Построение и анализ моделей для расчета показателей качества обслуживания трафика индустриального интернета вещей тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Царев Алексей Сергеевич
Царев Алексей Сергеевич
кандидат наук
2022
- Специальность ВАК РФ05.13.17
- Количество страниц 125
Оглавление диссертации кандидат наук Царев Алексей Сергеевич
Введение
Глава 1. Модели виртуализированного ядра сети для
обслуживания трафика интернета вещей
1.1 Виртуализация ядра сети и интернет вещей
1.2 Модель ядра сети с гистерезисным управлением и одиночным выделением ресурсов
1.3 Модель ядра сети с пороговым управлением и групповым выделением ресурсов
Глава 2. Модели процедуры многостанционного доступа для
приложений индустриального интернета вещей
2.1 Особенности многостанционного доступа для приложений индустриального интернета вещей
2.2 Модель многостанционного доступа с коллизиями
2.3 Модель многостанционного доступа с предварительным установлением соединения
2.4 Модель многостанционного доступа с контролем несущей и предотвращением коллизий
Глава 3. Анализ параметров моделей процедуры
многостанционного доступа для приложений индустриального интернета вещей
3.1 Метод анализа показателей эффективности с помощью модели полумарковского процесса
3.2 Разработка имитатора протоколов многостанционного доступа
3.3 Анализ влияния параметров процедуры многостанционного доступа на показатели производительности сети
Стр.
Заключение
Список основных обозначений
Список основных сокращений
Список литературы
Список рисунков
Список таблиц
Введение
Актуальность темы. В последнее время стремительно растет потребление и генерация данных конечными пользователями сетей связи [1]. При этом, конечным пользователем может быть как живой человек, так и устройства, функционирующие независимо от человека. Согласно аналитическим прогнозам, к 2023 году число сетевых функционирующих устройств достигнет 29,3 миллиарда, что увеличит долю межмашинного трафика до 50% [2]. Тенденция по увеличению числа межмашинных (Machine-to-machine, М2М) соединений укрепляется благодаря активному внедрению кибернетических систем в сферу производства. Таким образом возник концепт «умного производства», генерирующего большие объемы данных и требующего обеспечения заданного уровня качества обслуживания (Quality of Service, QoS) [3]. Кибернетические системы, активно использующиеся в промышленном производстве, получили название промышленного интернета вещей (Industrial Internet of Things, IIoT). В то же время международный союз электросвязи (МСЭ) определяет IIoT как «подход, основывающийся на интернете вещей и стимулирующий промышленную трансформацию с использованием существующих и новых информационно-коммуникационных технологий» [4].
Промышленные интеллектуальные сети фундаментально отличаются от традиционных сетей в терминах задержек и надежности. Тенденция к использованию облачных технологий вместе с IIoT ужесточает требования к базовым сетям ввиду возможного масштабирования облака. Для сетей пятого поколения сектор стандартизации электросвязи МСЭ предъявляет следующие требования к IIoT сетям: задержки не должны превышать 10 мс (а для отдельных услуг быть около 1 мс), в то время как доступность услуг должна быть не меньше "пяти девяток" [5]. Здесь также следует учесть декомпозицию абстрактной сети, к которой предъявляют конечные требования, на сеть доступа, базовую сеть, сеть передачи данных, имеющие разные модели качества обслуживания трафика [6].
Промышленный интернет вещей рассматривает три ключевых аспекта [4] : 1) все виды сенсоров и датчиков, для удовлетворения запросов по мониторингу, в том числе в реальном времени; 2) все сети, участвующие в сквозной передаче данных производственной системы; 3) вспомогательные возможности по обработке и управлению промышленными данными. При этом многие сходятся во мнении, что на уровне доступа к сети следует уделить особое внимание механизмам доступа к среде [7; 8], а на уровне ядра сети необходимо изучить вопросы виртуализации и масштабирования [9; 10].
Существующие сети 3-го и 4-го поколения не способны в полной мере обеспечить сверхнадежную передачу межмашинного трафика с ультранизким уровнем задержек (Ultra-Reliable Low Latency Communication, URLLC). В связи с этим актуален вопрос исследования ПоТ в интеграции с сетями 5-го [3] и последующих поколений, тем более, что с учетом аналитических прогнозов к 2023 году более чем в 38 странах будут запущены в коммерческое использование прототипы сетей 5G [11]. Поскольку сети 5G включают в себя как использование миллиметрового/субмиллиметрового диапазона частот, так и виртуализацию и программируемость сети - становится возможным удовлетворить требования, предъявляемых к IIoT сетям [12].
С точки зрения опорной сети возможность виртуализации сетевых функций и программируемость сети позволяют увеличить коэффициент использования ресурсов, что влечет за собой уменьшение операционных расходов на 20%-40% в течение 5 лет [13]. Однако, исследователи сходятся во мнении, что необходимо уделить особое внимание аналитической оценке механизмов масштабирования сети, так как от выбранной стратегии существенно зависит производительность сети [9; 14—16].
С точки зрения сети доступа использование субмиллиметровых частот в диапазоне от 0.1 ТГц до 10 Тгц позволит значительно увеличить скорость передачи данных, обеспечив пропускную способность от десятков Гбит/с до нескольких Тбит/с. Однако, исследователи отмечают, что при использовании
терагерцевых частот необходимо принимать во внимание задержку распространения сигнала, которая может занимать время, сравнимое с длительностью передачи сообщения данных [17; 18]. Другим аспектом, который следует иметь ввиду, является миниатюризация приборов и повышение концентрации при-емо-передающих устройств на квадратный метр. Исследователи подчеркивают необходимость разработки механизмов доступа к среде, учитывающих эти нюансы [7; 18]. Существующие протоколы на данный момент эти особенности не учитывают, что делает их использование в ПоТ сетях дискуссионным. Например, несмотря на многообразие возможных вариаций поллинга [19; 20], при использовании поллинга из-за высокой плотности устройств время опроса увеличивается на порядок [7; 21].
Анализ стандартов, рекомендаций и других источников показал необходимость разработки новых аналитических моделей для оценки качества обслуживания трафика индустриального интернета вещей. Ввиду изложенного, актуальной задачей является построение математических моделей и разработка новых способов оценки вероятностно-временных характеристик (ВВХ) промышленных кибернетических инфокоммуникационных систем.
Степень разработанности темы. Анализ показателей производительности как при обслуживании сетевого трафика, так и при управлении доступом к среде передачи данных, в том числе для приложений индустриального интернета вещей, базируется на аналитических моделях и математических методах с использованием теории вероятностей, теории случайных процессов, теории массового обслуживания, теории телетрафика. Следующие ученые внесли значительный вклад в теоретические основы упомянутых областей: Г.П. Башарин |22 2*41. П.П. Бочаров [22], В.М. Вишневский [19—21; 25—29], А.Е. Кучерявый [30; 31], А.И. Ляхов [8; 32-36], В.А. Наумов [37], К.Е. Самуйлов [24; 31; 38; 39], Б.С. Цыбаков [40; 41], С. В1апсЫ [42; 43], Ь. Юешгоск [44]. Ряд ученых сделали значительный вклад в методы решения задач: Ю.В. Гайдамака [24; 38; 39], А.Н. Дудин [25; 45], Е.А. Кучерявый |46 481. С.П. Моисеева [49; 50], Д.А. Молчанов [47; 48; 51], Ю.Н. Орлов [51; 52], А.П. Пшеничников [53—56], О.В. Семенова [19;
20; 27—29], С.Н. Степанов [57-59], A.M. Тюрликов [60-62], Е.В. Хоров [8; 36; 63; 64], И.И. Цитович [65-67], В. Bellalta [68], С. Buratti [7; 69], L. Correia [70; 71], I. Tinnirello [72], R. Verdone [69].
Цель данной работы заключается в построении вероятностных моделей для анализа и расчета характеристик обслуживания трафика индустриального интернета вещей.
Следующие задачи решаются в рамках данной научной работы для достижения поставленной цели.
1. Построение и анализ моделей с резервированием и пороговым управлением подключения приборов для расчета показателей эффективности обслуживания трафика индустриального интернета вещей в виртуали-зированном ядре сети.
2. Разработка модели протокола многостанционного доступа для расчета вероятности коллизии и вероятности успешной передачи для индустриального интернета вещей в виде цепи Маркова (ЦМ).
3. Разработка дискретно-событийного имитатора протоколов многостанционного доступа для численного исследования и оценки адекватности аналитической модели.
Краткое изложение диссертации. Первая глава посвящена анализу трафика индустриального интернета вещей на уровне ядра сети. В ней изучаются вопросы виртуализации ядра сети, проводится разбор подходов к виртуализации ядра пакетной сети (Evolved Packet Core, ЕРС) в рамках сетей пятого поколения, предлагаются аналитические модели управления вычислительными ресурсами ресурсами. В разделе 1.1 рассмотрены основные виды приложений интернета вещей и их требований, в том числе к ядру сети. Обзорно показана мотивация использования виртуализированного ядра сети для обслуживания трафика интернета вещей. Проанализированы плюсы и минусы трех основных подходов к виртуализации сетей, основывающиеся на технологиях виртуальных сетевых функций (Virtual Network Functions, УМЕ)/виртуализации сетевых
функций (Network Functions Virtualization, XFV) программно-определяемых сетей (Software-defined networking, SDN). Проведен обзор современной литературы, изучающей вопросы имитационного и аналитического моделирования виртуализованных сетей. В разделах 1.2-1.3 рассмотрен фрагмент виртуали-зированного ядра сети, обрабатывающий трафик индустриального интернета вещей. В разделе 1.2 сформулирована многолинейная модель СМО с резервированием и гистерезисным управлением подключения приборов, также проведен численный анализ на основе имитационной модели. Модель имеет два порога, выделение дополнительных приборов происходит по одной единице. В разделе 1.3 построена и проанализирована модель многолинейной СМО с резервированием, к порогами и пороговым управлением подключения групп приборов, получены аналитические выражения для вычисления ВВХ системы и реализован численный эксперимент, включающий в себя 4 сценария управления виртуализированными ресурсами.
Вторая глава посвящена построению и исследованию аналитических моделей протоколов многостанционного доступа для использования на подуровне управления доступом к сети для приложений индустриального интернета вещей. В разделе 2.1 рассматриваются ключевые отличия ПоТ от 1оТ и требования, предъявляемые к сетям IIoT. Формулируется постановка задачи в виде типичного сценария использования IIoT, учитывающая высокую плотность устройств и использование терагерцевого диапазона для передачи данных. В разделах 2.2-2.4 представлены аналитические модели функционирования приемо-передающего устройства согласно исследуемым протоколам многостанционного доступа в рамках рассматриваемого сценария использования IIoT. В разделе 2.2 проделан обзор литературы, мотивирующей использование протокола многостанционного доступа с коллизиями для исследования сетей следующего поколения, и сформулирована математическая модель протокола. В разделе 2.3. рассматривается протокол многостанционного доступа с предварительным установлением соединения при помощи сигнальных RTS/CTS
сообщений, построена аналитическая модель для оценки стационарных показателей. В разделе 2.4 предлагается математическая модель модификации протокола многостанционного доступа с контролем несущей и предотвращением коллизий.
В третьей главе проведен анализ параметров моделей процедуры многостанционного доступа для приложений индустриального интернета вещей. В разделе 3.1 сформулирован метод анализа вероятностно-временных характеристик моделей, построенных в разделах 2.2-2.4, основывающийся на построении полумарковского процесса с использованием вложенной ЦМ из главы 2. В качестве исследуемых характеристик выбраны вероятность коллизии сообщения, вероятность успешной передачи данных с учетом ограниченного числа повторных попыток передачи, вероятность занятости канала. В разделе 3.2 приведено описание имитатора, моделирующего рассматриваемые протоколы многостанционного доступа посредством дискретно-событийной симуляции, а также формулировка характеристик, снимаемых с симулятора. В разделе 3.3 реализован численный эксперимент для анализа характеристик, влияющих на показатели производительности при использовании протоколов многостанционного доступа, представлены результаты сравнения аналитической и имитационной модели, результаты варьирования некоторых параметров исследуемых протоколов, а также описываются выводы, полученные в ходе эксперимента, и приводятся рекомендации по организации многостанционного доступа.
Основные положения, выносимые на защиту:
1. Для решения задачи анализа показателей эффективности виртуали-зированного ядра сети применима многолинейная система массового обслуживания (СМО) с резервированием и несколькими порогами в очереди для управления подключением обслуживающих приборов. Стационарное распределение числа заявок в СМО с резервированием и несколькими порогами имеет мультипликативный вид.
2. Модель дискретной цепи Маркова, учитывающая состояния установления соединения между сенсором и шлюзом, применима для анализа показателей эффективности протоколов многостанционного доступа в сети индустриального интернета вещей. Стационарное распределение цепи Маркова может быть представлено аналитически.
3. Анализ вероятностных характеристик сети индустриального интернета вещей может быть проведен с использованием модели полумарковского процесса. Для анализа погрешности результатов моделирования применим дискретно-событийный имитатор протоколов многостанционного доступа.
Научная новизна:
1. Разработана математическая модель виртуализированного ядра сети, поддерживающего горизонтальное масштабирование ресурсов. В отличие от известных, модель включает несколько порогов для организации управления подключением обслуживающих приборов. Отличием является также мультипликативный вид стационарного распределения числа заявок в СМО.
2. Протокол многостанционного доступа в сети индустриального интернета вещей описан моделью ЦМ, отличающейся от известных моделей детальным пространством состояний. Получены аналитические формулы для исследования вероятностных характеристик модели при помощи полумарковского процесса и разработана имитационная модель протокола многостанционного доступа для анализа адекватности аналитической модели.
Методы исследования. В рамках настоящего исследования применяются методы теории вероятностей, теории массового обслуживания, математической теории телетрафика и теории марковских случайных процессов. Для численного анализа и проверки аналитических результатов используется метод Монте-Карло.
Теоретическая и практическая значимость. Полученные результаты могут быть использованы поставщиками телекоммуникационных услуг для промышленных компаний при планировании киберфизических систем, функционирующих согласно парадигме индустриального интернета вещей для обеспечения требуемого уровня качества обслуживания.
Разработанные математические модели могут быть применены при расчете вероятностно-временных характеристик, соответствующих показателям эффективности обслуживания трафика приложений индустриального интернета вещей.
Результаты работы включены в исследования по грантам РФФИ № 18-07-00576 «Построение прикладных вероятностных моделей для анализа показателей эффективности гетерогенных беспроводных сетей с учетом механизмов разделения ресурсов», № 19-07-00933 «Стохастические модели и задачи оптимизации для разработки информационных технологий виртуализации и управления ресурсами в беспроводных мультисервисных сетях», № 20-07-01064 «Стохастический анализ и максимизация покрытия зоны действия беспроводной воздушной сети на беспилотных летательных аппаратах».
Реализация результатов работы. Основные результаты, полученные в данной научной работе, использованы в совместных исследовательских мероприятиях в рамках сотрудничества между РУДН и Болонским университетом (Италия), в рамках работ РУДН в проектах COST СА15104 IRACON и COST СА20120 INTERACT, включенных в программу ЕС по исследованиям и инновациям «Horizon Europe», в исследованиях по грантам РФФИ и в проекте «5-100» повышения конкурентоспособности ведущих российских университетов среди ведущих мировых научно-образовательных центров.
Степень достоверности и апробация результатов. Достоверность теоретических результатов, полученных в диссертационной работе, обоснована приведенными доказательствами, корректностью проведенных математических преобразований и дополнительно подтверждена результатами численных экспериментов. Достоверность полученных результатов обусловлена также их
обсуждением на следующих научных конференциях и семинарах: конференция (с международным участием) «Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем» (г. Москва, апрель 2018, 2019, 2021), X международная конференция по передовым телекоммуникационным технологиям и системам управления «International Congress on Ultra-Modern Telecommunications and Control Systems» (г. Москва, ноябрь 2018 г.), XX международная конференция по проводным/беспроводным сетям и системам нового поколения «Next Generation Wired/Wireless Advanced Networks and Systems» (г. Санкт-Петербург, август 2020 г.), XXIII международная конференция «Распределенные компьютерные и телекоммуникационные сети: управление, вычисление, связь, DCCN-2020» (г. Москва, сентябрь 2020 г.), семинар СТиМТТ №58 кафедры ПИиТВ РУДН (Москва, январь 2021), 2nd и 3rd Post-IRACON Meeting (онлайн, февраль 2021, май 2021), 1st INTERACT Meeting (онлайн, февраль 2022).
Основные результаты опубликованы в трудах международных конференций, индексируемых международных базах данных WoS (Web of Science) и Scopus.
Соответствие паспорту специальности. Диссертационное исследование выполнено в соответствии с паспортом специальности 05.13.17 «Теоретические основы информатики» и включает оригинальные результаты в области исследования информационных процессов и требований их пользователей к показателям эффективности, в области разработки моделей информационных процессов в сетях с многостанционным доступом, разработки общих принципов организации телекоммуникационных систем и оценки их эффективности. Таким образом, диссертационное исследование соответствует следующим разделам паспорта специальности 05.13.17 «Теоретические основы информатики»:
1. Исследование, в том числе с помощью средств вычислительной техники, информационных процессов, информационных потребностей коллективных и индивидуальных пользователей (п. 1 паспорта специальности).
2. Исследования и разработка требований к программно-техническим средствам современных телекоммуникационных систем на базе вычислительной техники (п. 15 паспорта специальности).
3. Общие принципы организации телекоммуникационных систем и оценки их эффективности (п. 16 паспорта специальности).
Личный вклад. Вынесенные на защиту результаты диссертационной работы в области построения моделей и их анализа получены автором самостоятельно, разработанные программные средства получены при его непосредственном участии. В [73] диссертантом сформулирована математическая модель протокола многостанционного доступа с контролем несущей и предотвращением коллизий в виде ЦМ и получено стационарного распределения ЦМ. В [74] диссертантом построена математическая модель в виде многолинейной СМО с резервированием и гистерезисным управлением подключения приборами, а также разработан алгоритм имитационного моделирования и проделан численный анализ. В [75] диссертантом проделан аналитический обзор литературы, построена математическая модель в виде многолинейной СМО с резервированием и несколькими порогами в очереди для управления подключением обслуживающих приборов, кроме того выведены аналитические формулы и реализован численный эксперимент. В [76] диссертантом построена модифицированная аналитическая модель в виде поглощающей ЦМ для модели протокола многостанционного доступа с предварительным установлением соединения, разработан имитатор протоколов многостанционного доступа. Алгоритм программ для ЭВМ [77; 78] разработан непосредственно диссертантом. В [79] все результаты по построению и анализу аналитической модели протокола многостанционного доступа с коллизиями в виде ЦМ принадлежат диссертанту.
Публикации. Основные результаты по теме диссертации изложены в 9 печатных изданиях, 1 из которых изданы в журналах, рекомендованных ВАК, 3 — в периодических научных журналах, индексируемых Web of Science и Scopus, 4 — в тезисах докладов, 1 и других изданиях. Зарегистрированы 2 программы для ЭВМ.
Объем и структура работы. Диссертация состоит из введения, 3 глав и заключения. Полный объём диссертации составляет 125 страниц, включая 42 рисунка и 4 таблицы. Список литературы содержит 140 наименований.
Глава 1. Модели виртуализированного ядра сети для обслуживания
трафика интернета вещей
1.1 Виртуализация ядра сети и интернет вещей
Стремительное развитие современных компьютерных сетей позволяет сетевым операторам своевременно реагировать на растущее потребление данных конечными пользователями [1]. Согласно аналитическим прогнозам компании Cisco, к 2023 году две трети человечества будет иметь доступ к сети Интернет, а значит, генерировать данные. В будущем, согласно прогнозам экспертов, количество мобильных пользователей достигнет 5.7 миллиарда абонентов, а число мобильных соединений - 13.1 миллиарда единиц [2]. К этим цифрам следует добавить гетерогенный трафик, генерируемый приложениями потоковой связи машинного типа, а так же трафик индустриального интернета вещей, появившийся в связи с массовым внедрением кибернетических систем в промышленное производство [3]. Кроме того, следует учитывать возросшую мобильность абонентов и увеличившуюся гетерогенность трафика, что влечет за собой ужесточение требований к качеству обслуживания.
Для поддержания нормального функционирования экономики в рамках подхода 1оТ жизненно необходимо удовлетворить требования к критичным системам инфраструктуры. В связи с постоянно растущим числом соединений и большим объемом генерируемых/собираемых данных обеспечение безопасности, отказоустойчивости и масштабируемости становятся актуальными задачами для индустриального интернета вещей. С увеличением числа устройств, подключенным к ПоТ, становится все труднее удовлетворять требования к качеству обслуживания (QoS) посредством централизованных вычислений для разнообразных промышленных приложений [80].
Беспроводные сенсорные сети стали движущей силой развития ПоТ в области управления технологическими процессами и обрабатывающей промышленности. Внедрение ПоТ в промышленность открыло большие возможности для повсеместного подключения и управления периферийными устройствами благодаря интегрированной и стандартизированной архитектуре - от низкоуровневых операций с устройствами до высокоуровневых взаимодействий приложений, ориентированных на данные. Такое развитие требует целого ряда изменений, включая программируемость сети, внедрение облачной инфраструктуры и новые подходы к передаче данных с конечных устройств [81].
Источником данных, генерируемых датчиками на производстве, могут выступать ресурсы, продукты, заказы и окружающая среда [82].
1. Ресурсы: непрерывная генерация данных о рабочих параметрах (вибрация осей станков; усилия, прикладываемые манипуляторами; электрические параметры механизмов), параметры инструментов (в том числе ошибки выполнения программы; ошибки калибровки; отключения питания по каким-либо причинам), качество выполняемых операций (продолжительность, распознавание деталей, определение местоположения детали), потребление энергии.
2. Продукты: сбор информации о текущем состоянии работы конвейера и результатов контроля качества (измерение размеров и формы; распознавание цвета; сбор данных о событиях, возникших во время обработки продукта).
3. Заказы: генерация данных о физическом состоянии заказа (вес, температура, местоположение), сбор данных об событиях (расписание, сроки поставки, приоритеты).
4. Окружающая среда: сбор данных о температуре, влажности, давлении, уровне радиационной активности и т.д.
Все перечисленные источники ПоТ данных будут создавать нагрузку, связанную с задержками, проблемами выделения и распределения ресурсов, потреблением энергии [83]. С учетом этого, актуальной становится задача по-
строения моделей для оценки качества функционирования виртуализированной части инфраструктуры.
Значительное взаимодействие между физическими датчиками и облачной инфраструктурой может повлечь за собой проблемы масштабируемости и управления энергопотреблением отдельных участков сети. Непрерывный сбор данных с сенсоров конечных устройств для их обработки облачным сервисом порождает постоянный входящий/исходящий трафик. Учитывая, согласно таблице 1, что число сенсоров на предприятии исчисляется миллионами, и каждый сенсор может взаимодействовать с несколькими независимыми приложениями, становится очевидным, что внедрение интернета вещей в промышленные процессы чрезвычайно требовательно к масштабируемости облачных ресурсов [84].
В ПоТ системах вычислительные платформы собирают данные с промышленных устройств и выполняют анализ данных. Эти системы управляют промышленными системами, включая датчики, исполнительные механизмы и контроллеры. Для анализа данных требуются высокопроизводительные вычислительные ресурсы (например, облачные вычисления). Выделение ресурсов под передачу и обработку больших данных, генерируемых ПоТ системой, играет фундаментальную роль в нормальном функционировании предприятия. В частности, ПоТ предусматривает ситуационную осведомленность, диагностику, самовосстановление и прогнозирование промышленных процессов, что, в свою очередь, требует как оперативную передачу показаний датчиков, так и мощностей для их анализа. Большие данные, генерируемые ПоТ, неоднородны по размеру, объему, скорости, задержке и требованиям к надежности. В качестве препятствий для обеспечения самодиагностики и самовосстановления в промышленных системах управления могут выступать значительные накладные расходы на сбор, обработку, анализ и передачу данных. Таким образом, крайне важно использовать как эффективные по времени периферийные вычисления, так и вычислительно мощные облачные вычисления для обработки, хранения и извлечения данных в соответствии с требованиями к производительности. Извлечение полезной информации из больших промышленных данных, такой как
Таблица 1 — Характеристики некоторых 1оТ приложений [85]
Приложение Объем данных Передача Задержка
Число 1оТ устройств
Умный дом
Умный город
Дистанционная хирургия
Дистанционные консультации
Автономные транспортные средства
Рекомендованный список диссертаций по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК
Модели и методы анализа показателей эффективности функционирования мультисервисных и одноранговых сетей2017 год, кандидат наук Гайдамака, Юлия Васильевна
Методы анализа показателей эффективности схем доступа в мультисервисных сетях с приоритетным обслуживанием2014 год, кандидат наук Маркова, Екатерина Викторовна
Исследование характеристик трафика и качества обслуживания для роботов-манипуляторов в сетях связи с ультрамалыми задержками2023 год, кандидат наук Горбачева Любовь Сергеевна
МОДЕЛЬ РАЗДЕЛЕНИЯ РЕСУРСОВ БЕСПРОВОДНОЙ СЕТИ КАК СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ С ТРЕБОВАНИЯМИ СЛУЧАЙНОГО ОБЪЕМА2017 год, кандидат наук Вихрова Ольга Геннадиевна
Анализ вероятностно-временных характеристик схем доступа с прерыванием обслуживания в телекоммуникационных беспроводных сетях2015 год, кандидат наук Острикова Дарья Юрьевна
Введение диссертации (часть автореферата) на тему «Построение и анализ моделей для расчета показателей качества обслуживания трафика индустриального интернета вещей»
Виртуальная реальность
Дополненная реальность
Розничная торговля
Сельское хозяйство
Smart energy Industrial IoT
^ 10 Мбит/день на дом
^ 10-100 млн
Гбит/день на город
^ 1.5 млн операций в год
^ 500 млн. встреч в год
^100 Гбит/день на транспортное средство
ъ. 1 Гбпт/с
ъ i Гбнт/с
100 Мбит/с - 1 Гбнт/с
Ъ 1 Гбит/день
Ъ 100.000 Гбит день
Ъ 100.000 Гбит день
В реальном времени
В реальном времени
В реальном времени
В реальном времени
В реальном времени
В реальном времени
В реальном времени
В реальном
времени/по
расписанию
По расписанию
В реальном
времени/по
расписанию
В реальном времени
1 мс - 1000 с
^ 1 мс
^ 200 мс
1 мс. -100 с
^ 1 мс.
^ 1 мс
^ 1 мс
^ 1 мс
<2ч
1 мс -10 мин
^ 1 мс
Ъ ю - 100 на
дом
Ъ 1000 - 1
млн на город
^ 10-100 на операцию
1 - 100 на
встречу
50 - 200 на транспортное средство
^ 0.2 млн
^ 0.2 млн
^ 100 - 1000
на предприятие
100 - 100000
на хозяйство
^ 1 млрд на систему
^ 1 млн на предприятие
скрытые закономерности и корреляции, может помочь системам управления принимать более эффективные решения [86].
Для крупных производственных систем уровень управления обычно виртуализирован и реализован в виде облака с применением модели "Инфраструктура как услуга" (Infrastructure as a Service, IaaS), выполняющей агрегированные программные приложения. Количество, сложность и число типов передаваемых данных постоянно растет, кроме того, данные могут иметь разные приоритетами и возможность устаревания. Это требует, с одной стороны, разработку масштабируемых моделей производственных системы, а с другой стороны, внедрения динамических подходов к управлению данными на уровне отдельных цехов [82]. Чтобы обеспечить гибкое взаимодействие масштабируемых ПоТ систем и адаптировать различные базовые сетевые технологии, предлагается использовать программно-конфигурируемое решение для управления промышленными процессами [81].
Цель внедрения IIoT в промышленные процессы, в рамках которых будут задействованы тысячи 1оТ устройств, в режиме реального времени собирающих данных о процессах/оборудовании/работниках, заключается в достижении более эффективного управления предприятием. Внедрение IIoT влечет за собой ряд вызовов.
1. Изобилие устройств Интернета вещей от разных поставщиков и с разными технологиями.
2. Неоднородность устройств Интернета вещей может повлечь за собой, среди прочего, использование различных протоколов связи, языков и форматов данных.
3. Сосуществование старой ИТ-инфраструктуры, промышленного оборудования и инфраструктуры для IIoT в рамках единой системы.
4. Трафик данных в конечной инфраструктуре промышленной сети может значительно увеличиться, что приведет к нежелательным задержкам пакетов и перегрузке сети. Трафик данных должен быть эффективно обработан, чтобы избежать этого.
Первые две проблемы могут быть решены за счет использования облачной платформы, но оставшиеся проблемы остаются частично нерешенными [87].
Проблема планирования ресурсов играет решающую роль в производительности сети и передаче информации. Модель передачи трафика позволит управлять большими объемами трафика с учетом показателей производительности системы и требований, включая задержку, использования сетевых ресурсов и т.д. В ПоТ задержка является критическим показателем, поскольку большая часть данных и управляющей информации чувствительна к задержкам. В результате задержка передачи или потеря сообщения могут привести к снижению производительности, низкой эффективности, системным сбоям и проблемам безопасности. Разработка соответствующих моделей для удовлетворения этих требований к производительности является сложной задачей, поскольку IIoT включает в себя огромное число устройств [86].
На масштабируемость IIoT влияет неоднородность устройств и разнообразие типов сетей. Недавние исследования продемонстрировали эффективность интеграции SDN, NFV, сетевого разделения и средств пограничных/облачных вычислений для повышения масштабируемости экосистемы IIoT. Пограничные вычисления могут быть использованы, чтобы чтобы уменьшить задержку в сети и сэкономить ресурсы полосы пропускания для удаленного облачного центра обработки данных [80].
Для решения указанных проблем телекоммуникационные операторы вынуждены актуализировать сетевую инфраструктуру согласно новейшим стандартам. Одним из таких трендов в сетях следующего поколения стал стандарт 5G, разработанный МСЭ [88]. Согласно прогнозам аналитиков, в период между 2018 и 2023 годами более 50 операторов из 38 стран мира должны запустить 5G сети в том или ином виде [11]. Это объясняется тем, что 5G включает в себя концепты SDN и NFV, позволяющие проектировать сеть в более гибкой и масштабируемой манере [12]. Переход от традиционной архитектуры ядра сети к виртуализированной позволяет оптимизировать использование сетевых ресурсов и уменьшить операционные расходы [13]. Важно отметить, что нагрузка на
сеть носит неравномерный характер. Одной из стратегий для борьбы с этой проблемой может быть масштабирование ресурсов, выделяемых под виртуали-зированные функции [89].
Ядро сети является важным элементом любой современной сети. Схематичная модель виртуализированного ядра сети изображена на рисунке 1.1. Основными функциями ядра сети 5G являются функция управления доступом и мобильностью (Access and Mobility Management Function, AMF), функция управления сессиями (Session Management Function, SMF), функция передачи данных пользователей (User Plañe Function, UPF), модуль управления данными пользователей (Unified Data Management, UDM) и функция управления политиками (Policy Control Function, PCF) [19]. Компоненты ядра сети отвечают за аутентификацию, авторизацию, расчёт пропускной способности канала, обработку мобильности пользователя и другие критично важные функции сети. Указанные функции могут быть виртуализированы при помощи SDN посредством разделения программной и аппаратной частей. В литературе описаны разные подходы к виртуализации ядра сети, однако основными являются только 3 из них, остальные являются их производными [90].
При первом подходе виртуализация базируется только на концепте NFV. Все функции ядра реализованы в виде программ, запущенных внутри виртуальной машины. Мультиарендность поддержана посредством разворота выделенной виртуальной машины каждому владельцу. Спорными моментами такого подхода являются: добавление новых виртуальных функций в уже запущенный экземпляр ядра; неэффективное масштабирование системы ввиду разных требований к сигнальному трафику и трафику данных.
Второй подход основывается на архитектуре смешанного типа, учитывающая как концепт SDN, так и NFV. Уровень передачи данных отделен от уровня управления, а значит возможно независимое масштабирование уровней. Шлюзом между уровнем управления и уровнем передачи пользовательских данных служит SDN-контроллер. Здесь виртуализация служит ключевым фактором для развития граничных вычислений, т.к. виртуальные функции могут быть
NFV Orchestrator
VNF: UDM
N10
N8
VNF: PCF
N7
N15
VNF: AMF
VNF: SMF
N4
N11
VNF: UPF
N3
\
NG-RAN
V. )
N2
Legend
Not-virtualized EPC function
Virtualized EPC function
VNF Control link
5G Interface
N1
Рисунок 1.1 Пример виртуализированной архитектуры ядра сети 5G.
развернуты как можно ближе к конечным пользователям. Однако, одним из открытых вопросов для этого подхода является масштабируемость SDN-koh-троллера, на который ложится вся нагрузка по координации уровня управления и уровня передачи данных.
Третий подход включает в себя использование только SDN. Все сетевые элементы заменяются на относительно простое оборудование, предназначенное только для пересылки данных согласно предоставленной таблице маршрутизации, а функции ядра сети выполняет специальное программное обеспечение, устанавливаемое на SDN-контроллер. Из преимуществ можно ответить высокую гибкость и полную программируемое!1 ь такой сети, а главным недостатком
является увеличенная сложность уровня контроля, что влечет за собой ухудшение QoS. Кроме того, только этот вариант подразумевает создание сети с нуля, другие варианты оставляют возможность интеграции с существующей архитектурой заказчика.
В литературе рассматриваются различные аспекты масштабирования виртуализированного ядра сети. В [14] разработан метод масштабирования виртуализированного ядра сети, принимая во внимание как горизонтальное масштабирование, которое заключается в увеличении числа развернутых виртуальных функций, так и вертикальное масштабирование, заключающееся в увеличении количества выделенных ресурсов уже развернутым экземплярам функций. Предложен алгоритм поиска оптимального соотношения вертикального масштабирования к горизонтальному, задачей которого является минимизация простаивания ресурсов. Алгоритм масштабирования был проанализирован в сервисе Amazon Web Services на базе экземпляра виртуализированого ядра сети, развернутого в облачном сервисе Amazon Web Services.
В [15] предлагается переосмысление механизма масштабирования VNF. Основная идея заключается в масштабировании виртуальных функций уровня передачи данных, что позволит избежать отказов из-за перегрузки системы. Результаты были проверены в реальных условиях.
В [16] авторами рассматривается возможность масштабирования ядра сети посредством его развертывания в облаке. Авторами описываются необходимые требования для такого рода виртуализации ядра сети и доработки протокола OpenFlow, требуемые для корректного функционирования SDN. Однако, авторами не проводилось ни аналитической оценки, ни моделирования результатов.
В [9] исследуется адаптивный механизм масштабирования ядра сети, виртуализация которого обеспечивается средствами NFV. Предложен алгоритм адаптивного масштабирования, основывающийся на методе Q-обучения и гаус-совских процессах. Согласно полученным результатам симуляции, достигается
большая производительность сети по сравнению с методами, использующими статичные пороговые значения для масштабирования.
Вопросы интеграции интернета вещей в сеть, основанную на SDN, изучаются в [30]. Авторами описана структура 1оТ, базирующаяся на туманных вычислениях. Предложен алгоритм выгрузки данных, заключающийся в масштабировании числа узлов, реализующих туманные вычисления, при выделении дополнительных ресурсов. Экспериментальная оценка предложенной структуры показывает эффективность динамического развертывания таких узлов.
В [10] рассматривается архитектура сети, интегрирующая в себя 1оТ, туманные вычисления, SDN и блокчейн. Первый уровень предлагаемой архитектуры состоит из устройств и сенсоров интернета вещей, второй уровень включает в себя узлы, на которых выполняются туманные вычисления для приложений интернета вещей, а третий уровень представляет некоторое удаленное облако. SDN используется для управления узлами на втором уровне. Блокчейн, согласно задумке авторов, предназначен для обеспечения высокого уровня безопасности коммуникаций предлагаемой сети. Авторы предлагают алгоритм разгрузки данных и аналитическую модель трафика.
В указанных работах, анализирующих работу виртуализированного ядра сети, по большей части отсутствуют аналитические результаты. Однако, постановка задачи предполагает эффективное применение механизма гистерезисного управления нагрузкой. Примеры применения гистерезисного управления в многолинейных СМО можно найти, например, в [45; 91—93].
Задача построения оптимальной стратегии гистерезисного управления в многолинейной СМО исследуется в [45]. Демонстрируется сложность оптимизации динамического выделения ресурсов, иллюстрируется разница между стратегиями гистерезисного и порогового управления. Основным результатом работы является аналитическая модель СМО MMAP/MP/N с гистерезисным управлением, позволяющая оценить производительность системы.
3 сценария функционирования многолинейной СМО с очередью и пороговым управлением рассматриваются в [91]. Первый сценарий включает в себя однородные приборы с пуассоновским входящим потоком заявок; второй сценарий рассматривает разнородные приборы с пуассоновским входящим потоком; третий сценарий изучает однородные приборы с пуассоновским групповым входящим потоком. Получено решение в аналитическом виде для первого сценария при условии отсутствия ограничений на число приборов и времени ожидания обслуживания. Для второго и третьего сценариев приведено алгоритмическое решение вариационной задачи с аналогичными условиями.
Многолинейная СМО с ограниченными ресурсами, классами разнородного трафика и не мгновенной активацией приборов исследуется в [92]. Подчеркивается, что важно достичь не только наилучшей производительности, но и оптимального соотношения между затратами на активацию приборов/производительностью. Предлагается метод итерационной аппроксимации для решения рассматриваемого семейства моделей. В качестве заключения демонстрируется численный анализ, показывающий влияние интенсивности активации приборов на производительность системы.
Общий обзор базовых механизмов контроля перегрузок для протокола SIP и принципы построения моделей гистерезисного управления нагрузкой рассмотрены в [93]. В рамках работы анализируются три типа порогов для контроля перегрузок.
1.2 Модель ядра сети с гистерезисиым управлением и одиночным
выделением ресурсов
Рассмотрим высокоуровневую схему обслуживания трафика индустриального интернета вещей, изображенную на рисунке 1.2. Трафик генерируется на территории промышленного комплекса, после чего происходит его передача че-
рез ядро сети в некоторый удаленный центр обработки данных. В разделах 1.2 и 1.3 изучается процесс выделения вычислительных ресурсов визуализированной инфраструктуры ядра сети.
Принимая во внимание, что ядро сети поддерживает виртуализацию, построим математическую модель выделения вычислительных ресурсов для УМР менеджера, отвечающего за активацию и деактивацию экземпляров УМР.
Уровень конечных устройств
Промышленная фабрика #Ы Промышленная фабрика #1
Уровень ядра сети
NFV Orchestrator
Virtual Infrastructure Manager
I Сенсор ; Луч антенны точки доступа
Очередь вычислительных задач Свободный вычислительный ресурс
............^ Занятый вычислительный ресурс
Рисунок 1.2 Схема обслуживания индустриального трафика.
Предположим, что ядро сети состоит из виртуализированных сетевых функций (УМР), обслуживающих передачу больших данных, генерируемых приложениями интернета вещей. В рамках моделей первой главы рассмотрим процесс выделения вычислительных ресурсов под нужды УМР менеджера. Трафик с уровня конечных устройств поступает на уровень ядра сети для дальнейшей обработки на УМР менеджере. За нагрузкой на ядро сети следит МРУ оркестратор, при необходимости генерирующий для УМР менеджера вычислительную задачу на активацию/деактивацию УМР.
Пусть в СМО поступает пуассоновский поток вычислительных задач с интенсивностью А, 0 ^ А < то. Допустим, что для штатного функционирования СМО зарезервировано с0 приборов, формирующих группу 0. Кроме того, за рассматриваемой СМО закреплены дополнительные приборы, позволяющие в
случае необходимости выделить для обслуживания до Ck включительно дополнительных приборов. Всего за СМО закреплено С приборов. Также СМО имеет очередь конечного размера R. Схема СМО изображена на рисунке 1.3. Каждая заявка занимает ровно один прибор и обслуживается в течение времени, распределенного согласно экспоненциальному закону с параметром 0 < < ж. Если все приборы заняты в момент поступления в систему, заявка становится в очередь, если очередь переполнена, заявка теряется. Дисциплина выбора заявок из очереди FIFO. Накопитель имеет два порога L и Н. Система управляется при помощи этих порогов согласно петле гистерезиса, изображенной на рисунке 1.4.
Л
H L
R
О
о
>сп
> С
О О
о
> С
УС - с
Рисунок 1.3 Схема многолинейной СМО с резервированием, двумя порогами и гистерезисным управлением подключения приборов.
Каждый прибор может находиться в одном из двух состояний активном и неактивном, что соответствует занятым и свободным вычислительным ресурсам. Система может функционировать в одном из четырех режимов: 1) idle -активны со приборов; 2) full - активны все С приборов; 3) up - неактивные приборы по одному переходят в активное состояние спустя промежуток времени, подчиняющийся экспоненциальному закону с параметром 6,0 < 6 < ж; 4) активные приборы по одному переходят в неактивное состояние после обработки текущей заявки до значения со активных приборов.
Система начинает свое функционирование в режиме idle, по достижению порога Н система переходит в режим ир7 после активации всех приборов система меняет режим своего функционирования на full, при падении размера накопителя меньше L система переходит в режим down, и при наличии только со активных приборов система возвращается в режим idle.
State (n,m)
full
n=k
up
0 < n < k
down
0 < n < k
idle -
n=0
_ Свертывание
; 4
приборов I
' |Ч ' 1
.......I
Порог
свертывания приборов
-<\-
Порог
разворота
приборов
\ - - -<У J ~<-
t,
-¿г
у /
X/
/ / <1
I
I
1/
—*—I—
Разворот приборов
+Q
------------о-----------------
0 L L +1 H -1 H R
Рисунок 1.4 — Иллюстрация петли гистерезиса для многолинейной СМ О с резервированием, двумя порогами и гистерезиспым управлением подключения
приборов.
Под состоянием системы будем понимать тройку (s,n,m) £ х и представим множество всех состояний х в виде разбиения х = Хо U Xi U х2 U х3? гДе Хо - множество состояний, соответствующих режиму idle, Xi _ множество состояний, соответствующих режиму up, х2 _ множество состояний, соответствующих режиму full, Хз _ множество состояний, соответствующих режиму down. Компонента s отвечает за состояние системы, п отвечает за число дополнительно активных приборов сверх со, а т отвечает за число заявок в системе. Нетрудно убедиться, что
Хо = {(s,n,m) : s = 0,п = 0,0 ^ т ^ С + R} ;
(1.1)
Xi = {(s,n,m) : s = 1,0 < п < к,сп ^ т ^ сп + Н} ;
(1.2)
Х2 = {(s,n,m) : s = 2,0 < п <к,сп + Н <т < С + R} ;
(1.3)
c м С M
Servers turning down
Servers turning up
IDLE
Рисунок 1.5 Диаграмма интенсивностей переходов для многолинейной СМО с резервированием, двумя порогами и гистерезиспым управлением подключения
приборов.
Хз = {(з,п,т) : й = 3,п = к,Ск + Ь < т ^ С + Я} ; (1.4)
Диаграмма интенсивностей переходов для описанной СМО представлена на рисунке 1.5. Изучим поведение системы при помощи имитационного моде-
лирования, параметры эксперимента которого содержит таблица 2, с целью предоставления рекомендаций по размещению порогов в очереди.
Таблица 2 — Параметры численного эксперимента для модели виртуализирован-ного ядра сети с гистерезисным управлением и одиночным выделением ресурсов
Параметр Описание Значение
Л Интенсивность входящего потока заявок 1-16
Ц Интенсивность обслуживания заявки прибором 1
Максимальный размер очереди 100
0 Интенсивность разворота нового прибора 1.38е-04
С Общее число приборов 12
со Число зарезервированных приборов (группа 0) 6
Ь Нижний порог гистерезиса 10
н Верхний порог гистерезиса 20
В первом опыте, результаты которого представлены на рисунке 1.6, исследованы параметры производительности, варьируя расположение порогов: в начале очереди, в середине и в конце. Расположение порогов ближе к началу очереди позволяет добиться значительно меньшей вероятности блокировки, немного уменьшает средний размер очереди и позволяет получить до 30% уменьшения времени ожидания обработки заявки. При расположении порогов в конце очереди система не в состоянии обработать поступающую нагрузку ввиду запоздалой активации приборов, из-за чего потери могут достигать 50% от входящего трафика.
В следующем эксперименте, график результатов которого изображен на рисунке 1.7, предлагается пронаблюдать за влиянием размера накопителя на поведение системы. Увеличение размера накопителя ожидаемо оказывает положительный эффект на вероятностно-временные характеристики. При интенсивности входящего потока заявок 6 ^ Л ^ 13 наглядно продемонстрирован эффект уменьшения уровня отказа в обслуживании входящих заявок. При
в
100 90 80 70 60 Я 50 40 30 20 10 о
10 12 14 16
Ь=10, Н=20 Ь=40, Н=50 Ь=80, Н=90
0 2 4
8 10 12 14 16
Рисунок 1.6 Результат варьирования расположения порогов.
большем размере накопителя заявки, пришедшие в систему, получают возможность дождаться подключения очередного прибора. При этом, в данном случае пропускная способность системы ограничена максимально допустимым значением дополнительных приборов — при достижении значения А = 10 очередь заполнена от 90% до 100%. Вместе с тем, время ожидания обработки заявки увеличивается пропорционально размеру очереди.
Сравнимое влияние на пропускную способность системы может оказать выделение дополнительных приборов для зарезервированной группы. На рисунке 1.8 изучается поведение системы при размере зарезервированной группы приборов с0 = {5,6, 7}. Чем больше изначально выделено ресурсов, тем позже начинается активация дополнительных приборов. При этом уменьшается
х
X
X
о 2 4 б 8 10 12 14 16 А
Рисунок 1.7 Результат варьирования размера накопителя.
максимально возможная вероятность блокировки во время режима up/down. Пропорционально вероятности блокировки также уменьшаются средний размер очереди и среднее время ожидания.
Таким образом, можно дать следующие рекомендации по размещению порогов в очереди: размещение порогов ближе к началу очереди позитивно сказывается на вероятностных характеристиках системы, таких как вероятность блокировки системы В и среднее время пребывания заявки в системе W. Кроме того, выделение большего числа приборов для зарезервированной группысо позволяет добиться существенного уменьшения вероятности блокировки системы В, среднего времени пребывания в системе W и среднего размера накопителя Q.
0.3
0.25
0.2
В 0.15
0.1
0.05
1 1 1 1 1 1
/
\ 1/
-
1
100 90 80 70 60 0 50 40 30 20 10 о
0 2 4 6 8 10 12 14 16
0 2 4 6 8 10 12 14 16
10 12 14 16
Рисунок 1.8 Результат варьирования размера зарезервированной группы приборов.
1.3 Модель ядра сети с пороговым управлением и групповым
выделением ресурсов
я
а
С = 5
с0 = 6
Со = 7
я
В рамках данного раздела построим и проанализируем модель СМО с резервированием и пороговым управлением подключения групп приборов.
Пусть в СМО поступает пуассоновский поток вычислительных задач с интенсивностью А, 0 ^ А < то. Допустим, что для штатного функционирования СМО зарезервировано с0 приборов, формирующих группу 0. Кроме того, за рассматриваемым фрагментом сети закреплены дополнительные ресурсы, позволяющие в случае необходимости выделить до к включительно групп при-
боров размером С{ каждая, 1 ^ г ^ к. Всего за СМО закреплено С приборов. Также СМО имеет очередь конечного размера Я. Кроме того, в очереди присутствуют к порогов Н^ 0 ^ ^ г, 1 ^ % ^ к. При достижении порога происходит подключение г-й группы приборов. Время подключения новой группы приборов распределено экспоненциально с параметром у, 0 ^ у < ж. В случае, если размер очереди падает меньше порога Н^., происходит отключение г-й группы приборов, при условии что все приборы в группе простаивают. Время отключения простаивающей группы распределено экспоненциально с параметром 0,0 ^ 0 < ж. Интенсивность обслуживания заявок г-й группой приборов распределена экспоненциально с параметром ц, 0 ^ ц < ж, 0 ^ г ^ к.
Для построения математической модели сделаем следующее упрощающее предположение: во время подключения/отключения г-й группы приборов число сообщений в очереди не изменяется. В таком случае, если все подключенные на данный момент приборы заняты, сообщение теряется, а в случае если какой-либо из приборов освобождается, сообщение поступает на обслуживание при условии поступления в систему нового сообщения.
Математическая модель в терминах СМО может быть обозначена согласно нотации Башарина-Кендалла как МЛ1 М1 ^ ^ Схема такой СМО изображена на рисунке 1.9.
А
Ик ••• Их
Огоыр ■ 0
Мо
Отоыр ■
к : Мк
С
Рисунок 1.9
Схема многолинейной СМО с резервированием, к порогами и пороговым управлением подключения приборов.
г
Рассмотрим двумерный пуассоновский процесс X(t) = (n(t),m(t)) над пространством состояний х = {(п,т) :0 ^ п ^ г, 0 ^ т ^ к} где п определяет число заявок в системе, а, т число функционирующих ГруПп. Обозначим стационарное распределение описанной системы как p(i,j) = Р{n(t) =
i,m(t) = j}. Диаграмма интенсивностей переходов рассматриваемой модели изображен на рисунке 1.10.
Л
До
Л I Amin(/,Со)-До tí
Л i\ min(i +1, Со)- До
Л
min( H1> Со)- До
Hi,0 К
У
Hi,1
в Л
min(H +1, с ) - Д + С - До
Л и А ^^ С1)' д+Со' Д
Л + Т min(i +1,С1)-Д + СоД
Л
min( Н 2, С)- Д + Со 'До
У
H2,1 \<~
в
У
Hk,k
вЛ
min(Hk +1, С)' Дк + Ск-1' Дк-1 + ••• + Со' До
^Ч^Ск)- Дк + Ск-х Дк-1 + •••+Со-До
м
Л ij min(i +1,Ск)-Дк+ Ск-1 Дк-1 + ••• + Со-До
Л
mnfc Ск ) - Дк + Ск-1- Д-1 + ••• + Со - До
Рисунок 1.10 — Диаграмма интенсивностей переходов многолинейной СМ О с резервированием, к порогами и пороговым управлением подключения приборов.
Утверждение 1.1. Стационарное распределение многолинейной СМО с резервированием, к порогами и пороговым управлением, подключения приборов имеет мультипликативный вид (1.5)
/Q\m '' 1
р(п,т) = q(n,m) • р(0,0) = Лп • - ^ JJ • Р(0,0), (L5)
М0,0) = ^k ^ 1-77-; (1.6)
l^v=ol^(iJ)eG(v) (1(г,3) /Q\m т i
М =(-) ПП ^, (1-7)
ЧГ/ у=0(г, j)eG(v) UJ
v) = {(Hv),..., (Hv+Uv)} , 0 ^ V ^ k,Ho = 0, Hk+Í = r, (1.
тт(п,со) • Цо, ш = 0,
ц(п,т) = ^ (1.9)
^т- с.? • + тгп(п - , ст) • Цт), т> 0.
Доказательство. Для удобства обозначим О(т) как пространство состояний для группы т, учитывая следующее дополнение: Н0 = 0; Нк+1 = г
(v) = {(Hv, v),..., (Hv+1,v)} , 0 ^ v ^ к. (1.10)
Следует отметить, что
¿ £ p(ij,) = 1. (1.11)
«=0 (i, j)eG(v)
Также, для краткости обозначим ц,(п,т) интенсивность обслуживания т группами п заявок в системе, что соответствует интенсивности перехода между состояниями (п,т) ^ (п — 1,т):
тт(п,с0) • цо, ш = 0,
Кп,т) = { ( . (1-12)
сз • ц + (п - ЕГ=01 °и, • Цт), т> 0.
Для нулевой группы распределение вероятностей имеет вид
Похожие диссертационные работы по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК
Модели систем ограниченной емкости с групповым входящим потоком и их применение к анализу показателей эффективности серверов протокола установления сессий2013 год, кандидат наук Сопин, Эдуард Сергеевич
Анализ моделей массового обслуживания для оценки времени отклика в системе облачных вычислений2017 год, кандидат наук Горбунова, Анастасия Владимировна
Управление качеством обслуживания в сетях спутниковой связи при изменяющейся многоприоритетной нагрузке2013 год, кандидат наук Максименко, Андрей Владимирович
Разработка и исследование метода расчета качества обслуживания пользователей широкополосной интегрированной мультисервисной корпоративной сети2005 год, кандидат технических наук Цыбаков, Валентин Иванович
Разработка и анализ модели динамического распределения ресурса беспроводных узлов доступа при передаче неоднородного трафика IoT2022 год, кандидат наук Ндайикунда Жувен
Список литературы диссертационного исследования кандидат наук Царев Алексей Сергеевич, 2022 год
ч - —
_ СЭМА/СА СЙМА/САэ ■ ■ апа1 ти1г _ ГЙС5 1юп
л н о о X
Э о а и о
с «
ев X Л
5
н
О
о X н О
0
♦
+ С \!СА
0 1 0 20 30 40 50 6 0 70 80 90 1 00 а) Число узлов в секторе покрытия антенны
0 10 20 30 40 50 60 70 80 90 100 б) Число узлов в секторе покрытия антенны
Рисунок 3.15 Вероятность нахождения канала свободным во время Ьаской"/о1^ состояния для нормализованной версии протокола многостанционного доступа с контролем несущей и предотвращением коллизий.
8
со
Ч Ч О
и
Л
н о о
¡5 «
о а <и
и
1
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
-
г'у —-
у /
■ ': V г /
\юн А —
1 етБ/стз..... СЭМА/СА - -1 1 1
0 10 20 30 40 50 60 70 80 90 100 а) Число узлов в секторе покрытия антенны
Л
х
5 «
(Г
ев «
<и а <и
с
«
о
X §
с
о
>>
£ о о
¡5 «
о а <и
и
1
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
- - - А1_ОНА ртб/СТЭ......
4 \ \ сэ ЫА/С А - —
\
Ч
\
N \
N N
Ч ч
ч ч
■ ■. .. .. .
0 10 20 30 40 50 60 70 80 90 100 б) Число узлов в секторе покрытия антенны
Рисунок 3.16 Сравнение аналитических результатов для вероятности коллизии р и вероятности успешной передачи
тролем несущей и предотвращением коллизии демонстрирует значение Рзиссезз в 2 раза выше, чем для модели с коллизиями при тех же пе = 100 узлах, конкурирующих за канал.
Другим способом, приводящим к росту вероятности успешной передачи, является увеличение числа допустимых попыток повторной передачи сообще-
со
Ч Ч
О «
н о о
15 «
о а
и
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
Г//
АЮ НА, М=П"тах А1_0НА, М=2'Ттах
етастБ, ы=ггтах
РТБ/СТБ, Ы=2'Ттах
СЭМ А/С А, Ы=|ТГ11ах
СБМАСА, Ы=2Ттах _I_■ ■_Л.
0 10 20 30 40 50 60 70 80 90 100 а) Число узлов в секторе покрытия антенны
1
X
ы н 0.9
н
а
ч. 0.8
и
ЕТ а 0.7
.
е
р 0.6
е
п
« 05
о
н
а 0.4
е
п
с 0.3
у
л
т (IV
с
о
онт 0.1
я
о
р 0
е
И
— 1 \ ч
N
Ч •—
К ч N
К . 1 \ ч ч
ч " ' Ч" ч ч
\ N ч
\ ч
\ >
__ 1
0 10 20 30 40 50 60 70 80 90 100 б) Число узлов в секторе покрытия антенны
Рисунок 3.17 Аналитические результаты для линейной и двоичной экспоненциальной функции Ь/(г).
ния Графики на рисунке 3.18 демонстрируют уменьшение вероятности
коллизии р при увеличении параметра И^х до 5. При этом, наименьшее влияние на Рвмссевв для модели с предварительным установлением соединения, а наибольшее - для модели с контролем несущей и предотвращением коллизий.
АШНД N^3 -
А1_ОНА иГе(х=5 - ■ етэ/стз, ЫгеХу=2-
РИБ/СТЗ, Г^ге1х=5 - ■
СЭМА/СА Г^ге1х=3 -
С5[у1Д.:'СА Ь1ге1у=5 —
0 10 20 30 40 50 60 70 80 90 100 а) Число узлов в секторе покрытия антенны
X 1
ы
н 0.9
н
а
ч. 08
и
ЕТ
а . 0.7
е
р е 06
п
« о 0.5
н
а е 0.4
п
с у 0.3
л
т с 0.2
о
н
т я 0.1
о
р _
е 0
и
ГГ*— -ч
\\ > " \Чч ч v
\л " "Ч' ч ч
ч v
\\ ч ч
у Ч ч \ ч ч
\\ \ V
^ч \ ч
\ \ ч ч
•V V —^ — к — ¿с \
0 10 20 30 40 50 60 70 80 90 100 б) Число узлов в секторе покрытия антенны
Рисунок 3.18 Аналитические результаты для разного числа попыток повторной передачи
Предыдущие эксперименты проводились исходя из предположения о непрерывной генерации передаваемых данных, при этом для ра = 1.0 узел
непрерывно передает данные. При ра < 1 по исчерпанию попыток пе-
редачи с ненулевой вероятностью данные для передачи отсутствуют. Таким образом, уменьшая ра мы уменьшаем интенсивность генерации сообщений. Рисунок 3.19 иллюстрирует, что уменьшение интенсивности генерации сообщений с ра = 1.0 (сплошные кривые) до ра = 0.1 (пунктирные кривые) позволяет разгрузить канал и увеличить вероятность успеха, рзиссезз. При варьировании 0.1 ^ ра ^ 1.0 эффект не настолько явный. Наибольший прирост р8иссе88 наблюдается при ра £ (0,0.1].
S S
со S
ч ч
о «
н о
о «
о а
(D
п
1
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
—-i*
/у / '//v
//
/ . ш т У,
' уш т
ки
Ml 1/ aloha, ра= aloha, ра=0 1 — т
rt rt; s/cts, ра=1 - ycts, ра=0. - -ласа, ра=1 - " а/са, ра=0.-- ■ ■ ■
car csn
0 10 20 30 40 50 60 70 80 90 100 а) Число узлов в секторе покрытия антенны
ы н
нна
w и
ЕТ
а
е р
е п
«
о н
§
п
с
у
Н
с о н т я
о р
е
П
1
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
1 a iLOHA, Pa=1 loha, pa=0.--. S/CTS, pa=1 - 5/CTS, pa=0.--
V\x sn RT rt;
\\ CSMA/CA, pa=1 — CSMA/CA, pa=0. - —
V \ \ ^ \л .n
\ \л
\l \ \ \ 4 4
\ \ 4 i \ \ 4
v \ \\ \ \ \\
v\ s \ v ■s. . 4
0 10 20 30 40 50 60 70 80 90 100 б) Число узлов в секторе покрытия антенны
Рисунок 3.19 — Аналитические результаты для ра = {0.1,1.0}.
Результаты имитационного моделирования совпали с результатом аналитических моделей, что подтверждает достоверность разработанных моделей. Притом, построенные модели корректно работают как для нормализованных (длины всех сообщений равны Tsiot) входных данных, так и для ненормализованных входных данных. При этом, аналитическая модель с контролем несущей и предотвращением коллизий демонстрирует интересный эффект синхронизации сети - параметр Tdata в аналитической модели должен равняться размеру слота. Это можно объяснить тем фактом, что система синхронизируется после широковещательной (broadcast) рассылки CTS сообщения и ни один узел не прерывает текущую передачу данных. Из-за этого рассматриваемая аналитическая модель CSMA/CA протокола требует доработки для более точной оценки
среднего времени цикла передачи данных D. Для всех построенных моделей погрешность аналитических формул для вероятности коллизии р не превышает 6%. Так же демонстрируется достоверный результат для целевой характеристики рsuccess, напрямую влияющей па пропускную способность сети. Кроме того, стоит отметить, что большая длительность Tdata (на порядок больше Tsi0t) влечет за собой падение вероятности успешной передачи данных рsuccess Д° нуля начиная с 10 узлов как для протокола многостанционного доступа с коллизиями, так и для модели с предварительным установлением соединения без контроля несущей. В целом, результаты показывают нецелесообразность использования модели с предварительным установлением соединения отдельно от прослушивания канала.
Результаты анализа показывают, что достичь улучшения производительности сети с многостанционным доступом можно несколькими способами: _ ПрИ ПОМОщИ увеличения окна задержки перед передачей сообщения; _ ПрИ ПОМОщИ увеличения числа попыток повторной передачи сообщения; _ ПрИ ПОМОщИ ограничения интенсивности генерируемых сообщений; — посредством модификации алгоритма доступа к среде. При этом, добиться повышения плотности числа устройств в сети без потерь в качестве обслуживания можно посредством ограничения интенсивности генерируемых сообщений.
Заключение
Основные результаты работы заключаются в следующем.
1. Разработана математическая модель виртуализированного ядра сети, поддерживающая горизонтальное масштабирование ресурсов в виде многолинейной СМО с резервированием и несколькими порогами для управления подключением приборов. Доказано, что стационарное распределение состояний СМО имеет мультипликативный вид. Проведен численный анализ вероятностных характеристик модели в виде цепи Маркова с учетом варьирования размеров групп подключаемых приборов.
2. Разработана математическая модель протокола многостанционного доступа с контролем несущей и предотвращением конфликтов для сетей индустриального интернета вещей с высокой плотностью приемо-пере-дающих устройств и учетом задержки распространения сигнала.
3. Предложен метод анализа вероятностных характеристик вариантов протокола многостанционного доступа с помощью полумарковского процесса. В аналитическом виде получено стационарное распределение вложенной цепи Маркова и характеристики компонент задержек установления соединения.
4. Разработан дискретно-событийный имитатор протоколов многостанционного доступа. Численный эксперимент показал приемлемую (до 6 %) погрешность аналитических формул для расчета показателей эффективности протокола.
Автор выражает благодарность к.ф.-м.н. Абаеву П.О, д.ф.-м.н. Гайдамака Ю.В., заведующему кафедрой ПИиТВ, д.т.н.. профессору Самуйлову К.Е за поддержку, помощь, обсуждение результатов и научное руководство. В заключение автор выражает благодарность и большую признательность исследовательской группе кафедры электротехники, электроники и информатики
Болонского университета под руководством Prof. Chiara Buratti за постановку задачи исследований для главы 2 и 3, помощь в проверке и обсуждении результатов.
Список основных обозначений
Глава 1
Л—интенсивность входящего потока заявок с^—число приборов в г-й группе
Н— порог в накопителе, отвечающий за активацию (подключение) /
деактивацию (отключение) г-й группы приборов у—интенсивность активации (подключения) г-й группы приборов б—интенсивность дезактивации (отключепия) г-й группы приборов щ—интенсивность обслуживания заявок прибором из г-й группы п(£)—число заявок в момент £ т(£)—число активированных групп в момент £ X(£)— двумерный пуассоновский процесс, описывающий состояние системы в момент £ X—пространство состояний процесса X (£) р(Ь])—стационарное распределение вероятностей СП X(¿) С(т)—пространство допустимых состояний для группы т ц,(п,т)—интенсивность обслуживания т группами п заявок в системе В—вероятность блокировки входящей заявки
средний размер очереди N—среднее число заявок в системе
—среднее время пребывания заявки в системе Жд—среднее время ожидания заявки в очереди
Глава 2 и 3
щ —число узлов, попавших в сектор покрытия антенны 6—угол сектора покрытия антенны радиуса bf (г)—максимальное число слотов для отсрочки во время г-й попытки ра— вероятность наличия у узла данных для передачи р—вероятность коллизии Pf—вероятность нахождения канала, свободного от передачи cts сообщения
Psuccess—вероятность успешной передачи за N + 1 попытку рfailure—вероятность отказа после N + 1 попыток передачи v(t)— полумарковский СП
I—пространство состояний СП v(t) Pi, г G I—стационарная вероятность ЦМ v п щ,i G I—вероятность СП v(t) Nretх—число повторных попыток передачи
Т—число моделируемых слотов Tslot —длительность слота Тьаскоff—длительность окна отсрочки
Trts— длительность передачи RTS сообщения Tcts— длительность передачи CTS сообщения Tdatа—длительность передачи DATA сообщения Таск —длительность передачи АСК сообщения Tout —длительность ожидания ответа
Twаit— длительность ожидания окончания текущей передачи
Список основных сокращений
5G - Fifth generation, Пятое поколение
М2М - Machine-to-machine, Машина-к-машине QoS - Quality of Service, Качество обслуживания IIoT - Industrial internet of things, Промышленный интернет вещей
IoT - Internet of things, Интернет вещей МСЭ - Международный союз электросвязи
URLLC - Ultra-Reliable Low Latency Communication, Межмашинный
трафик с ультранизким уровнем задержек СМО - Система массового обслуживания ЦМ - Цепь Маркова СП - Случайный процесс
ЕРС - Evolved Packet Core, Ядро пакетной сети VNF - Virtual network function, Виртуальная сетевая функция SDN - Software defined networking, Программно-конфигурируемая сеть
NFV - Network functions virtualization, Виртуализация сетевых функций
IaaS - Infrastructure as a Service, Инфраструктура как услуга AMF - Access and mobility management function, Функция управления доступом и мобильностью SMF - Session management function, Функция управления сессиями
UPF - User plane function, Функция передачи данных пользователей
UDM - Unified data management, Модуль управления данными пользователей
PCF ТГц BBX МАСА
LoRaWAN
RTS CTS MAC S-ALOHA
GI SGI
CSMA/CA
TDMA
PCA
Policy control function, Функция управления политиками Террагерцевый
Вероятностно-временные характеристики Multiple Access with Collision Avoidance, многостанционный доступ с предварительным установлением соединения Low-power wide-area network, Энергоэффективная сеть дальнего радиуса действия Ready-to-Send, Запрос на отправку Clear-to-Send, Разрешение отправки Media access control, Управление доступом к среде Slotted ALOHA, Слотированный протокол многостанционного доступа с коллизиями Guard interval, Защитный интервал Short guard interval, Короткий защитный интервал Carrier sensing multiple access with collision avoidance, Множественный доступ с контролем несущей и предотвращением конфликтов
Time Division Multiple Access, Многостанционный доступ с временным разделением каналов Prioritized Contention Access, Приоритезированный доступ с конкуренцией
Список литературы
1. Soliman S. S., Song В. Fifth generation (5G)cellular and the network for tomorrow: cognitive and cooperative approach for energy savings [Текст] // Journal of Network and Computer Applications. — 2017. — Май. — T. 85.
2. Cisco. Annual Internet Report (2018-2023). White Paper [Текст]. - 2020.
3. Industrial IoT in 5G environment towards smart manufacturing [Текст] / J. Cheng [и др.] // Journal of Industrial Information Integration. — 2018. — Июнь. — T. 10.
4. ITU-T. Y.4003: Overview of smart manufacturing in the context of the industrial Internet of things [Электронный ресурс]. — 2018. — URL: https: / / www.itu.int / rec / dologin_pub.asp?lang=e&id=T-REC-Y. 4003-201806-I!!PDF-E&type=items (дата обр. 05.05.2021).
5. ITU-T. FG-NET2030-Sub-Gl: Representative use cases and key network requirements for Network 2030 [Электронный ресурс]. — 2020. — URL: https : / / www. itu. int / dms _ pub / itu -1 / opb / fg / T - FG - NET2030 - 2020 -SUB.Gl-MSW-E.docx (дата обр. 05.05.2021).
6. ITU-T. Y.3113: Requirements and framework for latency guarantee in large-scale networks including the IMT-2020 network [Электронный ресурс]. — 2021. — URL: https://www.itu.int/rec/dologin_pub.asp?lang=e&id=T-REC-Y.3113-202102-I!!PDF-E&type=items (дата обр. 05.05.2021).
7. Buratti С., Mesini L., Verdone R. Comparing MAC Protocols for Industrial IoT Using Terahertz Communications [Текст] // 2020 IEEE 31st Annual International Symposium on Personal, Indoor and Mobile Radio Communications. — 2020. — Авг.
8. Analytical Study of Periodic Restricted Access Window Mechanism for Short Slots [Текст] / E. Zazhigina, R. Yusupov, E. Khorov, A. Lyakhov // Electronics. - 2021. - Февр. - Т. 10, № 5.
9. Arteaga С. H. Т., Risso F., Rendon О. M. С. An adaptive scaling mechanism for managing performance variations in network functions virtualization: A case study in an NFV-based ЕРС [Текст] // 2017 13th International Conference on Network and Service Management (CNSM). — 2017. — Ho-яб.
10. Secure and Reliable IoT Networks Using Fog Computing with Software-Defined Networking and Blockchain [Текст] / A. Muthanna [и др.] // Journal of Sensor and Actuator Networks. — 2019. — Февр. Т. 8. Л'° 1.
11. GSA. Global Progress to 5G - Trials, Deployments and Launches [Текст]. — 2018. — Июль.
12. Agiwal Л/.. Roy A., Saxena N. Next Generation 5G Wireless Networks: A Comprehensive Survey [Текст] // IEEE Communications Surveys Tutorials. - 2016. - T. 18, № 3. - C. 1617^1655.
13. IDC. Economic Benefits of Virtualized Evolved Packet Core. White Paper [Текст]. — 2016. — Июнь.
14. A Scaling Mechanism for an Evolved Packet Core Based on Network Functions Virtualization [Текст] / С. H. Т. Arteaga [и др.] // IEEE Transactions on Network and Service Management. — 2020. — Июнь. — Т. 17, № 2.
15. Liebsch M.. Yousaf F. Z. Virtualized EPC — Runtime offload for fast dataplane scaling [Текст] // 2016 IEEE 27th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC). — 2016. — Сент.
16. Moving the mobile Evolved Packet Core to the cloud [Текст] / J. Kempf [и др.] // 2012 IEEE 8th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob). — 2012. — Окт.
17. Terahertz band communications: Applications, research challenges, and standardization activities [Текст] / V. Petrov [и др.] // 2016 8th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). - 2016. - Окт.
18. Han C., Zhang X, Wang X. On medium access control schemes for wireless networks in the millimeter-wave and Terahertz bands [Текст] // Nano Communication Networks. — 2019. — Март. — T. 19.
19. Vishnevskii V. M., Semenova О. V. Mathematical methods to study the polling systems [Текст] // Automation and Remote Control. — 2006. — T. 67, Л'° 2. - С. 173-220.
20. A Multiphase Queueing Model for Performance Analysis of a Multi-hop IEEE 802.11 Wireless Network with DCF Channel Access [Текст] / A. Larionov, V. Vishnevsky, O. Semenova, A. Dudin // Communications in Computer and Information Science. - 2019. - T. 1109. - C. 162-176.
21. Вишневский В. M., Семенова О. В. Обзор моделей систем иоллиига и их применение в телекоммуникационных сетях [Текст] // Проблемы информатики. _ 2020. - Т. 3, № 48. - С. 29-59.
22. Башарин Г. 77., Бочаров 77. 77., Коган Я. Анализ очередей в вычислительных сетях. Теория и методы расчета [Текст]. — Москва : Наука, Гл. ред. физ.-мат. лит., 1989. — 336 с.
23. Башарин Г. 77. Лекции по математической теории телетрафика [Текст]. — Москва : РУДН, 2009. - 342 с.
24. Basharin G. P., Gaidamaka Y. V., Samouylov К. Е. Mathematical theory of teletraffic and its application to the analysis of multiservice communication of next generation networks [Текст] // Automatic Control and Computer Sciences. - 2013. - Март. - T. 47, № 2.
25. Клим,емок В., Дудин А., Вишневский В. Ненадежная система массового обслуживания с динамическим подключением резервного прибора
[Текст] // Распределенные компьютерные и телекоммуникационные сети: управление, вычисление, связь (DCCN-2019) Материалы XXII Международной научной конференции / под ред. В. Вишневский, К. Самуйлов. — Москва, 2019.
26. Vishnevsky V, Lyakhov A. IEEE 802.11 Wireless LAN: Saturation Throughput Analysis with Seizing Effect Consideration [Текст] // Cluster Computing. - 2002. - Май. - Т. 5. - С. 133 144.
27. Vishnevsky V, Semenova О. Polling Systems and Their Application to Telecommunication Networks [Текст] // Mathematics. — 2021. T. 9. A'0 2.
C. 117.
28. Вишневский В. Л/.. Семёнова О. В. Системы адаптивного динамического поллинги с коррелированными входными потоками: препринт [Текст]. — Москва : ИПУ РАН, 2017. - 88 с.
29. Вишневский В., Семёнова О., Буй 3. Исследование системы поллинга с адаптивным циклическим опросом и ее применение для проектирования широкополосных беспроводных сетей [Текст] // Проблемы управления. — 2020. — № 5. — С. 50—55. — URL: http://pu.mtas.ru/archive/Vishnevsky_ 520.pdf.
30. IoT-fog based system structure with SDN enabled [Текст] / A. Khakimov, A. A. Ateya, A. Muthanna, I. Gudkova, E. Markova, A. Koucheryavy // Proceedings of the 2nd International Conference on Future Networks and Distributed Systems. — New York, NY, USA, 2018. — Июнь.
31. Vehicle-Based Relay Assistance for Opportunistic Crowdsensing Over Narrowband IoT (NB-IoT) [Текст] / V. Petrov, A. Samuylov, V. Begishev,
D. Moltchanov, S. Andreev, K. Samouylov, Y. Koucheryavy // IEEE Internet of Things Journal. — 2018. — Окт. — Т. 5, № 5.
32. Vishnevsky V, Lyakhov A. IEEE 802.11 wireless LAN: Saturation throughput analysis with seizing effect consideration [Текст] // Cluster Computing. — 2002. - T. 5, № 2.
33. Khorov E., Krotov A., Lyakhov A. Modelling machine type communication in IEEE 802.llah networks [Текст] // 2015 IEEE International Conference on Communication Workshop (ICCW). — 2015. — Июнь.
34. Resource Allocation for Machine-Type Communication of Energy-Harvesting Devices in Wi-Fi HaLow Networks [Текст] / D. Bankov, E. Khorov, A. Lyakhov, J. Famaey // Sensors. - 2020. - T. 20, № 9. - C. 24 49.
35. On the Use of Multilink Access Methods to Support Real-Time Applications in Wi-Fi Networks [Текст] / D. V. Bankov, A. I. Lyakhov, E. M. Khorov, K. S. Chemrov // Journal of Communications Technology and Electronics. — 2021. - T. 66, № 12. - C. 1476-1484.
36. Enabling the Internet of Things With Wi-Fi H alow—Performance Evaluation of the Restricted Access Window [Текст] / E. Khorov, A. Krotov, A. Lyakhov, R. Yusupov, M. Condoluci, M. Dohler, I. Akyildiz // IEEE Access. - 2019. -T. 7. - C. 127402-127415.
37. Ресурсные системы массового обслуживания как модели беспроводных систем связи [Текст] / А. Горбунова, В. Наумов, Ю. Гайдамака, К. Самуилов // Информатика и её применения. — 2018. — Т. 12, № 3. — С. 48—55.
38. Abaev Р., Gaidamaka F., Samouylov К. Modeling of Hysteretic Signalling Load Control in Next Generation Networks [Текст] // Internet of things, smart spaces, and next generation networking. — Heidelberg, 2012. — C. 440-454.
39. Гайдамака Ю. В., Зарипова Э. Р., Самуйлов К. Е. Модели обслуживания вызовов в сети сотовой подвижной связи [Текст]. — Москва : РУДН, 2008. - 72 с.
40. Tsybakov В., Mikhailov V. Ergodicity of a Slotted ALOHA System [Текст] // Problems of Information Transmission. — 1975. — T. 15, № 4. — C. 301—312.
41. Введенская H., Цыбаков Б. Случайный множественный доступ пакетов в канал с ошибками [Текст] // Проблемы передачи информации. — 1983. — Т. 19, № 2. - С. 52-68.
42. Bianchi G. IEEE 802.11-saturation throughput analysis [Текст] // IEEE Communications Letters. — 1998. — Дек. — T. 2, № 12.
43. Bianchi G. Performance analysis of the IEEE 802.11 distributed coordination function [Текст] // IEEE Journal on Selected Areas in Communications. — 2000. - Март. - T. 18, № 3.
44. Kleinrock L., Tobagi F. Packet Switching in Radio Channels: Part I-Carrier Sense Multiple-Access Modes and Their Throughput-Delay Characteristics [Текст] // IEEE Transactions on Communications. — 1975. — Дек. — T. 23, № 12.
45. Hysteresis Control by the Number of Active Servers in Queueing System with Priority Service [Текст] / С. Kim, A. Dudin, S. Dudin, O. Dudina // Performance Evaluation. — 2016. — Июль. — T. 101.
46. Кучерявый А., Парамонов А.И., Кучерявый Е. Сети связи общего пользования. Тенденции развития и методы расчета [Текст]. — Москва : ФГУП ЦНИИС, 2008. - 296 с.
47. Achieving End-to-End Reliability of Mission-Critical Traffic in Softwarized 5G Networks [Текст] / V. Petrov, M. A. Lema, M. Gapeyenko, K. Antonakoglou, D. Moltchanov, F. Sardis, A. Samuylov, S. Andreev, Y. Koucheryavy, M. Dohler. - 2018. - Март. - URL: https://doi.org/10.1109/jsac.2018. 2815419.
48. The Impact of Interference From the Side Lanes on mmWave/THz Band V2V Communication Systems With Directional Antennas [Текст] / P. Vitaly, K. Joonas, M. Dmitri, L. Janne, J. Markku, K. Yevgeni. — 2018. — Июнь. — URL: https://doi.org/10.1109/tvt.2018.2799564.
49. Nazarov A., Moiseev A., Moiseeva S. Mathematical Model of Call Center in the Form of Multi-Server Queueing System [Текст] // Mathematics. — 2021. - T. 9, № 22. - C. 2877.
50. Analysis of Retrial Queueing System M/G/l with Impatient Customers, Collisions and Unreliable Server Using Simulation [Текст] / J. Sztrik [и др.] // Information Technologies and Mathematical Modelling. Queueing Theory and Applications. - 2021. - C. 291-303.
51. Simulation of devices mobility to estimate wireless channel quality metrics in 5G networks [Текст] / Y. Orlov, S. Fedorov, A. Samuylov, Y. Gaidamaka, D. Molchanov. - 2017. - URL: https://doi.Org/10.1063/l.4992270.
52. Orlov Y. N., Pleshakov R. V., Gaidamaka Y. V. Software complex for modeling non-stationary event flows [Текст] //. — IEEE, 11.2017. — URL: https://doi.org/10.1109/icumt.2017.8255183.
53. Мочалов B.7 Пшеничников А. Принципы построения и функционирования сенсорных сетей связи [Текст]. — Москва : Московский технический университет связи и информатики, 2014. — 56 с.
54. Пшеничников А., Чудаков В. Четвёртая технологическая революция и будущие сети [Текст] // Технологии Информационного Общества X Международная отраслевая научно-техническая конференция: сборник трудов. — Москва, 2016.
55. Лившиц Б. С., Пшеничников А. П., Харкевич А. Теория телетрафика [Текст]. — Москва : Связь, 1979. — 224 с.
56. Пшеничников А., Маликова Е. Будущие сети: роль информации, концептуальные основы [Текст]. — Москва : Горячая линия - Телеком, 2021. — 100 с.
57. Степанов С., Степанов М. Эффективный алгоритм оценки требуемого объема ресурса беспроводных систем связи при совместном обслуживании гетерогенного трафика устройств интернета вещей [Текст] // Автоматика и телемеханика. — 2019. — Т. 11. — С. 108—126.
58. Степанов С. Теория телетрафика: концепции, модели, приложения [Текст]. — Москва : Горячая линия - Телеком, 2020. — 867 с.
59. Степанов С., Степанов М. Методы оценки необходимого объема ресурса мультисервисных узлов доступа [Текст] // Автоматика и телемеханика. — 2020. - Т. 12. - С. 129-152.
60. Тюрликов А. Имитационное моделирование системы связи со случайным множественным доступом в канал [Текст] // VII Всес. школа-семинар по вычисл. сетям. — 1982. — С. 247—251.
61. Burkov A. A., Shneer S., Turlikov А. М. Arbitrarily Accurate Approximation of Numerical Characteristics of Stationary ALOHA Channels [Текст] // 2021 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). - 2021.
62. Upper bound and approximation of random access throughput over chase combining HARQ [Текст] / A. Burkov [и др.] // 2017 9th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). - 2017.
63. Fast and Reliable Alert Delivery in Mission-Critical Wi-Fi HaLow Sensor Networks [Текст] / E. Khorov, A. Lyakhov, I. Nasedkin, R. Yusupov, J. Famaey, I. F. Akyildiz // IEEE Access. - 2020. — T. 8. — C. 14302-14313.
64. Accurate Energy Modeling and Characterization of IEEE 802.llah RAW and TWT [Текст] / S. Santi, L. Tian, E. Khorov, J. Famaey // Sensors. — 2019. — T. 19, № 11. - C. 2614.
65. Сегхайер А., Цитович И. Об интервальной модели для процесса рождения и гибели с гистерезисом [Текст] // Информационные процессы. — 2012. - Т. 12, № 1, 20121. - С. 117-126.
66. Маликова Е.7 Цит,ович И. Метод группового поллинга при независимой активности датчиков в сетях мониторинга [Текст] // Информационные процессы. - 2011. - Т. 1, № 2. - С. 291-303.
67. Наумова Р., Цитович if., Чернушевич А. Влияние гистерезиса на характеристики узла мобильной сети при управлении трафиком [Текст] // REDS: телекоммуникационные устройства и системы. — 2014. — Т. 4, Л" 2. - С. 160-162.
68. Bellalta В. IEEE 802.Пах: High-efficiency WLANS [Текст] // IEEE Wireless Communications. - 2016. - T. 23, № 1. - С. 38-46.
69. Stajkic A., Buratti C., Verdone R. Modeling multi-hop CSMA-based networks through Semi-Markov chains [Текст] // 2015 International Wireless Communications and Mobile Computing Conference (IWCMC). — 2015. — Авг.
70. Barahman Л/.. Correia L. M.. Ferreira L. S. A QoS-Demand-Aware Computing Resource Management Scheme in Cloud-RAN [Текст] // IEEE Open Journal of the Communications Society. — 2020. — T. 1. — C. 1850-1863.
71. ТигЫс К., Correia L. M.. Веко M. A Mobility Model for Wearable Antennas on Dynamic Users [Текст] // IEEE Access. — 2018. — T. 6. — C. 63635-63648.
72. Moving RTS/CTS to the Frequency Domain: an Efficient Contention Scheme for 802.11ax Networks [Текст] / A. Baiocchi, D. Garlisi, G. Santaromita, I. Tinnirello // 2019 31st International Teletraffic Congress (ITC 31). — 2019. - Авг.
73. Аналитическая модель протокола множественного доступа с прослушиванием канала для приложений индустриального интернета вещей [Текст] / А. С. Царев, Э. М. Хайров, Ю. В. Гайдамака, С. Я. Шоргин // Системы и средства информатики. — 2021. — Т. 31, № 2. — С. 16—25.
74. Ahaev P., Tsarev A. Hysteretic Mechanism for 5G Hybrid Evolved Packet Core Resource Management [Текст] // 2018 10th International Congress
on Ultra Modem Télécommunications and Control Systems and Workshops (ICUMT). — 2018. — P. 1—6.
75. Tsarev A., Abaev P. Mathematical Model of Horizontal VNF Scalability in virtualized Evolved Packet Core [Текст] // Communications in Computer and Information Science. — 2020. — Vol. 1337. — P. 221 234.
76. Analytical Model for CSMA-Based MAC Protocol for Industrial IoT Applications [Текст] / A. Tsarev, E. Khayrov, E. Medvedeva, Y. Gaidamaka, C. Buratti // Lecture Notes in Computer Science. — 2020. — P. 240 258.
77. Свидетельство о гос. регистрации программы для ЭВМ 2018617147. Российская Федерация. Анализ показателей эффективности виртуали-зированного мобильного ядра сети [Текст] / А. С. Царев, П. О. Абаев, М. К. Леон Атупанья ; заявитель и правообладатель федеральное государственное автономное образовательное учреждение высшего образования «Российский университет дружбы народов» (РУДН) — Заявка №20186143! та поступления 28 апреля 2018 г. Зарегистрировано в Реестре программ для Э1
78. Свидетельство о гос. регистрации программы для ЭВМ 2018661216. Российская Федерация. Имитационная модель ядра сети 5G с гистерезис-ным управлением виртуализированными ресурсами [Текст] / А. С. Царев, П. О. Абаев ; заявитель и правообладатель федеральное государственное автономное образовательное учреждение высшего образования «Российский университет дружбы народов» (РУДН) — Заявка №2018618877. Дата поступления 20 августа 2018 г. Зарегистрировано в Реестре программ для Э] тября 2018 г.
79. Царев А. Математическая модель протокола множественного доступа для приложений индустриального интернета вещей [Текст] // Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем: материалы Всероссийской конференции с международным участием. — Москва, 2021. — Апр. — С. 124-128.
80. Wu Y., Dai H.-N., Wang H. Convergence of Blockchain and Edge Computing for Secure and Scalable IIoT Critical Infrastructures in Industry 4.0 [Текст] // IEEE Internet of Things Journal. - 2021. - T. 8, № 4. - C. 2300-2317.
81. Ни P. A System Architecture for Software-Defined Industrial Internet of Things [Текст] // 2015 IEEE International Conference on Ubiquitous Wireless Broadband (ICUWB). - 2015.
82. Edge Computing in Industrial IoT Framework for Cloud-based Manufacturing Control [Текст] / S. Raileanu [и др.] // 2018 22nd International Conference on System Theory, Control and Computing (ICSTCC). — 2018.
83. Fog Computing Enabling Industrial Internet of Things: State-of-the-Art and Research Challenges [Текст] / R. Basir [и др.] // Sensors. — 2019. — Т. 19, Л" 21. - С. 4807.
84. Хи У., Heíaí A. Scalable Cloud-Sensor Architecture for the Internet of Things [Текст] // IEEE Internet of Things Journal. — 2016. — T. 3, № 3. — C. 285-298.
85. Survey on Multi-Access Edge Computing for Internet of Things Realization [Текст] / P. Porambage [и др.] // IEEE Communications Surveys Tutorials. - 2018. - T. 20, № 4. - C. 2961-2991.
86. A Survey on Industrial Internet of Things: A Cyber-Physical Systems Perspective [Текст] / H. Xu [и др.] // IEEE Access. — 2018. — T. 6. — C. 78238-78259.
87. Romero-Gázquez J. L., Bueno-Delgado M. V. Software Architecture Solution Based on SDN for an Industrial IoT Scenario [Текст] // Wireless Communications and Mobile Computing. — 2018. — T. 2018. — C. 1—12.
88. 5G PPP Architecture Working Group. View on 5G Architecture, version 1.0 [Текст]. — 2016. — Июль.
89. Ahaev P., Razumchik P., Uglov I. Statistical analysis and modeling of SIP traffic for parameter estimation of server hysteretic overload control [Текст] // Journal of Telecommunications and Information Technology. — 2013. — T. 2013, № 4. - C. 22-31.
90. SDN/NFV-Based Mobile Packet Core Network Architectures: A Survey [Текст] / V. Nguyen [и др.] // IEEE Communications Surveys & Tutorials. — 2017. - T. 19, № 3. - C. 1567-1602.
91. Lui J. C., Golubchik L. Stochastic complement analysis of multi-server threshold queues with hysteresis [Текст] // Performance Evaluation. — 1999. _ Март. - T. 35, № 1/2.
92. Chou C.-f., Golubchik P., Lui J. Multiclass Multiserver Threshold-Based Systems: A Study of Noninstantaneous Server Activation [Текст] // IEEE Transactions on Parallel and Distributed Systems. — 2007. — Янв. — T. 18, № 1.
93. А баев П., Гайдамака Ю., Самуйлов К. Гистерезисное управление нагрузкой в сетях сигнализации [Текст] // Вестник РУДН. Серия "Математика. Информатика. Физика". — 2011. — № 4. — С. 53—73.
94. Internet of Things: A Survey on Enabling Technologies, Protocols, and Applications [Текст] / A. Al-Fuqaha [и др.] // IEEE Communications Surveys & Tutorials. - 2015. - T. 17, № 4. - C. 2347-2376.
95. The industrial internet of things (IIoT): An analysis framework [Текст] / H. Boyes [и др.] // Computers in Industry. — 2018. — T. 101. — C. 1—12.
96. Aceto G., Persico V., Pescape A. A Survey on Information and Communication Technologies for Industry 4.0: State-of-the-Art, Taxonomies, Perspectives, and Challenges [Текст] // IEEE Communications Surveys & Tutorials. - 2019. - T. 21, № 4. - C. 3467-3501.
97. Kumar A. S. An Industrial IOT in Engineering and Manufacturing Industries - Benefits and Challenges [Текст] // International Journal of Mechanical and
Production Engineering Research and Development. ^2019. — T. 9, № 2. — C. 151—160.
98. Holler J., Tsiatsis V., Mulligan C. Toward a Machine Intelligence Layer for Diverse Industrial IoT Use Cases [Текст] // IEEE Intelligent Systems. — 2017. - T. 32, № 4. - C. 64-71.
99. Self-Sovereign Identity: Use-cases, Technologies, and Challenges for Industrial IoT [Текст] / P. Bartolomeu [и др.] // 2019 24th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA). — 2019.
100. Industrial internet of things: Recent advances, enabling technologies and open challenges [Текст] / W. Khan [и др.] // Computers & Electrical Engineering. - 2020. - T. 81. - C. 106522.
101. Supporting Deterministic Wireless Communications in Industrial IoT [Текст] / P. Bartolomeu [и др.] // IEEE Transactions on Industrial Informatics. 2018. T. 14. Л'° 9. С. 4045-4054.
102. Han С., Tong W., Wu, X. A memory-assisted MAC protocol with angular-division-multiplexing in terahertz networks [Текст] // 2017 IEEE International Conference on Communications (ICC). — 2017.
103. Kokkoniemi J., Lehtomaki J., Juntti M. A discussion on molecular absorption noise in the terahertz band [Текст] // Nano Communication Networks. — 2016. — T. 8. — C. 35-45.
104. Han C., Zhang X., Wang X. On medium access control schemes for wireless networks in the millimeter-wave and Terahertz bands [Текст] // Nano Communication Networks. - 2019. - T. 19. - C. 67-80.
105. Evaluation of communication latency in industrial IoT applications [Текст] / P. Ferrari [и др.] // 2017 IEEE International Workshop on Measurement and Networking (M&N). - 2017.
106. Abramson N. THE ALOHA SYSTEM [Текст] // Proceedings of the November 17-19, 1970, fall joint computer conference on - AFIPS '70 (Fall). — 1970.
107. Multiple-Relay Slotted ALOHA: Performance Analysis and Bounds [Текст] / A. Munari [и др.] // IEEE Transactions on Communications. — 2021. — T. 69, Л'0 3. - C. 1578-1594.
108. Stabilizing Frame Slotted Aloha-Based IoT Systems: A Geometric Ergodicity Perspective [Текст] / J. Yu [и др.] // IEEE Journal on Selected Areas in Communications. - 2021. - T. 39, № 3. - C. 714-725.
109. Balevi E., Rabee F., Gitlin R. ALOHA-NOMA for Massive Machine-to-Machine IoT Communication [Текст] // 2018 IEEE International Conference on Communications (ICC). — 2018.
110. Slotted ALOHA on LoRaWAN-Design, Analysis, and Deployment [Текст] / T. Polonelli [и др.] // Sensors. - 2019. - T. 19, № 4. - С. 838.
111. Song Q., Lagrange X., Nuaymi L. An analytical model for S-ALOHA performance evaluation in M2M networks [Текст] // 2017 IEEE International Conference on Communications (ICC). — 2017.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.