тезисы - Кафедра систем телекоммуникаций РУДН

АНАЛИЗ ВВХ АДАПТИВНОЙ МНОГОСКОРОСТНОЙ СИСТЕМЫ
С ЭЛАСТИЧНЫМ ТРАФИКОМ
Г.П. Башарин, С.Н. Клапоущак
«QOS ANALISYS OF AN ADAPTIVE MULTIRATE SYSTEM
WITH ELASTIC TRAFFIC»
G.P. Basharin, S.N. Klapouschak
Российский университет дружбы народов, Москва, Россия
e-mail: gbasharin@sci.pfu.edu.ru, klapouschak@yandex.ru
Конвергенция различных технологий в современных ССПС
приводит к тому, что пакетный трафик составляет всё большую долю в
общем объёме [1]. В силу способности пакетного трафика адаптироваться к
изменению доступности канального ресурса, классическая мультисервисная
модель Эрланга недостаточно точно описывает функционирование сетей
3G. Это приводит к появлению теоретических работ, посвящённых
построению моделей для более точного анализа сетей следующего
поколения [2].
В настоящей работе рассматривается адаптивная многоскоростная
система (Adaptive Multi-Rate System, AMR-system) с эластичным трафиком,
которая может служить моделью подсистемы передачи пакетных данных в
ССПС третьего поколения.
Пусть система поддерживает K различных типов заявок ( k -заявки,
k  1, K ). Вся ШПП системы динамически разбивается на различное число
C l  , l  1, L , C 0 : 0  C1  C 2   C L единиц канального ресурса ( ЕКР l
Кбит/с), за счет изменения скорости передачи одной ЕКР.
Пусть при поступлении k -заявка требует для своего обслуживания
bk , k  1, K , bk  1,2,, C1 ЕКР 1 , причём 1  b1  b2    bK . Потоки


поступления k -заявок пуассоновские c постоянными интенсивностями k ,
k  1, K , и независимы в совокупности. В AMR-системе с эластичным
трафиком количество ЕКР 1 , требуемое для обслуживания заявки, может
изменяться и принимать дробные значения как при поступлении, так и во
время обслуживания заявки в зависимости от загрузки СМО. Для удобства
анализа данной системы будем рассматривать изменение самой ЕКР , а не
bk , k  1, K . Введем  l , l  1, L — коэффициент сжатия ЕКР 1 , который
определяет изменение ёмкости системы по числу ЕКР l , l  1, L :
C1
 l : l ,  l  1 , l  1, L [3].
C
T
Определим вектор n (l )   n1 , , nK  , где nk — число k -заявок на
обслуживании, описывающий состояние AMR-системы, в котором она
разбита на C l ЕКР l , k  1, K , l  1, L . Тогда пространство  всех
возможных состояний AMR-системы имеет вид


 Cl 
 : n (l ) : nk(l )  0,1, ,   , C l 1  b T n (l )  C l , k  1, K , l  1, L  .


 bk 
Если в момент поступления k -заявки AMR-система находится в
некотором состоянии n (l )   , в котором она разбита на C l ЕКР l , и
занято более C l  bk ЕКР l , то AMR-система разбивает имеющуюся
ШПП на менее скоростные ЕКР l  i , l  1, L  1 , i  1, L  l , так, чтобы
все заявки, включая вновь прибывшую, получили требуемое число bk ,
k  1, K , ЕКР , при этом C l  b T (n (l )  ek )  min (C l i ) .
i 1, L 1
Будем
считать,
что
время
занятия
k –заявкой ШПП,
1
соответствующей bk ЕКР , распределено по экспоненциальному закону с
параметром k , k  1, K в случае b T n (1)  C1 . Интенсивность обслуживания
k -заявок в состоянии n (l ) имеет вид k  n (l )   nk  l k , k  1, K .
Описанную систему будем кодировать как
M
M
,b

C1 , C L
0
.
Для расчёта ВВХ системы будем применим рекуррентынй алгоритм:
~0 : 1 .
1) q
L 1

1 K
i 1

 r  C i  bk q  r  bk  I  r  0  , где

k  l I C
r k 1  i  2 

~
q r  — ненормированные значения вероятностей qr .
2)
q  r  :


CL
3)
G   q~r  — значение нормировочной константы.
r 0
4) q r  
q~ r 
, r  0, C L .
G
В
докладе
приводятся
примеры
численного
анализа,
l
демонстрирующие влияние количества и величин порогов C , l  1, L на
показатели качества обслуживания.
Литература
[1] Весоловский К. Системы подвижной радиосвязи. – М.: Горячая линияТелеком, 2006
[2] Vassilakis V.G., Moscholios I.D., Logothetis M.D. and Vardakas J.S.
Call-level Multi-rate Loss Models for Elastic Traffic // 45th FITCE
Congress, Athens, Greece, 2006
[3] Башарин Г.П., Клапоущак С.Н., Митькина Н.В. Математическая модель
адаптивной многоскростной системы с эластичным трафиком // Вестник
РУДН, Серия Математика. Информатика. Физика, № 3, 2008
ПРИМЕР РЕАЛИЗАЦИИ WEB-СЕРВИСА PARLAY X ДЛЯ
ПЕРЕДАЧИ SMS-СООБЩЕНИЙ
Н. В. Серебренникова, А. В. Чаузов
«PARLAY X WEB SERVICE REALIZATION FOR SHORT MESSAGE SERVICE»
N. V. Serebrennikova and A. V. Chauzov
Российский университет дружбы народов, Москва, Россия
e-mail: nserebrennikova@sci.pfu.edu.ru, guttraeger@gmail.com
Web-сервис [1] – это программная система, идентификатором
которой является строка URI (Uniform Resource Identifier) и интерфейсы
доступа к которой определены на языке XML (eXtensible Markup Language).
Другие системы могут взаимодействовать с web-сервисом посредством
передаваемых при помощи интернет-протоколов XML-сообщений. В
качестве основных стандартов для web-сервисов приняты:

протокол SOAP (Simple Object Access Protocol) – для обмена
сообщениями;

язык WSDL (Web Services Description Language) – для описания
внешних интерфейсов;

язык BPEL (Business Process Execution Language) – для описания
последовательности вызова служб web-сервисов;

универсальный интерфейс распознавания, описания и интеграции
UDDI (Universal Description Discovery & Integration).
Технология web-сервисов стала основой для определения
прикладных программных интерфейсов (Application Programming Interface,
API) Parlay X [2] – развития проекта Parlay, предлагающего набор API для
обращения к услугам сетей связи. Parlay X предусматривает web-сервисы
для таких услуг сетей связи следующего поколения как управление
группами, он-лайн тарификация, передача сообщений, определение
местоположения мобильного терминала и др. Услуги могут быть получены
через шлюз Parlay (рис. 1), управляющий вызовом соответствующих webсервисов, либо напрямую. Сами web-сервисы при этом могут быть
реализованы на любом языке программирования, поддерживающем
необходимые для их работы функции.
В докладе предложена программная реализация web-сервиса Parlay
X, предоставляющего услугу передачи SMS-сообщений с поддержкой
функции уведомления стороны-источника о доставке до адресата. В
рассмотренном процессе участвуют три стороны – пользовательотправитель, пользователь-получатель и базовая станция, выполняющая
функции управления обменом сообщениями.
Реализация построена для стандартных интерфейсов web-сервиса
sendSms и sms_notification_manager_interface и состоит из набора
определяющих их WSDL-файлов и файлов BPEL, задающих
последовательность вызова функций web-сервиса для каждого интерфейса.
Для создания проекта использована свободная интегрированная среда
разработки NetBeans IDE [3], поддерживающая Java, JavaFX, Ruby, Python,
PHP, JavaScript, C++, BPEL и др. Среда NetBeans IDE разрабатывается при
поддержке Sun Microsystems сообществом NetBeans Community и
компанией NetBeans Org.
Payment
Terminal
status
Presence
3rd party call
Другие
услуги
Web-сервисы Parlay X
Шлюз Parlay
Сеть связи
Рис. 1. Взаимодействие Parlay X с сетью связи
Литература
[1]. Web Services Policy 1.5 - Framework: W3C Recommendation 04 September
2007. - http://www.w3.org/TR/ws-policy/
[2]. ETSI ES 202 504-4: Open Service Access (OSA); Parlay X Web Services;
Part 4: Short Messaging (Parlay X 3). – v. 0.0.3. - June, 2007. http://www.parlay.org/en/specifications/pxws.asp
[3]. Официальный сайт среды NetBeans IDE - http://www.netbeans.org/
ИМИТАЦИОННАЯ МОДЕЛЬ
ПРОЦЕССА УСТАНОВЛЕНИЯ СОЕДИНЕНИЯ
ДЛЯ ОДНОЙ УСЛУГИ ИНТЕЛЛЕКТУАЛЬНОЙ СЕТИ
А.С. Бязров, Ю.В. Гайдамака
SIMULATED MODEL FOR PROCESSING
OF ONE INTELLIGENT NETWORK SERVICE
A.S. Byazrov and Y.V. Gaidamaka
Российский университет дружбы народов, Москва, Россия
e-mail: alan-b@rambler.ru, ygaidamaka@sci.pfu.edu.ru
Концепция построения сетей связи следующего поколения (Next
Generation Network, NGN) представляет собой основное направление
развития современной инфокоммуникационной системы. Многие решения в
рамках NGN уже нашли техническое воплощение в создании операторами
связи мультисервисных сетей, которые предоставляют широкий набор как
традиционных, так и новых услуг, в том числе услуг интеллектуальной сети
(ИС). Одной из услуг ИС первой очереди внедрения является услуга
«Бесплатный вызов» («Freephone», «FPH», «Номер 8-800», «Услуга 800»):
все входящие звонки на номер 8-800 оплачивает принимающая сторона,
компания, которая использует этот номер, а для абонента, совершающего
вызов, звонок всегда бесплатный. Простейший вариант услуги «Бесплатный
вызов» заключается в предоставлении заказчику единого логического
номера по коду доступа к услуге 800 как для его головного офиса, так и для
его филиалов, вне зависимости от их количества и географической
удаленности друг от друга. Клиенты заказчика (конечные потребители),
получают возможность сделать бесплатный звонок на номер 8-800-XXXXXXX из любой точки Российской Федерации для получения
интересующей их информации. Типичными вариантами использования этой
услуги являются сервис приема и обработки заказов покупателей,
потребительские линии (информационные, консультационные, линии
качества), поддержка программ потребительской лояльности (клубы
покупателей, дисконт-клубы), сервис приема и контроля запросов по
технической поддержке клиентов. Услуга «Бесплатный вызов» на базе
интеллектуальной сети ОАО «Ростелеком» с 2001 г. используется для
организации «горячей линии» Президента РФ.
При предоставлении услуги «Бесплатный вызов» необходимо
преобразовать логический номер (такой как 8-800-111-1111) в физический
номер. Для этого узлы ИС должны обменяться сообщениями сигнализации.
В [1] рассмотрена модель процесса установления соединения для услуги
«Бесплатный вызов» в виде открытой неоднородной сети массового
обслуживания (СеМО), состоящей из 5 узлов, соответствующих пунктам
сигнализации SPA, SPB, транзитному узлу сигнализации STP, узлу
коммутации услуг SSP и узлу управления услугами SCP. Они моделируют
прием, обработку и передачу сообщений в сеть в узлах ИС, включая
передачу сообщений по звену данных сигнализации.
В докладе построена имитационная модель обмена сообщениями
между узлами СеМО, предложенной для анализа процесса установления
соединения для услуги «Бесплатный вызов» в [1]. Имитационная модель
разработана с помощью общецелевой системы имитационного
моделирования GPSS World Student Version (General Purpose Simulation
System, GPSS). Программа на языке GPSS World состоит из блоков, которые
имитируют различные функции узлов в модели - ожидание, обслуживание и
др. Блок начинает выполняться при попадании в него транзактов —
активных, неделимых элементов модели. К транзактам применяются
различные правила, описанные в блоках программы.
Исходными данными для модели являются интенсивность
поступающего на сеть потока и распределение случайного времени
обслуживания заявки для каждого узла СеМО. Интенсивность входящего
потока соответствует интенсивности вызовов услуги «Бесплатный вызов» в
часы наибольшей нагрузки этой услуги. Случайная величина времени
обслуживания заявки в узле СеМО соответствует времени обработки
сообщения в узле ИС и зависит от типа узла. Эта величина складывается из
периодов последовательной обработки сообщения подсистемами,
представленными в соответствующем узле ИС, например, подсистемой
передачи сообщений МТР, подсистемой управления сигнальными
соединениями SCCP, прикладной подсистемой возможностей транзакции
TCAP, подсистемой пользователя интеллектуальной сети INAP,
подсистемой пользователя цифровой сети с интеграцией служб ISUP. Время
обработки сообщения в узле ИС может быть различным для
интеллектуальных платформ разных производителей.
Разработанная имитационная модель позволяет оценить такие
характеристики функционирования СеМО, как средние времена ожидания и
пребывания заявки в каждом узле СеМО, а также в сети в целом, параметры
длин очередей в узлах и др. С помощью этих характеристик можно
анализировать основные параметры качества обслуживания в ИС, в
частности, время установления соединения при использовании
интеллектуальной услуги, которое в модели соответствует времени
пребывания заявки в СеМО.
Задачей
дальнейших
исследований
является
разработка
имитационных моделей процессов установления соединения для других
услуг ИС из набора возможностей Capability Set 1 (CS1) [2], реализованных
на сетях связи РФ, например, для услуг «Вызов по расчетной карте»
(Account Card Calling, ACC), «Вызов по кредитной карте» (Credit Card
Calling, CCC), «Платная информационная услуга» (Premium Rate, PRM),
«Телеголосование» (Televoting, VOT) и «Виртуальная частная сеть» (Virtual
Private Network, VPN).
Литература
[1]. Бузюкова И.Л. Методика расчета среднего времени установления
соединения в интеллектуальных сетях связи // Сб. «Современные
телекоммуникации и математическая теория телетрафика». Труды XLV
Всеросс. научн. конф. РУДН, апр. 2009 г. – М.: Изд-во РУДН. – 2009.
[2]. ITU-T Q.1211 Introduction to Intelligent Network Capability Set 1 (Study
Group XI) Geneva, Jan 1993.
О ЗАДАЧЕ РАСЧЕТА МАРШРУТИЗАЦИИ СЕТИ MPLS
С УЧЕТОМ ТРЕБОВАНИЙ ПРОТОКОЛА SIP
А.В. Чукарин, М.А. Горовая
«ON MPLS NETWORK ROUTING CALCULATION INCLUSIVE OF SESSION
INITIATION PROTOCOL REQUIREMENTS »
A. Chukarin, M. Gorovaya
Российский университет дружбы народов, Москва, Россия
e-mail: chukarin@sci.pfu.edu.ru, maria.gorovaya@gmail.com
При рассмотрении объекта, который мы будем условно называть
«сеть», чаще всего ограничиваются изучением свойств данного объекта,
характерных для одного замкнутого уровня сети или сетевого протокола.
Для выбранного протокола строится математическая модель и проводится
анализ вероятностно-временных или, например, маршрутных характеристик.
На кафедре систем телекоммуникаций продолжительное время
осуществляются исследования сети не в одном ракурсе – управление
посредством одного протокола, а в нескольких – одновременно
взаимодействующих протоколах стека. Такой подход позволяет с большей
эффективностью и достоверностью строить комплексные математические
модели,
в
наибольшей
степени
соответствующие
реально
функционирующим системам.
Одним из направлений исследований является анализ и изучение
обобщенных свойств протоколов MPLS (Multiprotocol Label Switching) и
SIP (Session Initiation Protocol). Причина возникновения указанного
направления заключается в том, что в настоящее время значительную
важность приобрели задачи, связанные с анализом конвергентных сетей,
использующих протокол IP (Internet Protocol). Сам по себе протокол IP не
обладает необходимыми механизмами обеспечения безопасности,
надежности передачи и гарантированности доставки сообщений, поэтому
его используют совместно с целым рядом функциональных протоколов.
Таких, например, как MPLS для быстрой коммутации и эффективной
передачи трафика, или SIP – для предоставления пользователям услуг с
заданными параметрами качества обслуживания.
В докладе обсуждаются вопросы маршрутизации MPLS,
базирующегося на протоколе IP, с учетом требований вышележащего
протокола SIP. Следует отметить, что такие требования чаще всего
необходимо учитывать при планировании сети и расчете маршрутизации
MPLS, для чего применяется целый ряд известных алгоритмов. В докладе
представлен сравнительный анализ различных алгоритмов маршрутизации
MPLS, разработаны примеры, иллюстрирующие наиболее эффективные
методы использования механизмов управления SIP-трафиком (TE, Traffic
Engineering) при передаче его в сети MPLS.
Литература
[1] Гайдамака Ю.В., Летников А.И., Пшеничников А.И., Чукарин А.В.
Системы сигнализации в сетях с коммутацией каналов и пакетов // М.:
МТУСИ. – 2008
[2] Бобриков Н.В., Минченкова О.Ш., Чукарин А.В. Разработка графовой
модели маршрутизации в сети MPLS // М.: МАИ, МТУСИ. – 2006, С.25-26
ОБ ОСОБЕННОСТЯХ РАЗРАБОТКИ И ВНЕДРЕНИЯ НОВЫХ
УСЛУГ НА БАЗЕ ОТКРЫТОЙ СЕРВИСНОЙ ПЛАТФОРМЫ
Д.А. Реймер, А.В. Чукарин
«NEW SERVICES IMPLEMENTATION AND DELIVERING
BASED ON THE OPEN SERVICES PLATFORM »
D. Reimer and A. Chukarin
ЛАНИТ, Российский университет дружбы народов, Москва, Россия
e-mail: Reimer@Lanit.ru, Chukarin@Lanit.ru
В последние годы на рынке услуг связи наблюдался бурный рост, как
объема, так и номенклатуры предлагаемых услуг. Несмотря на непростые
финансово-экономические процессы, характеризующие состояние мировой
и национальной экономик, отрасль телекоммуникаций продолжает
развиваться, хотя и с меньшей интенсивностью.
В сложившихся условиях особую актуальность приобретают
вопросы снижения эксплуатационных и инвестиционных издержек при
запуске новых услуг для абонентов оператора. Одним из способов решения
проблемы является внедрение открытой сервисной платформы (OSP, Open
Services Platform) в инфраструктуру оператора. Такая платформа, вопервых, обеспечивает значительное сокращение времени на внедрение и
начало предоставления услуги, что позволяет снизить издержки на
разработку и ускорить получение прибыли от услуги. Во-вторых,
использование подобной платформы позволяет значительно упростить – за
счет повторного использования компонентов услуг, а, следовательно,
удешевить процесс предоставления новых услуг оператором.
Платформа
OSP
является
программным
комплексом,
подразумевающим
наличие
широких
возможностей
совместного
использования платформы приложениями различных производителей,
работающих в единой ИТ-среде оператора связи. Кроме поддержки
внедрения и предоставления новых услуг и услуг следующего поколения,
рассматриваемая платформа может служить основой технологического
развития оператора и использоваться, например, при построении сети IMS.
В докладе проводится анализ возможностей платформы OSP,
построенный на изучении примера ее внедрения и реализации услуг на базе
OSP в одном из крупнейших Российских операторов сотовой подвижной
связи.
Список источников
[1]. Информационный ресурс компании AePONA http://www.aepona.com.
[2]. Информационный ресурс компании Oracle http://www.oracle.com.
[3]. Чукарин А.В., Соломатин Е.Б. Новые услуги как основа стратегии
развития // М.: Связьинвест. – 2006. – №8. – С.10-15.
АНАЛИЗ ВВХ ДВУХСКОРОСТНОЙ СОТЫ С УЧЕТОМ
МЕЖСОТОВОГО ХЕНДОВЕРА
М. А. Коннон
GoS ANALYSIS IN DUAL-RATE CELL WITH INTER-CELL
HANDOVER
M. А. Konnon
Российский университет дружбы народов, Москва. Россия
e-mail: mkonnon@mail.ru
Кодирование и передача голоса в двухскоростном (полно и
полускоростном) режиме в стандарте GSM дают возможность значительно
увеличить производительность соты, так как два полускоростных вызова
могут быть переданы в одном слоте (полноскоростном канале).
В докладе рассматривается
двухскоростная сота GSM с
C транспортными каналами (TCH). Каждому соединению соответствует
один логический канал, который организуется в TCH. Логический канал,
использующий слот с одинаковым номером в каждом кадре (совокупность 8
слотов), будем называть полноскоростным (Full Rate, FR), а логический
канал, использующий слот с одинаковым номером в каждом втором кадре –
полускоростным (Half Rate, HR). В системе разделяются два класса
голосовых вызовов – со слабым (FR- или F-вызовы) и с мощным (HR- или
H-вызовы) сигналом. Предполагается, что если TCH работают в HR-режиме
и каждый из них занят только одним вызовом, то оба вызова сразу
передаются в один из TCH, освобождая другой [1, app. В; 3].
Будем применять обозначение ( k , n) -вызов для нового вызова k типа, а ( k , h) -вызов для хэндовер-вызова k -типа, k K  F, H. В соте
выделяется g k  C , k  K TCH для обслуживания ( k , h) -вызовов. Примем,
что доля H-вызовов составляет  H  0,1 , а потоки F- и H-вызовов —
F , : F,n  F,h   1   H 
пуассоновские
с
интенсивностями
и
H , : H ,n  H ,h   H соответственно. Время занятия k –вызовом d k
( d F  1, d H  1 ) TCH в соте распределено экспоненциально с параметром
2
'
μk  μk   , μk'  const , k  K , где  k — интенсивность успешного
завершения обслуживания k –вызова в соте, а  — интенсивность
освобождения TCH по причине ухода на хэндовер.
Пространство  всех возможных состояний для 4-мерного СтМП,
описывающего систему, имеет вид:

T

 C  g k I (l  n) 
 : N : nk,l  0,1,, 
 , 0  d  N 1  C , k K , l  L  , где L  {n, h}
dk




и nk,l -число k,l  -вызовов, на обслуживании в состоянии N. На рис. 1 при
Ñ  4 и g F  g H : g  2 представлена схема загрузки двух полно- и трех
полускоростных логических каналов в 4 TCH. В обозначении k,l i i ―
порядковый номер поступления ( k , l )  вызова, k  K , l  L в систему.
Согласно [2]
данную
систему
можно
кодировать
как

M
M
C, g k 0
k,l , d k  k  
, k K , l L .
В
случае
нет
g1  g 2 :  0
приоритета
в
Рис. 1. Схема загрузки FR и HR-каналов ( C  4 ) обслуживании хэндовервызовов,
и
функционирование системы можно описывать 2-мерным СтМП
с
пространством
состояний
X (t )   X F (t ), X H (t ), t  0

2  n : nF  0,1,
,C, nH  0,1,

, 2C; nF  1 nH  C .
2
Пусть
p(nF , nH )
–
равновесная вероятность пребывания процесса в состоянии (nF , nH ) ,
тогда π 
C
 pn
nF 0
F
C 1
, 2(C  nF )   (1 - H)  pnF , 2(C  nF )  1
— вероятность
nF 0
потери любого вызова.
На
основании
C  29
численных примеров можно
сделать вывод о том, что
C  21
передача
голоса
в
двухскоростном режиме в
GSM
даёт
C  14 стандарте
возможность
значительно
C 6
увеличить производительность
 H соты, но при этом могут
ухудшиться
показатели
восприятия качества речи на
уровне пользователя.
Рис. 2. Графики зависимости отношения
 (H )/ (H  0) от  H при g F  g H : 0 и π  2% .
Литература
[1]. Halonen T., Romero J., Melero J. GSM, GPRS and EDGE Performance:
Evolution towards 3G/UMTS, Jhon Wiley and Sons, 2nd ed., 2003
[2]. Коннон М. А. Анализ ВВХ соты с учетом резервирования каналов для
хэндовер-заявок. Маг. дис., науч. рук. – Башарин Г.П. // РУДН, 2008г.
[3]. Башарин Г.П., и др. Математическая модель системы стандарта GSM с
поддержкой полноскоростных и полускоростных речевых кодеков //
Вестник РУДН, №2, 2009 (в печати)
АНАЛИЗ ВЕРОЯТНОСТНО-ВРЕМЕННЫХ ХАРАКТЕРИСТИК
GSM/GPRS-СИСТЕМЫ
П.О. Абаев
«PERFORMANCE ANALYSIS OF GSM/GPRS SYSTEM»
P.O. Abaev
Российский университет дружбы народов, Москва, Россия
e-mail: pabaev@sci.pfu.edu.ru
Сеть GSM предназначена для передачи речи и накладывает ряд
технических ограничений на использование приложений Интернет из-за
низкой скорости передачи. Для преодоления этих ограничений были
разработаны стандарты общей радиослужбы пакетной передачи
(GPRS, General Packet Radio Service) и цифровой технологии для мобильной
связи (EDGE, Enhanced Data rates for GSM Evolution), использующие для
передачи данных существующий в сети GSM радиоинтерфейс. Технология
GPRS/EDGE является первым промежуточным шагом в создании систем
третьего поколения (3G, 3rd Generation), и, поэтому системы,
поддерживающие технологию GPRS, получили название 2G+. В настоящее
время остается актуальной задача разделения радиоресурсов на базовой
приёмопередающей станции между пользователями сети GSM/GPRS.
В докладе рассматривается модель функционирования GSM/GPRS
системы, построенная на основе механизма распределения радиочастот на
базовой приёмопередающей станции. На частотный канал поступают
нисходящие потоки пакетов GPRS-сессий и поток речевого трафика.
Восходящий трафик пакетов от MS (Mobile Station) к BS (Base Station) в
модели не учитывается, т.к. он не создает существенной нагрузки на
систему. Для каждой GPRS-сессии устанавливают максимально возможное
число доступных для передачи каналов. Если сессия исчерпала все
доступные ей физические каналы, то вновь прибывающие пакеты данной
сессии теряются. GPRS-сессия представляется последовательностью
чередующихся периодов «On/Off» - активности и паузы. В течение периода
активности может быть передано некоторое количество пакетов, во время
паузы пакеты не передаются, в этом выражается пульсирующий характер
трафика GPRS-сессий.
Задачей исследования является анализ показателей качества
обслуживания трафика GPRS-сессии и речи на участке между мобильной и
базовой приемопередающими станциями. В качестве искомого показателя
выбрана вероятность потери пакетов в системе.
Литература
[1]. ETSI, Digital cellular telecommunications system (Phase2+); General Packet
Radio Service (GPRS); Service description; Stage 2, GSM recommendation
03.60, v. 7.4.1, 1998.
[2]. Наумов В.А., Численные методы анализа марковских систем. Учебное
пособие. – М.: Изд-во РУДН, 1985.
[3]. Marcel F. Neuts, Matrix-Geometric Solutions in Stochastic Models, An
Algorithmic Approach, Johns Hopkins University Press, 1981.
АНАЛИЗ НЕКОТОРЫХ ХАРАКТЕРИСТИК СИСТЕМЫ
МАССОВОГО ОБСЛУЖИВАНИЯ С ПРОЗРАЧНЫМИ ЗАЯВКАМИ
О.Н. Плаксина
«DERIVING SOME CHARACKTERISTICS OF A QUEUING SYSTEM SERVING
TRANSPARENT CALLS»
O.N. Plaksina
Российский университет дружбы народов, Москва, Россия
e-mail: oplaksina@sci.pfu.edu.ru
Рассматривается звено сети мультивещания, функционирование
которого может быть описано с помощью СМО с «прозрачными» заявками
[1,2]. На звене предоставляется услуга мультивещания, которая может
находиться в состоянии «включена» или «выключена». Заявка,
поступившая в пустую систему, занимает прибор и обслуживается в
течение некоторого случайного интервала времени. Все последующие
заявки, поступившие в систему на этом интервале, обслуживаются вместе с
заявкой, которая инициировала услугу, и покидают систему вместе с ней.
Диаграмма случайного процесса  (t )  {0,1} , описывающего состояние
услуги, показана на рисунке 1а.
a)  (t )
б)  (t )
Услуга «включена»
1
0
t
4
3
2
1
0
t
Окончание
обслуживания
Рис. 1. Диаграммы случайных процессов
В [1-3] получены выражения для расчета основных вероятностновременных характеристик СМО с «прозрачными» заявками, включая
вероятности блокировок установления соединения. Однако интерес
представляют также характеристики случайной величины числа заявок в
системе. Для анализа этих характеристик вводится линейчатый марковский
процесс  (t )   (t ),  (t )  , где  (t ) – число заявок в системе (рис. 1б), а
Поступление
1-й заявки
 (t ) – прошедшее время обслуживания заявки, инициировавшей услугу. В
докладе представлены результаты анализа характеристик процесса  (t ) , в
том числе среднего и среднеквадратичного отклонения числа заявок в
системе.
Литература
[1]. Наумов В.А., Самуйлов К.Е., Яркина Н.В. Теория телетрафика
мультисервисных сетей. Монография. – М.: Изд-во РУДН, 2007.
[2]. Рыков В.В., Сети обслуживания прозрачных требований – Автоматика и
телемеханика. – 2001. – №5.
[3]. Karvo J., Virtamo J., Aalto S. Martikainen O. Blocking of dynamic multicast
connections – Telecommunication Systems, 2001. – Vol. 16, No. 3-4.
ОБ ОДНОЙ ЗАДАЧЕ ОПТИМИЗАЦИИ РЕСУРСОВ ЗВЕНА
МУЛЬТИСЕРВИСНОЙ СЕТИ С ОДНОАДРЕСНЫМИ И
МНОГОАДРЕСНЫМИ СОЕДИНЕНИЯМИ
И.А. Бутурлин, М.В. Лузгачев
«ON RESOURCE OPTIMIZATION OF STAND-ALONE LINK IN MULTISERVICE
NETWORK WITH UNICAST AND MULTICAST CONNECTIONS»
I. Buturlin and M. Luzgachev
Российский университет дружбы народов, Москва, Россия
e-mail: ivan_buturlin@mail.ru, mluzgachev@mail.ru
Виртуальная частная сеть (VPN, Virtual Private Network) является
перспективной услугой оператора сети связи, которая позволяет объединять
филиалы предприятий (клиентов) в единые корпоративные сети без
использования выделенных каналов. Инструментами построения VPN
служат такие технологии, как ATM и MPLS, причем преимуществом MPLS
являются возможности инжиниринга трафика [1].
Предусмотренные в MPLS средства по обеспечению качества
обслуживания и инжиниринг трафика позволяют эффективно использовать
сетевые ресурсы, а для того чтобы реализовать эти возможности,
необходимо оптимально рассчитать сеть [2]. Задача состоит в разделении
пропускных способностей звеньев и расчете маршрутов таким образом,
чтобы ресурсы сети в целом были оптимально разделены между всеми
VPN. В качестве критерия рассматривается доход оператора от передачи
трафика. Заметим, что отказы в обслуживании вследствие нехватки
ресурсов (блокировки запросов пользователя) существенно влияют на
доход, так как оператор получает плату за переданный трафик [3].
В предположении, что все звенья сети, кроме одного, имеют
неограниченную емкость, задача оптимального распределения ресурсов
сводится к анализу системы, состоящей из отдельного звена. В докладе
формулируется задача оптимизации для отдельного звена с одноадресными
и многоадресными соединениями. Для решения поставленной задачи
построена модель звена мультисервисной сети, обслуживающего трафик
нескольких VPN и приведен пример численного анализа.
Литература
[1] А.В. Росляков. Виртуальные частные сети. Основы построения и
применения. // М.: Эко-Трендз, 2006.
[2] Debasis Mitra, John A. Morrison, K. G. Ramakrishnan. Virtual Private
Networks: Joint Resource Allocation And Routing Design // Proceedings of the
IEEE INFOCOMM'99, vol. 2, 1999.
[3] В.А. Наумов, К.Е. Самуйлов, Н.В. Яркина. Теория телетрафика
мультисервисных сетей: Монография. // М.: Изд-во РУДН, 2007.
ОБЗОР МОДЕЛЕЙ ОБСЛУЖИВАНИЯ ЭЛАСТИЧНОГО И
ПОТОКОВОГО ТРАФИКА
Ю.В. Гладышева, И.А. Гудкова, Е.В. Маркова
«STRATEGIES FOR THE INTEGRATION OF ELASTIC AND
STREAMING TRAFFIC»
Y.V. Gladysheva, I.A. Gudkova and E.V. Markova
Российский университет дружбы народов, Москва, Россия
e-mail: ygladysheva@gmail.com, igudkova@sci.pfu.edu.ru, evmarkova@bk.ru
Два типа трафика – чувствительный к задержкам потоковый
(streaming) трафик и передаваемый по принципу «best effort» эластичный
(elastic) трафик – обеспечивают предоставление комплексной услуги
«Triple Play = телевидение + телефония + передача данных» [1].
В литературе наиболее часто встречаются два подхода к
моделированию эластичного и потокового трафика. Квазистационарная
модель (quasi-stationary approximation) основана на упрощении, что число
установленных соединений постоянно, а в жидкостной модели (fluid
approximation), напротив, практически неизменно число передаваемых
блоков эластичных данных [3]. Обычно [1, 3] скорость передачи потокового
трафика считается постоянной, иными словами, существует требование к
числу передаточных единиц звена сети, необходимых для установления и
поддержания соединения. Еще одна модель [2] (adaptive flows) учитывает,
что скорость передачи потокового трафика может меняться, а время
соединения распределено по произвольному закону с заданным средним
значением.
В докладе обсуждаются варианты построения моделей обслуживания
потокового и эластичного трафика, исследуются их особенности и области
применения. На численном примере анализируется поведение таких
характеристик, как вероятность блокировки запроса на установление
соединения и блокировки блока эластичных данных, среднее число
установленных соединений и передаваемых блоков данных, среднее время
передачи блока данных, интенсивность обслуженной нагрузки.
Литература
[1]. Самуйлов К.Е., Яркина Н.В., Гудкова И.А. Математическая модель
управления доступом в сетях Triple Play // Сб. трудов «Четвертая
международная конференция по проблемам управления», Москва, 26–30
января 2009. – С. 1722–1730.
[2]. Bonald T., Proutière A. On Performance Bounds for the Integration of
Elastic and Adaptive Streaming Flows // Proc. of Joint International Conference
on Measurement and Modeling of Computer Systems, V. 32, No. 1, New York,
USA, 12–16 June 2004. – P. 235–245.
[3]. Boxma O.J., Gabor A.F., Núñez-Queija R., Tan H.-P. Performance Analysis
of Admission Control for Integrated Services with Minimum Rate Guarantees //
Proc. of 2nd Conference on Next Generation Internet Design and Engineering,
València, Spain, 3–5 April 2006. – P. 41–47.
МОДЕЛЬ ПОЛНОДОСТУПНОГО ЗВЕНА МУЛЬТИСЕРВИСНОЙ
СЕТИ ПРИ ПРЕДОСТАВЛЕНИИ УСЛУГИ TRIPLE PLAY
Н.В. Яркина, И.А. Гудкова
«ONE MODEL FOR ADMISSION CONTROL IN TRIPLE PLAY NETWORKS:
THE SINGLE LINK CASE»
N.V. Yarkina and I.A. Gudkova
Российский университет дружбы народов, Москва, Россия
e-mail: {nyarkina; igudkova}@sci.pfu.edu.ru
Развитие мультисервисных сетей связи [1] привело к возникновению
коммерческой концепции Triple Play (англ. букв. «тройная игра»). В
качестве единой среды для транспортировки информации выступает
высокоскоростной абонентский канал, который обеспечивает передачу
данных, телефонии и телевидения.
Выделяют три крупных класса сетевого трафика (см. рис.),
различающихся в основном требованиями к качеству обслуживания:
I. потоковый (англ. streaming), требующий передачи информации в
режиме реального времени, многоадресный трафик (например,
вещательное телевидение);
II. потоковый одноадресный трафик (например, видео по запросу);
III. эластичный (англ. elastic), адаптирующийся к количеству доступных в
данный момент времени в сети ресурсов, одноадресный трафик
(например, передача файлов или данных в формате HTML) [2].
В докладе представлены разработанная авторами модель
полнодоступного звена сети с тремя типами трафика и предварительные
результаты анализа показателей качества предоставления услуги Triple Play,
в первую очередь связанных с эластичным трафиком – среднее время
передачи файла и вероятность блокировки запроса на передачу файла.
многоадресный
потоковый
трафик
(тип I)
одноадресный
потоковый
трафик
(тип II)
одноадресный
эластичный
трафик
(тип III)
1
ШПП, занятая
трафиком типа I
M
1
ШПП, занятая
трафиком типа II
K
C
1
J
Остаточная ШПП
делится в равных
долях между всеми
передаваемыми по
звену файлами
Литература
[1]. Наумов В.А., Самуйлов К.Е., Яркина Н.В. Теория телетрафика
мультисервисных сетей – Монография // М.: Изд-во РУДН, 2007.
[2]. Núñez-Queija R., Tan H.-P. Location-Based Admission Control for
Differentiated Services in 3G Cellular Networks // Proc. of the 9th ACM-IEEE
MSWiM, October 2006, pp.322–329.
[3]. Самуйлов К.Е., Першаков Н.В., Гудкова И.А. Построение и анализ
моделей системы с групповым обслуживанием заявок // Вестник РУДН,
серия «Математика. Информатика. Физика», №3-4, 2007, стр.45-52.
МЕТОДИКА РАСЧЕТА СРЕДНЕГО ВРЕМЕНИ
УСТАНОВЛЕНИЯ СОЕДИНЕНИЯ В ИНТЕЛЛЕКТУАЛЬНЫХ
СЕТЯХ СВЯЗИ
И.Л. Бузюкова
«METHOD OF CALCULATING MEAN DELAY FOR PROCESSING IN SERVICE»
I.L. Buzyukova
Санкт-Петербургский государственный университет телекоммуникаций
им. проф. М.А. Бонч-Бруевича, Санкт-Петербург, Россия
e-mail: irbuz@mail.ru
В процессе привлечения новых и повышения лояльности
существующих абонентов для операторов связи, предоставляющих услуги
интеллектуальной сети связи (ИСС), большое значение имеет вопрос
обеспечения заданного качества и уровня обслуживания. Одним из
параметров, влияющих на степень удовлетворенности пользователя,
является
время
установления
соединения
при
использовании
интеллектуальной услуги (параметры GoS, рекомендация ITU-T Е.724).
Цель настоящего исследования заключается в разработке методики
расчета задержек, возникающих в процессе установления соединения для
услуг в ИСС. Необходимость проведения данных расчетов была выявлена в
ходе исследования, проведенного в работе [1], где анализировались
различные конфигурации российской ИСС федерального уровня с точки
зрения требуемых объемов сигнального оборудования.
Моделью процесса установления соединения для выбранной в
качестве примера услуги Freephone (Бесплатный вызов) может служить
открытая неоднородная сеть массового обслуживания (СМО). Каждый из
узлов рассматриваемой СМО будет принадлежать одному из двух типов
узлов сети BCMP [2,3]:
 Узел первого типа – однолинейный с экспоненциальным
обслуживанием и бесконечным накопителем, дисциплина обслуживания FCFS (First Come First Served);
 Узел второго типа – многолинейный с дисциплиной обслуживания IS
(Infinite Server) – обслуживание без ожидания.
Узлы первого типа будем использовать для моделирования пунктов
сигнализации (Signaling Point, SP), транзитного пункта сигнализации
(Signaling Transfer Point, STP), узла коммутации услуг (Service Switching
Point, SSP) и узла управления услугами (Service Control Point, SCP). Узлы
второго типа будем использовать для моделирования передачи сообщения
по звену данных сигнализации сети ОКС №7.
Узлы второго типа изображены на схеме СМО в виде ромбов. Для
большей наглядности ромбы добавлены только для двух узлов, но следует
иметь в виду, что узлы второго типа присутствуют после каждого узла
первого типа. Классы заявок (сообщений), используемых при построении
модели, выглядят следующим образом: IAM – 1, TC Begin – 2, TC Continue
– 3, ACM – 4, ANM – 5.
Так как из внешней среды на сеть поступает пуассоновский поток
заявок, а длительность обслуживания заявок всех классов в узле первого
типа i имеет одно и то же экспоненциальное распределение с
интенсивностью  i , то обобщённая математическая модель каждого узла i ,
i  1,5 , может быть построена в виде СМО M/M/1/∞.
Случайное время TIS пребывания заявки в узле второго типа
соответствует времени обработки сообщения на уровне MTP1. Оно зависит
от расстояния между соответствующими узлами и скорости
распространения сигнала в физической среде канала передачи.
Таким образом, среднее время установления соединения для услуги
FPH определяется путем суммирования среднего времени пребывания
заявок в каждом узле с учетом процесса обслуживания заявок в сети и ее
конфигурации. Для рассматриваемого примера оно определяется по
формуле:
(1)
(1)
(1)
(1)
TFPH
 2  TSP(1)_ A  4  TSSP
 2  TSTP
 TSCP
 2  TSP(1)_ B  8  TIS(1) .
Литература
[1]. Бузюкова И.Л., Гайдамака Ю.В. Исследование сигнальной нагрузки
интеллектуальных сетей связи с узлами в разных часовых поясах. Научнотехнические ведомости СПбГПУ, 2008. №5. С. 67-74.
[2]. Baskett, F., K. M. Chandy, R. R. Muntz, and F. G. Palacios. Open, Closed,
and Mixed Networks of Queues with Different Classes of Customers. Journal of
the ACM, Vol. 22, No. 2, April 1975, p. 248-260.
[3]. Вишневский
В.М.
Теоретические
основы
проектирования
компьютерных сетей // М.: Техносфера, 2003.
МЕТОД РАСЧЕТА ПРОИЗВОДИТЕЛЬНОСТИ ATM
МУЛЬТИПЛЕКСОРА НА ОСНОВЕ СМО MMPP(2)|D|1|R
Т.В. Атерекова, С.В. Штатнов
METHOD OF ESTIMATING ATM MULTIPLEXER PRODUCTIVITY BASED ON
MMPP(2)|D|1|R
T.V. Aterekova and S.V. Shtatnov
Российский университет дружбы народов, Москва, Россия
e-mail: aterekova@gmail.com, svshtatnov@gmail.com
Будем рассматривать ATM мультиплексор, обслуживающий
пульсирующий трафик от N независимых источников. Мультиплексор
состоит из буфера емкостью R пакетов и одного канала с пропускной
способностью C . Пусть все пакеты попадают в одну очередь и
обслуживаются в порядке FIFO.
Будем считать источником пакетов отдельное телефонное соединение.
Соединение может быть активным (ON-период) и неактивным (OFFпериод). Эти периоды являются независимыми экспоненциально
распределенными случайными величинами со средними значениями 1  и
1  соответственно. Ситуацию, когда в узле установлено одновременно N
телефонных соединений, можно рассматривать как ПРГ с N  1 состоянием,
в котором состояние отражает число активных источников. В состоянии ON
источник генерирует пуассоновский поток пакетов фиксированной длины
L с интенсивностью  . В состоянии OFF пакеты не создаются. Такой
процесс поступления пакетов является пуассоновским управляемым
марковским (MMPP). Так как пакеты имеют одинаковый размер, то время
обслуживания является детерминированным. Таким образом, приходим к
MMPP|D|1|R, позволяющей оценить ВВХ данной системы.
UL состояния
 UL
OL состояния
UL
0
1
...
n*
n*+1
...
N
UL
Рис. 1. Разделение состояний на UL и OL.
OL
 OL
OL
Рис. 2. MMPP процесс с двумя
состояниями.
Но расчет данной модели для большого числа N является достаточно
трудоемкой задачей. В связи с этим упростим исходную математическую
модель, снизив количество состояний MMPP процесса до двух. Множество
состояний MMPP процесса разбивается на состояния недогрузки 0, , n* 
(UL - Underload) и перегрузки
n
*
 1,
, N
(OL - Overload), где
C
C
 1  n* 
, n*  Ζ (Рис. 1). Для нового процесса определим основные
L
L
характеризующие его параметры:  OL и  UL - средние интенсивности
выхода из состояний OL и UL, а также OL и UL - интенсивности
пуассоновского процесса поступлений пакетов в состояниях OL и UL
(Рис. 2) [1].
Найдем  UL как величину, обратную T0 - среднему времени
пребывания в состоянии UL. Для этого введем новые величины
Wk , k  0, N 1 - время первого перехода из состояния k в k  1 и
1
Zk 
, k  0, N - время пребывания в состоянии k , связанные
( N  k )  k 
( N  k )

Z
,
с
вер
.
k

( N  k )  k 

соотношением: Wk  
.
k
 Z  W  W , с вер.
k 1
k
 k
( N  k )  k 
1  k  E (Wk 1 )
Откуда получаем рекуррентную формулу E (Wk ) 
, k  1, N  1 ,
( N  k )
1
а E (W0 )  E  Z 0  
. С учетом E (Wn* )  T0 , находим  UL и остальные
N
параметры системы [2].
Состояние такой системы в данный момент t  0 определяется
двумерным случайным процессом X(t )  (n(t ), r (t )) , где n(t )  0 , если
система в UL состоянии, и n(t )  1 , если в OL состоянии. Процесс X(t )
является
марковским
с
дискретным
множеством
состояний
и
стационарным
распределением
S  (n, r ) : n  0,1, 0  r  R
вероятностей p .
Для упрощения дальнейших расчетов удобно разбить множество
состояний S на подмножества Gi , так что  n, r   Gi , если и только если
n  r  i . Множества Gi упорядочим по возрастанию номера, состояния
внутри каждого Gi по возрастанию n . При таком разбиении и
упорядочивании состояний матрица интенсивностей переходов СП X(t )
является блочной трехдиагональной матрицей, это дает возможность
решить СУР методом LU-разложения.
Получив p , определим основные параметры производительности
системы, например, вероятность потери пакета   p,R .
Литература
[1]. Никольский Н. Н., Адаптивный алгоритм контроля доступа вызовов в
сети пакетной телефонии. – М.: Электросвязь # 2/2007.
[2]. Tao Yang, Danny H.K. Tsang. A Novel Approach to Estimating the Cell
Loss Probability in an ATM Multiplexer Loaded with Homogeneous On-Off
Sources/Proc. IEEE Globecom`92.
РАСШИРЕННАЯ МУЛЬТИСЕРВИСНАЯ МОДЕЛЬ ЭРЛАНГА С
ЭЛАСТИЧНЫМ ТРАФИКОМ
К.Е. Самуйлов, Адаму Амину
«EXTENDED ERLANG MULTI-RATE LOSS MODEL (E-EMLM) FOR ELASTIC
TRAFFIC»
K.E. Samouylov and Adamu Aminu.
Российский университет дружбы народов, Москва, Россия
e-mail: ksam@sci.pfu.edu.ru, aminu@mail.ru
In this model, a system of bandwidth capacity C u.b. and of maximum
bandwidth demand T u.b. accommodates Poisson arriving calls of K independent
service-classes. Each service-class k=1…K has the arrival rate of λk upon arrival
each of the service-class call requires ak b.u. peak bandwidth. The initial service
time is exponentially distributed with mean μk-1. The offered traffic-load of
service-class k calls is calculated by ρk=λkμk-1[3]. The system state j=1…T is
defined as the total number of b.u. occupied by the calls. The probability that the
system is in state j is denoted by q(j) [2,3].
In traditional Erlang Multirate Loss Model the assigned bandwidth to a
service-class call is constant, which means after the initial bandwidth allocation, a
service-class call can not change its assigned bandwidth. In contrast the E-EMLM
allows calls to change their assigned units of bandwidth i.e. the allocated
channels to a service-class k call may fluctuate during its service-time between a
maximum and a minimum value, depending on the link utilization. Consequently,
we talk of elastic bandwidth during a calls lifetime.
As stated earlier each service-class k calls arrive with a peak bandwidth
requirement ak b.u.. If upon arrival the ak channels are not available in the link,
the arriving call can be accepted in the link with less bandwidth. In order to
achieve this, the bandwidth allocated to all in-service calls is reduced. After the
bandwidth reduction, calls adjust their service time so that the product (service
time) by (bandwidth per call) remains constant. The bandwidth reduction is
allowed up to a minimum bandwidth ck=ε*ak where ε is the minimum proportion
of the peak bandwidth ak b.u. that can be allocated to a call of service-class k.
We denote by s the total link allocated bandwidth and by j the system
state, which is the bandwidth that would be allocated if all in-service calls were
present in the link with their peak bandwidth requirement. The system state
represents the total bandwidth demand of the system. The upper bound for j i.e.
the maximum bandwidth demand of the system is defined as T=C/ε [1].
Based on the calculations done for the comparison of both EMLM and EEMLM, the results obtained showed that E-EMLM performs much better than the
traditional EMLM.
References:
[1]. Stamatelos G.M., Koukoulidis V.N. Reservation-based bandwidth allocation
in a radio ATM network // IEEE / ACM Trans. Networking 5 (3), 1997.
[2]. Vassilakis V.G., Moscholios I.D., Logothetis M.D. and Vardakas J.S. Calllevel Multi-rate Loss Models for Elastic Traffic // 45th FITCE Congress, Athens,
Greece, 30.08– 2.10, 2006.
[3]. Башарин Г.П. Лекции по математической теории телетрафика. — М.:
Изд-во РУДН, 2007.
АНАЛИЗ ТРАФИКА И МОДЕЛИРОВАНИЕ
ПРОИЗВОДИТЕЛЬНОСТИ СЕРВЕРА ПРИСУТСТВИЯ
ПОДСИСТЕМЫ IMS
Н.М. Мушили, Э. С. Сопин
« TRAFFIC ANALYSIS & PERFORMANCE MODELLING OF THE IMS PRESENCE
SERVER »
N.M. Mouchili, E.S. Sopin
Российский университет дружбы народов, Москва, Россия
e-mail: nsangoumouchili@yandex.ru, sopin-eduard@yandex.ru
Технология IMS (IP Multimedia Subsystem) обеспечивает
предоставление таких услуг, как текстовые чаты, видео- и
аудиоконференции,
совместное
редактирование
документов,
многопользовательские игры и многое другое. Одной из самых популярных
услуг подсистемы IMS является услуга контроля присутствия (Presence
Service). Благодаря ей пользователь не просто «всегда на связи», но и
непрерывно сообщает информацию о себе, указывая свое местонахождение,
готовность к информационному обмену, настроение, занятость и т. д.
Услуга контроля присутствия стала ключевой для многих популярных
приложений, таких как PTT (Push to talk) и IM (Instant Messaging).
Исследования в этом направлении показывают [1,2], что сообщения
NOTIFY дают около 50% нагрузки на сервер присутствия, а их обработка
имеет большое влияние на качество обслуживания и производительность
сервера.
Доклад посвящен построению упрощенной математической модели
функционирования сервера присутствия в виде системы массового
обслуживания типа М|М|1 с прогулками прибора. Исследуется
распределение длины очереди сообщений NOTIFY, а также некоторые
другие важные характеристики, такие, как средняя длина, вариация длины
очереди и вероятность превышения заданного порога в очереди. Модель
также применяется для нахождения оптимального значения таймера
управления очередью сообщений. Эти параметры непосредственно
учитываются операторами при планировании сети для развертывания
услуги контроля присутствия. Средняя длина очереди характеризует объем
требуемой памяти для сообщений NOTIFY. Значение таймера,
управляющего
очередью,
является
показателем
использования
центрального процессора.
Литература
[1]. Carlos Urrutia-Valds, Amit Mukhopadhyay, Mohamed El-Sayed, “Presence
and Availability with IMS: Applications Architecture, Traffic Analysis, and
Capacity Impacts”, Bell Labs Technical Journal 10(4), 2006, 101 − 107.
[2]. C. Chi, R.Hao, D.Wang, Z.Cao “IMS Presence Server: Traffic Analysis &
Performance Modelling”.
[3]. 3rd Generation Partnership Project, “Presence Service; Stage 1 (Release 6)”,
3GPP TS 22.141, Sept. 2003, <http://www.3gpp.org/ftp/Specs/htmlinfo/22141.htm>.
АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ПРОИЗВОДИТЕЛЬНОСТИ
СИСТЕМЫ МОНИТОРИНГА КОРПОРАТИВНОЙ СЕТИ
Г.Б. Берсенев, А.В. Бабич
« PERFORMANCE ANALYSIS AND PREDICTION OF NETWORK MONITORING
SYSTEM»
G.B. Bersenev and A.V. Babich
Тульский государственный университет, Тула, Россия
e-mail: bersgen@gmail.com, alexey.babych@gmail.com
Рост и интенсивное развитие корпоративных сетей, усложнение
используемых в них устройств и протоколов привели к необходимости
постоянного контроля состояния сети. В процессе мониторинга сети
необходимо также выявлять компьютеры и приложения, создающие
существенные потоки трафика в сети, обнаруживать системы с аномальным
поведением [1]. В условиях постоянного увеличения количества узлов в
сети возникает риск не достичь нужной производительности
опрашивающего сервера, что нарушит необходимые соотношения между
длительностью и интервалом опроса. В докладе рассматривается задача
прогнозирования интервала опроса для системы мониторинга (СМ) в
условиях роста нагрузки. Выполнено исследование нескольких моделей СМ
с накоплением статистики в зависимости от организации процессов
(потоков) и алгоритмов опроса. Рассмотрена модель СМ в виде
двухуровневой сети массового обслуживания (СеМО), в которой верхний
уровень моделирует работу параллельных процессов (по количеству
опрашиваемых устройств), а нижний – обслуживание запросов процессов,
выполняющих считывание данных с удаленных устройств, обработку их на
сервере и запись в базу данных.
Для возможности получения аналитического решения предложен
переход к рассмотрению граничного по производительности случая, при
котором опрос производится постоянно. Это позволило формализовать
процесс функционирования СМ в виде одноуровневой замкнутой СеМО с
многоканальными
узлами.
Исследовалась
зависимость
средней
длительности цикла в сети от числа заявок и числа обращений к базе
данных. Получено аналитическое выражение этой зависимости для СеМО с
тремя узлами и выполнена его проверка с помощью рекуррентных
алгоритмов Бузена. Исследовалась также возможность анализа данной
СеМО при неограниченном увеличении числа заявок. В качестве
альтернативных рассматривались методы на основе асимптотических и
гиперболических приближений. Обоснован выбор и уточнено выражение
для гиперболического приближения.
Литература
[1]. Бабич А.В. Система мониторинга узлов связи опорного сегмента
объединенной компьютерной сети / А.В. Бабич // Труды XIV
Всероссийской научно-методической конференции «Телематика 2007». Санкт-Петербургский государственный университет информационных
технологий, механики и оптики, 2007. - С. 71.
ИСПОЛЬЗОВАНИЕ МОДЕЛИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ
ПРИ СОЗДАНИИ МАСШТАБИРУЕМЫХ ТЕСТОВ
Г.Б. Берсенев, А.Ю. Лепихов
«USE OF DISTRIBUTED COMPUTING MODEL AT CREATION OF SCALABLE
TESTS»
G.B. Bersenev and A.U. Lepikhov
Тульский государственный университет, Тула, Россия
e-mail: bersgen@gmail.com, andrey.lepikhov@gmail.com
Технология создания и использования масштабируемых тестов [1 - 2]
позволяет упростить и автоматизировать процессы создания тестов,
повысить их защищенность, а также использовать приближенные подходы
к анализу результатов тестирования. Основными этапами технологии
являются создание тестового ядра (для каждого раздела курса) и
формирование рабочих наборов тестовых заданий на его основе. При
использовании детерминированных алгоритмов в результате формируется и
обновляется рабочее подмножество виртуальной базы тестовых заданий.
Задача определения числа формируемых заданий рабочего набора при
ограничении dmin на близость утверждений в этих заданиях формализована
в виде задачи размещения с ограничением (модели r/n/dmin) [2], которая
является обобщением комбинаторной задачи размещения.
В докладе рассматриваются вопросы разработки инструментальной
среды в виде веб-приложений для создания ядра, формирования заданий и
тестов, проведения тестирования. Отмечена необходимость периодического
выполнения больших объемов вычислений. Предложены пути решения
данной
проблемы.
Выполнены
исследования
вычислительной
эффективности языков С++, С#, Java, JavaScript/JScript, VBScript, Perl, PHP,
Python, Erlang. При этом в качестве типовой (тестовой) задачи решалась
задача вычисления площади фигуры методом Монте-Карло. Системные и
инструментальные средства Microsoft использовались в учебном процессе в
соответствии с существующим договором MSDN AA. Обоснован выбор
языка C# для кода, выполняемого на сервере, и модели сервер - субсервер
для распределенных вычислений. В предлагаемой реализации программаброкер выполняет балансировку нагрузки между серверами, а программыагенты на серверах ожидают заданий от брокера, а затем выполняют
необходимую вычислительную работу. Рассмотрены вопросы выбора
модели балансировки нагрузки.
Литература
[1]. Берсенев Г.Б. Технология создания и использования масштабируемых
тестов на базе тестового ядра // Тулаинформ-2008. Проблемы
информатизации образования. Материалы Всероссийской научнотехнической конференции. – Тула: ТулГУ, 2008. – С. 75 – 78.
[2]. Берсенев Г.Б. Задача размещения с ограничениями // Чебышевский
сборник. Труды V Международной конференции "Алгебра и теория чисел:
современные проблемы и приложения" / Тульский государственный
педагогический университет - Тула, 2003. - . Т.4. Вып.2. - С. 38 – 42.
ИСПОЛЬЗОВАНИЕ ПРИБЛИЖЕНИЙ ДЛЯ ОТКРЫТЫХ СЕТЕЙ
МАССОВОГО ОБСЛУЖИВАНИЯ С МНОГОКАНАЛЬНЫМИ
УЗЛАМИ
Г.Б. Берсенев, Д.И. Малинин
«USE OF APPROXIMATIONS FOR OPEN QUEUEING NETWORKS WITH LOAD
DEPENDENT SERVERS»
G.B. Bersenev and D.I. Malinin
Тульский государственный университет, Тула, Россия
ЗАО «Тульские Ай-Ти Лаборатории», Тула, Россия
e-mail: bersgen@gmail.com, malinin.dmitry@gmail.com
Mодели в виде сетей систем массового обслуживания (СеМО)
позволяют провести наиболее адекватный анализ производительности и
масштабируемости создаваемого программного обеспечения. Открытые
СеМО второго порядка используют аппроксимацию потоков сети
процессами восстановления. В [1] предложен приближенный метод анализа
СеМО данного класса, позволяющий, в отличие от известных, учитывать
многоканальность узлов. В соответствие с ним анализ открытой СеМО
размерности M с узлами GI/G/c сводится к решению линейной системы из
M уравнений относительно квадратов коэффициентов вариации потоков
заявок, входящих в узлы СеМО.
В докладе предлагается дополнить приближенный метод следующим
приближением для нагрузочной характеристики F ()
– зависимости
среднего времени ответа от интенсивности  входного потока:
1  Bx
F * ( x)  Ax
D ,
(1)
1 x /  m
M
h
( F  D)(1  x2 /  m )
 m  min ci  i / hi , D   i , A  2
где
,
i
x2 (1  Bx 2 )
i 1  i
x ( F  D)( m  x2 )  x2 ( F1  D)( m  x1 )
,
B  12 2
x1 ( F2  D)( m  x2 )  x22 ( F1  D)( m  x1 )
Fi  F ( xi ) , x1  0,3 m ; x2  0,95 m ,
hi , i  1, M - коэффициенты передачи входного потока, сi ,  i , i  1, M число каналов в узлах и интенсивность обслуживания в каждом канале узла.
Таким образом, решение системы уравнений приближенного метода
будет производиться только для определения параметров A и B, а все
последующие обращения к модели для определения времени ответа в
зависимости от нагрузки будут заменены на обращения к приближению (1).
Литература
[1]. Берсенев Г.Б. Алгоритмы приближенного анализа открытых сетей
массового обслуживания с многоканальными узлами / Г.Б. Берсенев, Д.И.
Малинин // Изв. ТулГУ. Сер. Вычислительная техника. Информационные
технологии. Системы управления. Вып 1. Вычислительная техника. – Тула,
2005. – С. 69 – 75.
РАЗРАБОТКА СВОБОДНОГО КОМПИЛЯТОРА ЯЗЫКА GPSS.
СИСТЕМА МОДЕЛИРОВАНИЯ
Д.С. Кулябов, С.О. Томила
«DEVELOPMENT OF OPEN-SOURCE GPSS COMPILER.
SIMULATION PROCESSOR»
D.S. Kulyabov, S.O. Tomila
Российский университет дружбы народов, Москва, Россия
e-mail: dharma@sci.pfu.edu.ru, stomila@sci.pfu.edu.ru
Средства имитационного моделирования — важный инструмент,
применяемый при исследовании ряда задач теории вероятности и теории
массового обслуживания. В настоящий момент на рынке отсутствуют
полнофункциональные, свободно распространяемые программные средства.
Среди проприетарных средств достаточно широко распространен GPSS. В
связи с этим была поставлена задача написания свободного компилятора
языка имитационного моделирования GPSS.
В прошлых работах [1,2] были рассмотрены вопросы разработки
синтаксических и семантических анализаторов текстов на языке GPSS. В
данной работе рассматривается непосредственно сама система
моделирования и этапы ее разработки.
В основу лег принцип работы дискретного имитационного
механизма, когда основой является таймер модельного времени [3]. Таймер
модельного времени — это «внутренние» часы системы, с помощью
которых отслеживается последовательность событий, происходящих в
модели.
Были разработаны блок-схемы работы системы моделирования и
выделены основные группы объектов. Из-за проблем, возникших при
попытке реализации отдельный частей системы на языке Haskell, было
принято решение разрабатывать модуль моделирования на языке С++.
Программа разбита на модули. Был разработан минимально необходимый
набор модулей для тестирования.
Тестирование подтвердило верность разработанного алгоритма
функционирования системы.
Литература
[1] Семкин Ю.Ю., Разработка свободного аналога компилятора GPSS.
Синтаксический анализатор // XLIV Всероссийская конференция по
проблемам математики, информатики, физики и химии. стр. 93-94, РУДН
2008
[2] Томила С.О., Разработка свободного компилятора языка GPSS.
Семантический анализатор // XLIV Всероссийская конференция по
проблемам математики, информатики, физики и химии. стр. 97-98, РУДН
2008
[3] Матюшенко С.И, Спесивов С.С., Основы имитационного моделирования
в среде GPSS World М.:Изд-во РУДН, 2006
АЛГОРИТМЫ SDRED и DSRED В СЕТЯХ С DIFFSERV
А.В. Королькова, Е.С. Шибаева
«ALGORITHMS SDRED AND DSRED IN NETWORKS WITH DIFFSERV »
A.V. Korolkova, E.S. Shibaeva
Российский университет дружбы народов, Москва, Россия
e-mail: akorolkova@sci.pfu.edu.ru, eshibaeva@sci.pfu.edu.ru
Одним из средств обеспечения QoS в IP-сетях является механизм
DiffServ. Определенный уровень качества обслуживания в DiffServ
достигается за счет разделения трафика на классы и применения к каждому
из них определенных алгоритмов обслуживания.
Для моделирования сетей связи, анализа и исследования поведения
алгоритмов
обработки
трафика
можно
использовать
средства
имитационного моделирования, например NS2.
В данной работе построена имитационная модель DiffServ, в которой
трафик трех типов (ftp, http, telnet) аггрегируется в два класса – Best Efforts
и Assured Forwarding. К классу Assured Forwarding применяются алгоритмы
избежания перегрузок State Dependent Random Early Detection (SDRED) [1],
Double Slope Random Early Detection (DSRED) [2] и алгоритм управления
перегрузками Stochastic Fairness Queueing (SFQ).
Построенная модель аналогична рассмотренной в [3], но отличается
тем, что вместо стандартного алгоритма WRED в структуру NS2 были
внедрены SDRED и DSRED. В результате построенная модель ведет себя в
случае возникновения перегрузок более гибко, среднее время задержки и
количество сброшенных пакетов меньше.
В дальнейшем планируется провести эксперименты с другими
типами трафика, типами приложений, ввести дополнительные алгоритмы
обработки трафика.
Литература
[1]. I. Ryoo A State Dependent RED: An Enhanced Active Queue Management
Scheme for Real-Time Internet Services, 2006
[2]. B. Zheng, M. Atiquzzaman DSRED: An Active Queue Management Scheme
for Next Generation Networks, 2000
[3]. S.Andreozzi DiffServ Simulations Using the Network Simulator:
Requirements, Issues and Solutions, 2001
РЕАЛИЗАЦИЯ ПРОТОКОЛА 9P НА ЯЗЫКЕ
ПРОГРАММИРОВАНИЯ ERLANG
А.И. Черноиванов, Н.В. Любинская
«IMPLEMENTATION OF 9P PROTOCOL USING ERLANG PROGRAMMING
LANGUAGE»
A.I. Tchernoivanov, N.V. Lubinskaya
Российский университет дружбы народов, Москва, Россия
e-mail: tchernoivanov@gmail.com, nadin@sci.pfu.edu.ru
С появлением задач, требующих многопроцессорного аппаратного
обеспечения, появились и определенные требования к скорости. На одном
из этапов развития быстродействия
процессоров работа в этом
направлении зашла в тупик – физические свойства материалов не
позволяли дальнейшего повышения скорости. К тому же, возникали
значительные задержки в выполнении задач, связанные с тем, что процесс,
не зависящий от выполняемых в данный момент, вынужден был ожидать
своей очереди на исполнение. Эту проблему постарались решить
посредством многопроцессорных систем вычисления и использования
конкурентного программирования. Среди языков конкурентного
программирования одним из наиболее предпочтительных является Erlang.
В языке Erlang [2] , благодаря реализации взаимодействия процессов
через асинхронные сообщения и отсутствию у процессов разделяемой
памяти, физическая удаленность их друг от друга не играет никакой роли —
система расценивает процессы так, будто они все выполняются на
локальной машине. Поскольку Erlang использует процессы вместо
функций, выделение памяти для них огранизованно динамически.
Благодаря этому каждый узел распределенной системы будет рационально
использовать свои ресурсы, каждый раз выделяя именно столько, сколько
необходимо в данный момент. Также каждый процесс постоянно следит за
другими процессами, даже если они выполняются на других узлах.
Распределенная система может быть настроена таким образом, что в случае
выхода из строя какого-либо узла, все его активные процессы
перебрасываются на другой узел, что повышает отказоустойчивость всей
системы. Если в процессе работы системы обнаружились программные
неполадки, исходный код можно заменить «на лету», не останавливая ее
функционирование.
Распределенные системы являются основой для создания
параллельных систем вычислений, которые позволят обрабатывать
огромные объемы данных. Для того, чтобы эти процессы происходили без
сбоев, необходимо надежное аппаратное и программное обеспечение.
Поскольку в Erlang отсутствует стандартизованный протокол обмена
сообщениями, реализация протокола 9P2000 на языке Erlang позволит
устранить этот пробел, а также позволит существенно повысить как
производительность, так и надежность всей системы.
Литература
[1]. Plan9 from Bell Labs — http://plan9.bell-labs.com/plan9
[2]. Erlang Project Home Page — http://www.erlang.org
ПОСТРОЕНИЕ КЛАСТЕРА НА БАЗЕ ДИСПЛЕЙНОГО КЛАССА
Н.А. Немчанинова
«CONSTRUCTION OF CLUSTER ON THE BASE OF DISPLAY CLASS»
N.A. Nemchaninova
Российский университет дружбы народов, Москва, Россия
e-mail: nata@sci.pfu.edu.ru
В параллельном программировании часто возникают вычислительные
задачи, требующие большой процессорной мощности. Обычно для расчета
таких задач используются распределительные системы. Одной из таких
систем является кластер (группа компьютеров, объединенных
высокоскоростными каналами связи и представляющая единые аппаратный
ресурс, то есть распределение мощностей процессоров при помощи
распараллеливания задачи).
Кластер является недорогой альтернативой суперкомпьютеру, причем
не уступает в производительности. Одна из областей применения —
математическое моделирование различных процессов химии, физики,
экономики, телекоммуникаций и других.
Для построения кластера, предлагается следующее решение.
В качестве ОС для узлов кластера рассматривается ОС Linux,
библиотека функций MPI -2, диспетчер пакетной обработки openPBS и
диспетчер заданий Torque. Эта модификация позволит упростить
управление кластера: сделает возможным запуск программ пользователей
вне зависимости от того, за каким узлом они находятся, а также
осуществить доступ пользователей только к их программам.
К целям данной работы относятся:
 установка и настройка ПО на все узлы кластера;
 тестирование кластера на эффективность работы при помощи
вспомогательных программ (transfer, nettest, mpitest, nfstest)[1];
 расчет и вычисление конкретной задачи на построенном
кластере.
В дальнейшем эту кластерную систему можно использовать не только
в рамках обучения, но и в научной деятельности в различных направлениях.
Также планируется объединить эту систему с более глобальной, а именно с
Grid[2].
Литература
[1]. Шпаковский Г.И., Верхотуров А.Е., Серикова Н.В. Руководство по
работе на вычислительном кластере, 2004, с.172
[2]. Немчанинова Н.А. Применение кластеров и технологии Grid в
математическом моделировании // МКО-2009, г. Пущино, 19-24 янв. 2009 –
http://www.mce.su/rus/presentations/p32706/