CC BY
37
Технические науки
УДК: 004.771
Частное облако ПензГТУ как средство повышения быстродействия
компьютеров в сетях
Воронцов А. А. [email protected]
Пензенский государственный технологический университет,
г.Пенза, Россия
Аннотация. Целью работы является проведение исследований изменения быстродействия при удаленном подключении по сети интернет к рабочему столу виртуальной машины частного облака Пензенского государственного технологического университета. В работе выполнен анализ изменения быстродействия оперативной памяти и процессора трех компьютеров с качественно различными конфигурациями устройств. Было показано, что после подключения к удаленному рабочему столу виртуальной машины производится снижение загрузки процессоров и увеличение загрузки оперативной памяти.
Ключевые слова: удаленный рабочий стол, виртуальная машина, исследование быстродействия, облачные технологии, частное облако, частное облако ПензГТУ, исследования кафедры ВМиС.
PRIVATE CLOUD TO PSTU AS MEANS OF INCREASE OF SPEED OF COMPUTERS IN NETWORKS
Vorontsov A. A.
Abstract. The purpose of work is carrying out researches of change of speed at remote connection on the Internet to a desktop of the virtual computer of a private cloud of the Penza state technological university. In work the analysis of change of speed of random access memory and the processor of three computers with qualitatively various configurations of devices is made. It has been shown that after connection to a remote desktop of the virtual computer decrease in loading of processors and increase in loading of random access memory is made.
Key words: remote Desktop, a virtual machine, the performance study, cloud, private cloud, a private cloud PSTU, Research Department of VMiS.
Введение
На сегодняшний день не более 15% отечественных организаций на практике применяют облачные технологии (ОТ) в целях оптимизации своих IT-инфраструктур. По прогнозам международной исследовательской и консалтинговой компании, занимающейся изучением мирового рынка информационных технологий и телекоммуникаций International Data Corporation, к 2018 году мировые инвестиции в рынок публичных облачных сервисов составят 127,5 миллиардов долларов, что в шесть раз больше прогнозируемого роста глобального IT-рынка [1]. Россия по внедрению ОТ по состоянию на 2011 год занимала 34-е место с показателем 250 миллионов долларов [2]. Однако возможность их использования в образовательном процессе, частных компаниях, фирмах и организациях может позволить в ближайшее время качественно улучшить текущие показатели.
Облачные технологии - это различные аппаратные и программные средства, которые предоставляются пользователю для реализации своих целей, задач, проектов. Все операции с данными происходят не на компьютере пользователя, а на сервере в сети.
Существует три вида услуг, предоставляемых пользователю или клиенту с помощью облачных технологий:
1. инфраструктура как услуга (IaaS) - предоставление клиенту вычислительных ресурсов по его запросу, на которых клиент имеет возможность запустить и развернуть произвольное программное обеспечение, включающее в себя приложения и операционные системы.
2. платформа как услуга (PaaS) - предоставление облачной платформы для развертывания программного обеспечения, поддерживаемых облачным провайдером.
3. программное обеспечение как услуга (SaaS) - предоставление в пользование заказчику приложений, развернутых на облачной инфраструктуре провайдера.
Каждая из услуг может быть реализована в сфере образования, последняя из них (SaaS), уже эффективно реализуется в частном облаке Пензенского государственного технологического университета (ПензГТУ) в образовательном процессе. Для реализации этой услуги на сервере создаются виртуальные машины, содержащие программное обеспечение, необходимое студенту в процессе обучения.
В процессе работы, быстродействие устройства, с которого пользователь подключается к виртуальной машине изменяется. Исследованию изменения быстродействия при работе с виртуальными машинами частного облака ПензГТУ посвящена статья.
ПОСТАНОВКА ЗАДАЧИ
Так как облачные технологии позволяют работать на устройствах пользователей с различной конфигурацией, то вопрос, связанный с анализом изменения их быстродействия в процессе и до подключения к "облаку" является актуальным. Исследованию изменения быстродействия при работе с удаленными рабочими столами виртуальных машин частного облака ПензГТУ на компьютерах с различными конфигурациями устройств посвящена статья.
ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
Для работы с частным облаком ПензГТУ необходимо устройство с возможностью выхода с него в интернет (браузер), наличие на нем подключения к глобальной сети и установленного сертификата (для удаленного подключения). Подключение к частному облаку ПензГТУ осуществляется при введении пользователем своих идентификаторов на странице https://rds-gateway.psta.ru/rdweb (рисунок 1).
После процедуры регистрации пользователю предоставляется возможность выбора виртуальной машины, на которой он будет работать (рисунок 2). Различия между виртуальными машинами заключаются в установленных на них операционных системах и программном обеспечении.
Для подключения к виртуальной машине также используются идентификаторы пользователя (рисунок 3).
«'">"1 Л Ы |»«Р».ЬАСС„,-М.а... 9||«0 17.«
Рис. 1. Подключению к серверу ПензГТУ по сети Интернет
Вычислительный эксперимент по оценке изменения быстродействия компьютера при работе по сети интернет с удаленным рабочим столом виртуальной машины частного облака ПензГТУ выполнялся на трех компьютерах, качественно отличающихся друг от друга по конфигурации.
Правка Вид Журнал Закладки Инструменты Справка
Help Sign out
<r m s * « © =
« $ 17:43
Рис. 2. Выбор виртуальной машины для дальнейшей работы
Введите учетные данные J?jxj
% _|
Эти учетные данные будут использоваться при подключении к следующим компьютерам:
1. rds-gateway.psta.ru (сервер шлюза служб терминалов)
2. VDI.PS!А.ки (удаленный компьютер)
Пользователь: Пароль:
|ß psta\vorontsova
Р
Г* Сохранить пароль
Рис. 3. Ввод идентификаторов для подключения к виртуальной машине ПензГТУ
а) б)
Рис. 4. Результаты первого эксперимента по определению быстродействия компьютера до подключения компьютера к удаленному рабочему столу а) рабочий стол компьютера и б) увеличенное изображение загрузки устройств
а) б)
Рис. 5. Результаты эксперимента №1 по определению быстродействия компьютера после подключения компьютера к удаленному рабочему столу виртуальной машины Win7 а) удаленный рабочий стол и б) увеличенное изображение загрузки процессора
и оперативной памяти
Первый вычислительный эксперимент выполнялся на относительно "слабом" компьютере под управлением 32 разрядной ОС Windows XP с одноядерным процессором Intel(R) Celeron(R) 2.80GHz, оперативной памятью DDR емкостью 512 Мб, интегрированной видеокартой содержащей 96.0 Мб видеопамяти и жестким диском емкостью 80Гб. Работа на компьютере с указанными характеристиками с большинством существующих на сегодняшний день приложений [1-3], крайне утомительна из-за постоянных длительных задержек ответа системы в процессе работы. Так, при одновременной работе с программой Paint и Microsoft Word, в соответствии с рисунками 4а и 4б, загрузка процессора достигала 100% и составляла в среднем 37%. Для работы с указанными программами было задействовано 483 мегабайта оперативной памяти.
После подключения к удаленному рабочему столу виртуальной машины с названием Win7 (рисунок 5), произошло резкое снижение загрузки процессора, в среднем до 4%, то есть более чем в 9 раз даже при нескольких одновременно запущенных на виртуальной машине программах. Загрузка оперативной памяти с использованием файлов подкачки составила 702 мегабайта, то есть увеличилась примерно на 45%.
Увеличение загрузки оперативной памяти связано с увеличением количества обрабатываемых процессов. Для того чтобы объяснить причину резкого снижения загрузки процессора, рассмотрим быстродействие самой виртуальной машины при запуске в ней нескольких программ одновременно.
а) б)
Рис. 6. Результаты эксперимента №1 по определению быстродействия компьютера после подключения компьютера к удаленному рабочему столу виртуальной а) удаленный рабочий стол и б) увеличенное изображение загрузки процессора и оперативной памяти виртуальной машины
Так, при одновременном запуске программ Компас-График 3D 16 версии, текстового редактора Word и проигрывателя Windows Media (рисунок 3), загрузка процессора виртуальной машины составила в среднем 2% при загрузке оперативной памяти 1,59Гб. При этом, загрузка процессора и оперативной памяти компьютера пользователя остались практически неизменными.
Анализ рисунков 4 и 5, позволяет сделать вывод, что все вычисления выполняются на сервере, а по сети интернет передаются лишь результаты вычислений, произведенных на виртуальной машине. Этим и обусловлено резкое снижение загрузки процессора устройства пользователя. Это также означает, что пользователь имеет возможность с программным обеспечением, работа которых из-за системных требований не возможна на устройстве пользователя.
Для второго вычислительного эксперимента использовался компьютер под управлением 64 разрядной ОС Windows 7 с двухядерным процессором AMD Athlon(tm) 64 с частотой работы каждого ядра по 2ГГц (3800+), оперативной памятью DDR 2 емкостью 2 Гб, внешней видеокартой 256.0 Мб и жестким диском емкостью 500Гб. Загрузка процессора и оперативной памяти при работе в 64-разрядной ОС Windows 7 в текстовом редакторе Word 2007 и запущенном файловом менеджере Total Commander v.8.01 составляла в среднем 9% и 1,02 гигабайта соответственно (рисунок 7).
а) б)
Рис. 7 - Результаты второго эксперимента по определению быстродействия компьютера до подключения компьютера к удаленному рабочему столу а) рабочий стол компьютера и б) увеличенное изображение загрузки устройств
а) б)
Рис. 8 - Результаты второго эксперимента по определению быстродействия компьютера после подключения компьютера к удаленному рабочему столу а) удаленный рабочий стол и б) увеличенное изображение загрузки устройств
После подключения к виртуальной машине и запуска текстового редакторе Word 2007 в ней (а не на ПК пользователя), а также браузера и проигрывателя Windows Media (рисунок 8), загрузка процессора резко снизилась в среднем до 1% (в 9 раз), а оперативной памяти увеличилась до 1,31Гб (приблизительно на 30%). То есть полученные в результате второго эксперимента результаты качественно совпадают с результатами первого эксперимента.
а) б)
Рис. 9. Результаты эксперимента №3 по определению быстродействия до подключения компьютера к удаленному рабочему столу компьютера а) рабочий стол компьютера и б) увеличенное изображение загрузки устройств
а) б)
Рис.10. - Результаты эксперимента №3 по определению быстродействия после подключения компьютера к удаленному рабочему столу а) удаленный рабочий стол и б) увеличенное изображение загрузки процессора и оперативной памяти
Третий вычислительный эксперимент выполнялся на компьютере, содержащем четырехядерный процессор AMD A8 6600K, с частотой работы каждого ядра по 4,2ГГц; видеокарту Radeon HD 7750 (3 Гб видеопамяти), оперативной памятью DDR3 емкостью 8 Гб фирмы Kingston, с частотой работы 800МГц и жесткий диск емкостью 5 Тб.
Загрузка процессора и оперативной памяти до подключения к удаленному рабочему столу виртуальной машины частного облака ПензГТУ составляли в среднем 2% и 1,28Гб соответственно (рисунок 9). После подключения (рисунок 10) загрузка процессора немного снизилась, но в
среднем также составила 2%, загрузка оперативной памяти увеличилась до 1,69 Гб, то есть приблизительно на 32%.
ВЫВОДЫ
Таким образом, на основании вышеизложенного можно сделать следующие выводы работа с удаленными рабочими столами виртуальных машин частного облака наиболее эффективна на устройствах старых и устаревающих модификаций с возможностью подключения к сети Интернет. Независимо от характеристик устройства пользователя, в процессе работы с частным облаком происходит снижение загрузки процессора и увеличение загрузки оперативной памяти. Не зависимо от параметров устройства, с помощью которого производится подключение, облачные технологии позволяют пользователю работать с программным обеспечением, как отсутствующем на устройстве пользователя, так и работа с которым была бы невозможна из-за высоких системных требований.
В заключении необходимо отметить про скорость интернет-соединения и израсходованный трафик. 1 .Входящая скорость интернет соединения для трех вычислительных экспериментов составляла 9056Кбит/сек, 2596 Кбит/сек и 9,9Мбит/сек, а исходящая - 10519 Кбит/сек, 3254 Кбит/сек и 2,81 Мбит/сек соответственно. 2. За время работы с виртуальными машинами (около 1 часа работы) было израсходовано приблизительно 50 Мегабайт Интернет-траффика.
Работа выполнена в рамках базовой части государственного задания высшим учебным заведениям (проект № 3036).
Библиографический указатель:
1. Сальников И.И. Размерная селекция бинарных изображений локальных объектов при анализе аэрофотоснимков. [Текст]// Телекоммуникации. - М.: Наука и технологии. 2015. № 2. С. 17-23.
2. Мартышкин А.И. Численный метод для определения пропускной способности приоритетного потока заявок в многопроцессорной системе с общим диспетчером задач по каждому конкретному типу приоритета [Текст]/ А.И. Мартышкин, Р. А. Бикташев, А. А. Воронцов// XXI век: итоги прошлого и проблемы настоящего плюс. 2014. № 3 (19). С. 137-145
3. Печерский С.В., Печерская Н.С. Особенности построения узла доступа к телематическим услугам связи в вузе [Текст] // XXI век: итоги прошлого и проблемы настоящего плюс. Пенза: ПензГТУ, 2014. №2 3 (19). С. 196-199.
4. Печерский С.В. Эффективная конфигурация системы управления учебными курсами Moodle для её интеграции с системой рейтинговой оценки работы студентов ПензГТУ [Текст] // XXI век: итоги прошлого и
проблемы настоящего плюс. Пенза: ПензГТУ, 2013. № 10 (14). С. 131134.
5. Печерский С.В. Особенности использования системы управления учебными курсами Moodle при построении образовательного портала вуза [Текст] // Современные информационные технологии. Пенза: ПензГТУ, 2012. № 15. С. 102-103.
6. Печерский С.В. Особенности построения Web-портала вуза на базе CMS TYPO3 [Текст] / С.В. Печерский, В.В. Мошечков, В.А. Егоров// Пенза: ПензГТУ, Современные информационные технологии. - . 2013. № 17. С. 233-234.
7. Печерский С.В. Образовательный интернет-портал отделения железнодорожного транспорта ГАПОУ ПО «Пензенский многопрофильный колледж» [Текст] / С.В. Печерский, Н.Ю. Бобков, Т.Н. Печерская, Д.И. Танасов// Пенза: ПензГТУ, Современные информационные технологии. 2015. № 21. С. 152-155.
8. Бершадская Е.Г. Анализ технологий поддержки научных исследований. [Текст] // XXI век: итоги прошлого и проблемы настоящего плюс. Пенза: ПензГТУ, 2015. № 3 (25). С. 11-17.
9. Бершадская Е.Г. К вопросу повышения точности геопозиционирования с использованием сотовой связи [Текст] / В. А. Володин, Д.И. Маркин, Е.Г. Бершадская// Современные наукоемкие технологии. Пенза: Издательский Дом "Академия Естествознания", 2014. № 5-2. С. 87-88.
10. Бершадская Е.Г. Обзор перспективных сервисов в навигационных системахприменительно к задаче позиционирования пользователей мобильных устройств. [Текст] / Е.Г. Бершадская, В.А. Володин, Д.И. Маркин// XXI век: итоги прошлого и проблемы настоящего плюс. Пенза: ПензГТУ, 2014. № 3 (19). С. 119-122.
11. Bershadskaya E. Biometrie identification in ehealthcare: learning from the cases of Russia and Italy. [Текст]/ Kachurina P., Vidiasova L.B., Trut-nev D., Buccafurri F., Bershadskaya E.// Lecture notes in computer science. Гейдельберг: Springer-Verlag GmbH, 2015. Том 9265. С. 103-116
12. Бершадская Е.Г., Евстифеев Д.С. Оценка возможностей управления работой переводческого бюро с помощью электронных технологий. [Текст] // Международный студенческий научный вестник. Пенза: ООО "Информационно-технический отдел Академии Естествознания", 2015. № 3-2. С. 264-265.
13. Артюшина Е.А., Бершадская Е.Г. Методологические аспекты применения математической статистики для прогнозирования результатов интернет-аттестаций студентов. [Текст] // Открытое образование. Москва: Московский государственный университет экономики, статистики и информатики, 2010. № 6. С. 4-8.
14. Мартышкин А.И., Карасева Е.А. Математические модели для качественной оценки производительности семафоров многопроцессорных вычислительных систем [Текст]// Инновации в науке. 2015. № 50. С. 40-45.
Bibliography
1. Salnikov I.I. Razmernaya selekciya binarnyh izobrazhenij lokal'nyh ob"ektov pri analize aehrofotosnimkov. [Text]// Telekommunikacii. - M.: Nauka i tekhnologii. 2015. Vol. 2. P. 17-23.
2. Martyshkin A.I. Chislennyj metod dlya opredeleniya propusknoj sposobnosti prioritetnogo potoka zayavok v mnogoprocessornoj sisteme s ob-shchim dispetcherom zadach po kazhdomu konkretnomu tipu prioriteta [Text]/ A.I. Martyshkin, R.A. Biktashev, A.A. Vorontsov// XXI vek: itogi proshlogo i problemy nastoyashchego plyus. 2014. Vol. 3 (19). P. 137-145
3. Pecherskij S.V., Pecherskaya N.S. Osobennosti postroeniya uzla dostupa k telematicheskim uslugam svyazi v vuze [Text] // XXI vek: itogi proshlogo i problemy nastoyashchego plyus. Penza: PenzGTU, 2014. Vol. 3 (19). P. 196-199
4. Pecherskij S.V. EHffektivnaya konfiguraciya sistemy upravleniya uchebnymi kursami Moodle dlya eyo integracii s sistemoj rejtingovoj ocenki raboty studentov PenzGTU [Text] // XXI vek: itogi proshlogo i problemy nastoyashchego plyus. Penza: PenzGTU, 2013. Vol. 10 (14). P. 131-134.
5. Pecherskij S.V. Osobennosti ispol'zovaniya sistemy upravleniya uchebnymi kursami Moodle pri postroenii obrazovatel'nogo portala vuza [Text] // Sovremennye informacionnye tekhnologii. Penza: PenzGTU, 2012. Vol. 15. P. 102-103.
6. Pecherskij S.V. Osobennosti postroeniya Web-portala vuza na baze CMS TYPO3 [Text] / S.V. Pecherskij, V.V. Moshechkov, V.A. Egorov// Penza: PenzGTU, Sovremennye informacionnye tekhnologii. - . 2013. Vol. 17. P. 233-234.
7. Pecherskij S.V. Obrazovatel'nyj internet-portal otdeleniya zheleznodorozhnogo transporta GAPOU PO «Penzenskij mnogoprofil'nyj kolledzh» [Text] / S.V. Pecherskij, N.YU. Bobkov, T.N. Pecherskaya, D.I. Tanasov// Penza: PenzGTU, Sovremennye informacionnye tekhnologii. 2015. Vol. 21. P. 152-155.
8. Bershadskaya E.G. Analiz tekhnologij podderzhki nauchnyh issle-dovanij. [Text] // XXI vek: itogi proshlogo i problemy nastoyashchego plyus. Penza: PenzGTU, 2015. Vol. 3 (25). P. 11-17.
9. Bershadskaya E.G. K voprosu povysheniya tochnosti geopozicionirovaniya s ispol'zovaniem sotovoj svyazi [Text] / V.A. Volodin, D.I. Markin, E.G. Bershadskaya// Sovremennye naukoemkie tekhnologii. Penza: Izdatel'skij Dom "Akademiya Estestvoznaniya", 2014. Vol. 5-2. P. 8788.
10. Bershadskaya E.G. Obzor perspektivnyh servisov v navigacionnyh sistemahprimenitel'no k zadache pozicionirovaniya pol'zovatelej mobil'nyh ustrojstv. [Text] / E.G. Bershadskaya, V.A. Volodin, D.I. Markin// XXI vek: itogi proshlogo i problemy nastoyashchego plyus. Penza: PenzGTU, 2014. Vol. 3 (19). P. 119-122.
11. Bershadskaya E. Biometric identification in ehealthcare: learning from the cases of Russia and Italy. [Text]/ Kachurina P., Vidiasova L.B., Trut-nev D., Buccafurri F., Bershadskaya E.// Lecture notes in computer science. Heidelberg: Springer-Verlag GmbH, 2015. Volume 9265. P. 103-116
12. Bershadskaya E.G., Evstifeev D.S. Ocenka vozmozhnostej uprav-leniya rabotoj perevodcheskogo byuro s pomoshch'yu ehlektronnyh tekhnologij. [Text] // Mezhdunarodnyj studencheskij nauchnyj vestnik. Penza: OOO "Informacionno-tekhnicheskij otdel Akademii Estestvoznaniya", 2015. Vol. 3-2. P. 264-265.
13. Artyushina E.A., Bershadskaya E.G. Metodologicheskie aspekty primeneniya matematicheskoj statistiki dlya prognozirovaniya rezul'tatov in-ternet-attestacij studentov. [Tekst] // Otkrytoe obrazovanie. Moskva: Moskov-skij gosudarstvennyj universitet ehkonomiki, statistiki i informatiki, 2010. Vol. 6. P. 4-8.
14. Martyshkin A.I., Karaseva E.A. Matematicheskie modeli dlya kachestvennoj ocenki proizvoditel'nosti semaforov mnogoprocessornyh vychislitel'nyh sistem [Text]// Innovacii v nauke. 2015. Vol. 50. P. 40-45.
Об авторах
Воронцов Александр Анатольевич
Aleksander. Vorontsov@gmail. com
Кандидат технических наук. Доцент. Пензенский государственный технологический университет, доцент, г.Пенза, Россия.
About authors
Vorontsov Alexandr Anatolievich
Aleksander. Vorontsov@gmail. com
Candidate of technical sciences, associate professor, sub-department of computers and systems, Penza State Technological University, Russia
