CC BY
7
УДК 62:33 ББК 30.1:65
DOI 10.24412/2414-3995-2021-4-271-274
NIION: 2015-0066-4/21-053 MOSURED: 77/27-011-2021-04-252
© Зарипова Э.Р., 2021
О ЗАДАЧЕ ПЕРЕНАПРАВЛЕНИЯ ИНФОРМАЦИИ ПРИ ОБНАРУЖЕНИИ ПЕРЕГРУЗКИ ТЕХНОГЕННОГО ХАРАКТЕРА
Эльвира Ринатовна Зарипова,
доцент кафедры естественнонаучных дисциплин учебно-научного комплекса информационных технологий Московский университет МВД России имени В.Я. Кикотя (117997, Москва, ул. Академика Волгина, д. 12)
E-mail: ezarip@gmail.com
Аннотация. В статье ставится проблема потери передаваемой информации в случае перегрузки отдельных сегментов сети связи, например, в случае взрывного характера трафика. Приведены актуальные прогнозы по увеличению количества мобильных устройств до 2023 года, выделена быстрорастущая категория устройств, исследован наиболее уязвимый сегмент сети связи. Предложен подход межузлового управления на примере взаимодействия базовых станций и узлов управления мобильностью с использованием пороговых значений загруженности. Приведено сравнение результатов алгоритма Round Robin с алгоритмом оптимального распределения трафика. Даны рекомендации применения подхода при взрывном характере трафика, описаны возможные области применения перераспределения информации/задач в зависимости от загруженности последующих элементов.
Ключевые слова: межмашинные соединения, перегрузка, алгоритм кругового обслуживания, алгоритм оптимального распределения трафика, вероятность
ABOUT THE TASK OF REDIRECTING INFORMATION WHEN DETECTING TECHNOGENIC OVERLOAD
El'vira R. Zaripova,
Associate Professor of the Department of Natural Sciences of the Educational and Scientific Complex of Information Technologies Moscow University of the Ministry of Internal affairs of Russia named after V.Ya. Kikot' (117997, Moscow, ul. Akademika Volgina, d. 12)
Abstract. The paper includes the information protection problem in case of the communication network overload, for example, in the case of explosive traffic. The current forecasts is about increasing the number of mobile devices until 2023, the fast-growing category of M2M devices is highlighted, the most vulnerable segment of the communication network is studied. The approach of inter-node overload control is proposed. The numerical example of the interaction of base stations and mobility management nodes using load thresholds is shown. The results of the Round Robin algorithm are compared with the optimal traffic distribution algorithm. The recommendations for the application of the approach with the explosive traffic are given, possible areas of application of the redistribution of information/tasks depending on the utility of subsequent elements are described.
Keywords: machine-to-machine connections, overload, Round Robin algorithm, optimal traffic distribution algorithm, probability
Для цитирования: Зарипова Э.Р. О задаче перенаправления ин ник экономической безопасности. 2021;(4):271-4.
Актуальность исследования
К концу 2023 года по прогнозам Cisco [1] до 70 процентов населения земного шара будут иметь доступ в Интернет, причем число пользователей Интернета составит 5,3 миллиарда человек. Число устройств, подключенных к IP-сетям, более чем в три раза превысит численность населения планеты, и на душу населения будет приходиться по 3,6 сетевых устройств. Речь идет не только о личных телефонах, но и других датчиках и счетчиках, подключенных к сети Интернет, которые могут передавать информацию друг другу в автоматическом режиме без участия человека. Для обозначения такого рода устройств используется термин «межмашинные соединения» (M2M, Machine-to-Machine). К 2023 году
рмации при обнаружении перегрузки техногенного характера. Вест-
количество М2М соединений может достигнуть до половины от всех подключенных соединений, т.е. около 14,7 миллиарда подключений. М2М подключения используются для передачи данных по геолокации, температуре окружающей среды, для передачи визуального восприятия и фиксации значимых для решения задач оперативно-разыскной деятельности явлений, деяний, событий и процессов. Данные могут быть переданы по периодам раз в несколько минут или при наступлении каких-либо событий. Объектами наблюдения могут быть лица, в отношении которых имеется информация о подготовке или совершении преступлений, их родственники или знакомые, места хранения орудий преступлений, места возможного совершения преступле-
нии, места расположения значимых техногенных объектов. СамоИ быстрорастущей категорией мобильных устройств на сегодня признано M2M, а второе по росту количества устройств в мире место занимают смартфоны. По прогнозам Cisco количество M2M устройств продолжит расти до 30 процентов ежегодно. К 2023 году наибольшую долю будут занимать подключенные домашние приложения (около 48% всех подключенных M2M устройств), а самым быстрорастущим типом приложений будет «подключенный автомобиль» (прогнозируется прирост подключений до 30% ежегодно), количество таких устройств будет расти в среднем на 7% ежегодно. В связи с исследованием прогноза по увеличению количества устройств, подключенных к сети Интернет, в том числе большой рост M2M устройств, включающих всевозможные счетчики и датчики, можно сделать вывод об увеличении нагрузки на элементы сети связи, передающие данные от M2M устройств, такие как базовые станции (eNodeB в сети LTE), узлы управления мобильностью (Mobility Management Entity, MME) и последующие элементы сети. Кроме того, в ближайшем будущем прогнозируется не только увеличение количества M2M устройств, но также и кратное увеличение передаваемых данных от одного устройства. Актуальной остается задача балансировки входящего трафика на базовые станции и последующие элементы сети. Этой проблематике посвящены методы межузлового управления трафиком в телекоммуни-
кационных сетях, локального управления (внутри одного элемента сети) и сквозного управления (с помощью маршрутизации) [2]. Необходимо заметить, что передаваемый трафик может делиться на передачу данных (непосредственно передаваемые другим абонентам или M2M устройствам сети связи) и сигнальную информацию (так называемая служебная информация о доступности каналов связи и выделении ресурсов под последующую передачу данных, о местоположении мобильного устройства, о завершении сеанса связи).
Постановка задачи исследования
Базовая станция eNodeB обслуживает все M2M устройства, которые находятся в ее зоне обслуживания. Межмашинные устройства могут находиться на границе нескольких зон обслуживания базовых станций, в этом случае применяется пороговый или гистерезисный подход для выбора базовой станции и последующей передачи информации.
После поступления данных на базовую станцию определяется маршрут следования информации по дальнейшей цепочке, выбирается один из узлов управления мобильностью, далее сервер абонентских данных HSS (Home Subscriber Server) и обслуживающий шлюз S-GW (Serving Gateway), функциональный модуль M2M-IWF (M2M Inter Working Function), отвечающий за межсетевой обмен данными [3].
Информация от М2М устройства поступает на базовую станцию. В случае, если она перегружена,
I t]
, в I У|
I \
()' 6 I (Ь
M2M-устройства
Передача сигнальной информации
eNB
Базовые станции
S-GW
Рис. 1. Пример передачи сигнальной информации и передачи данных в сегменте сети с 4 базовыми станциями (eNodeB) и 3 узлами управления мобильностью (ММЕ)
идет отказ в обслуживании, и информация может быть передана через соседнюю базовую станцию. Отказ работы базовой станции из-за перегрузки решается локальными методами управления перегрузкой, а в данной работе рассматривается пример межузлового управления на примере взаимодействия базовых станций и узлов управления мобильностью.
Отметим, что описание функционирования сегмента сети связи при нарастающей нагрузке проводится в рамках определения случайной вероятности, введенной Колмогоровым А.Н. [4], с использованием терминов теории массового обслуживания [5] и математической теории телетрафика [6]. Перегрузка оказывает значительное влияние на QoS показатели системы, такие как вероятность прохождения данных между двумя точками сети, джиттер, а также и QoE показатели, такие как время ожидания абонентом запрашиваемых данных, непрерывность предоставляемых услуг от начала до конца, особенно это касается видеоконтента [7-11].
Базовые станции по своим структурным характеристикам могут быть разными, их загрузка зависит от количества абонентов в обслуживаемой зоне. В местах скопления людей или М2М устройств спрос на качественные услуги без прерывания связи возрастает.
В данной работе ставится задача исследовать два варианта передачи данных от базовых станций к узлам управления мобильности: 1) по алгоритму Round Robin (последовательное распределение информации по круговому циклу) без учета загруженности последующих узлов управления мобильностью и 2) с обратной связью от загруженных узлов управления мобильностью и последующим перераспределением нагрузки от базовых станций. Второй вариант может быть «включен»
по сигналу от самого узла MME, при достижении порогового значения загруженности, например,
PCong _Threshold = 0,5 В Этом случае, базовые станции, направляющие данные на этот узел управления
мобильностью, начнут перераспределять большую часть данных по другим узлам ММЕ, балансируя таким образом нагрузку. Алгоритм оптимального распределения М2М трафика [3] может быть применен не только после обнаружения загруженного узла управления мобильностью, но также по периодам времени, например, в ЧНН (часы наибольшей нагрузки).
Рассмотрим пример из трех узлов ММЕ, трафик данных (полезной и сигнальной нагрузки) перераспределяется от четырех базовых станций. Каждый узел ММЕ будет получать «долю» нагрузки от базовой станции X PProp [ k ], которую он сможет обслужить, где - интенсивность M2M трафика, выходящего из j-той базовой станции, j=1,...,4. Xj • PProp [ j, k] - «д°ЛЯ» трафИка, Направляемая ОТ j-той базовой станции в k-тый узел управления мобильностью, k=1,...,3. PCong [к] - вероятность загруженности узла управления мобильностью. Пропорциональную вероятность для каждого узла можно вычислить по формуле (1):
PProp [ j, k ] - '
1 - PCong [k ]
(1)
I (1 - ** [к])
Vje{1,2,3}
Численный эксперимент
Для моделирования были использованы следующие исходные данные: интенсивность генерации сообщений от базовых станций в узлы ММЕ А.. = 1 сообщ./с, среднее время обслуживания Х— = 1. Время моделирования - 100 с. Каждые 10 с был проведен пересчет нагрузочных параметров и нагрузка перенаправлена на более свободный узел ММЕ.
Таблица 1
Сравнение результатов алгоритма Round Robin и алгоритма оптимального распределения трафика
Исследуемые характеристики Алгоритм Round Robin Алгоритм оптимального распределения трафика
Количество отправленных сообщений 400 400
Количество потерянных сообщений 14 0
Количество сообщений, ожидающих обслуживания 98 84
Максимальная загруженность узлов MME, % 100/62/12 79/46/12
В примере первый узел ММЕ был самым загруженным, на него шла нагрузка от трех базовых станций, и в первом эксперименте были потеряны 14 заявок, в ожидании обслуживания находились 98 заявок в конце эксперимента. Во втором эксперименте удалось избежать потерянных заявок и сохранить передаваемую информацию, в ожидании обслуживания находилось 84 заявки. Результаты работы алгоритмов показаны в таблице 1.
Выводы и задачи дальнейших исследований
Расчеты по алгоритму оптимального распределения трафика, который учитывает загруженность последующих элементов сети, превосходят расчеты по алгоритму Round Robin. Заметим, что учет загруженности последующих элементов позволяет сохранить информацию, перераспределяя на более свободные элементы сети связи.
Исследуемый алгоритм оптимального распределения трафика может быть применен в других сферах, например, при распределении обязанностей между подчиненными, при вычислениях на случайных деревьях, а также в потоковых транспортных задачах. При взрывном характере трафика необходимо уменьшить время коррекции для пересчета нагрузочных параметров.
В качестве задачи дальнейших исследований планируется сравнить полученные результаты с другими известными алгоритмами распределения трафика (полезных данных), таких как исчерпывающая и шлюзовая дисциплины обслуживания при поступлении данных из нескольких источников, а также применить гистерезисный двухпороговый метод управления данными и последующим перераспределением их на другие узлы связи.
Литература
1. Cisco Annual Internet Report (2018-2023) White Paper. Updated:March 9, 2020. Pp. 1-35. https://www.cisco.eom/c/en/us/solutions/collateral/ executive-perspectives/annual-internet-report/white-paper-c11-741490.html.
2. Bouallouche D. 2012, «Congestion control in the context of machine type communication in Long
Term Evolution networks: a dynamic load balancing approach» Networking and Internet Architecture, pp. 1-46.
3. Чукарин А.В., Абаев П.О., Зарипова Э.Р., Синицын И.Э. Оптимизация управления перегрузками в сети LTE с трафиком межмашинного взаимодействия // T-Comm: Телекоммуникации и транспорт. 2015. Том 9. № 9. С. 35-39.
4. Kolmogoroff A.N., Grundbegriffe der Wahrscheinlich-keitsrechnung. Berlin: SpringerVerlag, 1933. DOI:10.1007/978-3-642-49888-6.
5. Бочаров П.П., Печинкин А.В. «Теория массового обслуживания» М.: Изд-во РУДН, 1995 г. 529 с.
6. Башарин Г.П. «Лекции по математической теории телетрафика» М.: РУДН. 2004. 193 с.
7. Ибрагимов Б.Г. Исследование пропускной способности сетей NGN/IMS при установлении мультимедийной сессии / Б.Г. Ибрагимов, М.Ф. Биннатов, Я.С. Исаев // T-Comm: Телекоммуникации и транспорт. 2018. Т. 12. № 3. С. 9-12. DOI 10.24411/2072-8735-2018-10047.
8. Гайдамака Ю.В., Зарипова Э.Р., Орлов Ю.Н. «К анализу эффектов группового поступления сигнальных сообщений на время ожидания начала обслуживания». Информационные технологии и вычислительные системы. 2015. № 3. С. 74-80.
9. Ибрагимов Б.Г. Анализ эффективности передачи пакетов трафика систем и протоколов сигнализации сетей NGN / Б.Г. Ибрагимов, С.Р. Исмайло-ва // T-Comm: Телекоммуникации и транспорт. 2014. Т. 8. № 6. С. 21-24.
10. Gaidamaka Y.V., Zaripova E.R. «Session setup delay estimation methods for IMS-based IPTV services». Lecture Notes in Computer Science. 2014. Т. 8638 LNCS. С. 408-418.
11. Samouylov K.E., Gaidamaka Y.V., Gudkova I.A., Zaripova E.R., Shorgin S.Y. «Baseline analytical model for machine-type communications over 3gpp rach in lte-advanced networks». Communications in Computer and Information Science 2016. Т. 659. С. 203-213.
