Разработка и исследование встроенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных сетей тема диссертации и автореферата по ВАК РФ 05.13.13, кандидат технических наук Матип Эссунга Лазар

• Матип Эссунга Лазар
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Матип Эссунга Лазар

Введение.

Глава 1. Анализ методов и средств управления производительностью КВС.

1.1. Сетевое администрирование для управления ресурсами КВС.

1.1.1. Пакет Solstice фирмы SunSoft.

1.1.2. Пакет Open View фирмы Hewlett — Packard.

1.1.3. Пакет System View компании IBM.

1.1.4. Пакет Spectrum фирмы Cabletron.

1.2.Функциональность существующих средств сетевого администрирования.

1.3. Проблемы производительности КВС.

1.4. Классификация методов управления ресурсами КВС.

1.4.1. Управление в реальном времени.

1.4.2. Оперативное управление.

1.4.3. Тактическое управление.

1.4.4. Стратегическое управление.

1.5. Методы для определения вероятностно-временных характеристик КВС.

Выводы.

Глава 2. Разработка архитектуры интеллектуального сетевого администратора.

2.1. Задачи оперативного управления "ресурсами КВС и платформы сетевого администрирования.

2.2. Недостатки современных платформ сетевого администрирования.

2.3. Принципы разработки интеллектуального сетевого администратора.

2.4. Спецификация математической модели ИСА.

2.5. Структура интеллектуального сетевого администратора.

2.5.1. Режимы работы центрального блока интеллектуального сетевого администратора.

2.5.2. Функции планировщика и переключателя режимов.

2.6. Разработка структуры базы данных.

Выводы.

Глава 3. Обоснования исследование средств адаптации модели управления реальной КВС.

3.1. Задача адаптации модели управления реальной КВС.

3.2. Взаимодействие блоков интеллектуального сетевого администратора.

3.2.1. Взаимодействие блоков интеллектуального сетевого администратора при работе со справочниками.

3.2.2. Взаимодействие блоков интеллектуального сетевого администратора при проведении измерений.

3.2.3. Взаимодействие блоков интеллектуального сетевого администратора при отображении результатов измерений.

3.3. Управляющая база данных МШ.

3.4. Выбор программных средств.

3.5. Экспериментальное определение интенсивности обслуживания потока транзакций для управления производительностью КВС.

3.5.1. Алгоритм работы блока измерения параметров.

3.5.2. Методика выполнение экспериментального определения интенсивности обслуживания сервером потока транзакций.

Выводы.

Глава 4. Обознование и исследование модели ИСА для управления производительностью КВС.

4.1. Анализ методов и моделей для задач управления ресурсами.

4.1.1. Известные математические модели.

4.1.2. Средства сетевого управления.

4.1.3. Выбор приоритетных пользователей.

4.2. Постановка задачи выбора количества приоритетных пользователей (Bllii).

4.3. Разработка методики решения задачи ВШ1.

4.4. Формирование математических соотношений для задачи ВПП.126 4.4.1.Обоснование соотношений математической модели для учета приоритета обработки транзакций.

4.4.2. Обоснование вычислений параметров приоритета коллективных контуров.

4.5. Алгоритмы расчета характеристик задачи ВПП.

4.6. Исследование зависимости характеристик задачи ВПП от параметров КВС.

Выводы.

Введение диссертации (часть автореферата) на тему «Разработка и исследование встроенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных сетей»

Актуальность темы

В условиях современного общества, корпоративные вычислительные сети (КВС) играют все большую роль в деятельности предприятий, организаций любой отрасли. Современные КВС предоставляют свои информационно-вычислительные ресурсы большому количеству пользователей. Требования пользователей к скорости выполнения решаемых задач определяются их ролью в технологическом процессе корпорации. Поэтому каждый пользователь предъявляет свои требования к производительности КВС.

Одной из важнейших проблем современного общества является создание высокопроизводительной телекоммуникационной среды. Сетевые технологии постоянно совершенствуются, что приводит к росту количества пользователей, увеличению объема трафика, необходимости повышения ответственности за доставку каждого сообщения. Мультимедийные технологии предоставляют пользователям широкий спектр информационных услуг, но предъявляют повышенные требования к технико-экономическим показателям, которые ужесточаются с ростом сложности корпоративных вычислительных сетей и увеличением количества пользователей.

Повышается сложность структуры КВС, расширяется состав сервисных услуг и, как следствие, возрастает интенсивность трафика. При росте коэффициентов загрузки серверов, каналов связи и коммутирующих устройств возникают очереди, что приводит к задержкам доставки* сообщений. Отсутствие средств, поддерживающих требуемое качество управления производительностью КВС, понижает конкурентоспособность, и не обеспечивает требования пользователей к скорости выполнения информационно-вычислительных задач.

При неуклонном росте числа компьютерных сетей и увеличении количества узлов в сети возникает проблема выбора средств сетевого администрирования. Задача управления сетью сама по себе не тривиальна и становится тем сложнее, чем выше требования, чем крупнее сеть, чем больше в ней используются разнородные платформы сетевого администрирования (СА). Исследования задач оперативного управления ресурсами и используемых для этого существующих систем сетевого администрирования показывают, что существующие СА не позволяют в полном объеме решать проблемы, связанные с построением и управлением КВС.

С учетом изложенного актуальность темы определяется необходимостью разработки и исследования интеллектуального сетевого администратора (ИСА), обеспечивающего качественное управление производительностью КВС.

Основные цели работы

Целью диссертационной работы является повышение качества управления производительностью КВС. Оценки производительности КВС являются основой критерия качества управления производительностью КВС.

Для достижения поставленной цели были решены следующие задачи исследования:

1. Анализ методов и средств управления производительностью КВС.

2. Разработка архитектуры интеллектуального сетевого администрирования ИСА.

3. Исследование и разработка средств адаптации модели управления реальной КВС.

4. Исследование модели ИСА для управления производительностью

КВС.

5. Разработка и исследование методики решения задачи определения количества приоритетных пользователей КВС, работающих в диалоговом режиме.

Научная новизна полученных результатов.

1. Предложена структура сетевой платформы администрирования с встроенной моделью для управления производительностью, названная интеллектуальным сетевым администратором (ИСА), и обоснована ее реализуемость.

2. Разработана методика адаптации модели управления к параметрам реальной КВС.

3. Сформулирована задача и предложена методика расчета количества приоритетных пользователей.

4. Разработана математическая модель функционирования КВС, обслуживающая заданное количество приоритетных пользователей. Методы исследования. Для решения поставленных задач в работе использовались теория массового обслуживания, теория графов, введение в теорию производительности вычислительных сетей.

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, корректными исследованиями параметров на функционирующей вычислительной сети, а также соответствием полученных результатов частным результатам, приведенным в научной литературе.

Практическая значимость полученных результатов: Разработка интеллектуального сетевого администратора (ИСА) на базе встроенной аналитической модели вычислительной сети дает возможность решать широкий спектр задач оперативного и стратегического управления.

Разработанная методика адаптации модели управления к параметрам реальной КВС, для которой выбран и отлажен комплекс программных средств, передана администратору Информационной вычислительной сети МЭИ для практического использования. Применение разработки позволяет выборочно контролировать загрузку серверов, получать количественные оценки интенсивности обслуживания.

Методика расчета количества приоритетных пользователей позволяет для реальной KB С определить допустимое количество IP телефонов, которые могут устойчиво функционировать даже в интервалы пиковых значений сетевого трафика. В настоящее время методика используется в учебном курсе «Сети ЭВМ», который читается на кафедре вычислительных машин, систем и сетей Московского энергетического института (Технического университета).

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на международных конференциях и семинарах:

• На Международной научной конференции «Тринадцатая международная научно-техническая конференция студентов и аспирантов. Радиоэлектроника, электротехника и энергетика» (Москва, 01-02 Марта 2007г),

• Second annual International Working Conference on Active, Management Networking, «In I WAN'07», (Zurich, Switzerland, October 2007)

• На Международной конференции "Информационные средства и технологии"» (Москва, 16-18 Октября 2007г),

• На Четырнадцатой международной научно-технической конференции студентов и аспирантов радиоэлектроника, электротехника- и энергетика» (Москва, 03-04 Марта 2008г)

Публикации

Основные материалы диссертационной работы опубликованы в 6 печатных работах.

1. Матип Эссунга Лазар, Воробьев В.И., Емельянов В.И. К вопросу исследования эффективности подсистемы клиент-сервер средствами системы массового обслуживания и теории очередей Труды Новомосковского института Российского химико-технологического университета им. Д.И., Менделеева Новомосковск, 2004 г. выпуск № 3 (14) 240-243с.

2. Матип Эссунга Лазар, Абросимов Л.И. Задачи управления производительностью корпоративных вычислительных сетей Радиоэлектроника, электротехника и энергетика. Тезисы докладов XIII Международной научно-технической конференции студентов и аспирантов: том 1. М.: Изд-во МЭИ. 1-2 марта 2007г. - с. 412-413.

3. Matip Essounga Lazare Users priority choice for management of performance of corporate computer network Second annual International Working Conference on Active, Management Networking, «In I WAN'07», (Zurich, Switzerland, 01-05 October 2007) p. 312-314.

4. Матип Эссунга Лазар, Абросимов Л.И Выбор приоритетных пользователей для управления производительностью КВС Труды Международной научно-технической конференции // Информационные средства и технологии Москва, 16-18 октября 2007 г. М.: МЭИ, том 2. 142-146с.

5. Матип Эссунга Лазар Методика выбора количества приоритетных пользователей в корпоративных вычислительных сетях реального времени // Системы управления и информационные технологии, Воронеж 2008, №4.2(30). с. 261-264.

6. Матип Эссунга Лазар, Абросимов Л.И Экспериментальное определение интенсивности обслуживания потока заявок для управления производительностью КВС XIV Международной научно-технической конференции студентов и аспирантов //

Радиоэлектроника, электротехника и энергетика 28-29 Февраля 2008 г. тезисы докладов Изд-во МЭИ, том 1. с 336-338.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, приложения и изложена на 164 страницах. Список использованной литературы содержит 106 наименования. Таблиц 13, рисунков 36. Каждая глава снабжена аннотацией и заканчивается основными выводами по результатам проведенных исследований.

Заключение диссертации по теме «Телекоммуникационные системы и компьютерные сети», Матип Эссунга Лазар

Выводы

1. Анализ методов и средств сетевого управления показал, что одним из конструктивных параметров управления распределением ресурсов является назначение абсолютных приоритетов.

2. При назначении приоритетов администратор должен решать задачу определения количества приоритетных пользователей, при котором обеспечивается требуемое время реакции системы.

3. Обобщенное соотношение (4.16), определяющее количество п*щ транзакций приоритета а, обслуживаемых в г-м узле, которое используется для нелинейных уравнений позволяет администратору КВС использовать многоуровневую систему приоритетов.

4. В отличие от соотношений метода контуров модифицированные соотношения (4.16): о рассматривают известное соотношение (4.1) как частный случай, о позволяют определять время реакции КВС для абсолютные приоритетов а=1,А, о позволяют определять количество приоритетных пользователей naq, для которых выполняется требуемее время реакции КВС, о предложить методику расчета параметров для приоритетного обслуживания транзакций, о дать обоснование реализуемости для вычислительных алгоритмов расчета параметров для приоритетного обслуживания транзакций.

5. Разработанная аналитическая модель функционирования КВС, является основой центрального интеллектуального блока интеллектуального сетевого администратора.

6. Проведен анализ результатов управления производительностью реальной размерности. В рассмотренном примере исследована КВС, которая содержит 5 серверов, 10 коммуникационных узлов, 5 рабочих групп, несколько сотен рабочих станций.

Заключение

В процессе исследований выполнены следующие работы: 1. Обоснована актуальность темы диссертации «Разработка и исследование встроенной в сетевую платформу администрирования модели для управления производительностью корпоративных вычислительных сетей».

2. Проанализированы методы управления производительностью КВС и дана их классификация.

3. Проанализированы проблемы оценки производительности КВС.

4. Произведен анализ математических методов, позволяющих рассчитывать вероятностно-временные характеристики функционирования КВС.

5. Произведен анализ основных интегральных платформ сетевого администрирования:

- выявлены их основные недостатки, ограничивающие качество управления производительностью КВС. сформулированы основные требования для разработки интеллектуальной платформы сетевого администрирования.

6. Предложены принципы разработки интеллектуальной платформы сетевого администрирования.

7. Разработана спецификация математической модели ИСА.

8. Предложена структура интеллектуального сетевого администратора, которая предусматривает разработку центрального аналитического адаптивного информационно-вычислительного блока и измеряющих агентов.

9. Разработана структура базы данных центрального блока интеллектуального сетевого администратора, которая содержит измеренные значения параметров, а также нерегулярно-изменяемую справочную информацию.

10. Сформулирована задача адаптации модели управления реальной КВС.

11. Предложена схема взаимодействия блоков интеллектуального сетевого администратора.

12.Выполнен анализ управляющей базы данных MIB.

13.Сформулирована задача экспериментального определения интенсивности обслуживания сервером потока транзакций.

М.Разработана методика выполнение экспериментального определения интенсивности обслуживания сервером потока транзакций.

15. Для решения задачи экспериментального определения интенсивности обслуживания сервером потока транзакций: выбран комплекс программных средств; составлен план проведения эксперимента; выполнены экспериментальные исследования для ИВС Московского энергетического института и произведен анализ полученных результатов.

16.Разработана аналитическая модель функционирования КВС, являющаяся основой центрального интеллектуального блока интеллектуального сетевого администратора

17.Разработан программный комплекс, реализующий аналитическую модель.

18.Сформулирована задача выбора количества приоритетных пользователей.

19. Разработана методика решения задачи выбора количества приоритетных пользователей.

20. Предложены и обоснованы соотношения математической модели для учета приоритета обработки транзакций.

21.Исследованы зависимости характеристик задачи ВПП от параметров КВС.

22.Проведен анализ результатов управления производительностью. В качестве примера рассмотрена КВС, которая содержит 5 серверов, 10 коммуникационных узлов, 5 рабочих групп, несколько сотен рабочих станций. Установлены зависимости количества приоритетных пользователей от ресурсов КВС и от допустимого времени реакции.

Список литературы диссертационного исследования кандидат технических наук Матип Эссунга Лазар, 2008 год

1. Абросимов Л.И. Основные положения теории производительности вычислительных сетей // Вестник МЭИ. 2001 №4.С. 70-75

2. Абросимов Л.И. Концепция разработки интеллектуальной платформы администрирования гетерогенных вычислительных сетей на базе моделей с тензорными преобразованиями, Международная Академия Информатизации. -М.: МЭИ, 1997. Том 1- 60-67 с.

3. Абросимов Л.И. Концепция теории производительности вычислительных сетей. Электронный журнал «Вычислительные сети. Теория и практика» 2001, № 1 статья 3 http://network-iournal.mpei.ac.ru

4. Абросимов Л. И. Анализ и проектирование вычислительных сетей (учебное пособие). Московский энергетический институт (технический университет) М.: МЭИ, 2000 г. - 52 с.

5. Абросимов Л. И. Методология анализа вероятностно-временных характеристик вычислительных сетей на основе аналитического моделирования. Диссертация на соискание ученой степени доктора технических наук. Москва.: МЭИ, 1996

6. Абросимов Л.И., Султанов К.В. Алгоритм решения нелинейных уравнений методом тангенсов Электронный журнал «Вычислительные сети. Теория и практика» 2004, № 2, ( 5), статья 72 http://network-journal.mpei.ac.ru

7. Авен О. И., Турин Н. Н., Коган Я. А. Оценка качества и оптимизация вычислительных систем. — М.: Наука, Главная редакция физико-математической литературы, 1982.

8. Анализа и оптимизации локальных сетей Система имитационного моделирования COMNET компании CACI Products COMNET III COMNET Predictor www.citforum.ru/nets/optimize/index.shtml

9. П.Артемьев А.Б., Корденков H.B., Саксонов Е.А. Алгоритмы динамического управления нагрузкой серверов в распределенных системах // Информационные, сетевые и телекоммуникационные технологии. Кафедра ВСиС. Сб. научных трудов. М.: МИЭМ, 2005. -с. 24-29.

10. Артемьев А.Б., Корденков Н.В, Саксонов Е.А. Анализ алгоритма управления нагрузкой серверов в распределенных системах // Информационные, сетевые и телекоммуникационные технологии. Кафедра ВСиС. Сб. научных трудов. М.: МИЭМ, 2005. - с. 29 - 33.

11. Бертсекас Д., Галлагер Р. Сети передачи данных: Пер. с англ. М.: Мир, 1989. 544 с

12. Будко П. А., Федоренко В. В. Управление в сетях связи. Математические модели и методы оптимизации: монография. — М.: Изд. физико-математической литературы, 2003. 228 с. - ISBN 594052-064-2.

13. Вишневский В.М. Теоретические основы проектирования компьютерных сетей. — М.: Техносфера 2003 — 512 с.

14. Вишневский В.М., Ляхов А.И. Оценка максимальной производительности беспроводного доступа в Интернет // Автоматика и телемеханика, 2004 г. №9, 52-70.с.

15. Воеводин, В. В. Математические модели и методы в параллельных процессах. -М.: Наука. Гл. ред. Физ.-мат. Лит., 1986.

16. Галкин В.А., Григорьев Ю.А. Телекоммуникации и сети М: Издательство МГТУ им. Н. Э. Баумана 2003 — 608 с.

17. Гаранин М. В., Журавлев В. И., Кунегин С. В. Системы и сети передачи информации: Учеб. пособие для вузов. М.: Радио и связь, 2001.-336 с.

18. Данных МПЗ. ПротоколуправленияSNMPhttp://book.itep.ru/4/44/snm 4413.htm

19. Дэвида Тенненнхауси и Дэвида Ветэрола Концепция активной сети. MITUSA, 1996. 305 с

20. Джойл Снайдер. Устройства управления трафиком. // Сети. 1998. № 7-8. http://www.osp.ru/nets/1998/07-08/143604/

21. Электронный журнал «Вычислительные сети. Теория и практика. 2001 -2006 гг. http://network-iournal.mpei.ac.ru24.3ахаров Г.П. Методы исследования сетей передачи данных. М. : Радио и связь, 1982. 208 с

22. Захаров Г. П. Методы исследования сетей передачи данных. М.: Радио и связь, 1982. 208 с.

23. Иванов А. В. Разработка и исследование алгоритмов прогнозирования и управления очередями в компьютерных сетях Текст.: Автореф. дис. канд. техн. наук : 05.13.01 / Санкт-Петербургский государственный технический университет. — СПб.: СПбГТУ, 2001.

24. Иваненко С. Введение в SNMP http://www.dlink.ru/technology/art 1 l.php

25. Иванов С.А., Устюжанин А.Е., Сравнительный анализ подходов к автоматизированному тестированию многоагентных систем.

26. Клейнрок JI. Вычислительные системы с очередями. М.: Мир, 1979. 600с.

27. Клейнрок JI. Теория массового обслуживания. Пер. с англ. И. И. Грушко. Под ред. В. И. Неймана. М.: Машиностроение. 1979.

28. Компания CACI Products COMNET Baseliner user Guide August 1997 www.etse.urv.es

29. Кофман А., Крюон P. Массовое обслуживание (теория и приложения) / Пер. с фр. под ред. И.Н. Коваленко. М.: Мир, 1965. -302 с.

30. Кульгин М. Технологии корпоративных сетей. Энциклопедия. -СПб.: Питер, 2000.

31. Куракин Проблемы маршрутизации информационных потоков при проектировании глобальных сетей телекоммуникаций. // ISSN 00135771. Электросвязь. 1997 г. №8. с. 15-17.

32. Лазарев В. Г., Лазарев Ю. В. Динамическое управление потоками информации в сетях связи. М.: Радио и связь, 1983. 216 с.

33. Матип Эссунга Лазар Методика выбора количества приоритетных пользователей в корпоративных вычислительных сетях реального времени // Системы управления и информационные технологии, Воронеж 2008, №4.2(30). 261-264с.

34. Мизин И. А., Богатырев В. А., Кулешов А. П. Сети коммутации пакетов. Под ред. В. И. Семинихина. М.: Радио и связь. 1986. - 408 с

35. Охотников С.С. Оценка эффективности управления трафиком между LAN и WAN. 2002 г.

36. Продукты D-Link Средства анализа и оптимизации локальных сетей. Обзор популярных систем управления HPOpenView, SunSoftSoliste, CabletronSpectrum, IBMNetView: http://www.dlink.ru/technology/locnop 08

37. Продукты для мониторинга и анализа, Обзор популярных систем управления: HPOpenView, SunSoftSolstice, CabletronSpectrum, IBMNetView www.CITFORUM.ru

38. Продукты D-Link D-View 5.1 Network Management System User's Guide http.7/ ftp. dlink.ru/pub/software/D-View

39. О.Семенов Ю.А. (ГНЦ ИТЭФ). Протокол управления SNMP, Управляющая база

40. Таненбаум Э. Компьютерные сети. — СПБ.: Питер, 2004 г. 848 с

41. Тарасик В. П. Математическое моделирование технических систем: Учебник для вузов. М.: Дизайн ПРО, 1997. 640 с.

42. Управляющая база данных MIB: http://book.itep.ru/4/44/snm 4413.htm

43. Феррари Д. Оценка производительности вычислительных систем. Москва "Мир" 1981.

44. Фрэнк Г., Фриш И. Сети связи и потоки: Пер. с англ. М.: Связь, 1978. 448 с.

45. Шварц М. Сети связи: протоколы моделирования и анализ./ В 2-х ч. 4.II. М.: Наука, Глав.ред.физ.-мат.лит-ры, 1992, 272с

46. Шварц М. Сети ЭВМ. Анализ и проектирование: Пер. с англ. / Под ред. В.А. Жожикашвили. М.: Радио и связь, 1981. 336 с.

47. Agrawal S.C. Metamodeling A Study of Approximations in Queering Models. MIT Press, 1985.

48. Bellifemine F., Rimassa G. and Poggi A. JADE A FIPA-Compliant Agent Framework. "Proceedings of the 4th International Conference and Exhibition on the Practical Application of Intelligent Agents and Multi-Agents", UK. 1999.

49. Bellifemine F., Caire G., Trucco Т., Rimassa G. JADE Administrator's Guide http://sharon.cselt.it/proiects/iade.

50. Bellifemine F., Poggi A., and Rimassa G. Developing multi agent systems with a FIPA-compliant agent framework. In Software Practice Experience, volume 31, pp. 103-128. John Wiley Sons, Ltd., 2001.

51. Bivens A., Fry P.H., Li Gao, Hulber M. F., Szymanski B.K. Agent-Based Network Monitoring. "Agent based High Performance Computing" 'Workshop at Agents' 99 Conference, 1999.

52. Bohoris C., Pavlou G. and Cruickshank H. Using mobile agents for network performance management. IEEE/IFIP Network Operations and

53. Management Symposium (NOMS'OO), Honolulu, Hawaii, pp. 637-- 652, Apr. 2000:

54. Bolch, G., Greiner S., de Meer H., Trivedi K.S.: Queueing Networks and Markov Chains. Modeling and Performance Evaluation with Computer Science Applications, John Wiley & Sons, New York. 1998.

55. Case J., Eedor M., SchoHstall M., Davin J; A Simple Network Management Protocol (SNMP) RFC 1157, May 1990.

56. David Larrabeiti, Maria Calderon, Arturo Azcorra, Manuel Uruena. Sara: a simple active router-assistant architecture. Technical; repport, Madrid , 2001.

57. DCGM, Microsoft distributed component object model, http://www.microsoft.com/com/tech/DCQM.asp.

58. Doherty W.J. and Schedulling, the degree to which a computing system meets the expectation of the person involved with it. TSS/360 for Responsiveness, AFIPS Proc. FJCC, 1970, pp. 97-111

59. Eric Schmidt Google CEO Performance Evaluation outlines how Coyote Point Systems, www.itbusinessedge.com

60. Ethereal the world's most popular network protocol analyzer, powerful multi-platform analysis http ://www. ethereal .com

61. Ewing, G., K.Pawlikowski and McNickle D. Akaroa 2.4.2. User's Manual. Tech. Report TR-COSC, Department of Computer Science, University of Canterbury, Christchurch, New Zealand. 1997

62. Fdida S. Pujolle G. Modeles des Systemes et des Reseaux. Tome I: Performance. Eyrolles. 1989. 292 c.

63. Frost, V. S., Melamed, В., Traffic modёling for telecommunications networks, IEEE Communications Magazine; March 1994;

64. Galmes;. S., Puigjaner, R., Correlation Analysis of a Discrete-time Flexible Arrival Process. Journal on Computer networks. ISSN:; 13891286, vol. 41, pp. 795-814. Elsevier North Holland, 2003.

65. Gavalas D., Greenwood D., Ghanbari M., Mike O'Mahony. Advanced Network Monitoring Applications Based on Mobile/Intelligent Agent Technology. Computer Communications Journal, special issue on "Mobile Agents for Telecommunication Applications", Jan 2000.

66. Gavalas D., Greenwood D., Ghanbari M., O'Mahony M. An Infrastructure for Distributed and Dynamic Network Management based on Mobile Agent Technology. Proceedings of the IEEE International Conference on Communications (ICC'99), pp. 1362-1366, June 1999.

67. Georges Fiche et Gerard Hebuterne Trafic et performances des reseaux de telecoms. Collection technique et scientifique des telecommunications, Hermes Science, Lavoisier, 2003 r. - 528 c.

68. Georges Gilder. High performance active network node. In IEEE Network, volume 13, January 1999

69. Graham R. M. The effectiveness with which the resource of the host computer system are utilized toward meeting the objective of the software system. 1973. pp.395 *

70. Griffin D., Pavlou G., Georgatsos P. Providing Customisable Network Management Services Through Mobile Agents. Proc. of the 7th International Conference on Intelligence in Services and Networks (IS&N'OO); Athens, Greece:, February 2000.

71. Harrison P. G. and Patel N. M. Performance Modelling of Communication Networks and Computer Architectures. Addison-Wesley, 1993.

72. Hartman J., Bigot P., Montz В., Piltz R., Spatscheck O., Proebsting T. and Peterson L. joust: A platform for liquid software. IEEE computer, 1999.

73. Huawen Luo. Agent-based Network Management System. PhD these. Beijing Institute of Technology, 2000. pp. 120.

74. Internetworking Technology Overview Электронный ресурс. Режим доступа: www.mark-it.ru/CISCO/ITO/ Загл. с экр.

75. Jean-Patrick Gelas. Vers la conception d'une architecture de reseaux actifs apte a supporter les debits des reseaux gigagits. Universite Claude Bernard de Lyon. France. 2003. pp. 125.

76. Khan Malik. QoS What Is It All About // Journal of Network and Systems Management. 2001.Vol.9. No. 4.

77. Kholodov A. S., Kholodov Y.A. Computational models on graphs for the nonlinear hyperbolic system of equations. ASME 2004 PVP, Vol. 476, PVP 2004-2580, pages 161-167.

78. Madhavi W. Subbarao. Optimizing Performance in Mobile Packet Radio Networks. Ph.D. These. University of California at Berkeley, USA. 1998

79. Matthias Klusch, Information agent technology for the Internet. German Research Center for Artificial Intelligence, Deduction and Multi-Agent Systems Lab, Stuhlsatzenhausweg 3, Saarbruecken, Germany. 2001. 372 с

80. Mosberger D., Scout: A path based operating system. PhD thesis, University of Arizon, 1997. http://www.cs.arizona .educ/scout.

81. Olivier Festor, Isabelle Chrisment and Eric Fleury. Les reseaux programmables 1.0. Technical Report 3913, INRIA, 2000. Rapport de Recherche.

82. Open View Network Node Manager, распределенное управление сетью http.7/www.infait.ru/department/network/hpopenviewnm/6/2.html

83. Pawlikowski К. Steady-state simulation-of queueing processes: a survey of problems and solutions. ACM Computing Surveys 22. 1990. pp. 123170

84. Peter Ladkin. Measuring the Quality of Service, Performance Evaluation, Performance of Computing System. http://nakula.rvs.uni-bielefeld.de/~made/folie/folie04.html#top dokumen

85. Piliafito A., Tomarchio O. Using Mobile Agents to implement flexible Network Management Strategies. Computer Communication Journal, 23(8): 708-719, April 2000.

86. Ramon Puigjaner Modelling techniques and tools for performance evaluation, http://www.informatik.uni-trier.de

87. Ramon Puigjaner Performance Aspects of Real-Time Systems. http://www.informatik.uni-trier.de

88. Rubinstein M. G., Duarte О. С. M. В., Pujolle G. Scalability of a Network Management Application Based on Mobile Agents. http://citeseer.nj.nec.com/503561 .html, March 2002.

89. SNMP как средство управления сетями (по материалам корпорации Microsoft). http://www.compress.rU/Archive/CP/2000/5/27/#07

90. Simple Network Management Protocol (Software Technology Review) http://www.sei.cmu.edu/str/descriptions/snmp body.html.

91. Springer Verlagn. Performance prediction, Advances Courses on Software Engineering, 1974. pp. 463

92. The simple Network Management Protocol (SNMP) MIBs are accessed using a network-management protocol http://en.wikipedia.org/wiki/Simple NetworkManagement Protocol