Моделирование устойчивости в распределенных системах на основе обобщенной модели Эрдёша – Реньи и модели Гилберта – Эллиотта

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Целью данной работы является разработка и верификация модели оценки устойчивости распределенных систем, способной учитывать как структурные характеристики сети, так и динамическое поведение соединений. Предложенная модель основывается на объединении графового анализа (на базе модели Эрдёша – Реньи) и статистического моделирования (модель Гилберта – Эллиотта), что позволяет интегрировать вероятности связности и успешного соединения для анализа устойчивости сети. Основной задачей исследования было создание подхода, который способен адекватно описывать реальные сетевые процессы и выявлять потенциальные точки деградации. В ходе исследования модель была протестирована на примере локального Kubernetes-кластера, где был развернут тестовый CRUD-сервис с нагрузкой в течение 24 часов. Собранные метрики, такие как потери пакетов, задержки и пропускная способность, позволили сопоставить предсказания модели с реальными данными. Результаты показали минимальные расхождения между теоретическими и эмпирическими значениями, что подтвердило адекватность модели. Выводы исследования демонстрируют, что предложенный подход способен не только точно описывать текущие сетевые процессы, но и служить основой для принятия решений о масштабировании и репликации. Гибкость модели обеспечивает ее актуальность в условиях изменения топологии сети или качества соединений, что делает ее применимой для анализа современных распределенных систем.

Об авторах

Данил Игоревич Сухоплюев

МИРЭА – Российский технологический университет

Автор, ответственный за переписку.
Email: sukhoplyuev.d.i@edu.mirea.ru
SPIN-код: 3931-0217

аспирант

Россия, Москва

Алексей Николаевич Назаров

Федеральный исследовательский центр «Информатика и управление» Российской академии наук

Email: a.nazarov06@bk.ru
ORCID iD: 0000-0002-0497-0296
SPIN-код: 6032-5302
Scopus Author ID: 7201780424

доктор технических наук, профессор

Россия, Москва

Список литературы

  1. Евстратов В.В. Оркестрация контейнеров на примере Kubernetes // Молодой ученый. 2020. № 51 (341). С. 11–13. EDN: DEALJL.
  2. Gu L., Xu H., Li Z. et al. Container session level traffic prediction from network interface usage // IEEE Transactions on Sustainable Computing. 2023. Vol. 8. No. 3. Pp. 400–411. doi: 10.1109/tsusc.2023.3252595. EDN: OYVTND.
  3. Kovalev M.G. Tracing network packets in the Linux Kernel using eBPF // Proceedings of the Institute for System Programming of the RAS. 2020. Vol. 32. No. 3. Pp. 71–78. doi: 10.15514/ISPRAS-2020-32(3)-6. EDN: AKNDPV.
  4. Ибрям Б. Эволюция облачных вычислений: от «сырой» инфраструктуры к облаку бессерверных приложений // Интернет изнутри. 2023. № 19. С. 9–13. EDN: VQDCGX.
  5. Фокин А.Б. Метод расчета вероятностей связности (коэффициентов готовности) телекоммуникационной сети, поддерживающей механизмы обеспечения отказоустойчивости // Информационные системы и технологии. 2023. № 4 (138). С. 83–91. EDN: CWQJBV.
  6. Hablinger G., Hohlfeld O. The Gilbert – Elliott model for packet loss in real time services on the Internet // 14th GI/ITG Conference on Measuring, Modelling and Evaluation of Computer and Communication Systems, MMB 2008 (Dortmund, 2008). Dortmund, 2008. P. 5755057. EDN: SSWAZB.
  7. Гостев И.М., Голосов П.Е. Анализ эффективности облачной вычислительной системы, обслуживающей поток заданий с директивными сроками выполнения при множественных отказах серверов // Программная инженерия. 2023. Т. 14. № 6. С. 278–284. doi: 10.17587/prin.14.278-284. EDN: EGXWYI.
  8. Ивутин А.Н., Новиков А.С., Пестин М.С., Волошко А.Г. Децентрализованный протокол организации устойчивого взаимодействия абонентов в сетях с высокой динамикой изменения топологии // Информатика и автоматизация. 2024. Т. 23. № 3. С. 727–765. doi: 10.15622/ia.23.3.4. EDN: JSQFAC.
  9. Облакова Т.В., Касупович Э. Численное исследование персистентных временных рядов на основе модели ARFIMA // Математическое моделирование и численные методы. 2022. № 4 (36). С. 114–125. doi: 10.18698/2309-3684-2022-4-114125. EDN: MTJIKO.
  10. Pattanayak R.M.P., Sangameswar M.V., Vodnala D., Das H. Fuzzy time series forecasting approach using LSTM model // Computacion y Sistemas. 2022. Vol. 26. No. 1. doi: 10.13053/cys-26-1-4192. EDN: JNBLPQ.
  11. Заяц О.И., Кореневская М.М., Ильяшенко А.С., Мулюха В.А. Система массового обслуживания с абсолютным приоритетом, вероятностным выталкивающим механизмом и повторными заявками // Информатика и автоматизация. 2024. Т. 23. № 2. С. 325–351. doi: 10.15622/ia.23.2.1. EDN: KXQKLM.
  12. Румянцев А.С., Долгалева Д.С., Головин А.С. Исследование стационарных характеристик многосерверных моделей с избыточностью // Программные системы: теория и приложения. 2023. Т. 14. № 1 (56). С. 55–94. doi: 10.25209/2079-3316-2023-14-1-55-94. EDN: CMFWJG.
  13. Мельников Б.Ф., Терентьева Ю.Ю. О вариантах практического применения алгоритма Флойда – Уоршеллаи его модификаций // Информатизация и связь. 2023. № 5. С. 7–14. doi: 10.34219/2078-8320-2023-14-5-7-14. EDN: YPIUSI.
  14. Асратян Р.Э. Детерминированная модель обработки пакета информационных запросов в многопоточном сервере // Программная инженерия. 2023. Т. 14. № 4. С. 155–164. doi: 10.17587/prin.14.155-164. EDN: ZCWJCH.
  15. Аллакин В.В., Будко Н.П., Васильев Н.В. Общий подход к построению перспективных систем мониторинга распределенных информационно-телекоммуникационных сетей // Системы управления, связи и безопасности. 2021. № 4. С. 125–227. doi: 10.24412/2410-9916-2021-4-125-227. EDN: JPFJRO.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Формальная архитектура сети

Скачать (83KB)


Ссылка на описание лицензии: https://www.urvak.ru/contacts/

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».