CC BY
15
ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНИЧЕСКИЕ СИСТЕМЫ В ПРОИЗВОДСТВЕ И ПРОМЫШЛЕННОЙ ПРАКТИКЕ
INTELLIGENT TECHNICAL SYSTEMS IN PRODUCTION AND INDUSTRIAL PRACTICE
05.13.10 УПРАВЛЕНИЕ
В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ
MANAGEMENT IN SOCIAL AND ECONOMIC SYSTEMS
DOI: 10.33693/2313-223X-2021-8-4-19-27
Эффективные алгоритмы передачи данных для дистанционного обучения
Аль Хаким Рида1, а ©, А.С. Демидов2, b ©
1 Российский университет дружбы народов, г. Москва, Российская Федерация
2 Московский государственный университет имени М.В. Ломоносова, г. Москва, Российская Федерация
a E-mail: redahakeem101@gmail.com b E-mail: demidov.alexandre@gmail.com
Аннотация. В настоящее время в образовании широко используются дистанционные технологии. Широкое распространение дистанционного обучения обусловлено возможностью обучаться в удобное время, в удобном месте и темпе, предоставляя обучаемым равные возможности получения образования независимо от места проживания, состояния здоровья и материальной обеспеченности. В условиях нынешней эпидемии в мире, дистанционное обучение стало необходимостью, сейчас более 400 миллионов людей учатся онлайн, что приводит к повышенной нагрузке на Интернет, поэтому крайне актуально разработать эффективные алгоритмы передачи данных в сети. В данной статье авторами были исследованы архитектуры, различные механизмы и сетевые протоколы, используемые в дистанционном обучении; исследована концепция качества обслуживания в компьютерной сети, проведен анализ известных алгоритмов поиска кратчайшего пути и модернизация самого быстрого алгоритма. В ходе модернизации был разработан новый алгоритм, позволяющий проводить оптимизацию маршрута с учетом заданной пропускной способности сети для мультимедийных трафиков, которые считаются основными в процессе дистанционного обучения.
Ключевые слова: дистанционное обучение, качество обслуживания, мультимедиа, сетевые протоколы, алгоритмы кратчайшего пути, сеть SDN
f -
ССЫЛКА НА СТАТЬЮ: Аль Хаким Рида, Демидов А.С. Эффективные алгоритмы передачи данных для дистанционного обучения // Computational nanotechnology. 2021. Т. 8. № 4. С. 19-27. DOI: 10.33693/2313-223X-2021-8-4-19-27
V
DOI: 10.33693/2313-223X-2021-8-4-19-27
Effective Data Transmission Algorithms for Distance Learning
Al Hakim Reda1' a ©, A.S. Demidov2' b ©
1 Peoples Friendship University of Russia, Moscow, Russian Federation
2 Lomonosov Moscow State University, Moscow, Russian Federation
a E-mail: redahakeem101@gmail.com b E-mail: demidov.alexandre@gmail.com
Abstract. The present time is characterized by the active use of information and communication technologies in education, in particular distance educational technologies. The widespread use of distance learning is due to the ability to study at a convenient time, in a convenient place and pace, providing students with equal opportunities to receive education regardless of their place of residence, health status and material situation. Moreover, and due to the current epidemic in the world, distance learning has become a necessity, accompanied by an increased load on the Internet, therefore, and based on the importance of distance learning in our time, it is necessary to develop effective data transfer algorithms to ensure the optimal operation of the distance learning process. This paper discusses the various mechanism and network protocols used in distance learning, and technical requirements almost for each of them, suggests a new mechanism and algorithm for supporting the transmission of multimedia packets which are very essential and important in the process of distance learning, explains the concept of quality-of-service QoS in computer networks and its importance to provide a good data transmission through the network, Quality of service is based on the management of such data transmission parameters as network bandwidth, information transmission delay, percentage of packet loss in the network and jitter, every type of network application imposes its own QoS requirements to ensure successful and effective data transfer.
Key words: distance learning, quality of service, multimedia, network protocols, shortest path algorithms, SDN network
FOR CITATION: Al Hakim Reda, Demidov A.S. Effective Data Transmission Algorithms for Distance Learning. Computational Nanotechnology. 2021. Vol. 8. No. 4. Pp. 19-27. (In Rus.) DOI: 10.33693/2313-223X-2021-8-4-19-27
ВВЕДЕНИЕ
Дистанционное обучение - это образовательный процесс с применением технологий, которые обеспечивают связь обучающихся и преподавателей на расстоянии, без непосредственного контакта. Дистанционное обучение традиционно ориентировано на студентов, работающих полный рабочий день, военнослужащих, а также на обучающихся, которые находятся в отдаленных регионах и не могут посещать аудиторные занятия. Сейчас дистанционное обучение стало неотъемлемой частью образовательной среды, и с каждым днем масштабы его использования растут.
В конце 1990-х и начале 2000-х гг. появились первые сайты, предоставляющие интегрированные услуги для обучения через Интернет. Сейчас уже обычной практикой являются интерактивные классы, которые позволяют учителю или преподавателю давать уроки десяткам студентов по всему миру. Инструменты дистанционного обучения постоянно совершенствуются, чтобы максимально вовлекать обучающихся в образовательный процесс.
Эпидемия COVID-19 превратила дистанционное обучение в необходимость. В результате в дистанционное обучение была вовлечена многомиллионная аудитория студентов и школьников. Школам и ВУЗам пришлось быстро разрабаты-
вать планы онлайн-образования, чтобы как можно быстрее адаптироваться к новой реальности. Сейчас создан целый ряд программных приложений и платформ для онлайн-об-учения, но необходимо дальнейшее усовершенствование, чтобы сделать эти инструменты более простыми в освоении и использовании.
Широкое распространение этих приложений и экспоненциальный рост числа пользователей сопровождаются очень большой нагрузкой на интернет-сети, что в свою очередь создает проблему качества обслуживания - возможности запускать высокоприоритетные приложения и трафик при ограниченной пропускной способности сети.
1. КОНЦЕПЦИЯ КАЧЕСТВА ОБСЛУЖИВАНИЯ
1.1. КАЧЕСТВО ОБСЛУЖИВАНИЯ (QUALITY OF SERVICE QOS)
QoS - это способность сети обеспечивать необходимые сервисы для выбранного сетевого трафика. Ключевые параметры QoS - пропускная способность, задержка сети, джит-тер и потеря пакетов [Quality of service, 2018].
Чтобы обеспечить эффективную QoS, необходимо дифференцировать потоки приложений, поскольку они
Аль Хаким Рида, Демидов А.С.
конкурируют за доступные сетевые ресурсы. Сетевые ресурсы должны быть распределены для обеспечения трафика с более высоким приоритетом. Этот процесс требует знания текущего состояния сети, чтобы можно было принять правильные решения в отношении пересылки пакетов.
Полоса пропускания характеризует скорость и пропускную способность канала, которая измеряется в битах в секунду (бит/с). Это означает, сколько битов может быть отправлено по каналу связи в данную секунду.
Инструменты QoS сетевого устройства (маршрутизатора или коммутатора) определяют и контролируют, какой пакет передается по каналу связи в данной точке, какие сообщения получат доступ к полосе пропускания далее, и какую часть этой полосы пропускания в дальнейшем получает каждый тип трафика.
В большой сети типичный пограничный маршрутизатор WAN имеет сотни пакетов, ожидающих прохождения через канал. Такой маршрутизатор может быть настроен с помощью средства организации очередей QoS, чтобы зарезервировать 50% полосы пропускания для очень важного или экстренного трафика данных, 10% для голосовой связи и оставить оставшуюся полосу пропускания для всех других типов трафика [Bandwidth, 2017].
Задержка сети определяет, сколько времени занимает передача данных по сети от одного узла к другому. Задержки сети могут незначительно отличаться в зависимости от расположения пары взаимодействующих узлов. Задержки сети бывают нескольких видов [Types of delays, 2020]:
• задержка обработки (Processing delay) - время, необходимое маршрутизатору для обработки имени пакета;
• задержка очереди (Queuing delay) - время, которое пакет проводит в очередях маршрутизации;
• задержка передачи (Transmission delay) - время, необходимое для передачи битов пакета на канал;
• задержка распространения (Propagation delay) - время, за которое сигнал достигает точки назначения.
Джиттер (англ. jitter - дрожание) - это фазовое дрожание цифрового сигнала - небольшие периодические задержки передачи данных в сети. Джиттер может быть вызван рядом факторов, включая перегрузку сети, конфликты и помехи сигнала.
Все сети испытывают некоторую задержку связи, особенно глобальные, которые охватывают весь Интернет. Эта задержка, обычно измеряемая в миллисекундах, может быть настоящей проблемой для приложений, используемых в реальном времени, таких как онлайн-игры, потоковая передача и цифровая голосовая связь. Джиттер усугубляет ситуацию, создавая дополнительные задержки.
Сетевой джиттер приводит к тому, что пакеты отправляются с нерегулярными интервалами. Например, после задержки нескольких пакетов остальные могут быть отправлены одновременно, в результате принимающая система не может обработать их, и часть пакетов теряется. Если это произойдет во время загрузки файла, потерянные пакеты будут отправлены повторно, что значительно замедлит передачу файла. В случае использования такого сервиса как потоковая передача аудиосигнала в реальном времени, данные могут быть просто потеряны, что приведет к плохому качеству звука [Zhang, 2001].
Потеря пакетов - это доля потерянных при передаче пакетов.
Как и задержка сети, потеря пакетов может быть вызвана различными факторами - ошибками в кабелях, плохими услугами WAN и т.д. [Perkins, 1998].
1.2. МЕТОДЫ ДИСТАНЦИОННОГО ОБУЧЕНИЯ И ИХ ТРЕБОВАНИЯ К ПЕРЕДАЧЕ ДАННЫХ
В 2017 г. дистанционно обучались 6,6 млн студентов. Из-за распространения COVID-19 число обучающихся дистанционно достигло 400 млн [The COVID-19, 2020].
Для дистанционного обучения используется синхронная и асинхронная связь. Оба вида связи являются полезными и действенными способами общения и обучения, но у каждого есть свои достоинства и недостатки [Deshpande, 2001].
Синхронное общение означает, что общение происходит в режиме реального времени при одновременном участии всех сторон. Наиболее распространенными типами удаленной синхронной связи являются видеоконференции, голосовые слайд-шоу, чаты и голосовые конференции. Рассмотрим требования QoS для методов синхронной связи.
Видеоконференция позволяет двум и более людям, находящимся на расстоянии друг от друга, общаться в реальном времени. При этом виде связи помимо того, что люди слышат голоса друг друга, как в обычном телефоне, они могут видеть видеоизображения друг друга [Thom, 1996]. У каждого участника есть одна или несколько камер, микрофонов, громкоговорителей и мониторов, а также кодек. Этот тип связи создает ощущение, что все участники видеоконференции находятся в одной комнате. Показатели QoS для видеоконференцсвязи приведены в табл. 1.
Аудиографическая конференция позволяет участникам иметь общее рабочее пространство на своих компьютерах. Это может быть общая «белая доска», на которой они могут совместно рисовать, писать или импортировать изображения и манипулировать ими в режиме реального времени. Аудиографические конференции также могут быть «совместным использованием приложений», когда часть программного обеспечения может запускаться и контролироваться всеми пользователями [Mininet Walkthrough, 2017]. Этот тип конференц-связи полезен, когда пользователи, находящиеся в разных местах, вместе работают над отчетами или обзорами статистических данных в электронных таблицах. Самая большая проблема QoS для аудиографии - это качество звука. Метрики QoS для аудиографической конференц-связи приведены в табл. 2.
Интернет-чат - это многопользовательская система чата, где пользователи собираются по «каналам» (виртуальное пространство, обычно с определенной темой разговора). Здесь максимально важно время отклика, чтобы обеспечить практически мгновенную обратную связь между общающимися.
Голосовая конференц-связь обеспечивает аудио-связь, аналогичную обычному телефону, за исключением того, что она предоставляет гораздо более высокое качество звука и позволяет связать более двух пользователей одновременно. Аудиоконференц-связь, использующая громкую связь с чувствительными микрофонами и сложное программное обеспечение для подавления эха, также обеспечивает связь между группами участников, а не только отдельными людьми [Campbell, 1994]. Показатели QoS для аудиоконфе-ренц-связи показаны в табл. 3.
Асинхронная коммуникация - это любая коммуникация, которая не требует одновременного участия всех сторон, чтобы быть эффективной. Студенты могут получить доступ к материалам курса, послать сообщение или видео- комментарий не только во время занятия, а в любое удобное для них время.
Таблица 1
Показатели QoS для видеоконференцсвязи [QoS requirements for video conferencing]
Тип видео [Video type] Полоса пропускания, бит/с [Bandwidth, bps] Задержка сети, мс [Delay, ms] Джиттер, мс [Jitter, ms] Потеря пакетов, % [Packet loss rate, %]
H.320 80K-2M <150 <400 <0,01
H.323 80ХК <150 <400 <0,01
H.324 <80К <150 <400 <0,01
Таблица 2
Показатели QoS для разных типов трафика [QoS requirements for various applications]
Тип трафика [Traffic class] Полоса пропускания, кбит/с [Bandwidth, kbps] Задержка сети, мс [Delay, ms] Джиттер, мс [Jitter, ms] Потеря пакетов, % [Packet loss rate, %]
Аудиографии [Audiographic] 9,6-19,6 <150 <400 <1
Интернет-чат [Internet-chatting] <1 <200 - 0
Просмотр веб-страниц [Web-browsing] <30,5 <400 - 0
FTP Высокая [High] Средняя [Average] - 0
Таблица 3
Показатели QoS для аудиоконференц-связи [QoS requirements for voice conferencing]
Стандарт шифрования [Encryption standard] Полоса пропускания, кбит/с [Bandwidth, kbps] Задержка сети, мс [Delay, ms] Джиттер, мс [Jitter, ms] Потеря пакетов, % [Packet loss rate, %]
G.711 80 <150 <400 <1
G.728 22 <150 <400 <1
GSM FR 13 <150 <400 <1
Асинхронная коммуникация может осуществляться в письменной форме (просмотр веб-страниц, электронная почта, текстовые поля и т.д.), либо в визуальной форме (учебные пособия, записанные голоса, видео и презентации). При обычном просмотре веб-страниц используется протокол HTTP. Электронная почта - это тип сервиса с промежуточным хранением, который, в принципе, допускает задержки в несколько минут или даже часов из-за технологических особенностей. Однако важно различать обмен данными между пользователем и локальным почтовым сервером и передачу данных с сервера на сервер. Когда пользователь связывается с локальным почтовым сервером, ожидается, что почта будет передана довольно быстро, хотя и не обязательно мгновенно.
Передача мультимедиа - это наиболее часто используемый асинхронный метод в дистанционном обучении. Технически передача мультимедиа происходит через протокол передачи файлов FTP [Lou, 2009].
Обычно для службы FTP требуется относительно высокая пропускная способность, на которую влияет размер файла. Между тем, размер файлов также влияет на ожидаемое время завершения обслуживания. Необходимо различать время, прошедшее между передачей команд и передачей файлов между пользователем и FTP-сервером [Lou, 2009]. Параметры FTP приведены в табл. 2.
2. СРАВНЕНИЕ СКОРОСТИ ДЕЙСТВИЯ
АЛГОРИТМОВ ПОИСКА КРАТЧАЙШЕГО ПУТИ
Часто в работе возникает задача обеспечения кратчайшего пути для прохождения пакетов. При этом в ряде случаев пропускная способность канала должна быть не менее заданной величины. Для решения этой задачи рассмотрим два из четырех параметров качества обслуживания: пропускную способность и задержку сети. Рассмотрим алгоритмы нахождения кратчайшего пути в сети и сравним скорость их действия. Лучший из них будет использован для дальнейшего исследования. На его основе будет разработан новый алгоритм, позволяющий найти кратчайший путь, который обеспечивает достаточную пропускную способность для чувствительных к пропускной способности пакетов в программно-определяемых сетях.
Основные алгоритмы нахождения кратчайшего пути:
а) алгоритм Дейкстры;
б) алгоритм Беллмана-Мура;
в) алгоритм Флойда-Уолшелла.
Задача исследования состоит в том, чтобы проанализировать и сравнить эти алгоритмы, выбрать алгоритм с меньшей сложностью, а затем использовать его как основу для создания нового алгоритма, учитывающего требования к пропускной способности канала передачи информации.
Аль Хаким Рида, Демидов А.С.
2.1. АЛГОРИТМ ДЕЙКСТРЫ
Алгоритм существует во многих вариантах. Оригинальный алгоритм Дейкстры находит кратчайший путь между двумя заданными узлами, но его более распространенный вариант фиксирует один узел в качестве «исходного» и находит кратчайший путь от него ко всем остальным узлам в графе, создавая дерево кратчайших путей.
Этот алгоритм кратчайшего пути широко применяется для протоколов сетевой маршрутизации, в первую очередь IS-IS (промежуточная система для промежуточной системы) и Open Shortest Path First (OSPF). Он также используется в качестве подпрограммы в других алгоритмах, таких как алгоритм Джонсона.
Оригинальный алгоритм Дейкстры использует очередь с минимальным приоритетом и выполняется за время O((|V| + |Е|) log|V|) [Dijkstra's algorithm, 2014].
2.2. АЛГОРИТМ БЕЛЛМАНА-ФОРДА
Алгоритм Беллмана-Форда - это алгоритм, который вычисляет кратчайший путь от одной вершины ко всем остальным вершинам взвешенного орграфа. Он медленнее, чем алгоритм Дейкстры, но более универсален, так как способен обрабатывать графы, в которых веса некоторых ребер являются отрицательными числами [Bellman-Ford algorithm, 2019].
Если граф содержит «отрицательный цикл» (т.е. цикл, в котором суммируются ребра с отрицательным значениями), используется алгоритм Беллмана-Форда, он может обнаружить отрицательный цикл и сообщить о нем.
Алгоритм Беллмана-Форда применяется к более широкому классу входных данных, чем алгоритм Дейкстра. Временная сложность Беллмана-Форда составляет O(| V| • |Е|).
2.3. АЛГОРИТМ ФЛОЙДА-УОРШЕЛЛА
Алгоритм Флойда-Уоршелла является примером динамического программирования. Это алгоритм поиска кратчайших путей в ориентированном взвешенном графе с положительными или отрицательными весами ребер (но без отрицательных циклов). Однократное выполнение алгоритма позволяет найти длины (суммарные веса) кратчайших путей между всеми парами вершин. Хотя он не предоставляет подробную информацию о самих путях, можно восстановить пути с помощью простых модификаций алгоритма [Floyd-Warshall, 2015].
Временная сложность алгоритма Флойда-Уоршелла равна O(V )3, то есть алгоритм имеет кубическую сложность.
2.4. ВЫБОР АЛГОРИТМА
Сравнивая и анализируя алгоритмы кратчайшего пути, мы видим, что алгоритм Дейкстры со сложностью O(n log n+m) менее сложен, чем Беллмана-Форда O(nm) и Флойда-Уор-шелла On3, где n - множество вершин графа, m - множество ребер, поэтому мы выбираем именно его для разработки нашего алгоритма с учетом пропускной способности.
Помимо этого для алгоритмов Беллмана-Форда и Флойд-Уоршелла требуются простые 2D-матрицы, а алгоритм Дейкстры для вычисления кратчайших путей использует структуру данных.
2.5. МОДЕРНИЗАЦИЯ АЛГОРИТМА ДЕЙКСТРЫ
Для эффективной передачи мультимедийного трафика при маршрутизации потоков в сети следует учитывать пропускную способность каналов между узлами. Это накладывает свои требования на поиск кратчайшего пути. В данном
исследовании на основе алгоритма Дейкстры разработан новый алгоритм, позволяющий определить кратчайший путь при условии соблюдения достаточной пропускной способности каналов. На рис. 1, 2 приведены схемы алгоритма Дейкстры и разработанного нами алгоритма (рис. 1, 2).
Рис. 1. Блок-схема Дейкстры: C- текущий узел; N - соседний узел; D - длина связи; P - предыдущий узел
Fig. 1. Dijkstra's block diagram:
C- current node; N - adjacent node; D - bond length; P - previous node
Наш алгоритм отличается от Дейкстры тем, что он учитывает пропускную способность маршрутов и дает кратчайший путь с достаточной пропускной способностью, оптимальной для потоков, чувствительных к ней. Таким образом модифицированный алгоритм Дейкстры дает возможность создавать трафик с минимальной задержкой при обеспечении заданной пропускной способности.
Рис. 2. Блок-схема нового алгоритма:
C- текущий узел; N - соседний узел; D - длина связи; P - предыдущий узел; bw - текущая полоса пропускания; min BW - минимальная удовлетворительная полоса пропускания
Fig. 2. Block diagram of the new algorithm:
C- current node; N - adjacent node; D - bond length; P - previous node; bw - current bandwidth; min bw - the minimum satisfactory bandwidth
3. ВЫПОЛНЕНИЕ АЛГОРИТМА И АНАЛИЗ РЕЗУЛЬТАТОВ
Экспериментальное моделирование состояло из трех частей:
• передача данных без обеспечения QoS;
• передача данных с использованием Diffserv;
• передача данных с использованием разработанного алгоритма.
Мы создали топологию сети с 8-ю коммутаторами (Open vSwitch) и 8-ю хостами в Mininet [Mininet Walkthrough, 2017]. Топология показана на рис. 3. Пропускная способность каналов связи между коммутаторами установлена на 25 Мбит/с, а пропускная способность каналов связи между коммутаторами и хостами установлена на 10 Мбит/с. Для демонстрации пропускной способности Mininet использует команду контроля трафика в Linux tc.
Мы сгенерировали 13 потоков, используя iperf [Egil-mez, 2012]. Пять из этих потоков были критическими (TCP). В табл. 4 показан список потоков в данном эксперименте. Используя скрипт Python, мы запустили топологию Mininet, а затем сгенерировали потоки в порядке, указанном в табл. 4.
Мы повторили эксперимент три раза с одинаковыми значениями пропускной способности и потоков, после каждого эксперимента мы перезапускали контроллер, очищали буфер Mininet и строили их снова, чтобы получить более точные результаты без каких-либо погрешностей, и вносили необходимые корректировки для каждого эксперимента.
Таблица 4
Сгенерированные потоки для тестирования экспериментов [Generated flows for testing experiments]
Поток [Flow] Источник [Source] Назначение [Destination] Критический [Critical] Объем, Мб/с [Size, Mbps]
1 H1 H6 Нет [No] 100
2 H2 H7 Нет [No] 120
3 H2 H8 Да [Yes] 110
4 H3 H2 Да [Yes] 150
5 H3 H4 Нет [No] 160
6 H4 H7 Нет [No] 100
7 H5 H8 Нет [No] 120
8 H6 H5 Да [Yes] 130
9 H6 H1 Нет [No] 140
10 H7 H1 Да [Yes] 120
11 H7 H3 Нет [No] 100
12 H8 H6 Нет [No] 110
13 H8 H3 Да [Yes] 150
3.1. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТА БЕЗ ОБЕСПЕЧЕНИЯ QOS
В данном эксперименте мы отправили описанные в табл. 4 потоки и рассчитали среднюю полосу пропускания для каждого из них, результаты показаны на рис. 4.
Как видно из графика, полученные результаты неудовлетворительны, потому что средние значения критических потоков находятся ниже приемлемого значения, которое в нашем случае составляет 8000 бит/с, и это логично, потому что все потоки передаются по кратчайшему пути без учета пропускной способности.
Рис. 3. Топология экспериментов в Mininet Fig. 3. Used topology for experiments in Mininet
8000 7000 6000 5000 4000 3000 2000 1000
9000 8000 7000 6000 5000 4000 3000 2000 1000
1 2 3 4 5 6 7 ■ Некритические [Non-critical]
8 9 10 11 12 13 ■ Критические [Critical]
1 2 3 4 5 6 7 ■ Некритические [Non-critical]
8 9 10 11 12 13 ■ Критические [Critical]
Рис. 4. Средняя полоса пропускания потоков без обеспечения QoS Fig. 4. Data transmission without QoS
Рис. 5. Средняя полоса пропускания потоков с использованием Diffserv Fig. 5. Data transmission using Diffserv
3.2. РЕЗУЛЬТАТЫ
С ИСПОЛЬЗОВАНИЕМ DIFFSERV
В данном эксперименте, мы установили правила дифференцированных сервисов Diffserv на всех коммутаторах, чтобы обеспечивать достаточную полосу пропускания (8000 кбит/с) нашим критическим потокам.
Все необходимые конфигурации были установлены на коммутаторах и были отправлены такие же потоки, как и в первом эксперименте (см. табл. 4), затем мы рассчитали среднюю полосу пропускания каждого потока, и получили следующие результаты (рис. 5).
Полученные результаты показывают отличную передачу данных, все критические потоки переданы с пропускной способностью выше 8000 кбит/с, но они сильно воздействует на остальные (обычные) потоки из-за резервирования полосы пропускания, выполненной с помощью Diffserv.
3.3. РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННОГО АЛГОРИТМА
Для третьего эксперимента мы реконструировали сеть, загрузили требуемые классы нашего алгоритма и передали тот же объем данных, на рис. 6 показано влияние нашего алгоритма на передачу данных критических и некритических потоков.
Как видно из графика, полоса пропускания критических потоков выше заданного значения (поток 3 = 8670 кбит/с, поток 4 = 9153 кбит/с, поток 8 = 8809 кбит/с, поток 10 = 8323 кбит/с, поток 13 = 8113 кбит/с, то есть средняя величина составляет 8614 кбит/с).
Влияние критических потоков на обычные стало намного меньше с нашим алгоритмом, чем с использованием Diffserv.
INTELLIGENT TECHNICAL SYSTEMS IN PRODUCTION AND INDUSTRIAL PRACTICE
10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0
1 2 3 4 5 6 7 8 9 10 11 12 13 ■ Некритические [Non-critical] ■ Критические [Critical]
Рис. 6. Средняя полоса пропускания потоков с использованием алгоритма оптимизации Fig. 6. Data transmission using optimization algorithm
3.4. СРАВНЕНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ
Согласно данным, представленным на рис. 7, наш алгоритм и Diffserv дали почти схожие результаты, они оба обеспечили требуемую пропускную способность для наших критических потоков, в отличие от алгоритма кратчайшего пути (без QoS).
Влияние выполненных алгоритмов на обычные потоки показано на следующем графике (рис. 8).
I Наш алгоритм [Our algorithm]
Поток [Stream] ■ Diffserv
Без QoS [Without QoS]
Рис. 7. Влияние различных алгоритмов на полосу пропускания критических потоков Fig. 7. Algorithms' effect on critical streams' bandwidth
I Наш алгоритм [Our algorithm]
6 7 Поток [Stream] ■ Diffserv
Без QoS [Without QoS]
Рис. 8. Влияние различных алгоритмов на полосу пропускания обычных потоков Fig. 8. Algorithms' effect on non-critical streams' bandwidth
Как видно на графике, влияние Diffserv на полосу пропускания обычных потоков очень сильное из-за правила, которое установлено на каждом коммутаторе - резервировать ресурсы для критических потоков, это оставляет очень низкую пропускную способность для других потоков (некритических).
Наш алгоритм кратчайшего пути не влиял на другие потоки, поскольку он не определял, какие потоки являются критическими, а какие нет, он отправлял их по кратчайшему пути без каких-либо условий, и поэтому его результаты лучше, чем у Diffserv.
Результаты экспериментов доказали эффективность разработанного алгоритма в обеспечении достаточной полосы пропускания для целевых потоков, чувствительных к полосе пропускания, без заметного влияния на обычные потоки.
ЗАКЛЮЧЕНИЕ
В данной статье мы сформулировали требования практически ко всем инструментам коммуникации, используемым в дистанционном обучении. Рассмотрены и описаны параметры качества обслуживания в сетях. В результате сравнительного анализа существующих архитектур качества обслуживания предложен новый механизм управления качеством обслуживания на основе динамической маршрутизации.
В результате исследования известных алгоритмов поиска кратчайшего пути (алгоритм Дейкстры, алгоритм Беллмана-Мура и алгоритм Флойда-Уолшелла) выявлен наиболее быстрый алгоритм Дейкстры, в ходе модернизации которого разработан новый алгоритм, позволяющий проводить оптимизацию маршрута с учетом заданной пропускной способности сети.
Проведено моделирование SDN-сети, в котором подтверждена его более высокая эффективность по сравнению со стандартным Diffserv в обеспечении достаточной полосы пропускания для целевых потоков, чувствительных к полосе пропускания (мультимедиа), без заметного влияния на обычные потоки.
В качестве дальнейшего улучшения разработанного подхода к решению задач оптимизации качества обслуживания в сетях можно предложить разработку и использование дополнительных алгоритмов, интегрированных с данным алгоритмом, для обеспечения требования различных потоков, чувствительных к другим параметрам качества обслуживания в сетях.
Данным подходом можно пользоваться не только для дистанционного обучения, но и для любой задачи управления компьютерными сетями, учитывая требования и приоритеты каждой сети для оптимальной передачи данных в них.
Литература / References
1. Bandwidth (computing). Wikipedia, the free encyclopedia. URL: https:// en.wikipedia.org/wiki/Bandwidth (data of accesses: 19.05.2017).
2. Bellman-Ford algorithm, Wikipedia, the free encyclopedia. URL: https://en.wikipedia.org/wiki/Bellman%E2%80%93Ford_algorithm (data of accesses: 26.09.2019).
3. Campbell A., Coulson G., Hutchison D. A quality of service architecture. ACM SIGCOMM Computer Communication Review. 1994. No. 24.2. Pp. 6-27.
4. Deshpande S.G., Jenq-Neng Hwang. A real-time interactive virtual classroom multimedia distance learning system. IEEE Transactions on multimedia. 2001. No. 3.4. Pp. 432-444.
5. Dijkstra's algorithm. Wikipedia, the free encyclopedia. URL: https:// en.wikipedia.org/wiki/Dijkstra%27s_algorithm (data of accesses: 07.07.2014).
Аль Хаким Рида, Демидов А.С.
6. Egilmez H.E. et al. OpenQoS: An OpenFlow controller design for multimedia delivery with end-to-end Quality of Service over Software-Defined Networks. Proceedings of the 2012 Asia Pacific Signal and Information Processing Association Annual Summit and Conference. IEEE. 2012.
7. Floyd-Warshall algorithm. Wikipedia, the free encyclopedia. URL: https://en.wikipedia.org/wiki/Floyd%E2%80%93Warshall_ algorithm (data of accesses: 03.03.2015).
8. Luo Zhihui, Feng Liu, Yun Xie. User-perceived FTP service QoS parameters and measurement. IEEE International Conference on Network Infrastructure and Digital Content. 2009.
9. Mininet Walkthrough. Open Network Foundation. 2017. URL: http:// mininet.org/walkthrough/
10. Perkins C., Hodson O., Hardman V. A survey of packet loss recovery techniques for streaming audio. IEEE Network. 1998. No. 12.5. Pp. 40-48.
11. Quality of Service. Wikipedia, the free encyclopedia. URL: https:// ru.wikipedia.org/wiki/QoS (data of accesses: 20.06.2018).
12. Shi Yuanchun, Weikai Xie, Guangyou Xu. Smart remote classroom: Creating a revolutionary real-time interactive distance learning system. International Conference on Web-Based Learning. Berlin, Heidelberg: Springer, 2002.
13. The COVID-19 pandemic has changed education forever. This is How, World Economics Forum. 2020. URL: https://www.weforum.org/ agenda/2020/04/coronavirus-education-global-covid19-online-digital-learning
14. Thom G.A. H. 323: The multimedia communications standard for local area networks. IEEE Communications Magazine, 1996. No. 34 (12). Pp. 52-56.
15. Types of delays. Computer networks. URL: http://conlex.kz/ category/kompyuternye-seti-i-internet/zaderzhki-i-poteri-dan-nyx-v-setyax-s-kommutaciej-paketov/vidy-zaderzhek/ (data of accesses: 28.05.2020).
16. Zhang, Vicki Ping, Liangchi Hsu. Dynamic iterative decoding for balancing quality of service parameters. U.S. Patent No. 6,233,709. 15 May, 2001.
Статья проверена программой Антиплагиат. Оригинальность - 80,23%
Статья поступила в редакцию 04.10.2021, принята к публикации 11.11.2021 The article was received on 04.10.2021, accepted for publication 11.11.2021
СВЕДЕНИЯ ОБ АВТОРАХ
Аль Хаким Рида, аспирант департамента инновационного менеджмента в отраслях промышленности Российского университета дружбы народов (РУДН). Москва, Российская Федерация. E-mail: redahakeem101@ gmail.com
Демидов Александр Сергеевич, доктор физико-математических наук, профессор; профессор кафедры общих проблем управления Механико-математического факультета Московского государственного университета имени М.В. Ломоносова. Москва, Российская Федерация. AuthorlD: 7693; Scopus Author ID 7004500149; E-mail: demidov.alexandre@gmail.com
ABOUT THE AUTHORS
Al Hakim Reda, PhD student at the Department of Innovation Management in Industries of the Peoples' Friendship University of Russia (RUDN University). Moscow, Russian Federation. E-mail: redahakeem101@ gmail.com
Demidov Alexandre Sergeevich, Dr. Sci. (Phys.-Math.), Professor; Professor at the Department of General Problems of Control department of the Faculty of Mechanics and Mathematics of the Lomonosov Moscow State University. Moscow, Russian Federation. AuthorlD: 7693; Scopus Author ID 7004500149; E-mail: demidov.alexandre@gmail.com
