Способ динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами
Владельцы патента RU 2742038:
Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия Ракетных войск стратегического назначения имени Петра Великого" Министерства обороны Российской Федерации (RU)
Изобретение относится к средствам управления потоком или управления перегрузкой каналов связи. Технический результат заключает в снижении вероятности отказа в обслуживании и повышении пропускной способности при передаче фрактального телекоммуникационного трафика реального времени в системах с отказами. Определяют квазиоптимальный вариант по критерию минимума вероятности отказа в обслуживании на основании математической модели сети массового обслуживания, которая описывает совокупность последовательно расположенных многоканальных СМО с отказами при фрактальных входных потоках. Передают пакеты, получившие первичный отказ в обслуживании, в планировщик дообслуживания с целью обработки в свободных обслуживающих устройствах, выделенных под другой поток с наименьшим значением показателя Харста. 1 ил.
Изобретение относится к области управления потоком или управления перегрузкой каналов связи и может быть использовано для снижения вероятности отказа в обслуживании и повышения пропускной способности при передаче фрактального телекоммуникационного трафика реального времени в системах с отказами (без буферов).
Данное техническое решение в первую очередь предназначено для динамического квазиоптимального распределения имеющихся ресурсов производительности с учетом фрактальности входного потока и возможностью. статистического мультиплексирования пакетов в периоды времени до очередной адаптации параметров системы обработки под текущие характеристики входного потока, а также сглаживания внезапных всплесков активности в задаче обработки моноприоритетного трафика реального времени в системах с отказами.
Существующие системы обработки телекоммуникационного трафика в реальном или близком к реальному масштабе времени, в большинстве своем, оптимизируются на основе классической теории массового обслуживания основанной на моделях Эрланга. Это предполагает, что поток является стационарным пуассоновским. Но современные исследования показываю, что телекоммуникационный трафик является сильно пульсирующим, а зачастую фрактальным.
Особенностью фрактального трафика является наличие в нем устойчивой кластеризации. К примеру, в трафике, который подчинен закону распределения Пуассона, кластеризация существует на краткосрочном масштабе, а на долгосрочном происходит ее сглаживание. В результате, если трафик пуассоновский, то появляющиеся при пульсации очереди в краткосрочной перспективе будут очищаться. Но как показывают исследования трафиковых трасс, неравномерное поведение сети само по себе неравномерно, то есть происходит группировка пульсаций. В таких случаях интенсивность поступления пакетов нельзя считать подчиняющейся закону Пуассона. Возникающие при этом длительные перегрузки способны оказать весьма негативное воздействие на производительность сети передачи данных.
Это обуславливает необходимость использования при обеспечении качества обслуживания технических решений, способных учитывать при функционировании телекоммуникационных сетей фрактальную природу трафика.
Еще одной особенностью, которой обладают системы реального времени, является практически полное отсутствие буферизации из-за высоких требований к задержке и ее джиттеру. Это приводит к тому, что в случае возникновения перегрузок или запаздывания механизма перераспределения производительности, происходит потеря данных из-за невозможности обслуживания.
Известен способ динамического резервирования и распределения пропускной способности каналов в спутниковой сети и устройство его реализующее (патент RU №2614983, 2017).
Согласно изобретению для каждого активного спутникового терминала изменяют скорость поступающего трафика пакетных данных и заполненность входного буфера спутникового терминала, определяют оптимальное значение уровня квантиля для прогнозных значений скорости поступления пакетных данных в буфер спутникового терминала на один, два и три цикла передачи вперед, формируют запрос динамического резервирования пропускной способности с учетом требований QoS, исходя из заполненности входного буфера и сформированных на предыдущих циклах передачи запросах, а также данных прогноза скорости поступления пакетного трафика, выполненного с учетом уровня квантиля, характеризующего избыточность резервирования, отправляют сформированные запросы на центральную станцию сети, центральная станция пересчитывает запрашиваемый терминалом объем пропускной способности в количество временных слотов, которые выделяются терминалам.
При этом в каждом активном спутниковом терминале выполняют классификацию трафика по дисциплине обслуживания и типу резервирования (CRA, RBDC, VBDC).
Для первоначальных запросов определяют долгосрочный статистический профиль поступающего агрегированного трафика, определяют краткосрочный статистический профиль агрегированного трафика, определяют параметры измерения выборочного среднего и выборочной дисперсии битовой скорости поступающего пользовательского трафика, а именно период измерения, величину шага квантования диапазона значений скорости, измеряют на выбранном периоде выборочное среднее и выборочную дисперсию скорости поступающего пользовательского трафика.
Определяют параметры прогнозируемой динамики условного среднего и дисперсии условного среднего битовой скорости, а именно коэффициенты регрессии и скользящего среднего, исходя из краткосрочного статистического профиля трафика, ожидаемого времени инерционности резервирования и распределения, прогнозируют значения условного среднего и дисперсии условного среднего битовой скорости поступающего на вход спутникового терминала трафика.
Формируют и отправляют на центральную станцию запрос на выделение пропускной способности с информацией о прогнозируемом статистическом профиле трафика и параметрах резервирования, на центральной станции, учитывая статистические профили трафика, формируют частотно временной план передачи, определяют оптимальное значение длительности временных слотов для спутниковых каналов сети на один цикл передачи, отправляют терминалам частотно-временные планы.
Недостатком способа-аналога является использование заранее определенной оптимальной конфигурации оборудования для системы массового обслуживания (СМО) с ожиданием под соответствующий заранее измеренный долгосрочный статистический профиль, а также отсутствие возможности учета свойств фрактального телекоммуникационного трафика в используемых прогнозных моделях.
Наиболее близким по технической сущности к заявленному способу и выбранным в качестве прототипа является способ повышения качества передачи фрактального телекоммуникационного трафика (патент RU №2677373, 2019).
Сущность данного способа заключается в следующем.
В режиме реального времени производят вычисление оптимальных значений параметров маршрутизатора, отвечающих за обеспечение качества обслуживания, выделяемое время процессора и размер буфера. Для этого: сниффером считывают параметры телекоммуникационного трафика и формируют таблицы данных о времени прихода пакета, адресе отправителя и размере пакета; в анализаторе фрактальности производят определение показателя Харста; вычисляют оптимальные значения объема буфера и интенсивности обслуживания для каждой очереди в маршрутизаторе, при этом используют модели обслуживания самоподобного телекоммуникационного трафика; производят имитационное моделирование работы маршрутизатора в ускоренном режиме при обработке сгенерированного трафика с показателем Харста соответствующим измеренному; сравнивают показатели качества обслуживания полученные в имитационной модели с заданными в качестве требуемых оператором; корректируют параметры очередей для каждого типа трафика, математической модели обслуживания фрактального трафика, вычисляющей значения показателей качества обслуживания через значение показателя Харста; изменяют параметры маршрутизатора на основе полученных математической моделью значений объема буфера и интенсивности обслуживания.
Способ прототип имеет следующие недостатки.
1. Не обеспечивают возможность качественной обработки трафика реального времени в системах с отказами (без очереди).
2. Не позволяет перераспределять пакеты, получившие первичный отказ в обслуживании, по свободным устройствам обработки выделенным (зарезервированным) для других потоков.
3. При определении оптимальных параметров устройства обработки используют математические модели в рамках одного потока.
Прототип не позволяет сглаживать моменты перегрузки в период, когда оптимальные параметры не вычислены под текущий профиль трафика посредством перераспределения входного потока по незанятым обработчикам без использования буферов ожидания, а также, применяемая в прототипе математическая модель не достаточно адекватна для сети массового обслуживания, состоящей из совокупности многоканальных СМО с отказами (без очереди).
Технический результат заключается в снижении вероятности отказа в обслуживании из-за занятости устройств обработки и повышении пропускной способности при обработке фрактального трафика реального времени в системах с отказами (без очереди).
Задача, которую решает предлагаемый способ, заключается в динамическом квазиоптимальном распределении производительности при обработке фрактального трафика реального времени в соответствии с текущими параметрами входного потока при отсутствии буферов ожидания и перераспределении пакетов из перегруженных потоков по свободным обслуживающим устройствам, выделенным под другие потоки.
Функционирование изобретения поясняется следующими графическими материалами:
Фиг. 1 - функциональная схема способа динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами.
Для решения этой задачи предлагается способ динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами, заключающийся в том, что:
определяют количество потоков реального времени во входном Ethernet интерфейсе 1, путем анализа IP заголовков в блоке анализа входного потока 2;
передают данные о количестве потоков реального времени и IP адресах их источников, полученные в блоке 2, на блок анализа фрактальности реального информационного трафика 3, совместно со всем входным трафиком;
определяют текущий показатель Харста, среднюю интенсивность, количество поступивших пакетов, среднее время обработки одного пакета для всех входных потоков в блоке анализа фрактальности реального информационного трафика 3. Функционал данного блока реализуют специализированным программным обеспечением (Белов П.Ю., Белов К.Ю., Полоус А.И., Клименко В.В. Программа анализа фрактальности реального информационного трафика (ПАФРИТ). Свидетельство о государственной регистрации программ для ЭВМ №2014613976 от 14.04.2014 г.);
передают данные о потоках реального времени (IP адрес отправителя, количество потоков трафика реального времени с отличным IP адресом отправителя, текущий показатель Харста, средняя интенсивность, количество поступивших пакетов и среднее время обработки одного пакета) с блока 3 на блок определения квазиоптимального распределения обслуживающих устройств 4, совместно со всем входным трафиком;
определяют квазиоптимальный вариант распределения обслуживающих устройств по входным потокам методом полного перебора вариантов и выбором варианта с минимальной вероятностью отказа в обслуживании на выходе последней СМО, вычисленной на основании математической модели, которая описывает сеть массового обслуживания из последовательной совокупности многоканальных СМО с отказами.
В качестве исходных данных, требуемых для применения данной математической модели, используют:
N - количество обслуживающих устройств (процессор, ядро, виртуальное
ядро);
K - количество потоков трафика реального времени с отличным IP адресом отправителя;
L1, …, LK - количество поступивших пакетов по каждому потоку;
λ1,…, λK - средние интенсивности входных потоков;
μ - среднее время обработки одного пакета в любом обслуживающем устройстве;
С учетом того, что пакеты, не обработанные в вышестоящей СМО, поступают в следующую по номеру СМО и суммируются с пакетами, поступившими непосредственно в рассматриваемую СМО, средние интенсивности входного потока {λобщ_i} для каждой СМО определяются выражениями:
Таким образом, на основании выражений (1, 2) вероятность отказа в обслуживании пакета для каждой СМО Ротк_i в соответствии с принятой математической моделью вычисляют для каждого i-го потока в соответствии с выражениями, основанными на моделях Норроса и Литтла, учитывающих фрактальную природу потоков пакетов (Назаров А.Н., Сычев К.И. Модели и методы расчета показателей качества функционирования узлового оборудования и структурно-сетевых параметров сетей связи следующего поколения. - Красноярск: Изд-во ООО «Поликом», 2010. - ст. 254): 
где 
- квадратичный коэффициент вариации i-го входного потока пакетов, связанный с показателем Харста Н. Его определяют из параметров распределения Парето для i-го потока реального времени:
Таким образом, в блоке 4 минимизируют показатель оптимизации (3) и при этом варьируют количеством обслуживающих устройств Xi:Х1+Х2+…+XK=N, выделяемых под обработку i -го входного потока пакетов реального времени.
передают квазиоптимальный вариант распределения обслуживающих устройств по входным потокам из блока 4 в блок планировщик обслуживания 5, построенный по принципу коммутационной матрицы, совместно со всем входным трафиком;
перераспределяют имеющиеся обслуживающие устройства 6 по входным потокам пакетов реального времени в блоке 5 в соответствии с полученной в блоке 4 квазиоптимальной схемой;
обрабатывают входные пакеты потоков реального времени в блоке 6;
передают успешно обслуженные пакеты из блока 6 на выходной интерфейс Ethernet 7;
передают пакеты, получившие отказ в обслуживании, из блока 5 в планировщик дообслуживания 8;
запрашивают данные о занятости обслуживающих устройств из блока 6 в блок 8;
передают пакеты из блока 8, получившие первичный отказ в обслуживании из-за занятости всех обслуживающих устройств выделенных под обработку соответствующего потока на дообслуживание в блок 5 в поток с наименьшим показателем Харста и наибольшим количеством свободных выделенных (зарезервированных) под него устройств обработки;
уничтожают пакеты в блоке 8, получившие первичный отказ в обслуживании из-за занятости всех обслуживающих устройств, выделенных для обработки соответствующего потока в случае занятости всех обслуживающих устройств по всем потокам.
«Промышленная применимость» способа обусловлена наличием возможности реализовать его на штатных ЭВМ или с использованием программируемых логических интегральных схем (ПЛИС).
Сопоставление заявленного способа динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами с прототипом показывает, что заявленный способ существенно отличается от прототипа.
Общие признаки заявляемого способа и прототипа:
1. Используют статистические характеристики входного телекоммуникационного трафика.
2. Используют математическое вычисление показателей эффективности функционирования СМО.
3. Используют полный перебор вариантов при определении оптимальных параметров обслуживания.
4. Используют в качестве модели поступления пакетов распределение Парето.
5. Используют в качестве параметра распределения показатель Харста, который характеризует меру фрактальности, то есть описывает степень пульсаций.
Отличительные признаки предлагаемого решения.
1. Используют при оптимизации математическую модель всего устройства обработки в целом в виде сети массового обслуживания из последовательно соединенных многоканальных СМО с отказами.
2. Используют перераспределение входных пакетов реального времени получивших отказ в обслуживании на свободные устройства обработки, выделенные для других потоков.
3. Не используют буферы для входных потоков пакетов реального времени.
Таким образом, заявленный способ динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами, позволяет минимизировать вероятность отказа в обслуживании для телекоммуникационного фрактального трафика реального времени в системах с отказами (без буфера) за счет использования комплексной математической модели всего узла обработки фрактального трафика в виде сети массового обслуживания, учитывающей параметры каждого входного потока и суперпозицию при дообработке в нижестоящих СМО, а также позволяет повысить пропускную способность за счет статистического мультиплексирования пакетов, получивших первичный отказ в обслуживании в своем потоке, в период, когда квазиоптимальные параметры не вычислены под текущий профиль трафика или в случаях сильных пульсаций.
Конкретное значение величины снижения вероятности отказа в обслуживании и повышения пропускной способности зависит от условий применения предложенного способа и, как показали экспериментальные исследования, может составлять от нескольких процентов до нескольких сотен процентов по сравнению с известными подходами при одинаковых условиях.
Способ динамического квазиоптимального распределения производительности при обработке фрактального трафика реального времени в системах с отказами, заключающийся в том, что: в режиме близком к реальному времени определяют текущий показатель Харста, среднюю интенсивность, количество поступивших пакетов и среднее время обработки одного пакета для всех входных потоков; определяют квазиоптимальный вариант распределения обслуживающих устройств по входным потокам методом полного перебора вариантов; передают пакеты, получившие отказ в обслуживании, в планировщик дообслуживания, отличающийся тем, что: определяют квазиоптимальный вариант по критерию минимума вероятности отказа в обслуживании на основании математической модели сети массового обслуживания, которая описывает совокупность последовательно расположенных многоканальных СМО с отказами при фрактальных входных потоках; передают пакеты, получившие первичный отказ в обслуживании, в планировщик дообслуживания с целью обработки в свободных обслуживающих устройствах, выделенных под другой поток с наименьшим значением показателя Харста.
