Моделирование входящего потока информации о состоянии оборудования в глобальных сетях электронно-вычислительной машины

Ребра малого веса -- структурные соединения и принадлежности внутри сетевого элемента, например, физический порт, находящийся на протоколообразующей карте. Отношение принадлежности в модели будет отражено ребром малого веса.

Ребра большого веса -- соединения между удаленными сетевыми элементами: кабели, внутрикабельные соединения, виртуальные потоки, логические межсетевые туннели.

Принцип моделирования WAN на основании такого графа легче всего проиллюстрировать с помощью следующего сценария.

1. Выходит из строя один из физических портов сетевого элемента «А», генерируя сообщение об ошибке.

2. Связанный с ним логический порт также генерирует сообщение об ошибке через время, равное весу ребра соединения с вышедшим из строя физическим портом.

3. Соответственно генерирует сообщение об ошибке и логический туннель, и т.д. до сервиса.

4. Через промежуток времени, равный весу соединительного ребра, генерирует сообщение об ошибке физический порт, расположенный на смежном сетевом элементе («B») и связанный ребром тяжелого веса с первым вышедшим из строя физическим портом.

5. Повторяются первые три пункта для сетевого элемента «В».

Моделирование производится в условиях непрерывного времени. Имитацио-нная модель искусственно выводит из строя различные узлы графа (соответству-ющие объектам мониторинга в реальной сети), в результате чего модель генери-рует сообщения о неисправностях на основании приведенного выше алгоритма. Последовательность искусственного вывода из строя узлов графа задается с по-мощью конфигурационных параметров модели и определяется на основании реальных сценариев неисправностей в глобальных сетях ЭВМ: обрыва магистрально-го кабеля, отключения питания на технологической площадке, приводящего к отключению нескольких сетевых элементов и т.д., а также их различных комбинаций.

Для моделирования конкретной глобальной сети ЭВМ наиболее эффективным, безусловно, стал бы метод, позволяющий более точно перенести реальную топологию сети непосредственно в ее имитационную модель. При этом моделирование данной сети было бы высокоточным. К сожалению, процесс определения топологии реально работающей сети на практике существенно затруднен. Основная причина -- даже на основании опроса сетеобразующего оборудования в большинстве случаев невозможно определить связи между соседними сетевыми элементами (какой порт с каким связан). С другой стороны, СМСО не должна привязываться к некой конкретной сети. Вместо этого она должна эффективно работать с сетями конкретного класса, например ATM, Frame-Relay, IP, Wireless и т.д. Имитационная модель соответственно должна включать в себя основные поведенческие модели всех сетей, относящихся к данному конкретному классу. Конкретное построение графа сети в имитационной модели может быть случайным, важным будет являться только соотношение количественных показателей и поведенческих моделей с реальными сетями данного класса. распределенный сеть электронный вычислительный

Математическая модель строит данный граф случайным образом, при этом, основываясь на некие конфигурационные параметры, которые можно установить, проанализировав типичные сетевые конфигурации. В качестве закона распределения случайных величин был избран нормальный закон распределения [7], так как число объектов моделирования достаточно велико и формально мало зависит от внешних условий.

Конфигурацией моделируемой сети является совокупность параметров, задающихся XML-файлом:

параметры нормального распределения количества узлов каждого типа, связанных с соответствующим узлом более высокого типа;

параметры нормального распределения весов всех ребер графа;

параметры нормального распределения периода времени между сообщениями для всех типов узлов;

ограничения количества сообщений и количества узлов, которые могут посылать каждый из узлов определенного типа;

период моделирования.

Результатом работы модели является XML-файл, в котором содержится информация о типе и времени получения сообщения, адресе узла, сгенерировавшего сообщение, и адресе узла, передавшего сообщение, и другая статистическая информация.

Реализация модели глобальной территориально-распределенной сети ЭВМ

Прототип системы, моделирующей глобальную территориально-распределен-ную сеть ЭВМ, был сделан по принципу сосредоточенной модели [8, 9]. Сосредоточенный вариант моделирующей программы подразумевает выполнение потоков в рамках одного процесса. Параллельные действия потоков по интерпретации событий, относящихся к различным значениям моделируемого времени, исключаются.

После отладки прототипа на малых объемах моделируемых данных, переход к реальным объемам потребовал от моделирующей системы серьезного увеличения быстродействия. Современные средние и крупные глобальные сети ЭВМ могут включать в себя более 1000 сетевых элементов и генерировать поток автономных сообщений об ошибках в среднем до 50 в секунду и до 150 сообщений в моменты пиковой загрузки. Дополнительные требования к быстродействию модели накладывает тот факт, что требуется выполнить моделирование работы сети за достаточно продолжительный период времени -- иногда в течение периода времени более 24 часов. Только в этом случае результаты моделирования будут близки к реальным. Моделирование не проводится в реальном времени, поэтому скорость работы моделирующей системы является весьма критичной.

Для увеличения быстродействия модели был выбран метод распределенного моделирования [8]. Распределенная модель была автоматически сгенерирована на основе сосредоточенной модели и позволила распараллелить процесс моделирования между несколькими ЭВМ. В качестве реализации межпроцессного взаимодействия моделирующих процессов, выполняющихся на различных ЭВМ, был выбран Common Object Request Broker Architecture (CORBA). Количество параллельно используемых ЭВМ в этом случае является конфигурационным параметром и фактически не ограниченно. Практическое ускорение процесса моделирования от каждой дополнительной ЭВМ -- более 80 %.

В качестве языка программирования модели территориально-распределенной сети ЭВМ был выбран язык Java [10]. Для хранения результатов моделирования и конфигурационных данных при моделировании сети выбран расширяемый язык разметки XML [11] и использована библиотека JAXP версии 1.0.1.

Пакет wanModeling.util

Можно выделить две категории задач решаемых с помощью пакета wanModeling.util: обеспечение XML интерфейса и работа со шкалой времени.

Интерфейс XML

Класс XmlReader является абстрактным суперклассом [11] для всех классов, предназначенных для чтения конфигурационных данных, поддерживает интерфейс программирования приложений DOM [11] для представления структуры XML.

Класс XmlSaxReader предназначен для чтения XML файлов большого объе-ма. Примером может служить файл с информацией о сообщениях, сгенерирован-ных моделью сети ЭВМ (десятки или сотни мегабайт). Класс XmlSaxReader поддерживает интерфейс программирования приложений SAX [11] для чтения и обработки структуры XML.

Класс XmlWriter предназначен для записи данных в формате XML. Этот класс также использует интерфейс программирования SAX.

Интерфейс шкалы времени

Класс Time предназначен для моделирования времени, выраженного в миллисекундах. Все его поля и методы статические, что соответствует одинаковому течению времени для всех объектов моделирования.

Пакет wanModeling.smso

Класс Model является точкой входа в программу. В нем происходит чтение конфигурационных данных, построение графа сети на основании прочитанных данных, моделирование работы сети и вывод результатов моделирования.

Класс ParamReader предназначен для загрузки конфигурационных данных моделируемой сети в оперативную память ЭВМ.

Класс Param генерирует нормально распределенную величину по заданным параметрам распределения. Используется генератор случайных чисел java.util. Random [8].

Класс MessageParam используется для генерации новых сообщений, учета количества сгенерированных сетевым элементом сообщений и учета количества сетевых элементов, которые могут генерировать сообщения. Каждый экземпляр этого класса является конфигурацией сообщений, применимой к группе узлов графа сети.

Класс NodeParam используется для создания узлов графа сети в зависимости от конфигурационных параметров модели для этого типа узлов.

Класс Graph необходим для создания графа моделируемой сети и агрегации корневых элементов этого графа.

Класс NodeId содержит полный адрес узла в графе моделируемой сети. Компонентами адреса являются тип узла, порядковый номер соответствующего сетевого элемента и уникальный идентификатор среди всех объектов данного поддерева.

Класс Message представляют собой модель автономного сообщения, которое может быть передано от одного сетевого элемента к другому.

Класс Node является моделью узла графа сети и моделирует генерацию и передачу автономных сообщений.

Класс NodeStats является суперклассом для класса Node и необходим для накопления и вывода статистической информации о сети.

Примеры использования имитационной модели генератора автономных сообщений в глобальных сетях ЭВМ

В качестве примера использования имитационной модели генератора автономных сообщений в глобальных сетях ЭВМ был выбран наиболее типичный сценарий формирования неисправностей: нормальное функционирование сети без критических ситуаций. Под критической ситуацией понимается множественный выход из строя линий связи или сетеобразующего оборудования, случающийся достаточно редко и формирующий интенсивный кратковременный поток сообщений о неисправностях. На основании эмпирических данных, полученных при наблюдении за реальными ATM и Frame-Relay сетями, при нормальной работе сети физический порт выходит из строя в среднем каждые 12 часов. Неисправность ликвидируется (о чем также выдается автономное сообщение) в среднем через 2 часа после поломки.

Конфигурация сети для построения имитационного графа была также построена на основании усредненных данных о конфигурациях различных ATM и Frame-Relay сетей:

количество сетевых элементов -- 200;

с каждым сетевым элементом соединено по одному шасси;

в каждом шасси в среднем по 20 сетевых карт;

каждая карта имеет в среднем 4 физических порта;

средние веса связей легкого типа между всеми типами узлов графа 40, 30, 20, 10, 5 и 2 мс соответственно;

средний вес связей тяжелого типа -- 3000 мс;

сообщения посылают физические порты в среднем 1 раз в 6 часов;

моделируемое время -- 24 часа.

При моделировании сети с такими конфигурационными параметрами был собрана следующая статистическая информация:

количество узлов графа -- 92427;

количество сетевых карт -- 3928;

количество физических портов, логических портов и логических туннелей -- 29366;

количество сгенерированных сообщений -- 104287;

количество переданных сообщений -- 521324.

В результате моделирования сети была получена зависимость входного потока информации о текущем состоянии оборудования от времени. В данном случае имеет смысл рассматривать поток информации на временах больших двух периодов появления неисправностей в моделируемых узлах сети, т.е. более 12 часов от начала моделирования. Это связано с тем, что в начальные два периода появления неисправностей сеть переходит от состояния, когда все узлы функционируют нормально и поток сообщений равен нулю, в состояние, когда часть сетевых элементов выведены из строя и поток сообщений изменяется только в определенных пределах, что является свойством модели, а не реальной сети. Относительная погрешность всех измерений составляет 10-15 % и обусловлена скачкообразностью потока входных сообщений и, следовательно, скачкообразностью использования ресурсов серверов исполнения.

Выводы

В ходе данной работы проведен анализ требований, предъявляемых к имитационной модели входящего потока информации о текущем состоянии оборудования в глобальной сети ЭВМ. Кроме этого был произведен качественный анализ существующих подходов к моделированию глобальных сетей ЭВМ, в результате чего сделан вывод о сложности их использования для моделирования потока автономных сообщений о неисправностях.

Предложен подход к разработке имитационной модели потока информации о текущем состоянии оборудования, сущность которого заключается в представлении объекта моделирования (глобальной сети ЭВМ) в виде графа, связанного ребрами различных весов. Конфигурация модели не привязывается к конкретной сети и формируется случайным образом на основании конфигурируемых ограничений, установленных на основании эмпирических данных о существующих на сегодняшний день глобальных сетях ЭВМ. Представлены принципы реализации имитационной модели, описаны основные классы, типы, структуры данных и взаимодействия между ними. Задание конфигурационных параметров, а также вывод результатов моделирования производится с помощью языка XML.

В качестве примера использования имитационной модели выбран наиболее типичный сценарий формирования автономных сообщений о неисправностях в современных глобальных сетях ЭВМ. Результатом моделирования стал случайный входной поток информации о текущем состоянии оборудования интенсивностью в среднем 10 сообщений в секунду. Выполнено сравнение данного потока с потоками сообщений о неисправностях в реальной сети со сходной архитектурой и количественными показателями. Результаты моделирования по всем характеристикам адекватны характеристикам реального потока и могут быть эффективно использованы в качестве исходных данных для имитационной модели СМСО.

Литература

1. Сети ЭВМ / В.М.Глушков, Л.А.Калиниченко, В.Г.Лазарев, В.И.Сифоров. -- М.: Связь, 1977. -- 279 с.

2. Бабенко К.Ю, Панченко А.Ю. Моделирование системы мониторинга состояния оборудования для глобальных сетей ЭВМ // Реєстрація, зберігання i оброб. даних. -- 2002. -- Т. 4. -- № 3. -- С. 113-121.

3. Бабенко К.Ю. Особенности реализации подсистемы обработки входящих сообщений для систем мониторинга состояния оборудования // Пробл. программир. -- 2002. -- № 1-2. -- С. 205-210.

4. Кульгин М. Технологии корпоративных сетей: Энциклопедия. -- С-Пб.: Питер, 2000. --704 с.

5. Нетесин И.Е. Модели обслуживания очередей запросов к серверам // Пробл. программир. -- 2002. -- № 1-2. -- С. 265-271.

6. Уилсон P. Введение в теорию графов. Пер. с англ. -- М.: Мир, 1977. -- 207 с.

7. Вентцель Е.С. Теория вероятностей: Учебник для ВУЗов. -- 3-е изд., испр. -- М.: Наука, 1964. -- 576 с.

8. Программные средства моделирования непрерывно-дискретных систем / В.М.Глушков, В.В.Гусев, Т.П.Марьянович, М.А.Сахнюк. -- К.: Наук. думка, 1975. -- 152 с.

9. Галаган Т. Н., Гусев В.В., Марьянович Т.П., Яценко Н.М.. Один подход к автоматизации построения распределенной модели из ее сосредоточенного аналога // Пробл. программир. -- 2002. -- № 1-2. -- С. 182-187.

10. Calvin Austin, Monica Pawlan. Advanced Programming for the Java 2 Platform. -- 1-st edition. -- Addison Wesley Professional, 2000. -- 400 p.

11. Brett McLaughlin. Java & XML: Solutions to Real-World Problems. -- 2nd edition. -- O'Reilly & Associates, 2001. -- 550 p.

Аннотация

Рассмотрены вопросы моделирования глобальной территориально-распределенной сети ЭВМ с целью генерирования входящего потока информации о текущем состоянии оборудования сети. Обсуждена реализация модели на языке Java. Приведен анализ результатов моделирования характерной конфигурации глобальной территориально-распределенной сети ЭВМ.

Ключевые слова: сети ЭВМ, мониторинг состояния оборудования, имитационное моделирование, автономное сообщение.

Размещено на Allbest.ru