Управление пропускной способностью

Управление пропускной способностью (англ. bandwidth management) — это процесс измерения и контроля передачи данных (трафика, пакетов) по сетевому каналу с целью предотвращения его полной или избыточной загрузки[1], что может привести к сетевым затруднениям и снижению производительности сети. В современных условиях это интеллектуальный процесс, использующий технологии искусственного интеллекта и машинного обучения для динамической оркестрации сети[2][3]. Пропускная способность характеризуется битовой скоростью и измеряется в битах в секунду (бит/с) или байтах в секунду (Б/с)[4].

Механизмы и методы управления пропускной способностью

Механизмы управления пропускной способностью могут использоваться для целенаправленного повышения производительности сети и включают:

Формирование трафика и диспетчеризация

  • Формирование трафика (traffic shaping)[5] (ограничение скорости):[6]
    • Ведро с жетонами (token bucket)
    • Утечка из ведра (leaky bucket)
    • Управление скоростью TCP — искусственная корректировка размера TCP-окна и управление скоростью возврата ACK-сообщений отправителю[7]
  • Алгоритмы диспетчеризации:
    • Взвешенное честное распределение очереди (WFQ)[8]
    • Классовое взвешенное честное обслуживание очередей
    • Взвешенный круговой алгоритм (WRR)
    • Алгоритм с дефицитным взвешенным круговым обслуживанием (DWRR)
    • Иерархическая честная сервисная кривая (HFSC)

Применение искусственного интеллекта и машинного обучения в алгоритмах диспетчеризации и формирования трафика включает маршрутизацию с учётом намерений[9], умный троттлинг (Smart Throttler)[10] и предиктивное управление очередями[11].

Избежание заторов

К методам избежания заторов (congestion avoidance)[1] относятся:

  • RED, WRED — снижают вероятность очередей портов с усечением в конце очереди, что уменьшает риск глобальной синхронизации TCP.
  • Политика (маркировка/отбрасывание пакетов, превышающих допустимый уровень трафика и размер всплеска).
  • Настройка буферов — позволяет изменять способ выделения буферов маршрутизатором из доступной памяти и помогает предотвратить потери пакетов при кратковременном всплеске трафика.
  • Явное уведомление о заторах (ECN) — позволяет сетевому оборудованию заранее сигнализировать о перегрузке, чтобы конечные узлы успели снизить скорость передачи данных до переполнения очередей. Это эффективно предотвращает потери пакетов, а в сочетании с технологией L4S способно снизить задержки буферизации более чем на 90 %. Однако в глобальной сети широко распространена проблема «стирания» флагов ECN (ECN bleaching) промежуточными маршрутизаторами, наличие которых на пути делает невозможным использование L4S для обнаружения заторов[12].[13].
  • Алгоритм BBR (Bottleneck Bandwidth and Round-trip propagation time) — современная альтернатива классическим алгоритмам TCP Reno и CUBIC, разработанная Google. В отличие от них, BBR является модельно-ориентированным и не использует потерю пакетов как первичный сигнал о перегрузке. Он непрерывно оценивает пропускную способность и время кругового пути, что позволяет минимизировать задержки, избегать проблемы раздувания буферов (bufferbloat) и обеспечивать более высокую пропускную способность. Актуальные версии алгоритма (BBRv2 и BBRv3) также включают реакцию на потери пакетов и сигналы ECN[14].[15].

Резервирование и распределение ресурсов

  • Протоколы и алгоритмы резервирования пропускной способности:
    • Протокол резервирования ресурсов (RSVP) — способ, с помощью которого приложения эффективно и надёжно сообщают сети о своих требованиях[16].
    • Протокол маркировки меток с маршрутизацией по ограничениям (CR-LDP) и протокол RSVP-TE устарели. Их преемником в магистральных сетях является Segment Routing (SR-MPLS / SR-TE), который распределяет метки напрямую через протоколы внутренней маршрутизации (IGP), устраняя необходимость в использовании отдельных протоколов сигнализации и значительно снижая операционную сложность[17].
    • Алгоритм выбора верхних узлов (Top-nodes algorithm).
  • Механизмы динамического распределения пропускной способности (DBA) в сетях 5G/6G и современных пассивных оптических сетях (PON):
    • IPACT (Interleaved Polling with Adaptive Cycle Time) — опрос сетевых терминалов в режиме кругового обхода с адаптивным временем цикла в зависимости от текущих потребностей[18].
    • Гарантированные схемы опроса (Guaranteed polling schemes) — обеспечение минимальных гарантий пропускной способности с динамическим распределением избыточной ёмкости[18].
    • Гибридные схемы на основе слотов (Hybrid slot-based schemes) — комбинация фиксированного и динамического распределения, где критически важные приложения получают гарантированные слоты, а оставшаяся ёмкость распределяется динамически[18].
    • Интеллектуальное DBA на базе машинного обучения — использование нейросетевых алгоритмов для анализа паттернов трафика и прогнозирования будущих потребностей[18].
    • Динамическое приоритетное распределение на базе LTE — приоритизация трафика приложений реального времени при эффективном управлении фоновыми передачами данных[18].
    • CSL-DBA (Collaborative Split Learning-based DBA) — метод на основе разделенного обучения для сетей 6G TDM-PON, при котором оптические сетевые устройства выполняют локальный анализ трафика и передают только обновления модели на центральный терминал для прогнозирования и распределения полосы пропускания[19].

Классификация и программно-определяемые сети

Классификация трафика — категоризация трафика по политике для применения к каждому классу отдельных методов управления пропускной способностью. В облачных средах для высокопроизводительного ограничения скорости и классификации трафика используется технология eBPF (часто в связке с XDP). Она обеспечивает высокую производительность за счёт перехвата сетевых пакетов на уровне драйвера сетевой карты, снижает накладные расходы на процессор и память, а также гарантирует операционную стабильность и безопасность[20].[21] Механизмы управления трафиком в программно-определяемых сетях (SD-WAN) включают:

  • Динамический выбор пути (Dynamic Path Selection) — непрерывно отслеживает состояние сетевых каналов в реальном времени и автоматически перенаправляет трафик на наилучший доступный маршрут при ухудшении качества связи или отказе соединения[22].[23]
  • Маршрутизация на основе приложений (Application-Aware Routing) — распознаёт типы трафика и распределяет его в соответствии с заданными политиками и требованиями к качеству обслуживания (SLA) для каждого конкретного приложения, приоритизируя критически важные сервисы.

Эффективность канала

На производительность определённого канала могут влиять следующие факторы:

  • Протокол TCP определяет пропускную способность соединения путём увеличения скорости передачи до момента потерь пакетов (медленный старт)
  • Очереди в маршрутизаторах повышают задержку и джиттер по мере приближения (или превышения) пропускной способности
  • Глобальная синхронизация TCP приводит к нерациональному расходу пропускной способности при перегрузке сети
  • Всплескообразность интернет-трафика требует наличия резервной полосы для обслуживания внезапных всплесков
  • Недостаток поддержки явного уведомления о заторах и управления качеством обслуживания в Интернете
  • Интернет-провайдеры обычно сохраняют контроль над управлением очередями и качеством обслуживания на своей стороне соединения
  • Корректировка TCP-окна позволяет высокоуровневым устройствам снижать интенсивность потоков, сокращать глубину очередей и обеспечивать справедливое распределение пропускной способности между пользователями
  • Массовое внедрение IoT-устройств и рост фонового ИИ-трафика приводят к перегрузке сетей, что требует применения периферийных вычислений и архитектуры нулевого доверия (Zero Trust)[24][25]
  • Увеличение объёмов SaaS-трафика обуславливает необходимость динамического распределения ресурсов в облачных и гибридных средах[26]

Инструменты и методы

  • Сниффер пакетов — программа или устройство для прослушивания сетевого трафика и получения информации, проходящей по сети[27]
  • Измерение сетевого трафика
  • Инструменты с открытым исходным кодом для мониторинга и анализа трафика, такие как Prometheus и Grafana, а также Cilium и Hubble, использующие технологию eBPF для корреляции сетевых данных на уровне ядра[28].[29]
  • Проприетарные платформы на базе искусственного интеллекта для предиктивной аналитики и управления сетями, включая Cisco ThousandEyes (предиктивная аналитика и автоматическое устранение неполадок), Dynatrace (анализ первопричин) и Datadog (обнаружение аномалий с помощью машинного обучения)[30].

Государственные системы управления трафиком

В России для управления трафиком применяются технические средства противодействия угрозам (ТСПУ). Их работа основана на таких алгоритмах и методах, как DPI, сигнатурный и поведенческий анализ, классификация приложений, выявление аномалий и фильтрация трафика[31]. Согласно утверждённому плану Минцифры РФ, к 2030 году пропускная способность ТСПУ должна быть увеличена до 954 Тбит/с, а охват трафика российских пользователей в 2026 году должен составить 100 %[32][33].

Примечания

  1. 1 2 Internet Society on Bandwidth Management (англ.). Internet Society. Дата обращения: 26 августа 2026. Архивировано 12 июня 2018 года.
  2. Автоматизация маршрутизации и управление ресурсами с помощью ИИ и МО в сетях. КиберЛенинка. Дата обращения: 26 августа 2026.
  3. Network Bandwidth Management Software Market. SNS Insider. Дата обращения: 26 августа 2026.
  4. Bits Per Second (англ.). EDRM. Дата обращения: 26 августа 2026.
  5. IETF RFC 2475 «Архитектура дифференцированных сервисов», раздел 2.3.3.3 — стандартное определение "Shaper"
  6. AppNeta Rate Limiting Detection: Bandwidth and Latency (англ.). AppNeta. Дата обращения: 26 августа 2026.
  7. Handley, Mark; Padhye, Jitendra; Floyd, Sally; Widmer, Joerg (2008). “TCP Friendly Rate Control (TFRC): Protocol Specification”. IETF [англ.]. DOI:10.17487/RFC5348. Дата обращения 2026-08-26.
  8. Stiliadis, D.; Varma, A. (1998). “Latency-rate servers: A general model for analysis of traffic scheduling algorithms” (PDF). IEEE/ACM Transactions on Networking. 6 (5): 611. DOI:10.1109/90.731196. Архивировано из оригинала (PDF) 2016-03-04. Дата обращения 2024-06-25. Используется устаревший параметр |url-status= (справка)
  9. AI-Driven Traffic Reshapes Mobile Core Network Architecture in 2026. IPLook. Дата обращения: 26 августа 2026.
  10. Shaping the Flow: Building a Traffic Shaping Algorithm Inside an Exchange. OneTag. Дата обращения: 26 августа 2026.
  11. Искусственный интеллект в телекоммуникациях. APNI.ru. Дата обращения: 26 августа 2026.
  12. Is the Internet Ready for L4S? Catchpoint. Дата обращения: 26 августа 2026.
  13. Wireless Broadband Alliance L4S Implementation Guide Drives Business Benefits of Low Latency, Low Loss, Scalable Wi-Fi Networks. Wireless Broadband Alliance. Дата обращения: 26 августа 2026.
  14. Congestion Control: BBR, CUBIC, COPA. Forasoft. Дата обращения: 26 августа 2026.
  15. BBRv3: A New Congestion Control Algorithm for the Internet. ACM Digital Library. Дата обращения: 26 августа 2026.
  16. Sonia Fahmy. Resource ReSerVation Protocol (RSVP) // Handbook of Emerging Communications Technologies: The Next Decade / Sonia Fahmy, Raj Jain. — CRC Press, 2000.
  17. Segment Routing Explained: SR-MPLS. IP Infusion Blog. Дата обращения: 26 августа 2026.
  18. 1 2 3 4 5 Dynamic Bandwidth Allocation (DBA). Skynet Hosting Blog. Дата обращения: 26 августа 2026.
  19. Collaborative Split Learning-based DBA for 6G TDM-PON. PMC. National Center for Biotechnology Information. Дата обращения: 26 августа 2026.
  20. XDP и eBPF для обработки пакетов Linux. FDC Servers. Дата обращения: 26 августа 2026.
  21. The Advantages of eBPF for CWPP Applications. SentinelOne. Дата обращения: 26 августа 2026.
  22. Why SD-WAN Matters. EMS. Дата обращения: 26 августа 2026.
  23. SD-WAN, AI, QoS and Routing. Site24x7. Дата обращения: 26 августа 2026.
  24. Интернет вещей, IoT, M2M (мировой рынок). TAdviser. Дата обращения: 26 августа 2026.
  25. AI-Driven Traffic Reshapes Mobile Core Network Architecture in 2026. IPLOOK. Дата обращения: 26 августа 2026.
  26. Hybrid Cloud Network Architecture for Scalable Customer Connectivity. Trustgrid. Дата обращения: 26 августа 2026.
  27. Sniffers Basics and Detection. Дата обращения: 26 августа 2026.
  28. Kubernetes Monitoring: Prometheus, Grafana, Zabbix, Cilium. Linux Cloud Servers. Дата обращения: 26 августа 2026.
  29. Cilium eBPF Networking for Kubernetes. Khimananda. Дата обращения: 26 августа 2026.
  30. Best Network Monitoring Tools 2026. Kentik. Дата обращения: 26 августа 2026.
  31. Как работают ТСПУ и DPI. Triz.tech. Дата обращения: 26 августа 2026.
  32. Минцифры планирует увеличить мощность системы ТСПУ для анализа всего трафика Рунета. Forbes.ru. Дата обращения: 26 августа 2026.
  33. В блокировки интернета в России вложат еще 12 млрд рублей. Hi-Tech Mail.ru. Дата обращения: 26 августа 2026.

Категории