Содержание к диссертации
Введение
1 Системы дистанционного обучения 9
1.1 Основные понятия и определения 9
1.2 Технологии и аппаратно-программные средства организа-циии дистанционного обучения 15
1.3 Опыт организации обучения с применением систем дистанционного обучения 19
2 Математические модели процессов управления качеством обслуживания в образовательных веб-серверах 26
2.1 Понятие качества обслуживания ' 26
2.2 Известные механизмы управления качеством обслуживания 27
2.3 Модели управления качеством обслуживания в образовательных веб-серверах 30
3 Статистическое исследование процесса работы образовательных веб-серверов 41
3.1 Основные понятия и определения 44
3.2 Исследование сетевого трафика образовательного веб-сервера pmik.petrsu.ru 48
4 Интернет-система дистанционного обучения с функцией обеспечения качества обслуживания поступающих запросов 58
4.1 Описание системы дистанционного обучения 58
4.2 Алгоритмы обеспечения качества обслуживания в Интернет-системах дистанционного обучения 62
4.3 Результаты использования системы обеспечения качества облуживания на образовательном веб-сервере 71
Заключение 79
Список использованных источников
- Технологии и аппаратно-программные средства организа-циии дистанционного обучения
- Известные механизмы управления качеством обслуживания
- Исследование сетевого трафика образовательного веб-сервера pmik.petrsu.ru
- Алгоритмы обеспечения качества обслуживания в Интернет-системах дистанционного обучения
Введение к работе
Основной идеей методики дистанционного обучения является создание учебной информационной среды, включающей компьютерные информационные источники, электронные библиотеки, видео и аудиотеки. Составной частью такой учебной среды являются как обучаемые, так и преподаватели, взаимодействующие с использованием современных телекоммуникационных средств.
В дистанционном обучении используются традиционные печатные средства обучения наряду со средствами, использующими новые информационные технологии. Специфика новых информационных систем заключается в том, что они предоставляют пользователю громадные возможности выбора источников получения знаний: разнообразные базы данных, обучающие программы и др.
В настоящее время широкое распространение в организации процесса обучения получили системы дистанционного обучения (СДО), основанные на Интернет-технологиях. Они обладают рядом достоинств, среди которых можно выделить следующие:
простота настройки пользовательского рабочего места;
интуитивно понятный пользовательский интерфейс;
мобильность, которая позволяет подключаться к ресурсу, находясь на значительном удалении;
нетребовательность к аппаратуре, на которой устанавливается клиентское рабочее место;
нетребовательность к скорости соединения между клиентом и сервером - зачастую важен лишь сам факт установки соединения;
широкие возможности по предоставлению гипертекстовой и мультимедиа информации.
Однако, именно в Интернет-системах дистанционного обучения могут возникать проблемы, связанные с недостаточной производительностью серверного аппаратного обеспечения. Например, необходимое расширение функциональности системы дистанционного обучения может привести к росту сложности и, как следствие, к снижению качества обслуживания поступающих запросов в моменты интенсивного обращения к ресурсам веб-сервера. Часть запросов, поступающих от клиентов, не может быть обработана за положенное время, а каждый новый запрос на предоставление сервиса только ухудшает положение. Возникают ситуации перегрузки сервера, в результате которых пользователи, работающие с Интернет-системой, вместо ожидаемых ответов получают сообщения об ошибках, возникающих на веб-сервере.
Подобные ситуации наблюдались автором во время проведения занятий с использованием Интернет-систем дистанционного обучения со студентами экономического и математического факультетов Петрозаводского государственного университета. Для устранения проблем требовалось прекращение работы студентов на некоторое время, а иногда остановка и повторный запуск сервера.
Таким образом, возникла необходимость в разработке механизмов управления качеством предоставления сервисов в Интернет-системах дистанционного обучения. Основная цель данной работы - разработать математические модели, использование которых для управления выполнением запросов, позволяет повысить качество услуг, предоставляемых системами дистанционного обучения, построенных на базе веб-сервисов.
Под сервисом будем понимать информационный ресурс, установленный на веб-сервере и реализующий одну из функций информационной системы.
В соответствии с целью были поставлены следующие задачи:
изучить существующие системы дистанционного обучения, проанализировать их основные достоинства и недостатки, выявить проблемы, связанные с их функционированием;
изучить характеристики СДО, влияющие на возможность управления качеством обслуживания в образовательных Интернет-системах;
изучить существующие математические модели управления качеством обслуживания в сетях;
разработать математические модели, описывающие процессы управления качеством предоставления сервисов в образовательных Интернет-системах;
исследовать вероятностные характеристики функционирования образовательных веб-серверов;
разработать алгоритмы управления качеством обслуживания в Интернет-системах дистанционного обучения;
провести апробацию алгоритмов управления в действующей Интернет-системе дистанционного обучения.
В основу работы положены теоретические труды В.М. Вишневского, В.А. Ивницкого, М. Кровеллы, Ш. Вегешны и других ученых [13, 27, 10, 57, 56]. В публикациях, доступных к 2005 году, математические модели управления качеством обслуживания в веб-серверах не рассматривались.
Данное исследование в настоящий момент является, по-видимому, одной из первых работ, в которой рассмотрены проблемы обеспечения качества обслуживания в Интернет-системах дистанционного обучения, а также предложены модели оптимального предоставления сервисов в образовательных серверах на основе приоритетов.
Диссертация состоит из введения, четырех глав, заключения и приложений.
В первой главе проводится сравнительный анализ систем дистанционного обучения с целью выявления их достоинств и недостатков, а также описываются основные проблемы функционирования систем дистанционного обучения, использующих технологии Интернет.
Во второй главе обсуждаются методы повышения качества передачи пакетов, используемые в маршрутизаторах. Предлагаются математические модели, описывающие поведение образовательных веб-серверов, в частности, оптимизационные модели управления качеством обслуживания на основе приоритетов предоставляемых ресурсов и оценки сложности выполнения различных запросов.
Для идентификации параметров предложенных математических моделей в третьей главе проводится их статистический анализ. Кроме то-
го, было проведено дополнительное исследование сетевого трафика образовательного веб-сервера с целью выявления закономерностей и оценки вышеуказанных параметров.
На основании полученных математических моделей управления качеством обслуживания и результатов статистических исследований разработан алгоритм, представленный в четвертой главе, и на его основе реализована программа управления качеством обслуживания образовательного веб-сервера. Алгоритм описывает управление качеством обслуживания образовательного веб-сервера на основе метода взвешенного превентивного управления обслуживанием входящих запросов. Кроме того, автором диссертационной работы разработана Интернет-система дистанционного обучения с возможностью организации дистанционных курсов по изучению языков манипулирования данными. В четверой главе приведено ее описание применительно к возможности организации курсов по изучению языка манипулирования данными в реляционных СУБД Structure Query Language (SQL). Отражены результаты тестирования образовательного веб-сервера с реализованной на нем функцией управления качеством обслуживания и показана ее эффективность.
Использованные в созданной и апробированной Интернет-системе дистанционного обучения с функциями управления качеством обслуживания структуры данных описаны в приложении 1.
В приложении 2 приведен текст программы управления потоком обрабатываемых на образовательном веб-сервере запросов. Программа предназначена для установки на серверы, где в качестве веб-сервера используется Microsoft Internet Information Services, и представляет собой набор интерпретируемых сценариев, написанных на языке VBScript. Для хранения данных о поступающих запросах, параметрах задач управления и их решениях используется СУБД Microsoft SQL Server.
Основные результаты проведенных исследований отражены в опубликованных работах автора [75, 74, 73, 22, 23, 2, 24, 20, 21, 25, 33].
Работа выполнена на кафедре Прикладной математики и кибернетики Петрозаводского государственного университета. О результатах работы докладывалось на восьми международных конференциях:
международная конференция "Интернет в обучении и Интернет-обучение", Москва, апрель 2002 г.;
международный научный семинар "Неделя Финской Информатики в Петрозаводском Университете - Передовые методы информационных технологий", Петрозаводск, июнь 2004, 2005 г.г.;
IV, V, VI международные научно-технические конференции "Новые информационные технологии в ЦБП и энергетике", Петрозаводск, сентябрь 2000, 2002, 2004 г.г.;
международная научная конференция "5th St. Petersburg Workshop on Simulation", июнь 2005 г.
международная научная конференция "XXVth International Seminar on Stability Problems for Stochastic Models", Италия, Майори, сентябрь 2005 г.
а также на семинарах математического факультета Петрозаводского государственного университета и Института прикладных математических исследований Карельского научного центра РАН. Работа частично поддерживается грантами РФФИ № 04-07-90115, 04-01-00671.
Технологии и аппаратно-программные средства организа-циии дистанционного обучения
Работа произвольного пользователя с Интернет-системой дистанционного обучения состоит из нескольких этапов: 1) подключение к системе дистанционного обучения при помощи Интернет-обозревателя; 2) авторизация пользователя в системе, получение общих сведений о изучаемых курсах; 3) выбор вида занятия, изучение теоретического материала, самостоятельное закрепление навыков, интерактивное общение; 4) изучение материалов практических занятий; 5) контрольное тестирование и т.п.
Составить полный обзор текущего состояния программных средств, используемых при дистанционном обучении, практически невозможно, поэтому остановимся на рассмотрении лишь наиболее популярных [36, 39, 48] Интернет-систем дистанционного обучения.
Весь процесс дистанционного обучения - от разработки электронных учебных пособий до анализа статистики успеваемости - базируется на том или ином программном обеспечении. Программное обеспечение, используемое для дистанционного обучения, можно, прежде всего, разделить на интегрированное и специализированное.
Интегрированное программное обеспечение [36]- это среды дистанционного обучения, виртуальные классы или авторские средства разработки. Такой вид программного обеспечения поддерживает дистан ционное обучение на всех или большинстве его этапов. Интегрированное программное обеспечение позволяет создавать курсы дистанционного обучения с использованием различных информационных технологий, вести и контролировать процесс обучения. Интегрированное программное обеспечение представлено в двух основных категориях: среды разработки курсов дистанционного обучения и среды управления дистанционным обучением. Разделение достаточно условно, т.к. в любой из этих сред представлены и компоненты разработки, и компоненты управления курсом. Однако, один из компонентов всегда более функционально развит, что и позволяет проводить классификацию. Интегрированное программное обеспечение всегда специально разрабатывается для организации процесса дистанционного обучения.
Специализированное программное обеспечение [36] направлено на одну из конкретных задач, возникающих в рамках подготовки и проведения курсов дистанционного обучения.
Ниже приведено описание пяти Интернет-систем дистанционного обучения.
ОРОКС- это оболочка для создания распределенных обучающих и контролирующих систем, реализованная на основе CGI-технологии. Разработчик - Московский областной центр новых информационных технологий (МОЦНИТ). ОРОКС представляет собой сетевую оболочку для создания учебно-методических модулей и организации учебного процесса с использованием сетевых технологий. Эта оболочка поддерживает интерактивное взаимодействие обучаемого с преподавателем, что актуально для дистанционного обучения.
"Виртуальная среда обучения" (VLE v. 3.0) [40] представляет собой размещаемую в Интернете или локальной сети программную оболочку, включающую в себя весь необходимый инструментарий для дистанционного обучения. Эту оболочку можно использовать как самостоятельный программный пакет, наделенный всеми функциями, необходимыми для создания и проведения курсов в режиме on-line. Одним из главных ее преимуществ является русифицированный интерфейс, что одинаково важно как для преподавателя, так и для обучающегося.
Система дистанционного обучения "Прометей" (версия 4.1) -это программная оболочка, которая обеспечивает дистанционное обучение и тестирование слушателей, а также позволяет управлять всей деятельностью виртуального учебного заведения. Ее можно также использовать в качестве дополнительного средства для традиционных форм обучения. Система дистанционного обучения "Прометей" [15] позволяет организовать эффективное взаимодействие филиалов с учебными центрами с использованием современных сетевых технологий. Из учебно-методических центров в региональные отделения в электронном виде пересылается информация о курсах и собственно учебные материалы. Управление учебным процессом выполняется децентрализовано: региональные отделения самостоятельно работают с местными слушателями и передают в учебно-методические центры результаты проверки знаний или обучения. Интерфейс переведен на несколько национальных языков. СДО "Прометей" обладает неограниченным количество клиентских мест, высокой производительностью и масштабируемостью по мере увеличения числа пользователей, а также возможностью объединения нескольких систем в единую образовательную среду.
Lotus Learning Space - система поддержки дистанционного обучения разработана подразделением Lotus Education of Lotus Institute корпорации IBM. (http://www.lotus.com). Learning Space представляет собой [34] надстройку над Lotus Notes, Веб-сервером публикации контента Domino и поэтому является весьма "тяжелым" приложением, требующим весьма существенных сервисов на стороне сервера. Большим преимуществом является то, что при эксплуатации компьютерной обучающей программы не возникает вопросов с аутентификацией и разграничением доступа - все это делается средствами Notes. Хорошо организовано синхронное и асинхронное общение между всеми участниками учебного процесса, при этом процессом общения легко управлять. Важным преимуществом продуктов Learning Space является то, что предлагается масштабируемая и готовая к установке система. Фактически, Lotus предлагает готовую программно-аппаратную платформу для развертывания приложений. Следует отметить многоплатформенность Learning Space. Однако существенным недостатком является присущая Notes высокая трудоемкость создания новых специализированных средств, например, виртуальных лабораторных работ.
Известные механизмы управления качеством обслуживания
Рассмотрим известные на настоящий момент методы, реализующие механизмы обработки запросов маршрутизаторами с целью предотвращения перегрузки веб-серверов и использующие политику отбрасывания запро сов. Отбрасывание пакетов (packet drop policy) может происходить с использованием нескольких механизмов, среди которых можно выделить следующие:
Механизм отбрасывания хвоста - это механизм, применимый для регулирования длины очереди с дисциплиной обслуживания "первым пришел, первым обслужен" (First In First Out - FIFO). Данный алгоритм реализуется достаточно просто, описание реакции поведения трафика на применение механизма отбрасывания хвоста рассмотрен в [10]. Совместно с "механизмом отбрасывания хвоста" для повышения его эффективности используется "механизм медленного старта" [71]. Суть его в организации "окна перегрузки", содержащего информацию о максимальном количестве данных, пересылаемых от отправителя к получателю без получения подтверждения о доставке. На рис. 2.1 показано, что пакет с номером N + 2 получает отказ в обслуживании, т.к. в момент его прихода очередь пакетов заполнена.
Алгоритм "произвольного раннего обнаружения" перегрузки сети (Random Early Detection - RED) был предложен Салли Флойдом и Ваном Якобсоном в 1993 году [61]. В отличие от механизма "отбрасывания хвоста", алгоритм "произвольного раннего обнаружения" использует превентивный подход к переполнению очереди. Он отбрасывает пакеты, для которых вероятность того, что средний размер очереди превысит некоторое пороговое значение, больше заданной величины. Например, на рис. 2.2 показано, что пакеты с номерами N+2 и N+3 не будут обслужены, т.к. их выполнение приведет к превышению порогового значения очереди.
"Взвешенный алгоритм произвольного раннего обнаружения" (Weighted Random Early Detection - WRED) [10], обеспечивает превентивное отбрасывание пакетов в зависимости от их приоритетов. Подобный алгоритм применяется в маршрутизаторах Cisco серии 7500. На рис. 2.3 показано, что пакет с номером N+1 получает отказ в силу его низкого приоритета, а пакет с номером N+2 получает отказ, т.к. его выполнение приведет к превышению порогового значения очереди.
Механизмы сглаживания входного потока не применимы для обеспечения качества обслуживания в образовательных веб-серверах, т.к. невозможно отложить запрос или потребовать его повторную посылку. Поэтому наиболее приемлемыми для повышения качества работы вебсерверов являются принципы одного из методов отбрасывания пакетов - "взвешенного произвольного раннего обнаружения".
Образовательные веб-серверы имеют некоторые особенности функционирования - здесь возникают ситуации, когда невозможно успешное обслуживание всех запросов на предоставление ресурсов.
В то же самое время можно определить круг первоочередных классов приложений, выполнение которых является наиболее важной задачей. Например, при выполнении контрольного тестирования запросы, поступающие от студентов, работающих с системой тестирования, являются наиболее приоритетными по отношению к другим классам запросов.
До недавнего времени работу веб-сервера описывали как одноканальную систему массового обслуживания с ожиданием и ограниченным временем пребывания в очереди с пуассоновским входным потоком и экспоненциальным распределением времени обслуживания заявок. Поступившие заявки становятся в очередь и ждут начала обслуживания в порядке очереди при том условии, что время ожидания не превосходит некоторой величины т 0. Если до истечения этого срока заявка не будет обслужена, то она покидает систему. Известно, что для таких систем массового обслуживания время ожидания в очереди имеет показательное распределение.[3, 13]
В действительности, веб-сервер имеет более сложную структуру функционирования. Существует несколько установленных сервисов, которые можно рассматривать как самостоятельные каналы обслуживания. От Интернет/интранет клиентов к серверу в случайные моменты времени поступают запросы (заявки) на предоставление того или иного сервиса. Различают запросы нескольких классов Кі,...,Км Запросы класса К{ обрабатываются сервисом і, г = 1,..., М . Запросы не ожидают выполнения в очереди, а начинают обрабатываться немедленно после поступления
Исследование сетевого трафика образовательного веб-сервера pmik.petrsu.ru
Исследования проводились по данным образовательного веб-сервера pmik.petrsu.ru. На данном сервере установлена и эксплуатируется разработанная нами СДО, содержащая теоретические материалы и данные для проведения контрольного тестирования ряда дистанционных курсов. С системой работают студенты и преподаватели математического, экономического и исторического факультетов Петрозаводского государственного университета.
В качестве исследуемого процесса мы рассматриваем число запросов поступивших в течение дня на образовательный веб-сервер. На рисунке 1 изображен график исходного процесса поступления запросов (трафика) за 1 год и агрегированного процесса, полученного усреднением исходного по 3 дня.
Нами был проведен анализ статистики посещаемости, а также времен обработки запросов, полученной в период с августа 2003 по июль 2004 года. На рис. 3.1 приведен график посещаемости сервера. Для выявления свойства самоподобия достаточно оценить параметр Херста Н, который определяет степень самоподобия процесса. На рисунке рис. 3.2 приведен дисперсионно-временной график зависимости дисперсии агрегированного процесса от т в логарифической шкале. С помощью метода наименьших квадратов строится прямая, угол наклона которой - оценка параметра 2Н — 1. В данном случае угол наклона составляет 0.4, следовательно, параметр Херста Н = 0.7. Значение Н Є (1/2,1) говорит также о наличии долговременной зависимости, т. е. если процесс имеет тенденцию к увеличению (уменьшению) в прошлом, то с большой вероятностью он будет иметь тенденцию к увеличению (уменьшению) в будущем.
Оценка величины коэффициента самоподобия, позволяет сделать следующие выводы относительно потерь в изучаемой системе: при отсутствии самоподобия (Н = 0, 5) вероятность потерь ниже, чем при обслуживании простейшего потока, однако при увеличении коэффициента самоподобия (значения Н близкие к 1) вероятность потерь возрастает в несколько раз.
Как уже упоминалось выше, одной из возможных причин, объясняющих самоподобную структуру и долговременную зависимость сетевого трафика, является тот факт, что время обработки пользовательских запросов и количество одновременных подключений имеют распределение с тяжелым хвостом. Это означает, что эти данные принимают большие значения с достаточно большими вероятностями, что может приводить к отказам и замедлению работы сервера.
Предположим, что времена обработки запросов имеют распределение с тяжелым хвостом, т.е. хвост функции распределения имеет вид 1 - F(x) = x uL(x), где L(x) медленно меняющаяся функция. Оценим индекс тяжести хвоста V.
На рис. 3.5 приведен график хвоста эмпирической функции распределения l-F(x) в логарифмической шкале, где в качестве исходных данных рассматривалось время обработки поступающих запросов за период с августа 2003 г. по июль 2004 г. поэтому по углу наклона кривой Ln(l — F(x)) в логарифмической шкале к оси ОХ можно оценить индекс и. Для хвоста эмпирической функции распределения времени обработки поступающих запросов он получился равным 2.6.
Оценка Хилла и сглаженная оценка Хилла в этом случае являются малоинформативными для оценки тяжести хвоста и, поскольку невозможно выделить зону, в которой график ведет себя как прямая.
Сглаженная оценка Хилла для модуля демонстрации лекционных материалов 1 — x_Jy, х 0 с индексом v = 2.3 (на уровне значимости 0.05). Статистика Колмогорова имеет значение: Dn = yfiimax\Fn(x) - F(x)\ = 1.095, где Fn(x) и F(x) - эмпирическая и теоретическая функции распределения соответственно. Поскольку Dn принимает значение, меньшее, чем критическая точка i_o.o5 = 1-2, то оснований отвергнуть гипотезу Но нет.
Наличие свойства самоподобия в трафике образовательного вебсервера, может быть объяснено наличием долговременной зависимости у времени обработки поступающих на сервер запросов
Зная вид функции распределения, можно оценить математическое ожидание времени обработки запросов Е(Х) = v/{у — 1).
Таким образом, оценка математического ожидания времени обработки запросов для образовательного веб-сервера pmik.petrsu.ru X = 1.7.
Аналогично были проведены исследования времен обработки отдельно по каждому сервису на образовательном веб-сервере pmik.petrsu.ru. Получены оценки для индексов v, а также оценка математического ожидания времени обработки запросов для каждого сервиса (см. Таблицу 3.2).
Проведенное исследование показало наличие самоподобной структуры с индексом Н=0.7, а также наличие долговременной зависимости сетевого трафика pmik.petrsu.ru.
Результаты исследования говорят в пользу утверждения о том, что на образовательных веб-серверах возможны ситуации замедления работы, а также перегрузки такого рода, когда обработка любых поступающих запросов будет невозможна.
Алгоритмы обеспечения качества обслуживания в Интернет-системах дистанционного обучения
При тестированиии на стороне клиента регистрировались характеристики поступающих ответов на посылаемые запросы, такие как код ответа, время, прошедшее с момента отправления запроса до поступления первых байтов ответа, а также время, прошедшее с момента отправления запроса до получения последнего байта ответа. Отметим, что тестирование может быть распределенным, т.е. поток запросов генерируется несколькими физически удаленными друг от друга компьютерами.
Результатами тестирования производительности веб-службы, как правило, служат данные, содержащиеся в журналах регистрации событий, журналах производительности сервера, а также статистические данные, полученные программой тестирования.
При тестировании производительности в условиях нормальной загрузки наибольшую ценность представляют данные, находящиеся в журналах регистрации сервера, так как параметры потока запросов (интенсивность, список запрашиваемых ресурсов, количество пользователей и т.д.) задаются изначально, а записи журналов регистрации и счетчики производительности позволяют оценить степень использования каждого из компонентов сервера.
Если проводится стрессовое тестирование (полная загрузка веб-службы), то наибольший интерес представляет именно анализ данных программы тестирования, которая фиксирует количество запросов, обработанных сервером за промежуток времени, а также среднее время ответа на каждый из них.
Практика показывает, что при небольшой интенсивности время ответа на запросы практически не зависит от интенсивности их поступления, а по мере приближения интенсивности к предельно допустимой, время обработки начинает нелинейно увеличиваться.
Стрессовое тестирование позволяет выявить наиболее "узкое место" аппаратной платформы для данного веб-приложения путем ана лиза журналов производительности и выявления самого загруженного устройства. Если остальные устройства используются не интенсивно, то ликвидация "узкого места" аппаратной платформы поможет заметно увеличить быстродействие веб-службы за счет увеличения предельного числа запросов, которые сможет обработать сервис.
Так как тестирование преследует целью определение степени загрузки веб-сервера в условиях использования, приближенных к реальным, с регулируемой интенсивностью, то тестирование должно как можно более походить на регулярную работу веб-службы. Поэтому первым, подготовительным к тестированию этапом является определение списка ресурсов, к которым чаще всего обращаются пользователи системы, и определение их доли в общем количестве запросов. Результатом такой работы должен стать сценарий тестирования, который отражает поведение среднестатистического пользователя.
Сценарий тестирования включает в себя описание запросов к сервисам веб-службы, временные задержки между запросами и другие параметры. Создание сценария является ключевым подготовительным этапом к тестированию, поскольку сценарий - отражение действий пользователя и модель его поведения. Если сценарий не будет учитывать реальный поток запросов, то результаты тестирования не позволит адекватно оценивать производительность веб-службы в условиях нормальной работы.
Следующим этапом является выбор рабочих единиц тестирования, которые будут непосредственно отправлять запросы к веб-сервису. В силу того, что компьютеров для тестирования может быть очень много и их управление из одного места затруднительно, создается иерархическая структура в виде дерева, где листьями являются рабочие единицы тестирования, а корнем - центр управления системой тестирования. Остальные узлы управляют лишь частью дерева.
Комплекс тестирования (в него входят все компоненты дерева, включая каналы связи) должен в свою очередь обладать достаточной производительностью, чтобы не исказить результаты тестирования.
Для определения работоспособности предложенного алгоритма В (модифицированный алгоритм предотвращения перегрузки серверного аппаратного обеспечения с постоянным интервалом управления с повторным использованием результатов решения задачи оптимизации 2.4 2.6) было проведено несколько вариантов тестирования. Тестирование было организовано с использованием программ "Microsoft web stress" и "Microsoft application center test" и проходило по схеме "экстремального тестирования". Длительность каждого теста составляла 5 минут, в течение которых имитировалась работа определенного числа тестирующих единиц. Сценарий действий каждого пользователя включал в себя последовательное посещение перечисленных ниже ресурсов образовательного веб-сервера. Количество пользователей определялось для каждого сервера индивидуально таким образом, чтобы поток поступающих запросов к серверу был максимальным. Запрос каждого нового ресурса происходил после получения последнего байта ответа на предыдущий или после получения кода ошибки.
