Разработка метода исследования трафика мультисервисных сетей на основе анализа распределения числа заявок на интервалах обслуживания

• Автор: Макаров, Игорь Сергеевич
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Самара
• Количество страниц: 148 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Технологии обслуживания и анализ трафика мультисервисных сетей
1.1 Мультисервисные сети и технологии их создания
1.2 Механизмы обеспечения качества обслуживания
1.3 Классификация средств мониторинга и анализа
1.4 Пакетная коммутация и анализ очередей
в мультсервисных сетях
Вывод
Глава 2. Анализ очередей в СМО на интервалах обслуживания
2.1 Уровни анализа трафика в мультисервисных сетях
2.2 Число заявок на интервалах обслуживания
2.3 Определение коэффициента загрузки
2.4 Определение числа заявок на одну обработанную
2.5 Способы измерения первого и второго
начальных моментов п и пз
2.6 Определение первого и второго начальных моментов п при Г распределении интервалов между заявками
2.7 Характеристические функции для потоков с Г распределением интервалов между заявками
2.8 Алгоритм нахождения средней доли недообслуживания
2.9 Дообслуживание очередей
2.10 Анализ уравнения баланса
2.11 Формула для суммарных значений
Вывод
Глава 3. Определение характеристик мультисервисного
трафика методами имитационного моделирования
3.1 Обоснование выбора среды моделирования
3.2 Компьютерное моделирование аналитических соотношений
3.3 Имитационное моделирование трафика сети
3.4 Получение коэффициентов
Вывод
Глава 4. Анализ реального трафика
4.1 Разработка программного комплекса анализа трафика мультисервисных сетей
4.2 Анализ протоколов
4.3 Блок-схема
4.4 Выбор предприятия и описание эксперимента
Вывод
Заключение
Список используемой литературы
Приложение А - Программный код имитационного моделирования 136 Приложение Б - Программный код анализатора

ВВЕДЕНИЕ
Телекоммуникационные технологии в последние годы переживают масштабные перемены, связанные с интеграцией сетей и услуг связи. Появляются новые сервисы, традиционные сервисы и услуги переходят на платформу ІР, количество потребителей таких сервисов растет очень высокими темпами. По данным Минкомсвязи России рост числа пользователей сети Интернет в России за 2008 г. составил 34%, в 2009-2010 гг. рост несколько замедлился, однако, общее число пользователей, по данным специалистов, к концу 2010 г. достигло 45 миллионов человек. Более 15 миллионов домохозяйств по всей России используют широкополосный доступ (ШПД) в сеть Интернет, и по прогнозам аналитиков, это число к 2012 г. увеличится до 25 миллионов. Появление новых инфокоммуникационных услуг и сервисов вызвало развитие технологий, в которых на первое место встают вопросы качества предоставления услуг.
Для решения проблем анализа телекоммуникационных систем необходимо располагать соответствующими моделями и инженерными методами, позволяющими на основе данных измерений оценивать качество предоставления услуг и прогнозировать характеристики их работы. Для этого широко применяется теория систем массового обслуживания (СМО). Указанным вопросам посвящены фундаментальные работы таких авторов как Л. Клейнрок, С.А. Майоров, Т.Л. Саати, Е.С. Вентцель, А.Л. Лифшиц, А.К. Эрланг и ряда других.
Ведущее место в общей математической модели СМО занимает модель входящего потока заявок, поступающих в систему на обслуживание (модель трафика). От правильного выбора этой модели зависит точность расчета основных характеристик СМО, определяющих работу системы в целом. Однако, из-за отсутствия адекватных моделей трафика таких сетей часто для анализа и синтеза упрощенно, и со значительной потерей точности используют пуассоновскую модель.

удаленного управления, так как содержит агрегированную информацию об устройстве, что не требует передачи по сети больших объемов информации. Объекты RMONMIB включают дополнительные счетчики ошибок в пакетах, более гибкие средства анализа графических трендов и статистики, более мощные средства фильтрации для захвата и анализа отдельных пакетов, а также более сложные условия установления сигналов предупреждения. Агенты RMONMIB более интеллектуальны по сравнению с агентами MIB-I или MIB-II и выполняют значительную часть работы по обработке информации об устройстве, которую раньше выполняли менеджеры. Эти агенты могут располагаться внутри различных коммуникационных устройств, а также быть выполнены в виде отдельных программных модулей, работающих на универсальных ПК и ноутбуках (примером может служить LANalyzerNovell).
Объекту RMON присвоен номер 16 в наборе объектов MIB, а сам объект RMON объединяет 10 групп следующих объектов:
Statistics - текущие накопленные статистические данные о характеристиках пакетов, количестве коллизий и т.п.
History - статистические данные, сохраненные через определенные промежутки времени для последующего анализа тенденций их изменений.
Alarms - пороговые значения статистических показателей, при превышении которых агент RMON посылает сообщение менеджеру.
Host - данных о хостах сети, в том числе и об их МАС-адресах.
HostTopN - таблица наиболее загруженных хостов сети.
TrafflcMatrix - статистика об интенсивности трафика между каждой парой хостов сети, упорядоченная в виде матрицы.
Filter - условия фильтрации пакетов.
PacketCapture - условия захвата пакетов.
Event - условия регистрации и генерации событий.
Данные группы пронумерованы в указанном порядке, поэтому, например, группа Hosts имеет числовое имя 1.3.6.1.2.1.16.4.
Десятую группу составляют специальные объекты протокола TokenRing.