close

Вход

Забыли?

вход по аккаунту

?

Исследование и разработка методов анализа вероятностно-временных характеристик узлов сетей связи специального назначения

код для вставкиСкачать
На правах рукописи
Сапрыкин Александр Вячеславович
ИССЛЕДОВАНИЕ И РАЗРАБОТКА МЕТОДОВ АНАЛИЗА
ВЕРОЯТНОСТНО-ВРЕМЕННЫХ ХАРАКТЕРИСТИК УЗЛОВ СЕТЕЙ
СВЯЗИ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ
Специальность:
05.12.13 – Системы, сети и устройства телекоммуникаций
Ав то р е фер а т
диссертации на соискание ученой степени
кандидата технических наук
Самара – 2018
Работа выполнена на кафедре «Технологии исследований и инноваций специальной связи» Федерального государственного бюджетного образовательного учреждения высшего образования «Поволжский государственный университет телекоммуникаций и информатики» (ФГБОУ ВО
ПГУТИ).
Научный руководитель: доктор
Букашкин Сергей Анатольевич
технических
наук,
профессор
Официальные оппоненты:
Линец Геннадий Иванович, доктор технических наук, доцент.
Федеральное государственное автономное образовательное учреждение
высшего образования «Северо-Кавказский федеральный университет»,
г. Ставрополь. Заведующий кафедрой инфокоммуникаций.
Легков Константин Евгеньевич, кандидат технических наук,
доцент. Федеральное государственное бюджетное образовательное учреждение высшего образования «Военно-космическая академия имени А.Ф.
Можайского», г. Санкт-Петербург. Начальник кафедры технологий и
средств технического обеспечения и эксплуатации автоматизированных систем управления (войсками).
Ведущая организация:
Федеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный авиационный технический университет», г. Уфа.
Защита диссертации состоится 22.06.2018 г. в 14:30 на заседании диссертационного совета Д 219.003.02 при ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики» по адресу:
443010, г. Самара, ул. Льва Толстого, 23.
С диссертацией можно ознакомиться в библиотеке ФГБОУ ВО
ПГУТИ и на сайте www.psuti.ru.
Автореферат разослан "__"________ 2018 г.
Ученый секретарь
диссертационного совета Д 219. 003.02,
доктор технических наук, профессор
2
А.И. Тяжев
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования
Решение большинства задач управления сетями специального назначения (CCН), обеспечивающих требуемый уровень качества функционирования инфокоммуникационной сети, предоставляющей комплекс требуемых
информационных и телекоммуникационных услуг различным пользователям, в обязательном порядке требует формирования достаточно строгого
формализованного описания самой ССН и процессов, протекающих в ней.
Вместе с тем, следует отметить, что достаточно строгое математическое описание ССН и основных процессов, моделирующих изменение ее
состояний, часто трудно осуществить, так как оно должно учитывать все
явления в динамике. Очевидно, основными процессами, протекающими в
ССН, являются процессы поступления, распределения и переноса информации. При этом, совокупность требований и самой информации (сообщений,
данных, речевой и видео информации, мультимедиа информации), поступающих на соответствующий узел ССН, образует терминальный поток, а
вся совокупность этих потоков определяет особенности сетевых информационных потоков в ССН, которые в силу влияния целого ряда случайных
факторов, носят явно выраженный стохастический характер.
Отличительной особенностью ССН является то, что циркулирующие в
ней потоки являются неоднородными, т.к. с собственно информационными
потоками «смешиваются» потоки управляющей информации и потоки информации о состоянии элементов сети. При этом, в качестве математической модели ССН и ее элементов могут успешно использоваться соответствующие модели систем массового обслуживания, на каждую из которых
поступает соответствующий поток требований. Его обслуживание определяется соответствующими параметрами, как правило, заранее известными
хотя бы приближенно в части законов распределения случайных значений
этих параметров.
Проведенные эксперименты по анализу структуры потоков (трафика)
инфокоммуникационных систем нового поколения выявили, что исследуемый трафик имеет отчетливую структуру типа VBR (variable bit rate), что
приводит к высокой пачечности. В свою очередь явно выраженные корреляционные свойства трафика заставляют в качестве его математических моделей использовать случайные процессы, обладающие свойствами фракталов. В отечественной литературе мало работ, в которых анализ сетевых узлов ССН осуществляется с учетом фрактальных свойств трафика.
Таким образом, в настоящее время существует актуальная научнотехническая проблема разработки методов анализа вероятностновременных характеристик узлов ССН с учетом фрактального характера
процессов, характеризующих функционирование сети.
Степень разработанности темы исследования
Во многих научных работах приведены математические методы анали3
за трафика различных сетей связи. Значительный вклад в развитие принципов анализа инфокоммуникационных мультисервисных сетей связи (в том
числе специальной связи) и разработку методик по исследованию и управлению трафиком внесли российские ученые А.Н. Назаров, К.И. Сычев, О.И.
Шелухин, А. Е. Кучерявый, К.Е. Легков, Г.И. Линец, К. Е. Самуйлов, С. Н.
Степанов, В. М. Вишневский В.Г. Карташевский и многие зарубежные
ученые, такие как L. Kleinrock, T. Saaty, I. Norros, D. Cox, J. Keilson.
Однако исследование современных мультисервисных сетей показывает, что в трафик данных сетей не является марковским, а обладает фрактальными свойствами, корреляционными связями параметров трафика и
«тяжёлыми» хвостами распределений, описывающих статистику временных
параметров заявок на обслуживание на каждом уровне сети. В связи с этим,
актуальной становится задача описания основных процессов, происходящих
в такой сети, вызывающих изменение её состояний и учитывающих динамику процессов.
Цель диссертационной работы – исследование вероятностновременных характеристик узлов сетей специального назначения при обработке самоподобного трафика.
Задачи диссертационной работы:
- анализ существующих моделей трафика и методов его обработки,
основанных на классической теории массового обслуживания,
- анализ методов математического моделирования трафика с использованием самоподобных случайных процессов,
- разработка методов анализа систем массового обслуживания общего
вида при обработке трафика с независимыми временными интервалами, характеризуемыми распределениями вероятностей с «тяжелыми» хвостами,
- разработка моделей самоподобного трафика на основе обновляющих
процессов, учитывающих корреляционные характеристики временных интервалов трафика,
- разработка методов анализа систем массового обслуживания общего
вида при обработке самоподобного трафика,
- анализ характеристик систем массового обслуживания общего вида
при обработке самоподобного трафика методом имитационного моделирования.
Объект исследований – инфокоммуникационные сети специального
назначения.
Предмет исследований – модели систем массового обслуживания и
методы анализа характеристик функционирования узлов ССН при обработке самоподобного трафика.
Научная новизна работы заключается в следующем:
1. С использованием методов регрессионного анализа показано, что
формирование пачек заявок на входе системы массового обслуживания
осуществляется из-за корреляции интервалов времени между заявками.
4
Причем положительные значения коэффициентов корреляции способствуют
возникновению пачки, а отрицательные – приводят к обратной тенденции.
2. Показано, что адекватной математической моделью самоподобного
трафика может служить обновляющий процесс с гиперэкспоненциальным
или эрланговским распределением мгновенных значений интервалов времени между заявками, учитывающий корреляционные свойства трафика через индекс дисперсии потока интервалов времени.
3. Решена задача оценивания среднего времени ожидания заявки в очереди для системы массового обслуживания общего вида при обработке коррелированного трафика путем решения интегрального уравнения Линдли
спектральным методом с использованием модели самоподобного трафика в
виде обновляющего процесса с гиперэкспоненциальным распределением
мгновенных значений интервалов времени между заявками.
4. Показано, что использование в качестве модели коррелированного
трафика рандомизированного пуассоновского процесса позволяет рассчитать вероятность блокировки системы массового обслуживания в зависимости от размера очереди.
Теоретическая и практическая значимость работы заключается в
следующем:
1. Полученные результаты позволили построить методику анализа вероятностно-временных параметров узлов сети специального назначения,
обрабатывающих трафик, обладающий самоподобием.
2. Проведенные исследования позволяют обеспечить процесс проектирования сетей адекватными моделями трафика и методиками его анализа.
3. Практическое значение положений и выводов диссертации для планирования и постановки перспективных научно-исследовательских и опытно-конструкторских работ подтверждается результатами внедрения на
предприятиях и организациях России согласно полученным актам внедрения.
Соответствие рассматриваемым специальностям
Диссертационная работа соответствует п. 2, 11, 14 паспорта специальности 05.12.13.
Методы исследований
Для решения поставленных в диссертации задач использовались методы теории массового обслуживания, математической статистики, теории вероятностей, теории функций комплексной переменной, имитационного моделирования.
Обоснованность и достоверность результатов работы обеспечиваются корректным применением математического аппарата и подтверждается
результатами имитационного моделирования, совпадением в частных случаях результатов, полученных в диссертации, с результатами других авторов, а также результатами апробации, публикации и внедрения основных
положений диссертации.
5
Личный вклад автора
Основные результаты диссертационной работы, обладающие научной
новизной и выносимые на защиту, получены автором лично. В научных
трудах, опубликованных в соавторстве, автору принадлежат обоснование
выбора математических моделей и методик, вывод расчетных соотношений,
а также систематизация и обработка результатов моделирования.
Основные положения, выносимые на защиту:
1. Результаты анализа корреляционных свойств последовательности
интервалов времени между заявками, объясняющие формирование пачек в
потоке заявок: положительные коэффициенты корреляции способствуют
формированию пачки, отрицательные коэффициенты корреляции способствуют «рассасыванию» пачки.
2. Решение задачи оценивания среднего времени ожидания заявки в
очереди узла мультисервисной сети на основе мониторинга трафика IPTV
посредством использования моделей трафика на основе обновляющих процессов, показавшее, что свойство самоподобия трафика может увеличить
время ожидания в очереди почти на порядок по сравнению со случаем обработки не коррелированного трафика.
3.Решение задачи оценивания среднего времени ожидания заявки в
очереди в условиях априорной неопределенности относительно значений
параметров распределений временных интервалов с использованием интервального подхода.
4.Результаты анализа вероятностно-временных характеристик системы
массового обслуживания общего вида при обработке трафика с зависимыми
интервалами времени между заявками на основе использования рандомизированного пуассоновского потока, показавшие, существенное ухудшение
показателей QoS по сравнению со случаем обработки трафика с независимыми временными параметрами.
Апробация результатов работы и публикации
Основные результаты по теме диссертационного исследования докладывались на III Международной научно-практической конференции
«Problems of Infocommunications Science and Technology» (Харьков, Украина, 2016), XIV Международной научной конференции «Проблемы техники
и технологий телекоммуникаций» (Самара, 2016), 71-й Международной
конференции «Радиоэлектронные устройства и системы для инфокоммуникационных технологий» (Москва, 2016), 19-й Международной конференции
«Цифровая обработка сигналов и ее применение» (Москва, 2017), Международной научно-технической конференции «Радиотехника, электроника и
связь» (Омск, 2017), XXIII XXIV и XXV Российских научных конференциях
профессорско-преподавательского состава, научных сотрудников и аспирантов ПГУТИ (Самара, 2016, 2017, 2018), VII Всероссийской научнопрактической конференции «Проблемы передачи информации в инфокоммуникационных системах» (Волгоград, 2016).
6
По тематике диссертационных исследований автором (лично и в соавторстве) опубликовано 16 печатных трудов. Основные научные и прикладные результаты диссертационной работы опубликованы в разделе коллективной научной монографии, изданной центральным издательством, в 5-ти
научных статьях в журналах, входящих в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные
научные результаты диссертаций на соискание ученых степеней доктора и
кандидата наук», в 10-ти публикациях в форме текстов и тезисов докладов.
Реализация результатов работы
Результаты диссертационной работы, при активном непосредственном
участии автора, успешно внедрены на предприятиях России, а также в учебный процесс ФГБОУ ВО ПГУТИ. Реализация результатов работы и достигнутый эффект подтверждены соответствующими актами.
Объем и структура работы
Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы. Общий объем работы составляет 145 страниц, включая 43 рисунка и 6 таблиц. Список литературы содержит 115
наименований.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы, указана степень ее разработанности, сформулированы цель и задачи исследований, указаны объект и
предмет исследований, описаны состав и структура работы, показаны научная новизна и теоретическая и практическая значимость работы, указано
соответствие рассматриваемым специальностям, указаны используемые методы исследований, показаны обоснованность и достоверность результатов,
указан личный вклад автора, приведены основные положения, выносимые
на защиту, даны сведения об апробации результатов работы и публикациях,
описана реализация результатов работы.
В разделе 1 проведен анализ структуры сетей специального назначения, описаны технологии, используемые при построении сетей специального назначения (ССН). При этом под ССН понимается комплекс инфокоммуникационых систем, предоставляющих обширный набор информационных
и телекоммуникационных услуг с гибким управлением, создание и персонализацию новых услуг с помощью стандартизации информационных и сетевых решений, использующих универсальную транспортную сеть с распределенной коммутацией, предоставление информационных и телекоммуникационных услуг в оконечные сетевые узлы и объединение с традиционными и существующими сетями связи.
Жесткие требования к показателям надежности и живучести ССН
определяют выбор структуры сети. Например, на уровне транзитного фрагмента ССН между узлами коммутации можно создавать несколько (не менее двух) независимых путей обмена информацией. При этом на уровне доступа, где часто используется древовидная топология, такой подход вряд ли
7
реализуем. Структура ССН должна обеспечивать функцию мобильности
абонентов, что может быть реализовано на основе системы спутниковой
связи. Кроме того, структура сети должна быть ориентирована на оперативное решение задачи управления ресурсами при перегрузках и отказах.
Рассмотрены и проанализированы возможности построения ССН на
основе технологии VPN, использующей протоколы туннелирования L2TP и
SSTP, технологии MPLS, организованной по принципу «сеть с коммутацией каналов поверх сети с коммутацией пакетов» и технологии Metro
Ethernet. Отмечено, что современные сети специального назначения предоставляют обширный спектр услуг нового типа, получивших название инфокоммуникационных услуг. При этом проанализированы их характерные отличия от услуг традиционных сетей связи.
На основе проведенного анализа особенностей построения ССН предложена модель сети специального назначения, представляющая собой трехуровневую модель, содержащую инфраструктурный, промежуточный и базовый уровни, которые являются в свою очередь совокупностью уровневых
сетей. Каждый уровень можно рассматривать как объединенную двухполюсную виртуальную сеть (рис. 1),
отличительным признаком которой
является отсутствие замкнутого
внутреннего трафика. Такое представление ССН позволяет осуществлять анализ качества функционирования элементов сети методами теории массового обслуживания с учеРис. 1- Двухполюсный элемент
том современных достижений в воуровневого компонента ССН
просах описания трафика.
В разделе 2 проведен анализ статистических свойств трафика, а также
разработаны методы математического моделирования трафика в ССН, базирующиеся на представлении трафика как самоподобного случайного процесса. Показано, что параметры временных интервалов такого процесса задаются распределениями с «тяжелыми» хвостами, а описание трафика, соответственно, может быть дано с применением методов теории фракталов.
При этом для классификации зависимости отсчетов временного ряда на
предмет ее «фрактальности» использован параметр Херста.
Установлена взаимосвязь моделей трафика, основанных на задании вида распределения вероятностей для случайных величин, суть которых – интервалы времени между пакетами и количество пакетов в единицу времени.
Дано описание свойств самоподобного трафика, обладающего выраженными корреляционными свойствами, с использованием понятий «индекс дисперсии интервалов времени между событиями» и «индекс дисперсии числа
событий».
8
С использованием методов регрессионного анализа установлено, что
наличие корреляционных связей между интервалами существенно влияет на
статистику заявок на обслуживание. В частности, для различных степеней
корреляции интервалов времени X между пакетами, в частности для
R x (1)  1 и Rx (1)  1 , получены следующие соотношения:


2σ 2x [1  Rx (1)]
ε2
(1)
2σ 2x [1  Rx (1)]
Rx (1)  1, P X j 1  X j  2m x  ε 
ε2
из которых можно сделать вывод, что малые значения X j будут сопровожRx (1)  1, P X j 1  X j  ε 

даться малыми значениями X j 1

Rx (1)  1 , что порождает пачечность в
потоке заявок на обслуживание. Показано также, что при Rx (1)  1
наблюдается сглаживающее действие на эту тенденцию. Таким образом,
именно корреляция является причиной возникновения пачечности трафика.
Наиболее важной характеристикой является время ожидания пакета в
очереди узла ССН. Вычисление времени ожидания пакета (в очереди узла
сети) при произвольных распределениях вероятностей интервалов времени
между пакетами и интервалами обслуживания пакетов при условии их независимости обычно проводятся на основе решения интегрального уравнения
Линдли, которое решается спектральным методом с использованием преобразований Лапласа соответствующих плотностей вероятности.
В общем виде данный метод решения уравнения Линдли для системы
массового обслуживания типа G/G/1 можно применить, если для плотностей вероятности функций распределений времени интервалов между пакетами и времени обслуживания использовать аппроксимацию суммой затухающих экспонент, в частности – гиперэкспоненциальными распределениями H 2 / H 2 / 1 . В диссертации показано, что при анализе трафика с явно
выраженными корреляционными свойствами также может быть использована аппроксимация H 2 / H 2 / 1 , но с учетом корреляционных свойств исходных последовательностей. Такие аппроксимирующие последовательности носят название обновляющие процессы.
Так, в качестве обновляющего процесса выбирается процесс H у которого среднее значение mH  m x и квадрат коэффициента вариации равен
индексу исходного потока X : CH2  I x . При этом показано, что CH2  1  2 AH ,
где параметр AH совместно с  H описывает изменение среднего значения
потока Н во времени: EN H (t )  H t  AH (1  e H t ) .
В таком случае преобразование Лапласа плотности вероятностей распределения H2 имеет вид:
9
wH ( s ) 
p 1
(1  p) 2

1  s
2 s
(2)
Для случая, когда СН2  0,5 , для построения обновляющего процесса
предлагается использовать смесь процессов, мгновенные значения которых
подчиняются распределению Эрланга порядка k и экспоненциального распределения с параметром  . Преобразование Лапласа от плотности вероятностей в этом случае имеет вид:

  
(3)
wH ( s)   
  (1   )
s
s
где параметры  и  подлежат определению.
Для реально зарегистрированного мультикастового трафика на уровне
доступа и на уровне агрегации проведен статистический анализ вероятностно-временных параметров трафика. На рис. 2 представлен вид гистограммных оценок плотностей вероятностей интервалов времени между пакетами
f (x) и длин пакетов трафика f ( y ) .
k
Рис. 2 – Гистограммы потоков трафика
В качестве аппроксимирующих последовательностей выбраны значения отсчетов, мгновенные значения которых для f (x) имеют распределения с плотностями вероятностей в виде распределения Дагума, а для f ( y ) смесь распределений дельта-функции и Хи-квадрат.
y n / 21 exp(  y / 2)
αk xαk 1
f
(
y
)

P

 P2  δ( y  y 2 ) (4)
f ( x) 
;
1
α k 1
2 n / 2 Γ ( n / 2)
β αk 1   x / β 


Произведен расчет последовательности коэффициентов корреляции,
подбор по критерию согласия распределений вероятностей, а также определение параметров обновляющих последовательностей. По результатам решения уравнения Линдли проведен анализ среднего времени ожидания пакета в очереди.
( z  μ 1 )  z 2 / z1   μ 1 / μ 2 ( z1  μ 2 )
T 2
 0.039
(5)
μ1 z 2
10
Показано, что наличие корреляционных связей для последовательности интервалов времени между пакетами и для последовательности интервалов времени обслуживания пакетов приводит к существенному увеличению (в данном примере почти на порядок) времени ожидания в очереди
(0,039 против 0,005 при некоррелированном трафике).
В разделе 3 выполнен анализ функционирования узла сети специального назначения в условиях неточного знания параметров трафика. Рассмотрены общая постановка и решение задачи оценивания среднего времени ожидания заявки в очереди для системы G/G/1.
Показано, что задача анализа характеристик сетевого узла, моделируемого системой массового обслуживания общего вида, при неопределенности знания о конкретных значениях вероятностно-временных параметров
узла может быть решена на основе интервального подхода. При этом неопределенные параметры задаются диапазоном своих возможных значений.
На примере системы массового обслуживания вида P/W/1 (где Р – распределение Парето, а W – распределение Вейбулла) показано, что после
усреднения по неизвестным параметрам задача определения среднего времени ожидания в очереди сводится к уже решенной в разделе 2 – с использованием уравнения Линдли и аппроксимации усредненных распределений
суммами затухающих экспонент.
Рассмотрено решение задачи оценивания среднего времени ожидания
заявки в очереди для системы G/D/1. Проведено исследование системы
P/D/1 (где D – постоянное время обслуживания пакета), представляющей
определенный интерес для сетей специального назначения, т.к. реализация
протоколов криптографической защиты сообщений подразумевает постоянную длительность обслуживания любой заявки. Для случая, когда в качестве распределения интервалов времени между пакетами используется распределение Парето с неточно заданным параметром формы, среднее время
ожидания пакета в очереди определялось косвенным методом (по Клейнроку) через анализ времени свободного состояния системы ξ .
Tcp 
σ 2τ  τ 2 (1  ρ) 2

ξ2
,
(6)
2τ(1  ρ)
2ξ
где ρ - коэффициент загрузки системы.
Методом спектрального решения уравнения Линдли выполнен анализ
системы обслуживания G/D/1 для случая, когда распределение интервалов
времени между пакетами задано гамма-распределением с неточно заданным
параметром формы из диапазона, при котором гамма-распределение имеет
«тяжелый» хвост.
b
f Г  ( x) 

b
f Г ( x) f ( z )dz 
a
11
1
x
 
2(b  a) a  2 

z 1
e

x
2
1
dz
Γ( z )
(7)
Выполнено моделирование работы данной системы симулятором NS2.
Сравнение результатов расчета и моделирования подтвердило целесообразность использование интервального подхода для оценки среднего времени
ожидания пакета в очереди при неизвестных точно параметрах распределения интервалов времени между поступлением пакетов.
Выполнен анализ характеристик системы массового обслуживания
общего вида методом рандомизации потока. Показано, что использование в
качестве обновляющего потока рандомизированного пуассоновского потока
позволяет исследовать вероятностно-временные характеристики системы
G/D/1 при воздействии на неё трафика со случайными взаимозависимыми
(коррелированными) интервалами времени между пакетами, и подчиняющиеся распределениям с «тяжелыми» хвостами. Взаимозависимость интервалов времени моделируется в рандомизированном пуассоновском потоке
случайным изменением параметра потока.
 n
 
(λt ) ki
Ω(t , k )  PN (t1 )  k1 , , N (t n )  k n     i e λti dF (λ)
ki !
0 i 1
(8)
где F ( λ ) – функция распределения случайного параметра исходного, порождающего пуассоновского потока.
Использование рандомизированного пуассоновского потока позволяет
рассчитывать вероятность блокировки системы G/D/1:
1
 k 1

(9)
q1 k  ρ1 k Γ( ν  k ) / Γ( ν)  ρi Γ( ν  i) / Γ( ν) 
 i 0

В качестве примера на рис. 3 показаны зависимости вероятности блокировки от размера очереди k для коэффициентов загрузки системы 0,3 и
0,5. Для сравнения на графиках представлены вероятности блокировки системы при простом пуассоновком потоке на входе системы.
Показано, что наличие корреляРис. 3 – Зависимости вероятности
ционных связей интервалов времени
блокировки от размера очереди
поступающего потока ограничивает
пропускную способность системы, приводя к быстрому росту вероятности
блокировки системы. Средняя длина очереди при этом резко увеличивается
при коэффициенте загрузки системы выше значения 0,6.
С использованием рассматриваемых моделей было исследовано влияние статистических связей интервалов времени обработки заявки в системе
массового обслуживания на размер очереди при неограниченном размере
входного буфера. Получена формула, определяющая среднее число заявок в
системе:
12
iH 
p1ρ1  p 2 ρ 2  p1 p 2 (ρ1  ρ 2 ) 2
1 ρ
(10)
Показан, что наличие статистической зависимости между интервалами
времени обслуживания существенно приводит к увеличению очереди заявок, что равнозначно ухудшению качества обслуживания (рис 4).
В разделе 4 представлены результаты исследований характеристик узлов мультисервисной сети методом имитационного моделирования. Осуществлен выбор платформы
моделирования фрагментов ССН в
пользу свободно распространяемого
объектно-ориентированный
программный продукт NS2, ядро котороРис. 4 – Зависимости среднего
го реализовано на языке C++.
количества заявок
Для анализа степени влияния
самоподобия трафика на уровень потери пакетов поставлен численный эксперимент для модели негарантированной доставки данных (с управлением
очереди FIFO) и модели дифференцированного обслуживания (c управлением очередью WRED). В эксперименте пропускная способность виртуального канала между двумя маршрутизаторами выбиралась меньше скорости
потока трафика.
На рис. 5 представлена зависимость процента отброшенных пакетов
от коэффициента Херста. При использовании распределения Парето
для интервалов времени между пакетами и постоянным временем обслуживания пакетов в модели негарантированной доставки данных показано,
что при увеличении параметра Херста
Рис. 5 – Зависимости процента отН в интервале значений от 0,1 до 0,6
брошенных пакетов от
наблюдается увеличение количества
коэффициента Херста
потерянных пакетов. Увеличение потерь пакетов с ростом параметра Херста указывает на неэффективность работы алгоритма FIFO для потоков с самоподобием.
Моделирование варианта совместной передачи TCP и UDP (CBR) трафика (TCP – трафик Парето) показало, что задержка пакетов в моделируемом фрагменте сети в диапазоне скоростей потока от 20 Мбит/с до 10
Мбит/с задержки распределены равномерно в диапазоне от 0,03 с до 0,07 с.
В частности, значение параметра формы распределения Парето не оказывает существенного влияния на задержку. При уменьшении скорости потока
до 5 Мбит/с (длина пакета 1500 байт) интегральная функция распределения
13
задержки имеет неравномерный характер, что может свидетельствовать о
скачкообразном изменении задержки.
Рассмотрена схема численного эксперимента, в которой конкурирующий с основным IPTV-трафиком фоновый трафик передается от источника
к получателю и реализуется генерацией CBR и ОN/ОFF-трафика (трафик
IPTV импортирован в NS2 с реальной линии связи). Анализ изменения задержки пакетов (см. рис. 6 а) и джиттера (см. рис. 6 б) показал, что в процессе обработки трафика те параметры QoS, которые традиционно используются для оценки эффективности обработки потоков, мало отличаются для
различных моделей трафика (IPTV, CBR и ОN/ОFF-трафика). Наиболее
близкие значения параметров QoS при обработке реального трафика получены для фоновой модели в виде ON/ОFF процесса с распределением Парето. При этом такой параметр, как вероятность сброса пакета, для коррелированного трафика значительно превышает допустимые значения.
а)
б)
Рис. 6 – Изменение задержки (а) и джиттера (б)
В Заключении сформулированы основные научные и практические
результаты диссертационной работы.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
Проведен анализ существующих моделей трафика и методов его обработки, основанных на классической теории массового обслуживания. При
этом установлено, что в современных инфокоммуникационных сетях трафик, как случайный процесс, обладает самоподобными свойствами, что характеризуется явно выраженными корреляционными свойствами интервалов времени между заявками и интервалов времени обработки заявок в узлах сети, и распределения вероятностей указанных интервалов имеют «тяжелые» хвосты.
С использованием регрессионного анализа установлено, что положительные значения коэффициентов корреляции порождают процесс образования пачек заявок, в то время как отрицательные значения коэффициентов
корреляции приводят к обратной тенденции.
Для учета корреляционных свойств временных интервалов в работе
использованы модели трафика в виде обновляющих процессов (процессов
восстановления) с гиперэкспоненциальными распределениями и распреде14
лением Эрланга. Учет корреляционных свойств осуществляется через индекс дисперсии временных интервалов, определяемый суммой всех значимых коэффициентов корреляции последовательности временных интервалов. В результате чего разработана методика оценивания среднего времени
ожидания заявки в очереди для системы массового обслуживания общего
вида, основанная на решении интегрального уравнения Линдли спектральным методом с использованием модели самоподобного трафика
Для оценки влияния размера очереди на пропускную способность системы массового обслуживания (или вероятность блокировки) использована
модель самоподобного трафика в виде рандомизированного пуассоновского
потока, у которого интенсивность меняется при изменении состояния системы.
Для проверки результатов, полученных аналитическим путем, в работе
проведено имитационное моделирование процессов передачи и обработки
трафика узлами сети с заданными характеристиками на симуляторе NS2.
Моделирование показало качественное совпадение теоретических и экспериментальных результатов.
Перспективное направление дальнейших исследований по тематике диссертационной работы связано с разработкой системы оперативного
мониторинга трафика состояния узлов сетей специального назначения.
СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ
Статьи, опубликованные в журналах, рекомендованных ВАК:
1. Букашкин, С.А. Исследование статистических свойств мультиме-дийного трафика
при обработке в сети MPLS [Текст] / С.А. Букашкин, М.А. Буранова, А.В. Сапрыкин
// Радиотехнические и телекоммуникационные системы. – 2016. - №4. – С. 34 – 42.
2. Букашкин, С.А. Анализ функционирования узла сети специального назначения в
условиях неточного знания параметров трафика [Текст] / С.А. Букашкин, В.Г. Карташевский, А.В. Сапрыкин // Радиотехника. – 2017. - №4. – С. 93 – 97.
3. Карташевский, И.В. Обработка коррелированного трафика в узле сети типа G/G/1
[Текст] / И.В. Карташевский, А.В. Сапрыкин // Радиотехника. – 2017. - №10. –
С. 119 – 125.
4. Сапрыкин, А.В. Анализ времени ожидания заявки в очереди для системы массового обслуживания общего вида [Текст] / И.В. Карташевский, А.В. Сапрыкин // TComm. – 2018. – №2. – С.4 – 10.
5. Сапрыкин, А.В. Методика анализа вероятностно-временных характеристик узлов
мультисервисной сети при обработке фрактального трафика [Текст] / А.В. Сапрыкин // Радиотехника. – 2018. - №4. – С.119 – 124.
Раздел монографии, опубликованной в центральном издательстве
6. Букашкин, С.А. Методы анализа качества обслуживания сетевого трафика при использовании протокола управления: Раздел монографии [Текст] / С.А. Букашкин,
В.Г. Карташевский, М.А. Буранова, В.В. Фомин, А.В. Сапрыкин, С.О. Беляев // в кн.:
Специальная радиосвязь. Развитие и модернизация оборудования и объектов. Монография / Под ред. А.Л. Бузова, С.А. Букашкина. – М.: Радиотехника, 2017. – 448 с.
Труды научных конференций:
7. Bukashkin, S.A. An analysis of multimedia traffic in the MPLS network in simulator ns2 [Текст] /
15
S.A. Bukashkin, M.A. Buranova, A.V. Saprykin // Problems of Infocommunications Science and
Technology (PIC S&T), 2016. Third International Scientific-Practical Conference. – P.185-188.
8. Букашкин, С.А. Методы анализа трафика инфокоммуникационных мультисервисных сетей
связи [Текст] / С.А. Букашкин, М.С. Самойлов, А.В. Сапрыкин // XXIII Российская научная
конференция профессорско-преподавательского состава, научных сотрудников и аспирантов
ПГУТИ: Материалы конференции. – Самара, 2016. – С. 173.
9. Буранова, М.А. Исследование статистических свойств мультимедийного трафика при обработке в сети MPLS [Текст] / М.А. Буранова, А.В. Сапрыкин // Проблемы техники и технологий телекоммуникаций: Материалы XIV Международной научной конференции. – Самара,
2016. – С.139 – 140.
10. Буранова, М.А. Анализ показателей качества обслуживания мультимедийного трафика в
сети MPLS [Текст] / М.А. Буранова, А.В. Сапрыкин // Проблемы передачи информации в инфокоммуникационных системах: Материалы VII Всероссийской научно-практической конференции. Волгоград, 2016. - С. 21 – 24.
11. Буранова, М.А. Анализ статистической структуры мультимедийного трафика в условиях
передачи по сетям специального назначения [Текст] / М.А. Буранова, А.В. Сапрыкин // Радиоэлектронные устройства и системы для инфокоммуникационных технологий: Материалы 71й Международной конференции. – М.: РНТОРЭС, 2016. – Т.2. – C. 383 – 386.
12. Букашкин, С.А. Оценка корреляционных свойств трафика ССН [Текст] / С.А. Букашкин,
А.В. Сапрыкин // XXIV Российская научно-техническая конференция профессорскопреподавательского состава, научных сотрудников и аспирантов ПГУТИ. Материалы конференции – Самара, 2017. – С. 197.
13. Букашкин, С.А. Анализ вероятностно-временных характеристик узла мультисервисной
сети специального назначения [Текст] / С.А. Букашкин, М.А. Буранова, А.В. Сапрыкин // 19-я
международная конференция «Цифровая обработка сигналов и ее применение». – М., 2017. –
С. 218 – 221.
14. Букашкин, С.А. Анализ функционирования сетевого узла при неточном знании параметров трафика [Текст] / С.А. Букашкин, В.Г. Карташевский, А.В. Сапрыкин // 19-я международная конференция "Цифровая обработка сигналов и ее применение". – М., 2017. – С. 230 – 234.
15. Беляев, С.О. Анализ и управление сетевым трафиком в мультисервисной сети [Текст] /
С.О. Беляев, А.В. Сапрыкин // Международная научно-техническая конференция «Радиотехника, электроника и связь». – Омск, 2017. – С. 284 – 289.
16. Сапрыкин, А.В. Разработка методики и алгоритмов анализа временных характеристик узлов мультисервисной сети при обработке фрактального трафика [Текст] / А.В. Сапрыкин //
XXV Российская научно-техническая конференция профессорско–преподавательского состава, научных сотрудников и аспирантов ПГУТИ. Материалы конференции – Самара, 2018.
Подписано в печать 18.04.2018 г.
Формат 60 x 84/16. Бумага ксероксная. Печать оперативная.
Объем – 1 усл. п.л. Тираж 100 экз. Заказ № 238.
Отпечатано в типографии ООО «Новая страница»
443022, г. Самара, пр. Кирова, 26, оф. 9; тел.: 229-23-20.
16
1/--страниц
Пожаловаться на содержимое документа