|
Аннотация.
В работе описаны аспекты, которые следует учитывать при построении модели оптимизации архитектуры распределенного реестра (динамичный характер расположения сетевых служб, генерация взрывных объёмов служебного сетевого трафика, сложно прогнозируемый характер разнородного информационного трафика разнообразных устройств IoT, наличие достаточно сложных специфичных интенсивных сетевых взаимосвязей и взаимодействий по обмену данными при синхронизации новых блоков или записей, достижении криптографического консенсуса и резервировании полноценных копий реестра) с использованием концепции облачных, туманных и граничных вычислений и технологий интернета вещей. Рассмотрены вопросы необходимости моделирования информационного трафика в сети распределенного реестра как фрактального. Представлена формализованная постановка задачи минимизации информационного трафика и нагрузки сети с учетом реализации сервисов в среде облачных, туманных и граничных вычислений в рамках построения оптимальной многоуровневой топологии архитектуры вычислительной сети системы распределенного реестра.
Ключевые слова:
многоуровневая топология, распределенный реестр, облачные вычисления, туманные вычисления, граничные вычисления.
Стр. 11-21.
DOI 10.14357/20718632220202 Литература
1. Федеральный Закон от 31 июля 2020 г. n 259-ФЗ "О цифровых финансовых активах, цифровой валюте и о внесении изменений в отдельные законодательные акты Российской Федерации". URL: www.garant.ru/hotlaw/federal/1403491 (дата обращения: 15.01.2022г.). 2. Jiang F., Zhang Y. An Integrated Impact of Blockchain Technology on Suppy Chain Management and the Logistics Industry // Handbook of Research on Social Impacts of E-Payment and Blockchain Technology, 2022. 29 p. DOI: 10.4018/978-1-7998-9035-5.ch010. 3. Gong J., Navimipour N.J. An in-depth and systematic literature review on the blockchain-based approaches for cloud computing // Cluster Computing. 2021. DOI:10.1007/s10586-021-03412-2. 4. Roig P.J., Alcaraz S., Gilly K., Bernad C., & Juiz C. Modeling of a Generic Edge Computing Application Design // Sensors (Basel, Switzerland), no. 21, 2021. DOI:10.3390/s21217276. 5. Vorobyev S.P. The mathematical model of building a multi- level topology of computer network for distributed corporate system based on the inverse problem // Journal of Engineering and Applied Sciences. 2016. vol. 11. is 6. pp. 1243-1247. 6. Воробьев С.П. Возможные направления использования концепции многоуровневой топологии и оптимизации распределенных корпоративных систем // Вопросы современной науки и практики. Университет им. В.И. Вернадского. 2009. №8. С. 131-143. 7. Prince Sekwatlakwatla; Maredi Mphahlele; Tranos Zuva Traffic flow prediction in cloud computing/ 2016 International Conference on Advances in Computing and Communication Engineering (ICACCE) 28-29 Nov. 2016 DOI: 10.1109/ICACCE.2016.8073735 8. Arwa M., Hamdan M., Khan S., Abdelaziz A., Babiker S.F., Imran M., Marsono M.N. Software-defined networks for resource allocation in cloud computing: A survey. Comput. Netw. 2021. 195. 108151. 9. Самуйлов К. Е., Шалимов И. А., Бужин И. Г., Миронов Ю. Б. Модель функционирования телекоммуникационного оборудования программно-конфигурируемых сетей // Современные информационные технологии и ИТ- образование, vol. 14, no. 1, 2018, pp. 13-26. 10. Liu Q., Zou X. Research on trust mechanism of cooperation innovation with big data processing based on blockchain. EURASIP Journal on Wireless Communications and Networking 2019, no. 26, 2019. DOI: 10.1186/s13638-019-1340-5. 11. Треногин Н.Г., Петров М.Н., Соколов Д.Е. Свойства фрактального трафика при прохождении системы массового обслуживания с очередью // Сибирский аэрокосмический журнал. vol. 18. no. 1. 2017. pp. 105-110. 12. Поршнев С.В., Божалкин Д.А. К вопросу о самоподобии трафика, передаваемого в магистральном интернет-канале // Фундаментальные исследования. 2016. № 4-2. С. 301-310. 13. Trenogin N.G., Petrov M.N., Sokolov D.E. Empirical relationship for queue length estimation in a system with fractal shot input // Сибирский аэрокосмический журнал, 2017. vol. 18. no. 2. pp. 294-299. 14. Наместников С.М., Служивый М.Н., Украинцев Ю.Д. Основы теории телетрафика: учебное пособие. // Ульяновск, УлГТУ. 2016. 154 с. 15. Курейчик В.М. Генетические алгоритмы и их применение / 2-е изд., доп. // Таганрог: Изд-во ТРТУ. 2002. 242 с. 16. Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine Learning // Addison-Wesley Publishing Company, Inc. 1989. 412 p. 17. Maghawry A., Hodhod R.A., Omar Y.M., Kholief M.H. An approach for optimizing multi-objective problems using hybrid genetic algorithms // Soft Computing, no. 25, 2021, 389-405 pp. DOI:10.1007/s00500-020-05149-3/ 18. Fu G., Huang H., Li Y., Zhou J. An adaptive hybrid evolutionary algorithm and its application in aeroengine maintenance scheduling problem // Soft Computing, no. 25, 2021, 6527-6538 pp. DOI:10.1007/s00500-021-05647-y/ 19. Machado J.G., Pires M.G., Bertoni F.C., Pimenta A.H., Camargo H.A. A Modified NSGA-DO for Solving Multiobjective Optimization Problems // 10th Brazilian Conference on Intelligent Systems, 2021, vol. 13073, DOI:10.1007/978-3-030-91702-9_9/
|
