汉语大全>通信与网络>基于移动代理的网络管理框架

基于移动代理的网络管理框架

详细内容

  基于移动代理的网络管理框架的中心思想是利用移动代理与驻留在设备上的传统的固定式代理进行信息交换,以完成管理功能。移动代理服务器(MAS)是整个网管框架的关键组成部分。移动代理发布者一般来说来自于网管中心,也可能来自其他远程MAS。网管中心的MAS可以安装在NMS同一台主机上,也可以分开安装,主要具有以下功能。

  ①根据NMS的请求组成具有特定功能的移动代理,通过代理传输协议(ATP)发送到远程MAS。代理的功能可以根据NMS策略的变化及时进行调整。

  ②分析移动代理返回的结果,生成被管设备的状态日志报告等。

  ③根据要求收回发出去的移动代理。

  为了简化迁移机制,移动祗理只允许最多迁移两个节点,这样避免由于频繁迁移引起网络拥塞和响应时间的延迟。远程MAS主要包括移动代理的安全认证、支撑运行环境以及与SNMP交互等。安全认证机制负责接收来自合法代理发布者的移动代理,并具备阻止恶意代理的攻击和破坏的功能,支撑运行环境负责在本地生成移动代理的例程,是使代理得以运行的关键。它除了根据移动代理的代码形式采取相应的执行方式来运行程序段外,还负责授权和限制移动代理对本地数据资源的访问。SNMP为移动代理提供了一组命令或API。使得移动代理通过这些接口可以对网络设各进行有效的管理。

  基于移动代理的网络管理框架主要由以下几个部分组成:代理代码库;移动代理服务器;网管工作站;SNMP管理域;代理服务器。

  同SNMP网络模型相比较,上述网管框架具有如下特点:

  ①移动代理可以直接与代理服务器的数据库相连接,按预先设定读取被管设各的各种状态信息,然后将信息一并带回。这样避免了传统网管中管理信息和设各状态信息在网络中多次传输,节省了带宽资源。

  ②移动代理不仅能够收集数据,而且具有灵活的计算能力,能对收集到的数据进行分析处理。还能根据杈限调用代理服务器上SNMP的接口来直接控制被管设备。

  ③移动代理只将NMS所关心的结果传回,减轻了NMS的负担,同时避免了在网络管理中心处可能形成的信息“瓶颈”。

  ④由于移动代理具有处理功能,当网络发生故障时可以在距离故障点最近的地方产生反应(甚至可以是故障点本身)。这种处理方式与传统的通过网络进行管理信息交互的方式相比实时性强,有效地避免了网络的传播延时。

  ⑤管理所需的计算最大限度地分布于整个网络从而适应大范围的网络。管理系统的性能与网络范围大小有直接的约束关系。

  ⑥通过划分SNMP管理域的方法,既利用了SNMP管理设各的成熟技术,又弥补了SNMP不够灵活的缺点,实现了管理功能的动态定制。当然管理域要有一定的局部性。以便充分利用移动代理直接管理本地的优势。

  从本质上讲,基于移动代理的网管框架是将处理功能移向原始数据产生的地方。而传统SNMP框架是将原始数据移向处理功能。前者虽然增加了移动代理服务器和代理代码库等部件。使得结构略显复杂,但带来的灵活性可以更好地适应网络多样化的发展,能够灵活地调整代理的功能是这种网管框架的鲜明特点。

  移动代理技术的研究起源于人工智能领域,它是指模拟人类行为和关系,具有一定智能并能够自主运行和提供相应服务的程序。移动代理主要特征是:代理可在异构网络的主机间移动,可受理委托,并具有自我决定杈。所谓自我决定杈即是可决定自身的行动去向,可决定自己的服务对象,甚至有自身复制的权利,并将复制的代理同样地发送到网上。其技术特征可归纳为:动态执行、异步计算、并行处理、智能化。在网络管理中应用移动代理技术有诸多好处。

  ①减少网络交通。客户端与服务端之间的通信(通过Agent)是本地的,直到产生最后结果并返回。如果管理动作是诊断和响应已经非常拥挤的网络时,这一点显得特别重要。

  ②分布式计算。客户端的一些计算被转移到运行于服务器端的Agent。这样可减轻客户端应用的负载和资源的消耗。就网络管理来说,可想象成一个单一的NOC管理着上百个节点。通过把一小部分计算转移到各个节点,这并不会于扰节点的运作,但是却可以大大有益于客户端。同时分布式计算更模块化和更易于理解。

  ③低延迟。通过把Agent和服务端之间的通信本地化,可以减少延迟,从而使相关信息更加准确。考虑为获得相关信息而向服务器发出多个查询。在客户/服务器模型中,每个查询都被潜在的消息传输延迟所分割开,这样第一个消息与第(n-1)个消息之间可能间隔很长一段时间,这无疑将削弱包含这些消息的信息之间的联系。相反,Agent模型减少了各服务器消息之间的延迟,同时减少了整体操作的延迟。

  ④更好的容错性。服务器与Agent之间的消息是本地的,与分布式计算片段相关的代码和数据集中在一个单一实体中,比跨网络的消息更可靠。在c/S模型中,数据经常在客户端和服务器端之间进行拷贝,在发生局部性错误时,可能会产生数据不一致性。