Вероятностная модель работы узла сети Internet

Проведен анализ вероятностных характеристик работы узлов сети Internet с учетом реального нестационарного характера потоков запросов пользователей. Дана достаточно точная модель вероятности отказа в принятии запроса из-за ограниченности величины входного буфера. Проведенный численный анализ показал,...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2002
Hauptverfasser:	Дудин, А.Н., Листопад, Н.И., Царенков, Г.В.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2002
Schriftenreihe:	Системні дослідження та інформаційні технології
Schlagworte:	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/50223
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Вероятностная модель работы узла сети Internet / А.Н. Дудин, Н.И. Листопад, Г.В. Царенков // Систем. дослідж. та інформ. технології. — 2002. — № 2. — С. 73-82. — Бібліогр.: 3 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-50223
record_format	dspace
spelling	irk-123456789-502232013-10-09T03:04:38Z Вероятностная модель работы узла сети Internet Дудин, А.Н. Листопад, Н.И. Царенков, Г.В. Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Проведен анализ вероятностных характеристик работы узлов сети Internet с учетом реального нестационарного характера потоков запросов пользователей. Дана достаточно точная модель вероятности отказа в принятии запроса из-за ограниченности величины входного буфера. Проведенный численный анализ показал, что использование упрощенных моделей, основанных на модели входного потока как стационарного пуассоновского, не всегда оправдано и может привести к грубым погрешностям в расчетах вероятностей отказа. Проведено аналіз ймовірнісних характеристик роботи вузлів мережі Internet з урахуванням реального нестаціонарного характеру потоків запитів користувачів.Дано достатньо точну модель ймовірності відмови в прийнятті запитів через обмеження величини вхідного буфера. Проведений числовий аналіз показав, що застосування спрощених моделей, заснованих на моделі вхідного потоку як стаціонарного пуассонівського, не завжди виправдано і може призвести до грубих похибок в розрахунках ймовірностей відмови. Analysis of probabilistic characteristics for an Internet network units operation is fulfilled, taking into account the real non-stationary character of streams of users inquiries. Exact enough model of probability for refusal in acceptance of inquiry limitation of the entrance buffer size is given. Numerical analysis has shown that using the simplified models based on the model of an entrance stream as stationary Poisson’s is not always justified and may result in rough errors in calculations of probabilities for refusal. 2002 Article Вероятностная модель работы узла сети Internet / А.Н. Дудин, Н.И. Листопад, Г.В. Царенков // Систем. дослідж. та інформ. технології. — 2002. — № 2. — С. 73-82. — Бібліогр.: 3 назв. — рос. 1681–6048 http://dspace.nbuv.gov.ua/handle/123456789/50223 621.321.1.519.872 ru Системні дослідження та інформаційні технології Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
spellingShingle	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Дудин, А.Н. Листопад, Н.И. Царенков, Г.В. Вероятностная модель работы узла сети Internet Системні дослідження та інформаційні технології
description	Проведен анализ вероятностных характеристик работы узлов сети Internet с учетом реального нестационарного характера потоков запросов пользователей. Дана достаточно точная модель вероятности отказа в принятии запроса из-за ограниченности величины входного буфера. Проведенный численный анализ показал, что использование упрощенных моделей, основанных на модели входного потока как стационарного пуассоновского, не всегда оправдано и может привести к грубым погрешностям в расчетах вероятностей отказа.
format	Article
author	Дудин, А.Н. Листопад, Н.И. Царенков, Г.В.
author_facet	Дудин, А.Н. Листопад, Н.И. Царенков, Г.В.
author_sort	Дудин, А.Н.
title	Вероятностная модель работы узла сети Internet
title_short	Вероятностная модель работы узла сети Internet
title_full	Вероятностная модель работы узла сети Internet
title_fullStr	Вероятностная модель работы узла сети Internet
title_full_unstemmed	Вероятностная модель работы узла сети Internet
title_sort	вероятностная модель работы узла сети internet
publisher	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate	2002
topic_facet	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
url	http://dspace.nbuv.gov.ua/handle/123456789/50223
citation_txt	Вероятностная модель работы узла сети Internet / А.Н. Дудин, Н.И. Листопад, Г.В. Царенков // Систем. дослідж. та інформ. технології. — 2002. — № 2. — С. 73-82. — Бібліогр.: 3 назв. — рос.
series	Системні дослідження та інформаційні технології
work_keys_str_mv	AT dudinan veroâtnostnaâmodelʹrabotyuzlasetiinternet AT listopadni veroâtnostnaâmodelʹrabotyuzlasetiinternet AT carenkovgv veroâtnostnaâmodelʹrabotyuzlasetiinternet
first_indexed	2025-07-04T11:47:48Z
last_indexed	2025-07-04T11:47:48Z
_version_	1836716831866355712
fulltext	© А.Н. Дудин, Н.И. Листопад, Г.В. Царенков Системні дослідження та інформаційні технології, 2002, 2 73 УДК 621.321.1.519.872 ВЕРОЯТНОСТНАЯ МОДЕЛЬ РАБОТЫ УЗЛА СЕТИ INTERNET А.Н. ДУДИН, Н.И. ЛИСТОПАД, Г.В. ЦАРЕНКОВ Проведен анализ вероятностных характеристик работы узлов сети Internet с учетом реального нестационарного характера потоков запросов пользователей. Дана достаточно точная модель вероятности отказа в принятии запроса из-за ограниченности величины входного буфера. Проведенный численный анализ показал, что использование упрощенных моделей, основанных на модели входного потока как стационарного пуассоновского, не всегда оправдано и может привести к грубым погрешностям в расчетах вероятностей отказа. В [1] предложены стратегии оптимизации функционирования узла сети Internet, позволяющие достичь сбалансированности входных и выходных потоков данных с учетом емкостей буфера маршрутизатора. В данной работе получены результаты, позволяющие применить аппарат [1] в случае, когда потоки информации являются нестационарными и «взрывными», что свойственно сети Internet. Существенным предположением, сделанным в [1], есть допущение, что входной поток является стационарным пуассоновским, что справедливо при анализе функционирования классических сетей связи. Это объясняется сравнительной однородностью трафика, вследствие чего суперпозиция большого числа независимых рекуррентных потоков образует стацио- нарный пуассоновский поток. Современные же сети передачи данных характеризуются неоднородным характером трафика, наличием всплесков интенсивности запросов, перемежающихся интервалами, когда трафик относительно низок. Трафик в Internet также является неоднородным. Типичный пример реализации входного потока в сервере одной из компьютерных сетей представлен на рис. 1 [2], из которого видно, что интенсивность потока варьируется в широком диапазоне и аппроксимация его стандартным пуассоновским потоком, имеющим постоянную интенсивность, является довольно грубой. Это может привести к значительной погрешности в оценивании характеристик производительности узла и, как следствие, к вынесению неверных решений при решении задачи повышения эффектив- ности работы сети в целом. Рис. 1 Из анализа вида траектории входного трафика видно, что ее можно разбить на участки постоянства, где интенсивность потока меняется не А.Н. Дудин, Н.И. Дистопад, Г.В. Царенков ISSN 1681–6048 System Research & Information Technologies, 2002, 2 74 очень значительно, в то время как интенсивности на различных участках отличаются сильно. Это приводит к выводу, что поток принадлежит классу марковских модулированных пуассоновских потоков (ММРР — Markov modulates Poisson Process). На интуитивном уровне ММРР-поток легко трактуется следующим образом. Имеется +∞<wW , уровней постоянства потока. На каждом r -м уровне постоянства в систему поступает стационарный пуассоновский поток интенсивности Nrr ,1, =λ . Длительность нахождения потока на r -м уровне постоянства имеет экспоненциальное распределение с параметром rϕ . После завершения пребывания на r -м уровне постоянства поток перескакивает на 'r -й уровень постоянства с вероятностью ,',rrP ,,1' Wr = Wr ,1= . Таким образом, ММРР-поток можно задать числом W уровней постоянства, наборами }...,,{}...,,{ 11 WW ϕϕλλ и интенсивностей и матрицей Wrrrr ,1',', = Ρ=Ρ вероятностей перехода между уровнями. Моделирование реального потока в терминах ММРР-потока сводится к аппроксимации траектории интенсивности реального потока кусочно-постоянной функцией. Заметим, что для более точной аппроксимации реального потока следует выделить большое число уровней постоянства. Однако следует искать разумный компромисс, поскольку значительное увеличение числа уровней может привести к возникновению проблем при численной реализации изложенных ниже методов. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ В качестве модели процесса обслуживания запросов пользователей в узле сети выберем следующую систему массового обслуживания. Имеется однолинейная система с конечным буфером емкости, рассчитанной на хранение N запросов. Выходной поток предполагается потоком ММРР-типа. Этот поток полностью описывается в вероятностном смысле путем задания двух матриц: )(, 01 Ι−ΡΦ+Λ−=Λ= DD . Здесь Λ и Φ — диагональные матрицы с диагональными элементами Wrrr ,1,, =ϕλ соответственно; Ρ — матрица переходов между уровнями постоянства, Wrrrr ,1',', = Ρ=Ρ ; Ι — тождественная матрица. Мы не делаем никаких специальных предположений о времени обработки запроса, считая его случайной величиной с функцией распределения )(tB и математическим ожиданием dttDb ))(1(( 0 1 ∫ ∞ −= . Основной характеристикой, интересующей нас, является вероятность отказа в обслуживании произвольного запроса. Вероятностная модель работы узла сети Internet Системні дослідження та інформаційні технології, 2002, 2 75 ВЕРОЯТНОСТЬ ОТКАЗА В ОБСЛУЖИВАНИИ Расчетные формулы в данном разделе получены на базе теоретических результатов, касающихся более сложной модели системы обслуживания типа BMAP/SM/1/N. Поток типа BMAP (batch Markovian arrival process) (см., например, [3]) является подклассом точечных процессов, включающим ММРР-поток как частный случай. Вероятность отказа откΡ вычисляется по следующей формуле: ∑−+= N i DPΡ 1 0 11 1отк λ . (1) Здесь λ — средняя интенсивность потока, получаемая усреднением интенсивностей ММРР-потока по распределению его пребывания на различных уровнях постоянства и вычисляемая по формуле 11DΘ=λ , (2) где Θ — вероятностный вектор-строка, компоненты которого находятся как единственное решение системы линейных алгебраических уравнений ,11,0)( 10 =Θ=+=Θ DD (3) где 0 — нулевой вектор размерности W , а 1 — единичный вектор-столбец этой же размерности; 1,0, += NiPi — вероятностные векторы-строки с компонентами )),(,...,)1,(( wipipPi = , где ),( rip — стационарная вероятность наличия в системе в произвольный момент времени i запросов и пребывания входного потока на уровне wrir ,1,0, =≥ . Эти векторы вычисляются по формулам: , ,,2, , ,)( 11 1101 1 1 0110101 1 0010 ∑∑∑ ∑ ∞ +−== ∞ = + − = − += == += −= kNl l N k k Nl lN ki i k ki RRDPP NiRP RRDPP DP πλ πλ πλ πλ (4) где 1 1 −λ — среднее значение интервалов между моментами ухода из системы обслуженных запросов, 100 1 1 1)( bD +−=− πλ (5) Матрица lR характеризует переходы между уровнями потока за время обслуживания одного запроса, в течение которого в систему поступило 0≥l новых запросов, и вычисляется из натурального разложения А.Н. Дудин, Н.И. Дистопад, Г.В. Царенков ISSN 1681–6048 System Research & Information Technologies, 2002, 2 76 .))(1( 0 )( 0 10∫∑ ∞ + ∞ = −= dttBeZR tZDD l l l Вероятностные векторы Nkk ,0, =π характеризуют стационарное распределение числа запросов в буфере и уровень ММРР-потока в моменты окончания обслуживания запросов. Процедуры для подсчета этих векторов приведены в [3]. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ВЕРОЯТНОСТЕЙ ОТКАЗА Алгоритм расчета вероятности отказа (1) для произвольной системы типа BMAP/SM/1/N реализован в виде соответствующей программы (см. [3]). Построим графики, характеризующие зависимость этой вероятности от различных значений коэффициента загрузки системы 1bλρ= . Параметры системы обслуживания, соответствующей трафику, реализация которого приведена на рис.1, были следующими. 1. Поток описывается ММРР-потоком со значениями параметров ,012,0,05,0,1,0,28,22,14,3 321321 ======= ϕϕϕλλλW . 010 5,005,0 25,075,00 ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ =Ρ 2. Матрицы 0D и 1D принимают вид: . 2800 0220 0014 , 12,2812,00 025,005,22025,0 025.0075,01,14 10 ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ = ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − − − = DD Среднее время обслуживания выбираем равным 32/11 =b с. Проведенный анализ показал, что вероятность отказа в рассматриваемой системе однозначно не определяется средним временем обслуживания, а зависит и от вида функции распределения. Поэтому мы исследовали и зависимость величины откP от вида вышеупомянутой функции распределения. В качестве таких функций распределения выбирались следующие: 1) функция распределения вырожденного распределения, ⎪⎩ ⎪ ⎨ ⎧ ≥ < = ;,1 ,,0 )( 1 1 bt bt tB 2) функция равномерного распределения в интервале от 0 до 2 1b , Вероятностная модель работы узла сети Internet Системні дослідження та інформаційні технології, 2002, 2 77 ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ ≥ <≤ < = ;2,1 ,20, 2 ,0,0 )( 1 1 1 bt bt b t t tB 3) функция равномерного распределения в интервале ⎥⎦ ⎤ ⎢⎣ ⎡ 28 1, 112 3 , ⎪ ⎪ ⎪ ⎪ ⎩ ⎪ ⎪ ⎪ ⎪ ⎨ ⎧ ≥ <≤ − < = ; 28 1,1 , 28 1 112 3, 112 1 112 3 , 112 3,0 )( t t t t tB 4) функция распределения Эрланга k -го порядка, τµτλ µτ de k tB t k − − ∫ − = 0 1 )!1( )()( со значениями: 64,2 == µk ; 5) функция распределения Эрланга k -го порядка, τµτλ µτ de k tB t k − − ∫ − = 0 1 )!1( )()( со значениями: ;128,4 == µk 6) функция распределения экспоненциального закона, 0,32,1)( >=−= − tetB t µµ ; 7) функция распределения гиперэкспоненциального закона, ( ) .1 2 11 2 1)( 3 112 28 ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ −+−= −− tt eetB Нетрудно видеть, что эти распределения имеют математическое ожидание 32 1 1 =b . В качестве другой важной характеристики распределения часто принимают коэффициент вариации σ (напомним, коэффициентом вариации σ [2] распределения случайной величины ξ называют А.Н. Дудин, Н.И. Дистопад, Г.В. Царенков ISSN 1681–6048 System Research & Information Technologies, 2002, 2 78 величину ξ ξξ ξ ξ σ M MM M D 22 )(− == ). Для приведенных выше законов распределения коэффициент вариации σ соответственно равен: 1) вырожденное распределение — 0; 2) равномерное распределение в широком диапазоне — 0,57735; 3) равномерное распределение в узком диапазоне — 0,08248; 4) эрланговское распределение 2-го порядка — 0,5; 5) эрланговское распределение 4-го порядка — 0,25; 6) экспоненциальное распределение — 1; 7) гиперэкспоненциальное распределение — 1,237. Результаты расчета вероятности отказа в описанном примере приведены на рис. 2–4, где кривые представлены для различных значений буфера )200,100,50,10,1( =NN и различных упомянутых видов распре- деления. Кроме значения вероятности отказа (поток ВМАР) приводятся также значения вероятности отказа, рассчитанной для аналогичной системы со стационарным пуассоновским (а не ВМАР) потоком такой же интенсивности (поток СР), а также значение этой вероятности, рассчитанной для стационарного пуассоновского потока с максимально возможной (в данном примере 28) интенсивностью потока (поток ЧНН — час наибольшей нагрузки). Этот поток соответствует популярной до сих пор при проектировании сетей связи концепции расчета необходимых параметров сети в расчете на худший вариант (ЧНН). Кривые на рисунках упорядочены для наглядности не в соответствии с приведенной выше нумерацией видов распределений, а в соответствии со значением коэффициента вариации σ распределения (в порядке возрастания). Значение коэффициента загрузки 1bλρ= в рассмотренной системе равно 678448,0 , а соответствующее значение ЧННρ , рассчитанной по ЧНН, равно 875,0 . Вариация средней интенсивности потока проводилась путем домножения элементов матрицы 1D (соответственно интенсивностей 321 ,, λλλ ) на масштабирующий коэффициент δ с соответствующей перенормировкой матрицы 0D для достижения выполнения условия 01)( 10 == DD . На каждом из рисунков график № 1 соответствует значениям 1=δ , 875,0,678448,0 ЧНН == ρρ , а для графиков № 2–6 эти значения следующие: № δ ρ ЧННρ 2 1,2 0,814138 1,05 3 1,4 0,949828 1,225 4 1.5 1,01767 1,3125 5 1,7ы 1,15336 1,4875 6 1,78 1,20753 1,5575 Вероятностная модель работы узла сети Internet Системні дослідження та інформаційні технології, 2002, 2 79 Поток ВМАР № 3 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 100 200 500 1000 N ε № 1 1,0000E-12 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 Nε № 2 1,0000E-12 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 100 200 500 N ε № 4 0,0100 0,1000 1,0000 1 10 50 100 200 500 1000 Nε № 5 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 6 0,10000 1,00000 1 10 50 100 200 500 1000 N ε —♦— Детерминированное —■— Равномерное в узкой области —▲— Эрланговское 4-го порядка —x— Эрланговское 2-го порядка — — Равномерное в широкой области —•— Экспоненциальное —+ — Гиперэкспоненциальное Рис. 2 А.Н. Дудин, Н.И. Дистопад, Г.В. Царенков ISSN 1681–6048 System Research & Information Technologies, 2002, 2 80 Поток СП № 1 1,0000E-12 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 Nε № 2 1,0000E-13 1,0000E-12 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 100 Nε № 3 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 100 200 Nε №4 0,01000 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 5 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 6 0,10000 1,00000 1 10 50 100 200 500 1000 Nε —♦— Детерминированное —■— Равномерное в узкой области —▲— Эрланговское 4-го порядка —x— Эрланговское 2-го порядка — — Равномерное в широкой области —•— Экспоненциальное —+ — Гиперэкспоненциальное Рис. 3 Вероятностная модель работы узла сети Internet Системні дослідження та інформаційні технології, 2002, 2 81 Поток ЧНН № 1 1,0000E-13 1,0000E-12 1,0000E-11 1,0000E-10 1,0000E-09 1,0000E-08 1,0000E-07 1,0000E-06 1,0000E-05 1,0000E-04 1,0000E-03 1,0000E-02 1,0000E-01 1,0000E+00 1 10 50 100 200 Nε № 2 0,01000 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 3 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 4 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 5 0,10000 1,00000 1 10 50 100 200 500 1000 Nε № 6 0,10000 1,00000 1 10 50 100 200 500 1000 Nε —♦— Детерминированное —■— Равномерное в узкой области —▲— Эрланговское 4-го порядка —x— Эрланговское 2-го порядка — — Равномерное в широкой области —•— Экспоненциальное —+ — Гиперэкспоненциальное Рис. 4 А.Н. Дудин, Н.И. Дистопад, Г.В. Царенков ISSN 1681–6048 System Research & Information Technologies, 2002, 2 82 Анализ рис. 2–4 позволил сделать следующие выводы. 1. Модель вероятности отказа, построенная на основе усредненных стационарных пуассоновских потоков и стационарных пуассоновских потоков с максимально возможной интенсивностью (ЧНН), является достаточно грубой. Из графиков № 1 и 2 видно, что ошибка резко увеличивается с ростом значения буфераN . При 50=N она уже составляет 4–6 порядков. 2. На значение вероятности отказа влияет вид функции распределения. При некритической загрузке это влияние может быть значительным (см. график № 2). Например, при 500=N вероятность отказа для детерми- нированного распределения на два порядка отличается от вероятности для экспоненциального распределения. Поэтому применение разработанного математического аппарата должно находиться в строгом соответствии с моделируемым процессом. Так, если на нижних уровнях эталонной модели взаимодействия открытых систем (например, канальном уровне) мы практически безошибочно можем считать время передачи детерминирован- ным, то на более высоких уровнях (например, транспортном, где время передачи должно учитывать получение подтверждения и тайм-ауты) вид функции распределения времени обслуживания будет несколько другим. При критической загрузке (значение ρ близко к единице) влияние вида функции распределения существенно только при небольших значениях буфера N . 3. Из проведенного анализа следует, что вероятность отказа, грубо говоря, прямо пропорциональна коэффициенту вариации σ , но не полностью определяется им. Так, сравнение случаев равномерного распределения в узкой области ( 57735,0=σ ) и эрланговского σ -го порядка ( 5,0=σ ) показывает, что выявленная пропорциональность в этом случае нарушается. В данной статье проведен анализ вероятностных характеристик работы узлов сети Internet с учетом реального нестационарного характера потоков запросов пользователей. Приведена достаточно точная модель вероятности отказа в принятии запроса из-за ограниченности величины входного буфера. Проведенный численный анализ показал, что применение упрощенных моделей, основанных на модели входного потока как стационарного пуассоновского, не всегда оправдано и может привести к грубым погрешностям в расчетах вероятностей отказа. ЛИТЕРАТУРА 1. Дудин А.Н., Листопад Н.И. Модели оптимизации работы узла сети Internet. Комплексная защита информации. — 2000. — Вып. 3. — C. 47-53. 2. Дудин А.Н., Листопад Н.И., Царенков Г.В. Улучшенный алгоритм оптимизации работы узла сети Internet // Проблемы проектирования информационно- телекоммуникационных систем: Сб.науч. тр./ Под ред. А.Н. Курбацкого. — Мн.: БГУ, 2001. — С. 28–43. 3. Dudin A.N., Klimenok V.I., Klimenok I.A., Borokhovsky V.V., Karolik A.V., Tsarenkov G.V. Saftware «SIRIUS» for evaluation and optimization of queues with the BMAP-input // Advances in Algorithmic Methods for Stochastic Models — Proceedings of the 3-rd International Conference on Matrix Analytic Methods. New Jersey: Notable Publications Inc., 2000. — P. 115–133. Поступила 5.04.2002

Вероятностная модель работы узла сети Internet

Institution

Ähnliche Einträge