CC BY
45
УДК 004.031.43
КОНФИГУРИРОВАНИЕ ВЫЧИСЛИТЕЛЬНЫХ
СИСТЕМ НА ОСНОВЕ ВИРТУАЛИЗАЦИИ РЕСУРСОВ
А.Г. Басыров, Д.И. Казанцев, А.А. Карытко, Н.А. Шаменков
В статье предложен подход к комплексному учету условий функционирования вычислительных систем и синтезу вычислительной среды на основе технологий виртуализации. Представлены результаты исследования характеристик потоков заявок, обслуживаемых вычислительными системами. Предложена методика анализа сетевого трафика, раскрыто влияние варианта распределения аппаратных ресурсов вычислительной системы между гостевыми виртуальными машинами на ее производительность.
Ключевые слова: вычислительная система, виртуализация, производительность.
В настоящее время актуальным для развития информационных технологий является повышение производительности средств вычислительной техники. При этом выполнение закона Мура [1] достигается путем увеличения числа вычислительных ядер в системах на кристалле, вычислительных узлов в кластерах и последующего объединения вычислительных элементов в единое адресное пространство взаимодействующих вычислительных процессов. Организация взаимодействия вычислительных процессов осуществляется с использованием различных протоколов, стандартов и реализующих их библиотек, системных вызовов операционных систем, что в свою очередь приводит к росту структурной и организационной сложности вычислительных систем[2].
Возможность гибкого масштабирования подобных вычислительных систем и их адаптации к решаемым задачам обеспечивается средствами виртуализации [3,4] и использованием на их основе различных моделей вычислений [5,6].
Эффективная организация высокопроизводительных вычислений [7] на базе многомашинных и многопроцессорных вычислительных комплексов с использованием технологий виртуализации требует модернизации существующих и разработки новых моделей и методик, используемых для синтеза вычислительных систем в части касающейся вопросов:
1) обоснования требований к конфигурации виртуальных машин (ВМ), определяемых доступными аппаратными ресурсами, используемым прикладным и системным программным обеспечением с учетом возможности масштабирования целевой системы;
2) учетавзаимного влияния ВМ, функционирующих под управлением одного гипервизора;
3) учета типа процессорной архитектуры, используемой для решения различных классов задач;
4) формализациипроцессов обслуживания потоков заявок в условиях гонки вычислительных процессов (потоков).
Исследованию первого вопроса посвящено достаточное количество работ[8-10], в то время как оставшиеся вопросыостаются без должного внимания исследователейв рассматриваемом контексте. Настоящая рабо-тапреследует цель продемонстрировать важность комплексного учета указанных вопросов в ходе решения задач синтеза вычислительной среды и возникающие при этом синергетические эффекты.
Постановка задачи исследования
Потоки заявок (требований), обслуживаемыевычислительными системами, входящими в состав локальных вычислительных сетей (ЛВС), характеризуются как нестационарные и неоднородные случайные потоки. Нестационарностьпотоков проявляется при рассмотрении среднейинтен-сивностиХ поступления заявок (требований) на интервалах времени один-два часа. В пределах указанных интервалов времени случайная величина (СВ)Охарактеризуется нормальным законом распределения СВГ(Х). При
этом областью допустимых значений аргумента функции Г (Х) является
множество положительных вещественных чисел.
Интенсивность Х потока заявок, обслуживаемых вычислительными системами, реализующими специальные роли, например, файл-сервера или сервера баз данных, формируется путем сложения СВ Х1, Х2 ..., Хп ,формируемых хостами клиентами, расположенными в п сегментахлокаль-ной вычислительной сети. Таким образом, формализованное представление значения СВ Х имеет вид:
п
Х = I Х; ,
г=1
Неоднородность потока заявок заключается в различном соотношении типов обслуживаемых заявок в различные моменты времени, при этом ресурсоемкость процесса обслуживания заявок различных типов отличается по двум критериям. Первым критерием отличия является вычислительная сложность процедуры обслуживания заявки. Вторым - мера потенциального параллелизма обслуживания заявки, например, заявки, обладающие большей мерой параллелизма, могут выполняться п процессорами до п раз быстрее по сравнению с заявками, процедура обработки которых строго линейна. Кроме того, процесс обслуживания заявки может сочетать в себе различные виды параллелизма, такие как параллелизм на уровне операций, на уровне потоков и на уровне процессов.
Количество одновременно обслуживаемых заявок элементами вычислительной системы и распределение типоврешаемых задачмежду ними оказывают существенное влияние на значения показателей качества процесса функционирования всейвычислительной среды.
332
В частном случае номинальная производительностьвычислитель-ных элементов, синтезированных на базе вычислительных ядер с одинаковой процессорной архитектурой, может существенно отличаться для различных типоврешаемых задач и вариантов аппаратной конфигурации вычислительной системы. Здесь и далее под конфигурацией вычислительной системы будем понимать характеристики аппаратного обеспечения процессора, оперативной памяти, накопителя на жестком магнитном диске и
т.д., влияющие на создание виртуальных машин.
*
Формально задача выбораварианта к конфигурации вычислительной системы, обеспечивающего достижение максимума номинальной производительности Р системы, может быть представлена следующим функционалом:
к * = агвшах к (Г (1), Я (г), К), (1)
где Я(г) - функция распределения ^-мерной случайной величины (СВ)г, характеризующей долю заявок типов 1, 2, ..., q в общем интегрированном потоке заявок; Г (Х) - функция распределения интенсивности поступления
заявок; К - множество вариантов конфигурации вычислительной системы при заданных функциях Г (1), Я (г).
Как правило, удовлетворительного способа аналитического решения задачи (1) не существует. На практике в ходе исследований расчет значений производительности Р производится путем комплексного применения численных и аналитических моделей функционирования вычислительных систем.
При использовании технологий виртуализации и организации па-раллельныхвычислений, ключевой особенностью методики решения задачи (1) является включение в ее состав итерационной процедуры, включающей три этапа.
Первый этап заключается в формировании множества К возможных вариантов конфигураций вычислительной системы (формирование опорного множества ВМ).
Второй этап заключается в решении задачи (1) путем оценивания значений показателя качества процесса функционирования вычислительной системыв заданных конфигурациях, входящих в множество К, методами численного и аналитического моделирования функционирования вычислительных систем с учетом характеристик потока заявок.
Третий этап - этап выбор рационального варианта построения ВМ для заданных условий Г (1), Я (г).
Оцениваниехарактеристик потока заявок. Наиболее информативными признаками, позволяющими классифицировать обслуживаемые заявки, являются протокол передачи, номера портов отправителя и получателя заявки.Таким образом, решение задачи оценивания характеристик потока заявоквключает решение двух частных подзадач:
333
1) оценивание распределения интенсивности потока данных, передаваемых в рамках каждого протокола передачи данных F (X);
2) оценивание вычислительной сложности процедуры обработки пакетов, передаваемых в рамках фиксированного протокола.
Предлагается следующая методика решения первой из указанных
задач.
Шаг 1. Формируется генеральная совокупность результатов наблюдений за сетевым трафиком, содержащим поступающие на обслуживание распределенной вычислительной системой заявки. Решение данной задачи осуществляется средствами сетевых снифферов, например, утилитами tcpdump или wireshark.
Шаг 2. На основе данных, сформированных при выполнении шага 1, формируется множество протоколов, используемых для передачи данных между элементами распределенной вычислительной системы.
Шаг 3. С использованием EM-алгоритма [11] определяется вид и параметры функции плотности распределения f (X), характеризующей количество пакетов, передаваемых в рамках наиболее часто используемых протоколов, в единицу времени. Итоговый вид функции f (X) представляется следующим выражением:
n , \
f (1)= I w • f (Iq), (2)
i=i
где n - число компонент смеси; wj - вес-ой компоненты смеси распределений; f (l|0j) - усеченныефункции плотности распределения, аргументы которых задаются значениями величины 0; 0j (m 18) - двумерная величина, характеризующая значения математического ожидания m и среднеквадра-тического отклонения о для i-ой компоненты смеси.
Решение задачи оцениваниявычислительной сложности процедуры обработки пакетов, передаваемых в рамках различных протоколов организации сетевого взаимодействия хостов, необходимо осуществлять для каждого типа протокола индивидуально.
Вычислительный эксперимент по оцениванию характеристик потока заявок в вычислительной среде
Статистические данные, используемые в эксперименте, собирались с помощью утилиты wireshark. При этом была сформирована генеральная совокупность результатов наблюдений за сетевым трафиком в сети общим объемом 6.5-106 наблюдений.
В наблюдаемом сегменте локальной вычислительной сети обнаружено 59 различных протоколов сетевого взаимодействия. В 73 % случаев для передачи данных использовался протокол TCP.
На момент проведения вычислительного эксперимента хосты вычислительной среды выполняли обслуживание наиболее общих задач, возникающих в ходе повседневной деятельности учреждения. В специализи-
рованных вычислительных системах вид гистограммы распределения времени обслуживания пакетов может оказаться гораздо сложнее, в таком случае потребуется выполнение процедуры расслоения TCP трафика по приложениям (портам) отправителей и получателей сообщений.
Оценивание интенсивности потока пакетов, передаваемых с использованием протокола TCP, выполнено путем представления числа передаваемых в секунду TCP-пакетов СВс функцией плотности распределения^) при значении n,равном трем. Расчет неизвестных параметров l., q. = {mt, oi} выражения (2) осуществлялся с использованием классической версии EM-алгоритма, реализованногопрограммно в составе пакета mixtools среды статистической обработки данных R [13].Оценки неизвестных параметров l i, 0i ={mi, oi} выражения (2) для каждой из трех компонент смеси представлены в табл. 1.
Таблица 1
Параметры смеси усеченных распределений TCP пакетов
№ компоненты l m о
1 0.37 3.4 2.36
2 0.5 27.09 13.83
3 0.13 74.2 39.22
Оценивание вычислительной сложности процедуры обработки TCP-пакетовпроизводилось с применением следующей методики.
Пакеты, содержащие исключительно информацию заголовка пакета и не содержащие передаваемой информации, из рассмотрения исключались. Из генеральной совокупности результатов наблюдений за трафиком локальной вычислительной сети, средствами wireshark выбирались все пакеты, получателем, либо отправителем которых является хост^.Время t обработки пакетов данных, передаваемых в рамках протокола TCP, принималось равным интервалу времени, прошедшему с момента отправки хосту H1 хостом H2 первого пакета, содержащего только TCP-флаг ACK, до момента отправки хостом H1 хосту H2 пакета, содержащего TCP-флаги ACK, PSH и предшествующего очередному отправлению пакета от хоста H2 хосту H1, содержащего только TCP-флаг ACK.
Гистограмма, характеризующая результаты выполненного анализа возможных значений величины t, представлена на рис. 1.
Среднее значение t tep величины ttcp составило 0.201 секунды, средне-
квадратическое отклонение - 0.027 секунды. Величину t tcp не следует рассматривать как истинное время обработки пакета системой, поскольку она агрегирует интервалы времени, затраченные на подготовку к передаче и
непосредственную передачу данных в сети, но вместе с тем она достоверно характеризует вид функции распределения времени обслуживания пакетов.
- 1
1 1 Р 1
р I й В 1
$ й iP й щ
УЖ й
1 ш й и_
I-1-1-1-1-1-1
0.18 0.20 0.22 0.24 0.26 0.28 0,30
Время обработки (с)
Рис. 1. Гистограмма распределения времени обслуживания
tcp-пакетов
Вычислительный эксперимент по оцениваниюхарактеристик конфигураций виртуальных машин
Процедура формирования вычислительной среды для обслуживания заявок основана на применении вычислительной системыс использованием технологий виртуализациипрограммных и аппаратных ресурсов. Технология виртуализации позволяет использовать в качестве базовых элементоввычислительной системыразличные конфигурацииуВМ, каждая из которых может быть описана совокупностью трех величин v = {ca, m, o},
где ca -количество используемых вычислительныхядер на базе процессорной архитектуры a, m - объем оперативной памяти, o - тип управляющей гостевой операционной системы. Итоговый вариантп-машинной конфигурации ^вычислительной системыопределяется распределением конечных
ресурсовмежду элементами vi , i el, п.
Для оценивания производительности виртуальных машин проведен вычислительный эксперимент сприменением программного пакета linpack [12].
Вычислительная система, участвующая в эксперименте,была развернута на базе сервера IBM Blade center E с характеристиками, представ-леными в табл. 2.
Таблица 2
Состав аппаратного обеспечения сервера
№ п/ п Наименование устройства Количество устройств Наименование и характеристики-устройства
Xeon X5650; 2,67 GHz; 6-core; 32
1 CPU IntelXeon 2 nm; threads 12;
L1i=6x32 Kb4; L1d=6x32 Kb; L2=6x256 Kb; L3=12288 Kb
2 Материнская плата 1 IBM 68Y8163
3 Оперативная память 4 DDR3, 48 Gb, 3 канала, частота DRAM 663 MHz
Целью эксперимента являлось оценивание производительности различных конфигураций виртуальных машин, используемых для построения виртуальной вычислительной среды.
Для достижения цели эксперимента решены следующие задачи:
1) формализована производительность различных конфигураций виртуальных машин;
2) установлен вид зависимости номинальной производительности вычислительной системы от числа потоков, одновременно обслуживаемых системой.
В качестве платформы для виртуализации использовалась 64-разрядная операционная система MS Windows Server 2012 R2 с ролью Hyperv. В качестве гостевой операционной системы, управляющей ВМ, использоваласьоперационная система Debian Jessie (версия ядра 3.16).
Гостевая операционная система представляла собой минимальную рабочую конфигурацию операционной системы на базе ядра Linux без установки графическихпакетов с дополнительной установкой пакета ssh, пакета тестирования производительности вычислительных систем hpcc и пакета статистического анализа данных r-base.
В ходе вычислительного эксперимента по оцениванию производительности базовых вычислительных элементов распределенной вычислительной системы рассматривалось шесть вариантовВМ: с одним v1, двумя v2, тремя v3, шестью v6 и двенадцатью v12 вычислительными ядрами соответственно.
В качестве основного инструмента оцениванияпроизводительности использовался тест производительности linpack из состава пакета hpccрепозитория операционной системы Debian. Размер оперативной памяти, выделяемый тесту hpcc, устанавливался равным 75% от общего размера доступной физической памяти ВМ [12]. Количество выполняемых тестов hpcc для каждой ВМ устанавливалось равным 30.
337
Гистограмма, отображающая обобщенные результаты тестирования производительности элементов множества V, представлена на рис. 2. На данном рисунке представлены минимальное, среднее и максимальное значения производительности тестируемых вариантов конфигурации ВМ, входящих в состав вычислительных систем на базе двенадцати однопроцессорных (12ВМ), шести двухпроцессорных (6ВМ), четырех трехпроцес-сорных (4ВМ), двух шестипроцессорных (2ВМ) и одной двенадцати процессорной ВМ (IBM) соответственно.
Рис. 2. Обобщенные результаты тестирования производительности
ВМ при проведении эксперимента
Зависимость значения средней производительности вычислительной системыот используемого варианта базовой конфигурации вычислительной системы с учетом количества ВМ в конфигурации имеет вид, представленный на рис. 3.
Анализ данных представленных на рис. 2, 3 свидетельствует о том, что практически линейный характер изменения производительности базового вычислительного элемента на самом деле не отражает истинного положения дел. Интегрированная номинальная производительность целевой вычислительной системы, синтезируемой на основе элементов у1, более чем в два раза превышает номинальную производительность системы, синтезированной на основе элемента у12.
В процессе проведения тестов вычислительная система постоянно изменяет свое состояние (например, содержимое кэш памяти) таким образом, неконтролируемые изменения внутреннего состояния являются ис-
338
точником случайных отклонений при измерениях. Среднеквадратические отклонения номинальной производительности рассматриваемых в работе вариантов ВМ от соответствующих средних значений представлены в табл.3.
1ВМ 2ВМ 4ВМ 6ВМ 12ВМ
Конфигурация
Рис. 3. Интегрированная средняя производительность
целевой системы
Таблица 3
Среднеквадратические отклонения номинальной производительности
у2ОБ1орв у3ОБ1орв у6ОЕ1орв у12ОБ1орв
0,98 3,19 2,29 2,10 1,53
Анализ данных, представленных в табл. 3, свидетельствует о возможности существенных колебаний значений номинальной производительности вычислительной системы относительно среднего значения.
В условиях массового решения однопоточных задач стремление достичь максимальной номинальной производительности целевой вычислительной системы путем равномерного распределения доступных аппаратных ресурсов между однопроцессорными ВМ не всегда является оправданным, поскольку в зависимости от условий выполнения вычислительных процессов номинальная производительность ВМ может отличаться от используемого в расчетах среднего значения в полтора-два раза.
Использование конфигурации вычислительной системы, включающей все доступные аппаратные ресурсы системы в рамках однойВМ, представляется целесообразным лишь на узком классе специализированных задач, выполнение которых предполагает запуск большого числа активно взаимодействующих между собой потоков.
339
Данные выводы сформулированы на основе анализа данных, представленных в табл. 5. СВ, характеризующая номинальную производительность варианта базовой ВМ, представлена смесью двух усеченных распределений, найденных с использованием упоминавшегося выше ЕМ-алгоритма. Каждое распределение характеризуется тройкой значений [\, щ, аг}.
Таблица 5
Параметры плотности распределения производительности
Количество ВМ m1 m2 °2 A 2
12 3.92 6.70 0.33 0.88 0.39 0.61
6 7.05 10.10 0.16 2.63 0.67 0.33
4 20.01 11.97 1.46 1.57 0.44 0.56
2 22.30 28.77 1.00 4.51 0.83 0.17
1 30.28 32.10 0.16 0.48 0.37 0.63
В соответствии с данными табл. 5 формализованное представление функции плотности распределения производительности конфигурации виртуальной машины имеет вид:
А , \2 (..... ч2 Л
1
f (x )=ж i
JQ
-(x - mi )2
Al е 2-oi:
A]
-(x - m2 )2 A2 g 2-o 22 ° 2
dx
(3)
V J
График функции плотности распределения производительности вычислительной системы для одно- и двухядреных ВМ представлен на рис. 4, здесьиспользуются следующие условные обозначения: mu -математическое ожидание, sigma - среднеквадратическое отклонение, lambda- вес компоненты смеси.
На основе функций распределения производительности всех тестируемых конфигураций виртуальных машин (рис. 5) были получены оценки квантилей функций распределения производительности вычислительной системы для вероятности 0,9, значения которых представлены в табл. 6.
Для оценивания влияния режимов обработки требований, поступающих в систему,на номинальную производительность вычислительной системы разработан тест, позволяющий запускать в многопоточном режиме процедуру произведения матриц.
Тест предусматривает три режима:
1) независимое выполнение каждым потоком процедуры произведения матрицы, находящейся в локальной памяти потока;
оо
2) независимое выполнение каждым потоком процедуры произведения матрицы, находящейся в общей памяти, разделяемой между всеми потоками вычислительного процесса;
3) синхронизированное выполнение каждым потоком процедуры произведения матрицы, находящейся в общей памяти, разделяемой между всеми потоками вычислительного процесса.
Рис. 4. Функции плотности распределения производительности для12одноядреных и 6 двухядерныхвариантов ВМ
Рис. 5. Функции распределения производительности ВМ
341
Таблица 6
Квантили функции распределения производительности вычислительной системы для вероятности 0,9
Виртуальная машина V12 V6 V4 V2 V1
Производительность Gflops не более 7.5 11 21,1 28 32,5
Синхронизация обеспечивалась с использованием примитива синхронизации mutex, запирающего секцию кода, обеспечивающего сохранение результата произведения матриц:
for(unsigned int k=0;k<n;k++)
{
pthread_mutex_lock(&mutex);
gc [i] [j]+=ga[i] [k] *gb[k][j];
pthread_mutex_unlock(&mutex);
}
В ходе теста размер матрицы устанавливался 500x500, в каждом из трех режимов запускалось 8, 16, 32, 64, 128, 256, 512 и 1024 потока на каждой конфигурации ВМ. Пример результатов выполнения теста для ВМ, состоящей из 12 ядер представлен на рис. 6.
Рис. 6. Зависимость времени выполнения теста от числа обрабатываемых потоков
Время выполнения теста измерялось с помощью утилиты йшекомандой строки ОС на базе ядра Linux, возвращающей три поля значений: real, user и sys. Здесь real - реальное время выполнения теста, user -время выполнения теста в пространстве пользователя на процессоре, sys -время выполнения теста в пространстве ядра ОС на процессоре. В контексте рассматриваемой задачи поле sys характеризует время, затраченное тестом на смену контекста исполняемого потока. Анализ данных, представленных на рис. 6, свидетельствует о том, что многопоточная обработка независимых друг от друга данных не оказывает какого-либо существенного влияния на номинальную производительность виртуальной машины, время решения задачи обладает линейной зависимостью от числа потоков, существующих в системе. Вместе с тем режим многопоточной обработки требований, для которых характерно наличие зависимости по данным и необходима синхронизация процесса их обработки, характеризуется существенным падением номинальной производительности вычислительной системы.
Представленная динамика изменения номинальной производительности подтверждается данными тестирования конфигураций ВМ v12, v6, v4, V2.
Полученный результат свидетельствует о целесообразности использовать базовые модули ВМ типов v2, v1 только в случае необходимости обработки требований, обладающих сильной взаимной зависимостью по данным,не требующими существенной синхронизации процесса их обработки. В остальных случаях целесообразно использовать базовые модули ВМ типов v6, v4.
Негативное влияние барьеров синхронизации в используемом тесте можно уменьшить, воспользовавшись для синхронизации условными переменными, вместе с тем их применение в реальных проектах является менее распространенным по сравнению с использованными работе мьютек-сами.
Заключение
Данная работа представляет собой обобщенный анализ факторов, оказывающих непосредственное влияние на результативность функционирования в режиме реального времени вычислительной системы, выполняющей обработку случайного потока заявок.
Полученные результаты наглядно демонстрируют возможности применения технологий виртуализации,необходимость дальнейшей развития научно-методического аппарата обоснования программных конфигураций вычислительных системам, создаваемых на основе виртуализации.
Полученные результаты могут быть дополнены анализом влияния типа используемой процессорной архитектуры вычислительных элементов на время обслуживания заявок для гетерогенных вычислительных систем. Областью применения полученных результатов являются численные методы [14] оценки характеристик облачных вычислительных систем.
Список литературы
1. Зубкова В.В. Анализ актуальности закона мура // Перспективы развития информационных технологии. Новосибирск. 2014. Номер 21. С. 136-140.
2. Макаров М.А. Анализ протоколов доступа к среде облачных вычислений на основе универсального теста. Диссертация. 2015.
3. Романова А.О. Виртуализация в высокопроизводительных вычислительных системах // Наука и образование: научное издание МГТУ им Н.Э.Баумана. 2011. № 3. 12 с.
4. Коуров А.В. Современные гипервизоры как основа инфраструктуры образовательной организации // Вестник Шадринского государственного педагогического института. 2015. № 1 (25). С. 142-148.
5. Басыров А.Г., Казанцев Д.И. К вопросу создания инфо-телекоммуникационной инфраструктуры вуза // Вестник компьютерных и информационных технологий. 2013. № 2 (104). С. 37-39.
6. Васильев А.С., Казанцев Д.И., Мещеряков С.Е. Обеспечение отказоустойчивости сервисов инфо-телекоммуникационной среды вуза на основе построения единого центра обработки данных с применением технологии виртуализации // Научный обозреватель. 2015. №4. С. 59-63.
7. Радченко Г.И. Распределенные вычислительные системы. Челябинск: Фотохудожник, 2012. 184 с.
8. Аверьянихин А.Е., Котельницкий А.В., Муравьев К.А. Методика расчета оптимального числа узлов кластера виртуализации частного облака виртуальных рабочих столов по критерию эффективности // Международный научно-исследовательский журнал. Екатеринбург. 2016. Номер: 5-3(47). С. 6 -13.
9. Алпатов А.Н. Оценка влияния системных параметров распределённого вычислительного комплекса на эффективность работы алгоритмов балансировки нагрузки // Кибернетика и программирование. 2017. № 1. С. 1-10.
10. Христенко Д.В., Гришаков В.Г., Логинов И.В. Многоуровневая система административного управления ит-инфраструктурой предприятия // Информатика и системы управления. Орел. 2012. Номер: 3 (33). С. 68-78.
11. Королев В.Ю. Вероятностно-статистические методы декомпозиции волатильности хаотических процессов. М.: Изд-во МГУ, 2011. 510 с.
12. Michigan State University. [Электронный ресурс] URL: https://wiki.hpcc.msu.edu (дата обращения: 14.05.2017).
13. Шипунов А.Б., Балдин Е.М., Волкова П.А., Коробейников А.И., Назарова С.А., Петров С.В., Суфиянов В.Г. Наглядная статистика. Используем R!. 2014.
14. Сухарев А.Г., Тихомиров В.В., Федоров В.В. Курс методов оптимизации. М.: Физматлит, 2008. 368 с.
Басыров Александр Геннадьевич, д-р техн. наук, проф., alxanderbas@,mail.ru, Россия, Санкт-Петербург, Военно-космическая академия им. А. Ф. Можайского,
Казанцев Денис Иванович, научный сотрудник, zilan.ka@ya.ru, Россия, Санкт-Петербург, Военно-космическая академия им. А. Ф.Можайского,
Карытко Анатолий Александрович, канд. техн. наук, преподаватель, biin-tellaramhler. ru, Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф.Можайского,
Шаменков Николай Александрович, канд. техн. наук, начальник 31 отдела -заместитель начальника 3 управления, Shna810516@mail.ru, Россия, Москва, Научно-исследовательский испытательный центр ЦНИИ Войск ВКО Минобороны России
CONFIGURING THE COMPUTING SYSTEMS BASED ON RESOURCE VIRTUALIZATIONRESEARCH COMPUTING VIRTUALIZATION-BASED
A.G. Basyrov, A.A. Karytko, D.I. Kazantsev, N.A. Shamenkov
The article proposed a comprehensive approach to consideration of conditions of functioning of computer systems and the synthesis computing environment based on visualization technologies. Presents results of a study of flow characteristics of applications served by computing systems. The methods of network traffic analysis, revealed the impact of option allocation of hardware resources of the computing system between guest virtual machines on the performance.
Key words: computing system, virtualization, performance.
Basyrov Aleksandr Gennad'evich, doctor of technical sciences, professor, alxander-bas@,mail.ru, Russia, St. Petersburg, Mozhaisky Military Space Academy,
Kazantsev Denis Ivanovich, researcher, zilan.ka@ya.ru, Russia, St. Petersburg, Mozhaisky Military Space Academy,
Karytko Anatoly Aleksandrovich, candidate of technical sciences, teacher, biin-tell@rambler.ru, Russia, St. Petersburg, Military space academy of A.F. Mozhaysky,
Shamenkov Nikolay Aleksandrovich, candidate of technical sciences, the chief of 31 departments - the deputy chief 3 managements, Shna810516@,mail. ru, Russia, Moscow, the Research test center Central Research Institute Voysk VKO Russian Defense Ministry
