговом режиме.

Научная новизна полученных результатов.

1. Предложена структура сетевой платформы администрирования с встроенной моделью для управления производительностью, названная интеллектуальным сетевым администратором (ИСА), и обоснована ее реализуемость.

2. Разработана методика адаптации модели управления к параметрам реальной КВС.

3. Сформулирована задача и предложена методика расчета количества приоритетных пользователей.

4. Разработана математическая модель функционирования КВС, обслуживающая заданное количество приоритетных пользователей. Методы исследования. Для решения поставленных задач в работе использовались теория массового обслуживания, теория графов, введение в теорию производительности вычислительных сетей.

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, корректными исследованиями параметров на функционирующей вычислительной сети, а также соответствием полученных результатов частным результатам, приведенным в научной литературе.

Практическая значимость полученных результатов: Разработка интеллектуального сетевого администратора (ИСА) на базе встроенной аналитической модели вычислительной сети дает возможность решать широкий спектр задач оперативного и стратегического управления.

Разработанная методика адаптации модели управления к параметрам реальной КВС, для которой выбран и отлажен комплекс программных средств, передана администратору Информационной вычислительной сети МЭИ для практического использования. Применение разработки позволяет выборочно контролировать загрузку серверов, получать количественные оценки интенсивности обслуживания.

Методика расчета количества приоритетных пользователей позволяет для реальной KB С определить допустимое количество IP телефонов, которые могут устойчиво функционировать даже в интервалы пиковых значений сетевого трафика. В настоящее время методика используется в учебном курсе «Сети ЭВМ», который читается на кафедре вычислительных машин, систем и сетей Московского энергетического института (Технического университета).

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на международных конференциях и семинарах:

• На Международной научной конференции «Тринадцатая международная научно-техническая конференция студентов и аспирантов. Радиоэлектроника, электротехника и энергетика» (Москва, 01-02 Марта 2007г),

• Second annual International Working Conference on Active, Management Networking, «In I WAN'07», (Zurich, Switzerland, October 2007)

• На Международной конференции "Информационные средства и технологии"» (Москва, 16-18 Октября 2007г),

• На Четырнадцатой международной научно-технической конференции студентов и аспирантов радиоэлектроника, электротехника- и энергетика» (Москва, 03-04 Марта 2008г)

Публикации

Основные материалы диссертационной работы опубликованы в 6 печатных работах.

1. Матип Эссунга Лазар, Воробьев В.И., Емельянов В.И. К вопросу исследования эффективности подсистемы клиент-сервер средствами системы массового обслуживания и теории очередей Труды Новомосковского института Российского химико-технологического университета им. Д.И., Менделеева Новомосковск, 2004 г. выпуск № 3 (14) 240-243с.

2. Матип Эссунга Лазар, Абросимов Л.И. Задачи управления производительностью корпоративных вычислительных сетей Радиоэлектроника, электротехника и энергетика. Тезисы докладов XIII Международной научно-технической конференции студентов и аспирантов: том 1. М.: Изд-во МЭИ. 1-2 марта 2007г. - с. 412-413.

3. Matip Essounga Lazare Users priority choice for management of performance of corporate computer network Second annual International Working Conference on Active, Management Networking, «In I WAN'07», (Zurich, Switzerland, 01-05 October 2007) p. 312-314.

4. Матип Эссунга Лазар, Абросимов Л.И Выбор приоритетных пользователей для управления производительностью КВС Труды Международной научно-технической конференции // Информационные средства и технологии Москва, 16-18 октября 2007 г. М.: МЭИ, том 2. 142-146с.

5. Матип Эссунга Лазар Методика выбора количества приоритетных пользователей в корпоративных вычислительных сетях реального времени // Системы управления и информационные технологии, Воронеж 2008, №4.2(30). с. 261-264.

6. Матип Эссунга Лазар, Абросимов Л.И Экспериментальное определение интенсивности обслуживания потока заявок для управления производительностью КВС XIV Международной научно-технической конференции студентов и аспирантов //

Радиоэлектроника, электротехника и энергетика 28-29 Февраля 2008 г. тезисы докладов Изд-во МЭИ, том 1. с 336-338.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, приложения и изложена на 164 страницах. Список использованной литературы содержит 106 наименования. Таблиц 13, рисунков 36. Каждая глава снабжена аннотацией и заканчивается основными выводами по результатам проведенных исследований.

Выводы

1. Анализ методов и средств сетевого управления показал, что одним из конструктивных параметров управления распределением ресурсов является назначение абсолютных приоритетов.

2. При назначении приоритетов администратор должен решать задачу определения количества приоритетных пользователей, при котором обеспечивается требуемое время реакции системы.

3. Обобщенное соотношение (4.16), определяющее количество п*щ транзакций приоритета а, обслуживаемых в г-м узле, которое используется для нелинейных уравнений позволяет администратору КВС использовать многоуровневую систему приоритетов.

4. В отличие от соотношений метода контуров модифицированные соотношения (4.16): о рассматривают известное соотношение (4.1) как частный случай, о позволяют определять время реакции КВС для абсолютные приоритетов а=1,А, о позволяют определять количество приоритетных пользователей naq, для которых выполняется требуемее время реакции КВС, о предложить методику расчета параметров для приоритетного обслуживания транзакций, о дать обоснование реализуемости для вычислительных алгоритмов расчета параметров для приоритетного обслуживания транзакций.

5. Разработанная аналитическая модель функционирования КВС, является основой центрального интеллектуального блока интеллектуального сетевого администратора.

6. Проведен анализ результатов управления производительностью реальной размерности. В рассмотренном примере исследована КВС, которая содержит 5 серверов, 10 коммуникационных узлов, 5 рабочих групп, несколько сотен рабочих станций.

Заключение

В процессе исследований выполнены следующие работы: 1. Обоснована актуальность темы диссертации «Разработка и исследование встроенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных сетей».

2. Проанализированы методы управления производительностью КВС и дана их классификация.

3. Проанализированы проблемы оценки производительности КВС.

4. Произведен анализ математических методов, позволяющих рассчитывать вероятностно-временные характеристики функционирования КВС.

5. Произведен анализ основных интегральных платформ сетевого администрирования:

- выявлены их основные недостатки, ограничивающие качество управления производительностью КВС. сформулированы основные требования для разработки интеллектуальной платформы сетевого администрирования.

6. Предложены принципы разработки интеллектуальной платформы сетевого администрирования.

7. Разработана спецификация математической модели ИСА.

8. Предложена структура интеллектуального сетевого администратора, которая предусматривает разработку центрального аналитического адаптивного информационно-вычислительного блока и измеряющих агентов.

9. Разработана структура базы данных центрального блока интеллектуального сетевого администратора, которая содержит измеренные значения параметров, а также нерегулярно-изменяемую справочную информацию.

10. Сформулирована задача адаптации модели управления реальной КВС.

11. Предложена схема взаимодействия блоков интеллектуального сетевого администратора.

12.Выполнен анализ управляющей базы данных MIB.

13.Сформулирована задача экспериментального определения интенсивности обслуживания сервером потока транзакций.

М.Разработана методика выполнение экспериментального определения интенсивности обслуживания сервером потока транзакций.

15. Для решения задачи экспериментального определения интенсивности обслуживания сервером потока транзакций: выбран комплекс программных средств; составлен план проведения эксперимента; выполнены экспериментальные исследования для ИВС Московского энергетического института и произведен анализ полученных результатов.

16.Разработана аналитическая модель функционирования КВС, являющаяся основой центрального интеллектуального блока интеллектуального сетевого администратора

17.Разработан программный комплекс, реализующий аналитическую модель.

18.Сформулирована задача выбора количества приоритетных пользователей.

19. Разработана методика решения задачи выбора количества приоритетных пользователей.

20. Предложены и обоснованы соотношения математической модели для учета приоритета обработки транзакций.

21.Исследованы зависимости характеристик задачи ВПП от параметров КВС.

22.Проведен анализ результатов управления производительностью. В качестве примера рассмотрена КВС, которая содержит 5 серверов, 10 коммуникационных узлов, 5 рабочих групп, несколько сотен рабочих станций. Установлены зависимости количества приоритетных пользователей от ресурсов КВС и от допустимого времени реакции.

1. Абросимов Л.И. Основные положения теории производительности вычислительных сетей // Вестник МЭИ. 2001 №4.С. 70-75

2. Абросимов Л.И. Концепция разработки интеллектуальной платформы администрирования гетерогенных вычислительных сетей на базе моделей с тензорными преобразованиями, Международная Академия Информатизации. -М.: МЭИ, 1997. Том 1- 60-67 с.

3. Абросимов Л.И. Концепция теории производительности вычислительных сетей. Электронный журнал «Вычислительные сети. Теория и практика» 2001, № 1 статья 3 http://network-iournal.mpei.ac.ru

4. Абросимов Л. И. Анализ и проектирование вычислительных сетей (учебное пособие). Московский энергетический институт (технический университет) М.: МЭИ, 2000 г. - 52 с.

5. Абросимов Л. И. Методология анализа вероятностно-временных характеристик вычислительных сетей на основе аналитического моделирования. Диссертация на соискание ученой степени доктора технических наук. Москва.: МЭИ, 1996

6. Абросимов Л.И., Султанов К.В. Алгоритм решения нелинейных уравнений методом тангенсов Электронный журнал «Вычислительные сети. Теория и практика» 2004, № 2, ( 5), статья 72 http://network-journal.mpei.ac.ru

7. Авен О. И., Турин Н. Н., Коган Я. А. Оценка качества и оптимизация вычислительных систем. — М.: Наука, Главная редакция физико-математической литературы, 1982.

8. Анализа и оптимизации локальных сетей Система имитационного моделирования COMNET компании CACI Products COMNET III COMNET Predictor www.citforum.ru/nets/optimize/index.shtml

9. П.Артемьев А.Б., Корденков H.B., Саксонов Е.А. Алгоритмы динамического управления нагрузкой серверов в распределенных системах // Информационные, сетевые и телекоммуникационные технологии. Кафедра ВСиС. Сб. научных трудов. М.: МИЭМ, 2005. -с. 24-29.

10. Артемьев А.Б., Корденков Н.В, Саксонов Е.А. Анализ алгоритма управления нагрузкой серверов в распределенных системах // Информационные, сетевые и телекоммуникационные технологии. Кафедра ВСиС. Сб. научных трудов. М.: МИЭМ, 2005. - с. 29 - 33.

11. Бертсекас Д., Галлагер Р. Сети передачи данных: Пер. с англ. М.: Мир, 1989. 544 с

12. Будко П. А., Федоренко В. В. Управление в сетях связи. Математические модели и методы оптимизации: монография. — М.: Изд. физико-математической литературы, 2003. 228 с. - ISBN 594052-064-2.

13. Вишневский В.М. Теоретические основы проектирования компьютерных сетей. — М.: Техносфера 2003 — 512 с.

14. Вишневский В.М., Ляхов А.И. Оценка максимальной производительности беспроводного доступа в Интернет // Автоматика и телемеханика, 2004 г. №9, 52-70.с.

15. Воеводин, В. В. Математические модели и методы в параллельных процессах. -М.: Наука. Гл. ред. Физ.-мат. Лит., 1986.

16. Галкин В.А., Григорьев Ю.А. Телекоммуникации и сети М: Издательство МГТУ им. Н. Э. Баумана 2003 — 608 с.

17. Гаранин М. В., Журавлев В. И., Кунегин С. В. Системы и сети передачи информации: Учеб. пособие для вузов. М.: Радио и связь, 2001.-336 с.

18. Данных МПЗ. ПротоколуправленияSNMPhttp://book.itep.ru/4/44/snm 4413.htm

19. Дэвида Тенненнхауси и Дэвида Ветэрола Концепция активной сети. MITUSA, 1996. 305 с

20. Джойл Снайдер. Устройства управления трафиком. // Сети. 1998. № 7-8. http://www.osp.ru/nets/1998/07-08/143604/

21. Электронный журнал «Вычислительные сети. Теория и практика. 2001 -2006 гг. http://network-iournal.mpei.ac.ru24.3ахаров Г.П. Методы исследования сетей передачи данных. М. : Радио и связь, 1982. 208 с

22. Захаров Г. П. Методы исследования сетей передачи данных. М.: Радио и связь, 1982. 208 с.

23. Иванов А. В. Разработка и исследование алгоритмов прогнозирования и управления очередями в компьютерных сетях Текст.: Автореф. дис. канд. техн. наук : 05.13.01 / Санкт-Петербургский государственный технический университет. — СПб.: СПбГТУ, 2001.

24. Иваненко С. Введение в SNMP http://www.dlink.ru/technology/art 1 l.php

25. Иванов С.А., Устюжанин А.Е., Сравнительный анализ подходов к автоматизированному тестированию многоагентных систем.

26. Клейнрок JI. Вычислительные системы с очередями. М.: Мир, 1979. 600с.

27. Клейнрок JI. Теория массового обслуживания. Пер. с англ. И. И. Грушко. Под ред. В. И. Неймана. М.: Машиностроение. 1979.

28. Компания CACI Products COMNET Baseliner user Guide August 1997 www.etse.urv.es

29. Кофман А., Крюон P. Массовое обслуживание (теория и приложения) / Пер. с фр. под ред. И.Н. Коваленко. М.: Мир, 1965. -302 с.

30. Кульгин М. Технологии корпоративных сетей. Энциклопедия. -СПб.: Питер, 2000.

31. Куракин Проблемы маршрутизации информационных потоков при проектировании глобальных сетей телекоммуникаций. // ISSN 00135771. Электросвязь. 1997 г. №8. с. 15-17.

32. Лазарев В. Г., Лазарев Ю. В. Динамическое управление потоками информации в сетях связи. М.: Радио и связь, 1983. 216 с.

33. Матип Эссунга Лазар Методика выбора количества приоритетных пользователей в корпоративных вычислительных сетях реального времени // Системы управления и информационные технологии, Воронеж 2008, №4.2(30). 261-264с.

34. Мизин И. А., Богатырев В. А., Кулешов А. П. Сети коммутации пакетов. Под ред. В. И. Семинихина. М.: Радио и связь. 1986. - 408 с

35. Охотников С.С. Оценка эффективности управления трафиком между LAN и WAN. 2002 г.

36. Продукты D-Link Средства анализа и оптимизации локальных сетей. Обзор популярных систем управления HPOpenView, SunSoftSoliste, CabletronSpectrum, IBMNetView: http://www.dlink.ru/technology/locnop 08

37. Продукты для мониторинга и анализа, Обзор популярных систем управления: HPOpenView, SunSoftSolstice, CabletronSpectrum, IBMNetView www.CITFORUM.ru

38. Продукты D-Link D-View 5.1 Network Management System User's Guide http.7/ ftp. dlink.ru/pub/software/D-View

39. О.Семенов Ю.А. (ГНЦ ИТЭФ). Протокол управления SNMP, Управляющая база

40. Таненбаум Э. Компьютерные сети. — СПБ.: Питер, 2004 г. 848 с

41. Тарасик В. П. Математическое моделирование технических систем: Учебник для вузов. М.: Дизайн ПРО, 1997. 640 с.

42. Управляющая база данных MIB: http://book.itep.ru/4/44/snm 4413.htm

43. Феррари Д. Оценка производительности вычислительных систем. Москва "Мир" 1981.

44. Фрэнк Г., Фриш И. Сети связи и потоки: Пер. с англ. М.: Связь, 1978. 448 с.

45. Шварц М. Сети связи: протоколы моделирования и анализ./ В 2-х ч. 4.II. М.: Наука, Глав.ред.физ.-мат.лит-ры, 1992, 272с

46. Шварц М. Сети ЭВМ. Анализ и проектирование: Пер. с англ. / Под ред. В.А. Жожикашвили. М.: Радио и связь, 1981. 336 с.

47. Agrawal S.C. Metamodeling A Study of Approximations in Queering Models. MIT Press, 1985.

48. Bellifemine F., Rimassa G. and Poggi A. JADE A FIPA-Compliant Agent Framework. "Proceedings of the 4th International Conference and Exhibition on the Practical Application of Intelligent Agents and Multi-Agents", UK. 1999.

49. Bellifemine F., Caire G., Trucco Т., Rimassa G. JADE Administrator's Guide http://sharon.cselt.it/proiects/iade.

50. Bellifemine F., Poggi A., and Rimassa G. Developing multi agent systems with a FIPA-compliant agent framework. In Software Practice Experience, volume 31, pp. 103-128. John Wiley Sons, Ltd., 2001.

51. Bivens A., Fry P.H., Li Gao, Hulber M. F., Szymanski B.K. Agent-Based Network Monitoring. "Agent based High Performance Computing" 'Workshop at Agents' 99 Conference, 1999.

52. Bohoris C., Pavlou G. and Cruickshank H. Using mobile agents for network performance management. IEEE/IFIP Network Operations and

53. Management Symposium (NOMS'OO), Honolulu, Hawaii, pp. 637-- 652, Apr. 2000:

54. Bolch, G., Greiner S., de Meer H., Trivedi K.S.: Queueing Networks and Markov Chains. Modeling and Performance Evaluation with Computer Science Applications, John Wiley & Sons, New York. 1998.

55. Case J., Eedor M., SchoHstall M., Davin J; A Simple Network Management Protocol (SNMP) RFC 1157, May 1990.

56. David Larrabeiti, Maria Calderon, Arturo Azcorra, Manuel Uruena. Sara: a simple active router-assistant architecture. Technical; repport, Madrid , 2001.

57. DCGM, Microsoft distributed component object model, http://www.microsoft.com/com/tech/DCQM.asp.

58. Doherty W.J. and Schedulling, the degree to which a computing system meets the expectation of the person involved with it. TSS/360 for Responsiveness, AFIPS Proc. FJCC, 1970, pp. 97-111

59. Eric Schmidt Google CEO Performance Evaluation outlines how Coyote Point Systems, www.itbusinessedge.com

60. Ethereal the world's most popular network protocol analyzer, powerful multi-platform analysis http ://www. ethereal .com

61. Ewing, G., K.Pawlikowski and McNickle D. Akaroa 2.4.2. User's Manual. Tech. Report TR-COSC, Department of Computer Science, University of Canterbury, Christchurch, New Zealand. 1997

62. Fdida S. Pujolle G. Modeles des Systemes et des Reseaux. Tome I: Performance. Eyrolles. 1989. 292 c.

63. Frost, V. S., Melamed, В., Traffic modёling for telecommunications networks, IEEE Communications Magazine; March 1994;

64. Galmes;. S., Puigjaner, R., Correlation Analysis of a Discrete-time Flexible Arrival Process. Journal on Computer networks. ISSN:; 13891286, vol. 41, pp. 795-814. Elsevier North Holland, 2003.

65. Gavalas D., Greenwood D., Ghanbari M., Mike O'Mahony. Advanced Network Monitoring Applications Based on Mobile/Intelligent Agent Technology. Computer Communications Journal, special issue on "Mobile Agents for Telecommunication Applications", Jan 2000.

66. Gavalas D., Greenwood D., Ghanbari M., O'Mahony M. An Infrastructure for Distributed and Dynamic Network Management based on Mobile Agent Technology. Proceedings of the IEEE International Conference on Communications (ICC'99), pp. 1362-1366, June 1999.

67. Georges Fiche et Gerard Hebuterne Trafic et performances des reseaux de telecoms. Collection technique et scientifique des telecommunications, Hermes Science, Lavoisier, 2003 r. - 528 c.

68. Georges Gilder. High performance active network node. In IEEE Network, volume 13, January 1999

69. Graham R. M. The effectiveness with which the resource of the host computer system are utilized toward meeting the objective of the software system. 1973. pp.395 *

70. Griffin D., Pavlou G., Georgatsos P. Providing Customisable Network Management Services Through Mobile Agents. Proc. of the 7th International Conference on Intelligence in Services and Networks (IS&N'OO); Athens, Greece:, February 2000.

71. Harrison P. G. and Patel N. M. Performance Modelling of Communication Networks and Computer Architectures. Addison-Wesley, 1993.

72. Hartman J., Bigot P., Montz В., Piltz R., Spatscheck O., Proebsting T. and Peterson L. joust: A platform for liquid software. IEEE computer, 1999.

73. Huawen Luo. Agent-based Network Management System. PhD these. Beijing Institute of Technology, 2000. pp. 120.

74. Internetworking Technology Overview Электронный ресурс. Режим доступа: www.mark-it.ru/CISCO/ITO/ Загл. с экр.

75. Jean-Patrick Gelas. Vers la conception d'une architecture de reseaux actifs apte a supporter les debits des reseaux gigagits. Universite Claude Bernard de Lyon. France. 2003. pp. 125.

76. Khan Malik. QoS What Is It All About // Journal of Network and Systems Management. 2001.Vol.9. No. 4.

77. Kholodov A. S., Kholodov Y.A. Computational models on graphs for the nonlinear hyperbolic system of equations. ASME 2004 PVP, Vol. 476, PVP 2004-2580, pages 161-167.

78. Madhavi W. Subbarao. Optimizing Performance in Mobile Packet Radio Networks. Ph.D. These. University of California at Berkeley, USA. 1998

79. Matthias Klusch, Information agent technology for the Internet. German Research Center for Artificial Intelligence, Deduction and Multi-Agent Systems Lab, Stuhlsatzenhausweg 3, Saarbruecken, Germany. 2001. 372 с

80. Mosberger D., Scout: A path based operating system. PhD thesis, University of Arizon, 1997. http://www.cs.arizona .educ/scout.

81. Olivier Festor, Isabelle Chrisment and Eric Fleury. Les reseaux programmables 1.0. Technical Report 3913, INRIA, 2000. Rapport de Recherche.

82. Open View Network Node Manager, распределенное управление сетью http.7/www.infait.ru/department/network/hpopenviewnm/6/2.html

83. Pawlikowski К. Steady-state simulation-of queueing processes: a survey of problems and solutions. ACM Computing Surveys 22. 1990. pp. 123170

84. Peter Ladkin. Measuring the Quality of Service, Performance Evaluation, Performance of Computing System. http://nakula.rvs.uni-bielefeld.de/~made/folie/folie04.html#top dokumen

85. Piliafito A., Tomarchio O. Using Mobile Agents to implement flexible Network Management Strategies. Computer Communication Journal, 23(8): 708-719, April 2000.

86. Ramon Puigjaner Modelling techniques and tools for performance evaluation, http://www.informatik.uni-trier.de

87. Ramon Puigjaner Performance Aspects of Real-Time Systems. http://www.informatik.uni-trier.de

88. Rubinstein M. G., Duarte О. С. M. В., Pujolle G. Scalability of a Network Management Application Based on Mobile Agents. http://citeseer.nj.nec.com/503561 .html, March 2002.

89. SNMP как средство управления сетями (по материалам корпорации Microsoft). http://www.compress.rU/Archive/CP/2000/5/27/#07

90. Simple Network Management Protocol (Software Technology Review) http://www.sei.cmu.edu/str/descriptions/snmp body.html.

91. Springer Verlagn. Performance prediction, Advances Courses on Software Engineering, 1974. pp. 463

92. The simple Network Management Protocol (SNMP) MIBs are accessed using a network-management protocol http://en.wikipedia.org/wiki/Simple NetworkManagement Protocol