Саудабаева Д.С.

Магистрант, Западно-Казахстанский аграрно-технический

Университет имени Жангир хана

г. Уральск, Республика Казахстан

Elle55@bk.ru

Разработка инструментарий для оценки эффективности компьютерных сетей

На сегодняшний день компьютерные сети стали широко использоваться в информационных системах, во всех отраслях промышленности, в бизнесе и др. Практически все организации имеют свои локальные вычислительные сети (ЛВС), состоящие из множества конечных рабочих станций и серверов.

Для того, чтобы компьютерная сеть была эффективной нужно разработать инструментарии. Разработка инструментарии подразумевает математическое моделирование.

Разработка модели компьютерной сети, как технической системы с дискретным характером функционирования состоит в выборе конкретного математического аппарата, в терминах которого формулируется модель, и построении модели или совокупности моделей исследуемой сети, отображающих возможные варианты структурно-функциональной организации компьютерной сети. Для примера рассмотрим аналитический метод моделирования. Аналитический метод математического моделирования использует аппарат теории вероятностей, теории массового обслуживания. При этом многие модели реальных систем строятся на основе моделей массового обслуживания: базовых в виде систем массового обслуживания СМО и сетевых моделей в виде сетей массового обслуживания СеМО. [1]

В процессе разработки аналитической модели сети необходимо определить состав и перечень параметров и характеристик модели в терминах теории массового обслуживания, и установить их взаимосвязь с параметрами и характеристиками исследуемой системы, то есть выполнить параметризацию модели.

В связи с тем, что состав и номенклатура системных и модельных параметров и характеристик, в общем случае, различается, возникает необходимость установления соответствия между значениями системных и модельных параметров и характеристик, которое выполняется на этапе параметризации модели.

При построении математической модели аналитическим методом используется ряд упрощающих допущений. Многочисленные источники при моделировании компьютерной сети применяют модели массового обслуживания со следующими допущениями и упрощениями.

Для получения компактных аналитических результатов допускается, что интервалы между поступлениями заявок описываются Марковским или пуассоновским распределением. [3]

Теория массового обслуживания позволяет для модели М/М/К, упрощенно описывающей процессы, происходящие в коммутаторе, оценить среднюю длину очереди и среднее время ожидания заявки в очереди в зависимости от характеристик входного потока и времени обслуживания.

С помощью модели М/М/К системы массового обслуживания можно приближенно моделировать сеть с коммутацией пакетов. Пропускная способность магистрали коммутатора в N/2 больше скорости поступления данных на входы портов. При этом шина передает кадры в псевдопараллельном режиме, не внося задержек в передачу кадра в целом. Шина обеспечивает одновременную передачу потока данных от всех портов и коммутатор не вносит задержку на пути передачи данных, т.к. является неблокируемым.

Важная роль простейшего потока при моделировании определяется тем, что простейшие или близкие к ним потоки часто встречаются на практике. Кроме того, при анализе СМО можно получить вполне удовлетворительные результаты, заменяя входной поток любой структуры простейшим с той же интенсивностью.

Для простейшего потока характерно, что поступление заявок через короткие промежутки времени более вероятно, чем через длинные, – 63% промежутков времени между заявками имеют длину, меньшую среднего значения 1/λ. Следствием этого является то, что простейший поток по сравнению с другими видами потоков создает наиболее тяжелый режим работы системы. Поэтому предположение о том, что на вход системы поступает простейший поток заявок, приводит к определению предельных значений характеристик качества обслуживания. Если реальный поток отличен от простейшего, то система будет функционировать не хуже, чем это следует из полученных оценок. [2]

Аналитические модели теории очередей обеспечивают довольно хорошее соответствие с реальностью в области сетей с упрощающими допущениями. Для получения точных результатов предполагается, что интервалы времени между поступлениями запросов распределены экспоненциально, это равносильно тому, что число поступающих за период времени запросов распределению Пуассона. Время обслуживания подчиняется экспоненциальному распределению. Теоретический максимум входной скорости λ0, при которой узел сети будет успевать обрабатывать все запросы, обратно пропорционален времени обслуживания запроса. Из практических соображений, таких как требования, ко времени отклика или ограничения на размеры буферов, входная скорость ограничивается 70-90 % от теоретического максимума. Во многих случаях можно считать экспоненциально распределенное время обслуживания худшим случаем, поэтому консервативные результаты можно получить путем анализа, основанного на этом допущении. Приближение Пуассона позволяет получить оценку верхних границ размеров очереди и времени ожидания. Входной поток кадров в узел коммутации представляет суперпозицию большого количества заявок с различными законами распределения между моментами их поступления и разными интенсивностями. Это позволяет на основании теоремы о суммировании потоков принять предположение об экспоненциальном распределении интервалов между моментами поступления кадров в узел коммутации. Теорема Джексона может использоваться для приложений, работающих в сетях с коммутацией пакетов, которые можно моделировать как сеть очередей. Сеть очередей состоит из узлов, каждый из которых предоставляет независимое обслуживание с экспоненциально распределенным временем, запросы поступают с частотой, распределенной по Пуассону, после обслуживания запрос немедленно с фиксированной вероятностью поступает на другой узел или покидает систему. Каждый пакет сети представляет собой запрос модели. Благодаря усредняющему эффекту объединения и разделения потоков предположение о независимых временах обслуживания приемлемо.

Длина кадров считается случайной величиной с экспоненциально распределенной плотностью вероятности и средним значением равным 1/μ бита на кадр, скоростью прибытия λ кадров в секунду и скоростью обслуживания равным μС кадров в секунду, где С – пропускная способность канала в бит/секунду, μ - интенсивность обслуживания кадра. Теория массового обслуживания говорит о том, что пуассоновское время прибытия и обслуживания равно Т = 1/(μС-λ). [2]

Модели сетей массового обслуживания применяются для анализа характеристик протоколов канального, сетевого и транспортного уровней модели ISO/OSI. Сетевые модели отдельных элементов компьютерной сети адекватно отражают многоэтапный процесс обработка пакетов в этих устройствах, позволяя не только рассчитывать характеристики, но и осуществлять выбор различных параметров, например, объемов буферной памяти узлов коммутации. Опыт проектирования и измерений реальных сетей показывает, что модели массового обслуживания являются достаточно точным и практически единственным хорошо разработанным математическим аппаратом, позволяющим осуществлять выбор альтернативных вариантов, и оптимизацию характеристик на этапе проектирования компьютерной сети.[3]

Литература

1. Адиль Омер Юсиф Мохаммед. Анализ существующих методов оценки эффективности системы администрирования (СА) ЛКС. - М.: Сборник научных трудов МЭСИ, выпуск 1, 2006;

2. Безопасность глобальных сетевых технологий: Владимир Зима, Александр Молдовян, Николай Молдовян — Москва, BHV - Санкт - Петербург, 2003 г.- 368 с;

3. Компьютерные сети: А. В. Кузин, В. М. Демин — Москва, Форум, Инфра-М, 2005 г.- 192 с.