Routing models and methods of information resources on the content delivery network based on domestic software

Cover Page

Cite item

Full Text

Abstract

Content Delivery Networks are designed to accelerate the loading of websites, applications and other digital content for users located in different regions. The main goal of such networks is to reduce the delay in data transmission between the server and the user, ensuring fast content delivery regardless of the user's geographic location. Import substitution of content delivery networks is a relevant and important scientific and technical task. The paper proposes a method for efficient distribution of digital information resources in a content delivery network implemented on the domestic software product 1C:Bus. The method is based on the problem of optimizing the route for placing content on caching servers, which corresponds to the problem of the minimum path in a directed graph. To solve the problem, we used the ant colony method to find an efficient solution in the computationally complex problem in an acceptable time. Compared with random route generation, the proposed route generation methods can speed up content loading by up to 20%. Multithreaded transmission made it possible to speed up content loading by two more times.

About the authors

Alexey Andreevich Prokurovsky

Moscow Technical University of Communications and Informatics

Email: a.a.prokurovskiy@mtuci.ru
Moscow

Natalia Vladimirovna Toutova

Moscow Technical University of Communications and Informatics

Email: n.v.tutova@mtuci.ru
Moscow

Iliya Aleksandrovich Andreev

Moscow Technical University of Communications and Informatics

Email: kis.dep@mtuci.ru
Moscow

References

  1. БОРОНИХИНА Е.А. и др. Исследование гибридных эв-ристических методов решения задачи коммивояжера // Материалы IV Международной молодежной научной конференции «Математическое и программное обеспе-чение информационных, технических и экономических систем». – 2016. – С. 7–10.
  2. ВАСИЛЬЕВА Л.И., СУГАЛ Ф.Н., КАРТАК В.М. Обзор алгоритмов построения маршрутов на примере задачи коммивояжера // Современные проблемы и перспективы развития естествознания. – 2020. – С. 64–68.
  3. ВАТУТИН Э.И., ТИТОВ В.С. Анализ результатов при-менения алгоритма муравьиной колонии в задаче поиска пути в графе при наличии ограничений // Известия Юж-ного федерального университета. Технические науки. – 2014. – №12(161). – С. 111–120.
  4. ДИГО С.М., НУРАЛИЕВ Б.Г. Взаимодействие экоси-стемы 1С с системой образования в эпоху цифровой экономики // Новые информационные технологии в обра-зовании. – 2022. – С. 7–24.
  5. ИТУРРИАГА ФАБРА С.Д., НЕСМАЧ-НОВ КАНОВАС С.Е., ГОНИ БОФРИСКО Н. и др. Кон-струирование и оптимизация сетей распространения контента // Труды ИСП РАН. 2019. – №2. – URL: https://cyberleninka.ru/article/n/konstruirovanie-i-optimizatsiya-setey-rasprostraneniya-kontenta (дата обращения: 02.01.2025).
  6. ЛЕБЕДЕВ Б. и др. Моделирование адаптивного поведе-ния муравьиной колонии при поиске решений, интерпре-тируемых деревьями // Известия Южного федерального университета. Технические науки. – 2012. – Т. 132, №7. – С. 27–34.
  7. МЕЛЕХИН В.Б., ХАЧУМОВ М.В. Об одном подходе ре-шения задачи коммивояжера для планирования авто-номным беспилотным летательным аппаратом марш-рутов облета целей // Вестник Дагестанского государ-ственного технического университета. Технические науки. – 2021. – Т. 48. – №1. – С. 108–118.
  8. МУХИНА Д.А. Муравьиный алгоритм в решении задачи маршрутизации транспорта // В сб.: Информационные технологии и высокопроизводительные вычисления: Ма-териалы IV Всероссийской научно-практической конфе-ренции. – 2017. – С. 91–103.
  9. ПОПОВ Д.В. Некоторые аспекты развития практиче-ских методов решения задач класса NP // Исторические, философские, методологические проблемы современной науки. – 2018. – С. 254–258.
  10. ПРОКУРОВСКИЙ А.А., АНДРЕЕВ И.А., БУЛАНОВ Г.А. Архитектура сети доставки контента на основе тех-нологии блокчейна // Технологии информационного об-щества. – 2022. – С. 245–247.
  11. ПРОКУРОВСКИЙ А.А., АНДРЕЕВ И.А., ТУТОВА Н.В. Повышение эффективности распределения ресурсов в сетях доставки образовательного контента с исполь-зованием интеграционной шины «1С: Шина» // Инфор-матика и образование. – 2024. – Т. 39, №4. – С. 90–95.
  12. BUYYA R., PATHAN M., VAKALI A. (eds.). Content de-livery networks. – Springer Science & Business Media, 2008. – Vol. 9.
  13. CARLSSON N. et al. Caching and optimized request routing in cloud-based content delivery systems // Performance Evaluation. – 2014. – Vol. 79. – P. 38–55.
  14. ESTEVE M. et al. A streaming content distribution network for e‐learning support // Interactive Technology and Smart Education. – 2006. – Vol. 3, No. 1. – P. 9–19.
  15. PODLIPNIG S., BÖSZÖRMENYI L. A survey of web cache replacement strategies // ACM Computing Surveys (CSUR). – 2003. – Vol. 35, No. 4. – P. 374–398.
  16. SAFAVI M., BASTANI S., LANDFELDT B. Online learning and placement algorithms for efficient delivery of user gen-erated contents in telco-CDNs // IEEE Trans. on Network and Service Management. – 2019. – Vol. 17, No. 1. – P. 637–651.
  17. SureRoute, – URL: https://techdocs.akamai.com/property-mgr/docs/sureroute-beh (дата обращения: 19.04.2025).
  18. ZOLFAGHARI B. et al. Content delivery networks: State of the art, trends, and future roadmap // ACM Computing Sur-veys (CSUR). – 2020. – Vol. 53, No. 2. – P. 1–34.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».