РОЗРОБКА АНАЛІТИЧНОЇ МОДЕЛІ ІНТЕЛЕКТУАЛЬНОЇ НАДБУДОВИ NGN З ДЕЦЕНТРАЛІЗОВАНИМ ПРИНЦИПОМ УПРАВЛІННЯ

Анотація

Стаття присвячена розробці аналітичної моделі інтелектуальної надбудови NGN з децентралізованим принципом управління наданням сервісів з урахуванням самоподібності потоку заявок на сервіси. Показано, що концепція NGN з’явилася досить давно, але й по цей день в Україні існують лише окремі «острівки» NGN. NGN підтримує функціональні можливості TriplePlay Services (потрійного сервісу — передача мови, відео та даних). Зазначено, що на сьогодні в NGN використовується інтелектуальна надбудова з цент- ралізованим принципом управління (ІНЦПУ), що відповідає за надання потрійного сервісу. Враховуючи ріст попиту на потрійний сервіс, ІНЦПУ не завжди спроможна забезпечити якісне управління наданням сервісу. Для підвищення якості управління наданням сервісів запропонована архітектура NGN з інтелектуальною надбудовою, що застосовує децентралізований принцип управління (ІНЦПУ), що дозволяє позбавитися недоліків ІНЦПУ. Оцінювати якість функціонування інтелектуальної надбудови (якість управління наданням сервісів) пропонується на основі розрахунку показників якості — ймовірнісночасових характеристик із застосуванням аналітичної моделі інтелектуальної надбудови NGN. При цьому враховується, що вхідний потік заявок на сервіси в мережах пакетної комутації має властивості самоподібності. У роботі представлені два підходи до реалізації ІНДПУ. Як у першому, так і в другому випадку сервіси, котрі надає ІНДПУ розбиваються на класи. Класифікація, може, відбуватися, наприклад, по технології надання сервісів (чи у відповідності з вимогами до QoS). Окрім того, деякі сервіси не допускають затримки виконання. Такі сервіси слід об’єднати в окремий клас. У першому випадку кожен сервер містить логіку обслуговування всіх класів сервісів (універсальний сервер). Тобто кожен із серверів повторює всі можливості того єдиного серверу, що функціонує при інтелектуальній надбудові з централізованим принципом управління. Другий підхід передбачає використання спеціалізованих серверів. У такому випадку можна проводити групування сервісів відповідно до потреб на певні їх види на відповідній території. Певний набір класів сервісів, логіка їх обслуговування розміщується в окремому вузлі управління сервісами (сервері). Для кожного набору класів існує свій вузол. Пропонується надалі вважати, що сервери спеціалізовані й розглядати архітектуру NGN з такою інтелектуальною надбудовою. Зазначено, що розробка аналітичної моделі ІНДПУ має базуватися на використанні підходів теорії масового обслуговування та моделі, яка базується на застосуванні фрактального Броунівського руху. Представлено ІНДПУ у вигляді окремої накладної мережі, а ту, у свою чергу, у вигляді мережі масового обслуговування (МеМО) з зазначенням основних допущень та припущень. Вказано, що в розглянутій МеМО до кожного пристрою буде надходити груповий (агрегований) потік від декількох джерел. При цьому зазначається, що при агрегуванні потоків від декількох джерел, у разі, якщо хоча б один із них має властивість самоподібності, то властивістю самоподібності буде володіти й результуючий груповий потік. Об’єднання потоків від джерел, генеруючих трафік, що описується процесом із нескінченної дисперсією, призводить до самоподібного мережного трафіку, який наближається до трафіку, описуваного моделлю фрактального Броунівського руху. При цьому показник Херста агрегованого потоку буде мати максимальне значення зі всіх показників потоків, що об’єднуються. Запропонована оцінка інтенсивності та коефіцієнта дисперсії потоків на основі виразів математичної статистики. Використовуючи модель фрактального Броунівського руху та результати, отримані Норросом, запропоновані вирази для розрахунку часу обслуговування заявки на і-му сервері та ймовірності втрати заявки на сервіс через переповнення буфера при вхідному трафіку з ефектом самоподібності. Запропонована аналітична модель інтелектуальної надбудови NGN з децентралізованим принципом управління наданням сервісів з урахуванням самоподібності потоку заявок на сервіси дозволить точніше розраховувати (прогнозувати) значення ймовірнісно-часових характеристик (показників якості управління наданням сервісів), що, у свою чергу, дозволить розробникам мереж на етапі проектування біль точно підбирати необхідне мережеве обладнання.