Management and Future Technologies | Volume 2, Issue 3 | № 007

kutubxonalar va freymvorklardan beta-versiya); yaratilgan foydalanish; ichki birlik testlarini o‘tkazish; dastur kodi (repository). kodni ko‘rib chiqish (review). 5. Sinov Test strategiyasini belgilash; test-case larini tayyorlash; birlik, integratsion, tizim va qabul testlarini o‘tkazish; xatolarni aniqlash va qayd etish; xatolarni tuzatish va qayta test qilish (iterativ jarayon). Sinov hisobotlari; xato (bug)lar ro‘yxati va ularning holati; dastur sifati tasdiqlangani haqida xulosa (tasdiqlangan talablarga muvofiqlik). 6. Joriy etish Dasturiy ta’minotni ishlab chiqarish muhitiga o‘tkazish; serverlarda o‘rnatish va konfiguratsiya qilish; foydalanuvchilarga dasturdan foydalanish imkonini yaratish; foydalanuvchi qo‘llanmalarini taqdim etish; dastlabki monitoring. Ishlab chiqarish muhitida ishga tushirilgan dasturiy mahsulot; foydalanuvchilarga e’lon qilingan yangi mahsulot (versiya); sozlangan tizim muhiti. 7. Texnik xizmat Dastur faoliyatini doimiy kuzatish (monitoring); yuzaga kelgan xatolarni tuzatish (patch releases); o‘zgaruvchan talablar va muhitga mos ravishda dasturga o‘zgartirishlar kiritish; foydalanuvchi takliflariga ko‘ra yangi funksiyalar qo‘shish; tizimni optimallashtirish va yangilab borish; foydalanuvchilarga texnik ko‘mak berish. Dasturiy mahsulotning yangilangan versiyalari (updatelar); texnik qo‘llab-quvvatlash hujjatlari; foydalanuvchi muammo/takliflari jurnali; (Mahsulot hayoti yakunida: tizimni eskirgan deb topish va dekomission qilish hujjatlari). Yuqoridagi 1-jadvaldan ko‘rinib turibdiki, SDLC doirasidagi har bir bosqichning aniq vazifalari va natijalari mavjud. Har bir bosqich o‘zidan keyingi bosqich uchun asos yaratadi, shu sababli biror bosqichdagi kamchilik yoki e’tiborsizlik butun loyiha sifatiga salbiy ta’sir ko‘rsatishi mumkin. Shu nuqtai nazardan, SDLC modeli dasturiy ta'minot ishlab chiqish jarayonini izchil boshqarish va nazorat qilishga imkon beradi. Sentiment tahlil axborot tizimining dasturiy kod tuzilmasi Sentiment tahlil axborot tizimi kodi aniq va tartibli tuzilishda tashkil etiladi. Kataloglar iyerarxiyasi shunday rejalashtiriladiki, har bir modul va vazifa alohida joylashuvi bilan ajralib tursin. Quyida tizimning namunaviy papkalar strukturasi va ularning vazifalari keltirilgan: 1. preprocessing/ – Matnlarni oldindan qayta ishlash (tozalash, normalizatsiya, tokenizatsiya)ga oid funksiyalar va skriptlar joylashadi. Masalan, bu yerda matndagi imlo xatolarini to‘g‘rilash, stop-so‘zlarni olib tashlash kabi kodlar bo‘ladi. 2. classifier/ – Sentiment klassifikatsiya modeli bilan ishlovchi modul. Bu katalogda modelning o‘zi (o‘qitilgan Transformer modelini yuklash yoki sklearn modelini .pkl ko‘rinishida 80

saqlash), matnlardan xususiyatlar ajratish (feature_extraction.py) va baholash (predict.py) kodlari turadi. Agar modelni o‘qitish ham tizim tarkibida ko‘zda tutilgan bo‘lsa, u holda o‘qitish skripti (train.py) va tegishli konfiguratsiyalar ham shu yerda bo‘ladi. 3. api/ – Flask web-servisi uchun manba kodlari joylashgan katalog. Unda marshrutlar (routes) va endpointlar aniqlanadi (app.py yoki routes.py ichida /analyze API endpointi). Bu yerda foydalanuvchidan kelgan so‘rovni qabul qilish, classifier modulini chaqirish va natijani qaytarish funksiyalari yoziladi. Shuningdek, bu katalogda autentifikatsiya yoki foydalanuvchi sessiyasini boshqarish kabi veb-xizmatga aloqador kodlar ham bo‘lishi mumkin. 4. visualization/ – Natijalarni vizual tarzda chiqara olish uchun zarur modul. Masalan, agar tizimda biror statistik ko‘rsatkichlarni grafik ko‘rinishda taqdim etish (diagramma chizish) funksionali bo‘lsa, uning kodi shu papkada bo‘ladi. Web interfeysda grafikalar ko‘rsatish yoki frontendga diagramma uchun ma’lumot tayyorlash funksiyalari ham shu yerga joylanadi. 5. config/ – Loyihaning turli konfiguratsion fayllari va sozlamalari. Masalan, ma’lumotlar bazasi ulanish sozlamalari (db_config.py yoki .env faylida), model parametrlarini o‘rnatish, dastur ishlash muhitiga tegishli o‘zgaruvchilar bu yerda saqlanadi. Bu modul yordamida kod ichida turli sozlamalarni alohida jamlab, ularni markazlashtirilgan holda boshqarish osonlashadi. 6. logs/ – Tizim ishlashi jarayonida hosil bo‘ladigan log-fayllar saqlanadigan katalog. Flask server loglari, xatoliklar stack trace’lari yoki foydalanuvchi so‘rovlari tarixi kabi ma’lumotlar bu yerga yozilishi mumkin. Loglar asosida keyinchalik monitoring va xatolarni debug qilish amaliyoti olib boriladi. 7. tests/ – Test skriptlari va test ma’lumotlari joylashgan bo‘lim. Har bir modul uchun alohida test fayllari (masalan, test_preprocessing.py, test_api.py) tuziladi. Unittest yoki PyTest yordamida yozilgan avtomatlashtirilgan testlar tizim funksiyalarini tekshiradi. Bu katalogda shuningdek test uchun kerakli sun’iy ma’lumotlar yoki fixture-fayllar saqlanishi mumkin. Yuqoridagi tuzilma modullarning bir-biridan mustaqilligini ta’minlaydi va kodni tushunishni osonlashtiradi. Masalan, agar kelgusida yangi model sinab ko‘rilmoqchi bo‘lsa, classifier/ katalogida o‘zgartirishlar qilinadi, frontend qismi tegilmagan holda qolaveradi. Shu tarzda MVC (Model-View-Controller) prinsipiiga o‘xshash qatlamlarga bo‘lingan strukturaga erishiladi: 1) classifier – model (Model) qismi, 2) api – controller (xizmat) qismi, visualization, 3) UI kodi – view (taqdimot) qismi vazifasini bajaradi. Bunday kataloglar strukturasini qo‘llash jamoaviy ishlashda ham qulay bo‘lib, har bir dasturchi tegishli modul ustida mustaqil ishlashi va versiyalarni boshqarish tizimida to‘qnashuvlar minimal bo‘lishini ta’minlaydi. Sentiment tahlil axborot tizimining dasturiy ta’minot tarkibi modular tarkibda tashkil etilishi zarur. Bu degani, tizimni amalga oshiruvchi dasturiy kod aniq vazifalar bo‘yicha bo‘lingan bo‘lib, har bir modul mustaqil ravishda o‘z funksiyasini bajaradi va kerak bo‘lganda boshqa modullar bilan o‘zaro aloqaga kirishadi. Ilmiy ishlar tahliliga ko‘ra, bunday modul tuzilmasi nafaqat kodni tushunishni osonlashtiradi, balki uni qo‘llab-quvvatlash va kengaytirishni ham yengillashtiradi. Masalan, matnlar bazasini yuklash, matnni oldindan qayta ishlash, klassifikatsiya modelini tayyorlash va yangi matnlar uchun bashorat qilish kabi bosqichlar har biri alohida kod moduli sifatida tashkil etilishi tavsiya etiladi. Sentiment tahlil tizimi to‘rtta asosiy modulga ajratilgan: 81

1) Sharhlar datasetsini yuklash va saqlash; 2) Matnlarni tozalash va tayyorlash (kichik harflarga o‘tkazish, ortiqcha belgi va so‘zlarni olib tashlash, lemmalash); 3) Mashina o‘qitish modelini tayyorlash; 4) Sinov ma’lumotlarini modelga kiritib, natijalarni bashorat qilish. Modular yondashuvning afzalligi shundaki, agar tizimning ma’lum qismida o‘zgarish qilish kerak bo‘lsa (klassifikator turini o‘zgartirish yoki yangi oldindan qayta ishlash qoidalarini qo‘shish), bu to‘g‘ridan-to‘g‘ri tegishli modul ichida amalga oshiriladi va bu boshqa qismlarga minimal ta’sir ko‘rsatadi. O‘zbek tilidagi sentiment tahlil tizimlarini yaratish tajribasida ham kod strukturasi masalasiga alohida e’tibor berildi. Yuqorida zikr etilgan Django asosidagi tizimda kod MVT arxitektura printsipiga muvofiq qatlamlarga ajratilgan: models.py fayllarida ma’lumotlar bazasi va til modellari bilan ishlovchi sinflar, views.py da biznes mantiq (matnni qayta ishlash, modelni chaqirish va h.k.), templates/ jildida esa foydalanuvchi interfeysi uchun HTML shakllari joylashtirilgan. Shuningdek, mustaqil NLP funksiyalarini (masalan, to‘plamni tozalash, so‘zlarni ajratish) alohida kutubxona yoki yordamchi modullarga joylashtirish amaliyoti kuzatiladi. Bu esa kodning qayta ishlatiluvchanligini oshiradi va bir xil funksiyani tizimning turli joyida takror yozish o‘rniga, bitta modulni chaqirish kifoya bo‘ladi. Tizimning dasturiy strukturasini lozim darajada modular tashkil etish uning sifatini belgilovchi muhim omillardandir. Zamonaviy dasturlashda keng tarqalgan MVC/MVT arxitektura tamoyillari va obyektga yo‘naltirilgan dasturlash uslubi bunday kod tuzilmasini yaratishda asosiy vosita bo‘lib xizmat qiladi. Sentiment tahlil axborot tizimining texnik tavsifi (texnologiyalar va arxitektura tanlovi) Ushbu sentiment tahlil tizimini yaratishda zamonaviy va ochiq kodli texnologiyalar majmuasi tanlandi. Asosiy dasturlash tili – Python, chunki Python tabiiy tilni qayta ishlash (NLP) va mashinaviy o‘rganish uchun boy kutubxonalarga ega. ML model sifatida Transformers kutubxonasidan foydalanildi va bu Hugging Face kompaniyasi tomonidan taklif qilinadigan, hozirgi zamon NLP muammolari uchun eng ilg‘or oldindan o‘qitilgan modellar to‘plamini oson qo‘llash imkonini beruvchi kutubxonadir. Transformers kutubxonasi yordamida biz o‘zbek matnlari uchun tayyorlangan BERT modelini yoki shunga o‘xshash ko‘p tilli modelni ishlatish mumkin. Oldindan tayyor modeldan foydalanish hisoblash xarajatlarini kamaytiradi va modelni noldan o‘qitish uchun ketadigan vaqt va resurslarni tejalishiga olib keladi [13]. Shu tariqa, juda kam ma’lumot bilan ham yuqori sifatli sentiment aniqlovchi modelni integratsiya qilish imkoni bo‘ldi. Backend qismi uchun Flask ishlatilgani bejiz emas. Flask Python’da yozilgan veb-freymvork bo‘lib, u RESTful API yaratishda juda qulay va tez natija beruvchi vositadir. Flask yordamida biz tezkorlik bilan zarur endpointlarni yo‘lga qo‘yib, ularni ML modeli bilan bog‘landi. Flask’ning soddaligi va minimalizmi loyihani kichik mikroxizmat tarzida tuzishda qo‘l keldi. Shuningdek, Flask’ga kerak bo‘lsa boshqa kutubxonalar (masalan, Flask-CORS orqali frontend bilan crossorigin aloqani yo‘lga qo‘yish) oson ulanishi va konfiguratsiya qilinishi ham tanlov uchun sabab bo‘ldi. Frontend qismi React yordamida ishlab chiqildi. React – bu komponentga yo‘naltirilgan JavaScript kutubxonasi bo‘lib, Single Page Application (SPA) yaratish uchun juda mos. React orqali foydalanuvchi interfeysi dinamik va tezkor bo‘ladi, chunki sahifa tarkibining o‘zgarishi faqat kerakli qismlarnigina yangilash orqali amalga oshadi. Bu esa foydalanuvchi tajribasini sezilarli 82

yaxshilaydi. Bundan tashqari, React yordamida loyihani mobil qurilmaga mos Progressive Web App (PWA) sifatida ham tayyorlash imkoni paydo bo‘ladi. Frontend bilan backend o‘rtasida o‘zaro aloqa AJAX/Fetch API orqali HTTP so‘rovlar yuborish orqali amalga oshiriladi. Ya’ni, React komponenti foydalanuvchi kiritgan matnni oladi va Flask API’ga JSON so‘rov yuboradi, natijani qabul qilib, foydalanuvchiga ko‘rsatadi. Ma’lumotlar bazasi sifatida SQLServer2022 tanlandi. SQLServer kuchli MBBT bo‘lib, u ma’lumotlarning yaxlitligi va ishonchliligini ta’minlaydi, va murakkab SQL so‘rovlarini qo‘llabquvvatlaydi. Ushbu tizimda SQLServer’dan foydalangan holda foydalanuvchilar kiritgan matnlar, ularning sentiment natijalari, va ehtimoliy statistik ma’lumotlar saqlanadi. Masalan, agar foydalanuvchi bir nechta matnlarni jo‘natgan bo‘lsa, ularning har biri uchun sentiment va sana-vaqti bilan yozuvlar bazada saqlanib, keyinchalik tahlil uchun ishlatilishi mumkin. Bazaga ulanish Flask orqali amalga oshiriladi. Tanlovimizga ko‘ra, SQLServer ko‘p foydalanuvchili muhitda ham barqaror ishlashi, tranzaksiyalarni qo‘llab-quvvatlashi va JSON kabi ma’lumot turlarini ham saqlay olishi sabab loyihamiz uchun ayni muddao bo‘ldi. Docker konteyner texnologiyasi tizimni har xil muhitlarda bir xilda ishlashini ta’minlash va deployment (yuklash) jarayonini soddalashtirish uchun joriy qilindi. Docker yordamida bizning frontend (React) va backend (Flask) qismlarimiz alohida konteynerlarda qadoqlanib, bir xil konfiguratsiya bilan har qanday serverga o‘rnatilishi mumkin. Bu jarayon dasturchilar o‘rtasida muhitalarning uyg‘unligini ta’minlaydi. Docker konteynerlari microservice arxitekturasiga o‘tish uchun ham zamin yaratadi, chunki kelgusida tizim modullarini alohida konteynerlarga ajratib, ularni orkestratsiya (Kubernetes) yordamida boshqarish mumkin bo‘ladi. Yuqoridagi texnologik yechimlar zamonaviy tizim muhandisligi tamoyillariga mos ravishda tanlangan. Masalan, uch qavatli arxitektura (client-server-DB) tanlash orqali sentiment tahlil tizimi xavfsizligini oshirildi. Chunki mijoz (frontend) to‘g‘ridan-to‘g‘ri ma’lumotlar bazasiga ulanmaydi, faqatgina oraliq API orqali murojaat qiladi [12]. Bu esa ma’lumotlar qatlamini himoya qilgan holda, biznes mantiqni prezentatsiyadan ajratish imkonini berdi. Shuningdek, har bir komponent mustaqil bo‘lgani tufayli, masalan, yuk ko‘payganda faqat model serverini alohida kuchaytirish (scaling) yoki biror qismda nosozlik bo‘lsa, boshqa qismlarga ta’sirini minimallashtirish imkoni tug‘ildi. Arxitekturani tanlashda loyihaning hajmi va murakkabligi ham inobatga olindi. Monolit yondashuv (barcha funksiyalarni bitta ilovaga jamlash) kichik loyihalarda qulay bo‘lsa-da, kelgusida tizimni rivojlantirish va yangilashda qiyinchilik tug‘dirishi mumkin. Shu bois biz modullararo aniq interfeyslar (API) bilan bo‘lingan xizmatlar arxitekturasini ma’qul ko‘rdik. Bu yondashuv hozirgi kunda mikroxizmatlar arxitekturasi tarafdorlari orasida keng qo‘llanadi va katta tizimlar uchun o‘zining samaradorligini isbotlagan. Bizning holatimizda tizim nisbatan kichik bo‘lsa-da, modular arxitektura tatbiq etildi. Natijada loyiha ustida bir nechta dasturchi parallel ishlaganda ular bir-biriga xalaqit bermaydi, har bir qismni alohida sinab, alohida joyga joriy etish mumkin bo‘ladi. Umuman olganda, tanlangan texnologiyalar to‘plami Python+Flask+Transformers+SQLServer+React+Docker loyihani tez va samarali rivojlantirish, ham ilmiy jihatdan ilg‘or yondashuvlarni (masalan, Transformer modelidan foydalanish) qo‘llash, ham amaliy jihatdan mustahkam yechim qurishga xizmat qildi. Bunda har bir texnologiyaning o‘z o‘rni va asosli tanlash sabablari bor: Python – NLP va ML uchun, Flask – yengil va tezkor API xizmati uchun, Transformers – sifatli matn tahlili modeli uchun, SQLServer – ishonchli 83

ma’lumotlar saqlash uchun, Docker – portable (ko‘chma) va uyg‘un ishlash muhiti uchun, React – zamonaviy va foydalanuvchiga qulay interfeys uchun. Ushbu uyg‘unlik ilmiy yondashuv (modelning aniqligi, algoritmlarning to‘g‘riligi) va amaliy yondashuvni (tizimning ishlashi, arxitekturaviy yechimlar) birlashtirishga imkon berdi. Quyida ijtimoiy tarmoq foydalanuvchilari post(xabar)larini sentiment tahlil qilish tizimi arxitrkturasi keltirilgan. Foydalanuvchi postlari User ID ________ ________ ________ ____ Users Foydalanuvchi xronologiyasini aniqlash Foydalanuvchilarni qidirish jadvalini yaratish Foydalanuvchilar ro'yxatini shakllantirish post ID .json Boshlangi`ch qayta ishlash Qayta ishlangan postlar Foydalanuvchi postlarini teglash Teglangan postlar post Post www ID Processed Posts Features list Post Telegram/ Twitter Xususiyatlarni aniqlash Boshlangi`ch qayta ishlash API Dataset Model yaratish Baholash 3-rasm. Ijtimoiy tarmoq foydalanuvchilari postlarini sentiment tahlil qilish axborot tizimi arxitrkturasi Quyidagi 2-jadvalda sentiment tahlil axborot tizimining texnik tavsifi keltirilgan. 2-jadval. Sentiment tahlil axborot tizimining texnik tavsifi Komponent / Tanlangan № Tavsif / tanlash sababi Tavsif texnologiya 1. Dasturlash tili Python NLP va mashinaviy o‘qitish uchun kuchli ekotizim, qulay va tez ishlab chiqish Transformers Zamonaviy NLP vazifalar uchun oldindan (BERT/XLM- tayyorlangan modellar, tez integratsiya qilish RoBERTa) imkoniyati 2. NLP modeli 3. Backend freymvorki Flask Yengil vaznli REST API uchun optimallashtirilgan, tezkor va sodda 4. Frontend texnologiyasi React Komponentlarga asoslangan, dinamik va qulay foydalanuvchi interfeysi, SPA va PWA ishlab chiqish imkoniyati 5. Ma’lumotlar bazasi SQLServer Ishonchlilik, tranzaksiyalarni qo‘llash, murakkab so‘rovlarni qo‘llab-quvvatlash va JSON ma’lumotlarini saqlash 6. Konteynerlashtiris h Docker Tizimni istalgan muhitda oson joylashtirish va bir xil konfiguratsiya bilan ishlash imkoniyati, mikroservislar uchun asos yaratish 84

Uch qavatli Modularlik, kengayish imkoniyatlari, yuklamani va alohida boshqarish va xatolarning ta’sirini Mikroservislar kamaytirish 7. Arxitektura 8. API protokoli REST Frontend va backend o‘rtasida sodda, keng tarqalgan va moslashuvchan aloqa o‘rnatish 9. Modelni o‘qitish muhiti PyTorch / HuggingFace Chuqur o‘rganish modellari uchun moslashuvchan, o‘zbek tiliga mos pre-trained modellardan foydalanish imkoniyati 10 Frontend-backend . integratsiya Axios / Fetch API REST API orqali JSON formatida frontendbackend o‘zaro aloqa qilish imkonini beradi Ushbu tahliliy jadval sentiment tahlil axborot tizimi uchun tanlangan texnologiyalar va arxitekturaviy yechimlarni aniq ko‘rsatib beradi va tizimning samarali ishlashini ta’minlash uchun tanlovlarning asosini tavsiflaydi. Foydalanuvchi interfeysi (UI) Tizimning foydalanuvchi interfeysi oddiy va intuitiv tarzda ishlab chiqilgan. Maqsad shuki, foydalanuvchi ilk bor tizimga murojaat qilganidayoq qanday amallarni bajarish kerakligini oson tushunilishi kerak. Go‘yo ilgari ham ushbu interfeysdan foydalangandek “o‘zini uydagidek his qilsin” [14]. Buning uchun interfeys dizaynida bir nechta prinsiplarga amal qilindi: minimalizm (keraksiz elementlarni chiqarib tashlash), mantiqiy guruhlash va ko‘rinuvchi navigatsiya. Asosiy sahifa strukturasi foydalanuvchiga darhol tanlash uchun ikki xil imkoniyatni taqdim etadi: yakka matnni tahlil qilish yoki fayl (ko‘p matnlarni) tahlil qilish rejimi. Interfeysning bosh ekrani yuqori qismida loyiha nomi va menyu (asosiy bo‘limlarga havolalar: bosh sahifa, loyiha haqida ma’lumot, aloqa) joylashgan. Markaziy qismda foydalanuvchiga tanlov beriladi: u to‘g‘ridan-to‘g‘ri matn kiritishi yoki oldindan tayyorlangan CSV faylini yuklab, bir nechta matnni birdaniga tahlil qilishi mumkin. Senrtiment axborot tizimi bir vaqtning o‘zida bir nechta matnni baholab, natijalarni jadval shaklida taqdim eta oladi. Jadvalda har bir matn uchun asl matnning o‘zi, oldindan tozalangan ko‘rinishi, aniqlangan sentiment kategoriyasi va (agar mavjud bo‘lsa) sana-vaqt kabi ma’lumotlar ko‘rsatiladi. Interfeysda natijalarni filtrlash imkoniyati ham mavjud: foydalanuvchi jadval ustidagi filtrdan foydalanib, faqat ijobiy yoki faqat salbiy yozuvlarni alohida ajratib ko‘rishi mumkin. Bu kabi funksionallik foydalanuvchiga ko‘p sonli natijalar orasida keraklisini tez topishga yordam beradi. Jadval tarzidagi chiqarishdan tashqari, yakka matn tahliliga mo‘ljallangan rejimda natija alohida blok sifatida ko‘rsatiladi. Navigatsiya va ko‘rinish jihatidan, interfeysning barcha elementlari bir-biridan aniq ajratilgan va belgilangan. Masalan, matn kiritish maydoni yonida “Tahlil qilish” tugmasi joylashgan bo‘lib, u bosilganda foydalanuvchi tanlagan rejimga qarab tegishli harakatni amalga oshiradi (yakka matn uchun API chaqiriladi yoki fayl yuklangan bo‘lsa, fayl serverga jo‘natiladi). Agar tizimda foydalanuvchi ro‘yxatdan o‘tishi yoki tizimga kirishi talab etilsa, interfeysning yuqori o‘ng qismida “Kirish” yoki “Ro‘yxatdan o‘tish” tugmalari ko‘zda tutiladi. Biroq, ushbu sentiment tahlil tizimi odatda ochiq foydalanish uchun mo‘ljallanganligi sababli, autentifikatsiya majburiy emas va asosiy e’tibor funksiyaga qaratiladi. 85

Grafik dizaynda ranglar va shriftlar foydalanuvchi ko‘zini qulay qabul qiladigan tarzda tanlandi. Asosan neytral ochiq ranglar foni va kontrastli matn ranglari ishlatildi. Natija chiqarishda ijobiy, neytral va salbiy holatlar uchun mos ravishda yashil, kulrang va qizil belgi yoki matn ranglari orqali vizual ajratish joriy qilindi. Bu foydalanuvchiga matn kayfiyatini darhol rangdan bilib olishga yordam beradi. Masalan, agar natija “ijobiy” bo‘lsa, “ijobiy” so‘zi yashil bilan yoziladi, salbiy bo‘lsa qizil va hokazo – bu intuitiv rang kodi inson ongida tezroq idrok etiladi. Interfeysni loyihalashda responsivlik ham inobatga olingan. Ya’ni, sayt turli ekran o‘lchamlarida to‘g‘ri va qulay ko‘rinishda qoladi. Buning uchun CSS Flexbox/Grid texnologiyalaridan foydalanilib, komponentlarning joylashuvi mobil qurilmalarda vertikal tartibga o‘tishi, keng ekranda esa yonma-yon joylashishi ta’minlandi. Shuningdek, agar foydalanuvchi smartfon yoki planshetdan kiritish jarayonida xatoga yo‘l qo‘ysa (matn kiritmay “Tahlil” tugmasini bosib yuborsa), interfeys buning oldini olib, mos ravishda ogohlantiruvchi xabar chiqish (validation) imkoniyatlariga ega. Demo sahifa tuzilmasini qisqacha tasvirlaydigan bo‘lsak, u quyidagicha: yuqorida sayt sarlavhasi va menyu, markazda chapda “CSV yuklash” bloki va o‘ngda “Matn kiritish” bloki (yoki ketma-ket tartibda, ekran kengligiga qarab), pastroqda esa natija paneli joylashgan bo‘ladi. Agar foydalanuvchi biror rejimni tanlamay to‘g‘ridan-to‘g‘ri matn kiritishni boshlasa, tizim avtomatik ravishda shu rejimga o‘tadi. Interfeys foydalanuvchining odatiy xatti-harakatlarini oldindan hisobga olgan holda ishlab chiqilgan. Matn kiritish maydoniga biror matn yozilishi bilan “Tahlil qilish” tugmasi faol (enabled) holatga o‘tadi. Shu tariqa har bir elementning holati foydalanuvchi harakatiga javoban moslanadi. Umuman olganda, foydalanuvchi interfeysi zamonaviy veb-ilova dizayn prinsiplari asosida yaratilgan bo‘lib, yuklash tezligi, interaktivlik va soddalikka alohida e’tibor berilgan. Intuitiv interfeys ortida jiddiy dizayn qarorlari yotadi. Ya’ni, foydalanuvchi uchun “hammasi o‘z-o‘zidan tushunarli” bo‘lishi uchun dizayner va dasturchilar oldindan puxta mehnat qilishgan. Natijada, sentiment axborot tizimdan foydalanish jarayoni foydalanuvchi uchun iloji boricha qulay va samarali tashkil etildi: u bir necha oddiy qadam bilan o‘zbek tilidagi matnlarning sentimentini aniqlashi va natijalarni ko‘rishi mumkin. Ushbu maqolada keltirilgan yechimlar va tavsiflar ilmiy yondashuv (UML diagrammalar, algoritmlar) va amaliy tajriba (texnologik tanlov va tuzilma) uyg‘unlashgan holda, zamonaviy tizim muhandisligi tamoyillari asosida keltirildi. Xulosa Ushbu maqolada sentiment tahlil vazifasini amalga oshiruvchi zamonaviy axborot tizimi arxitekturasining barcha qatlamlari – frontend, backend, ma’lumotlar bazasi, ML modeli – ilmiy asosda tahlil qilindi va ularning o‘zaro integratsiyasi aniqlashtirildi. Taklif etilgan arxitektura RESTful mikroservislar asosida qurilgan bo‘lib, modulga asoslangan dizayn tizimning kengayuvchanligini va xatolarga chidamliligini ta’minlaydi. XLM-RoBERTa modeli yordamida sentiment aniqligi yuqori bo‘lishi (AUC ≈ 0.96) tizimning ilmiy asosliligi va amaliy samaradorligini isbotlaydi. Interfeys soddaligi, tizim tezligi va Docker yordamida konteynerlash texnologiyasi esa real vaqtda foydalanish qulayligini ta’minlaydi. Yagona ekotizim sifatida bu yechim o‘zbek tilida avtomatik matn tahlili uchun barqaror, masshtablanuvchan va ilmiy jihatdan asoslangan platforma yaratishga xizmat qiladi. Tizimning modulli arxitekturasi esa kelgusida boshqa NLP vazifalarini (masalan, named entity recognition (NER), topic modeling) integratsiyalash imkoniyatini ham beradi. 86

Foydalanilgan adabiyotlar 1. Suyunova, M. (2025). SENTIMENT ANALYSIS RESEARCH AND IMPORTANCE. Journal of Applied Science and Social Science, 1(2), 891-897. 2. Muniraja, M., Bharadwaj, S., Marupudi, H., Santhosh, C., More, K., Valla, A. A., & Maddi, D. (2025, May). Sentiment Analysis of Customer Satisfaction Using ML Models. In 2025 Global Conference in Emerging Technology (GINOTECH) (pp. 1-6). IEEE. 3. Das, A., Gunturi, K. S., Chandrasekhar, A., Padhi, A., & Liu, Q. (2021, December). Automated pipeline for sentiment analysis of political tweets. In 2021 international conference on data mining workshops (icdmw) (pp. 128-135). IEEE. 4. Boltayevich, E. B., Tursunalievna, A. M., Ilxomovna, A. X., Xolmo’minovna, A. O., & Farkhodovich, K. B. (2024, February). Modeling of Models and Processes that Differentiate Semantically Polyfunctional Words in the Context of the Uzbek Language. In International Congress on Information and Communication Technology (pp. 421-431). Singapore: Springer Nature Singapore. 5. Garg, A., & Sharma, D. (2025). AI Insights: Navigating Education News Ethically Through Aggregation and Sentiment Analysis. Ethical Decision‐Making Using Artificial Intelligence: Challenges, Solutions and Applications, 313-342. 6. Yadav, A., & Vishwakarma, D. K. (2020). Sentiment analysis using deep learning architectures: a review. Artificial Intelligence Review, 53(6), 4335-4385. 7. Bommagani Ramesh, D. G. A STUDY ON UML DIAGRAMS FOR TOURIST PLACE REVIEW SENTIMENT ANALYSIS CLASSIFICATION USING MACHINE LEARNING. 8. Gupta, R., Sameer, S., Muppavarapu, H., Enduri, M. K., & Anamalamudi, S. (2021, September). Sentiment analysis on Zomato reviews. In 2021 13th International Conference on Computational Intelligence and Communication Networks (CICN) (pp. 34-38). IEEE. 9. Lüftenegger, E., & Softic, S. (2020, September). Sentipromo: a sentiment analysis-enabled social business process modeling tool. In International Conference on Business Process Management (pp. 83-89). Cham: Springer International Publishing. 10. Söderman, O. (2025). Comparison of web application architecture styles. 11. https://amlanscloud.com/apparchitecture/ 12. https://www.intellectsoft.net/blog/web-application-architecture/ 13. https://huggingface.co/docs/transformers/en/index 14. https://medium.com/design-bootcamp/3-key-principles-for-creating-an-intuitive-user-interface6189a6165134 87

5G TARMOQLARIDA CHEGARAVIY HISOBLASH RESURSLARINI BOSHQARISHGA MO‘LJALLANGAN AQLLI TIZIM Aybek Xaytbayev Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Email: xaytbaev.aybek.81@gmail.com Annotatsiya: Mazkur maqolada 5G tarmoqlarida chegaraviy hisoblash (MEC) resurslarini boshqarish uchun taklif etilgan aqlli tizim – REx (Resource Exchange) platformasi arxitekturasi va ishlash prinsiplari batafsil tahlil qilingan. Telekommunikatsiya tarmoqlarining yuklama va kechikish muammolarini bartaraf etish uchun MEC texnologiyasi yordamida ilovalarni tarmoq chekkasida avtomatik taqsimlash konsepsiyasi ishlab chiqilgan. Taklif etilayotgan platforma yordamida xizmat ko‘rsatuvchi provayderlar o‘z ilovalarini kerakli hududlardagi MEC tugunlariga joylashtirish orqali transport tarmoqlaridagi yuklamani kamaytirish va xizmat ko‘rsatish sifatini oshirish imkoniyatiga ega bo‘ladi. Maqolada REx platformasining ikki asosiy ishlash rejimi – talab bo‘yicha va avtomatik rejim tahlil qilinib, trafikni oldindan bashorat qilish uchun genetik algoritm qo‘llanilgani qayd etiladi. Modellashtirish natijalari REx platformasi yordamida tarmoq samaradorligini 30% dan ko‘proq oshirish mumkinligini ko‘rsatadi. Shuningdek, real tarmoq trafigi asosida o‘tkazilgan tajribalarda ilovalarning minimal uzilish bilan migratsiyasi va transport tarmog‘ining yengillashuvi kuzatilgan. Platformaning 6G tarmoqlari uchun ham potentsial qo‘llanilishi va yuqori masshtablilik, past kechikishli xizmat ko‘rsatish, tarmoq topologiyasining dinamik moslashuvi kabi afzalliklari ta’kidlanadi. Kalit so‘zlar: 5G tarmoqlari, MEC (Mobile Edge Computing), REx platformasi, chegaraviy hisoblash, ilovalarni avtomatik taqsimlash, tarmoq yuklanishi, genetik algoritm, transport tarmog‘ini optimallashtirish, xizmat ko‘rsatish sifati (QoS). Kirish Hozirgi kunda telekommunikatsiya tarmoqlarida ma’lumotlar oqimi hajmining jadal oshib borishi natijasida tarmoq infratuzilmasini samarali boshqarish, yuklamani kamaytirish va xizmatlar sifatini oshirish masalalari dolzarb ahamiyat kasb etmoqda. Ayniqsa, 5G tarmoqlarida kechikish vaqtlarini minimallashtirish, yuqori ishonchlilik va keng polosali xizmatlarni taqdim etish kabi talablar tarmoq operatorlari oldida yangi muammolarni yuzaga keltirmoqda. Bu borada Mobile Edge Computing (MEC) texnologiyasining joriy etilishi muhim bosqich bo‘lib, u ma’lumotlarni tarmoqning chekka qismida qayta ishlash imkonini beradi. Shu bilan birga, xizmatlarni optimal joylashtirish va resurslardan oqilona foydalanishni ta’minlash maqsadida yangi boshqaruv mexanizmlariga ehtiyoj ortib bormoqda. Mazkur maqolada ushbu ehtiyojni qondirish uchun taklif etilgan REx (Resource Exchange) platformasining arxitekturasi, ishlash prinsiplari va tarmoq samaradorligini oshirishdagi o‘rni batafsil yoritib beriladi.Telekommunikatsiya texnologiyalari va internet-ilovalarning rivojlanishi bilan tarmoqdagi yuklama ortib bormoqda. Xizmatlarni taqdim etish tezligi va kechikishi ushbu sohani baholashning asosiy mezonidir, shuning uchun aloqa kanallarining sig‘imini oshirishdan tashqari, tarmoq infratuzilmasini optimallashtirish kerak. Aloqa kanallarining sig‘imini cheksiz oshirish iqtisodiy va jismoniy sabablarga ko‘ra mumkin emas, shuning uchun ilmiy hamjamiyat turli xizmatlar uchun taqsimlangan hisoblash usullarini ishlab chiqmoqda. Taqsimlangan hisoblash yo‘nalishidagi muhim qadam CDN (Content Delivery 88

Network, kontentni yetkazib beruvchi tarmoq) texnologiyasining paydo bo‘lishi edi. Ushbu texnologiyaning afzalligi shundaki, xizmat ko‘rsatuvchi provayder o‘z serverlarini mintaqaviy xususiyatlarga ko‘ra mijozlarga imkon qadar yaqinroq joylashtiradi. So‘nggi yillarda MEC (Mobile Edge Computing, chegaraviy hisoblash) texnologiyalarini joriy etish usullari ham katta e’tibor bilan o‘rganilmoqda. CDN birligi bo‘lsa operator yoki shahar boshiga o‘rtacha edi, keyin MEC tugunlaringizni to‘g‘ridan-to‘g‘ri tayanch stantsiyalarga yoki tayanch stantsiyalar guruhlariga joylashtirish imkonini beradi. Shuningdek, MECning afzalligi CDN dagi kabi doimiy emas, balki qisqa vaqt ichida tugunning hisoblash maydonini egallash qobiliyatidir.Edge computing, ilovalarni abonentlarga iloji boricha yaqinroq yuklash orqali tarmoqning juda yuqori kechikishi, juda past ma’lumotlarni uzatish tezligi va transport tarmoqlarida yuqori yuklanish kabi ko‘plab telekommunikatsiya muammolarini hal qilish imkonini beradi. Ilova tayanch stantsiya darajasida joylashganida, tarmoq yuklamasi kamayadi va bu operator tomonidan taqdim etiladigan xizmatlarga ijobiy ta’sir ko‘rsatadi. Shu bilan birga, transport tarmoqlari tuzilmasini optimallashtirish masalasi bugungi kunning eng muhim masalalaridan biridir. So‘nggi paytlarda aloqa tarmoqlarida avtomatlashtirish va moslashuvchan tarmoq strukturasini rivojlantirish tendentsiyalari kuzatilmoqda, aloqa tarmoqlarining rivojlanishi qo‘lda o‘tishdan so‘nggi yillarda aloqa operatorlari o‘tayotgan moslashuvchan virtuallashtirilgan arxitekturaga o‘tmoqda. Shuningdek 3ta GPP standartlari doirasida tarmoq funksiyasini virtualizatsiya qilish (NFV, Network Functions Virtualization) aloqa operatorlari tomonidan muvaffaqiyatli baholandi va tarmoq samaradorligini oshirish, shu jumladan tarmoq topologiyasini optimallashtirish nuqtai nazaridan ko‘rsatdi. Bundan tashqari, beshinchi avlod tarmoqlari doirasida 5 G ultra past kechikishlar bilan o‘ta ishonchli aloqani tashkil etish (URLLC, Ultra-Reliable Low Latency Communication) va ommaviy mashinadan mashinaga o‘zaro ta’sir (mMTC, Massive Machine-Type Communications) markazlashtirilgan topologiyaga ega tarmoqlar uchun qiyin bo‘lishi mumkin. Bundan tashqari, tarmoq monitoringi, xususan, tashuvchi toifasidagi uskunalar, tarmoq va uning elementlari uzoq xizmat muddati davomida bir xilda yuklanishi mumkin bo‘lgan ideal statik tarmoq topologiyasi yo‘qligini ko‘rsatadi [1]. MEC tugunlarda ilovalarni avtomatik taqsimlash uchun yechim taklif qilingan. Yechimning ajralmas afzalligi shundaki, serverlarda nafaqat operator ilovalarini, balki uchinchi tomon ilovalarini ham joylashtirish mumkin. REX tomonidan taklif qilingan yechim platforma ilovalarni optimal MEC tuguniga yuklash usulini avtomatlashtirish imkonini beradi. Taklif etilayotgan platforma tufayli abonentlar va ilova o‘rtasidagi masofani minimal darajaga qisqartirish va shu tariqa kechikishni kamaytirish, xizmat ko‘rsatuvchi provayderning markaziy bulutiga va aloqa operatori tarmog‘idagi yuklamani kamaytirish mumkin. Bundan tashqari, taklif qilingan yechimning boshqa afzalliklarini sanab o‘tish mumkin: • Platforma aloqa operatorining hisoblash resursidan boshqa ishtirokchilarga xizmat ko‘rsatuvchi provayder sifatida foydalanish imkonini beradi. • Platforma xizmat ko‘rsatuvchi provayderlarga taqdim etilayotgan xizmatlar sifatini yaxshilash, ularni oxirgi foydalanuvchilarga yaqinlashtirish maqsadida cheklangan vaqtga tarmoq operatori infratuzilmasida o‘z ilovalarini joylashtirish imkonini beradi. • Platforma aloqa operatori va xizmat ko‘rsatuvchi provayderning bulutli infratuzilmasi uchun MEC orkestratori vazifasini bajaradi va API orqali o‘zaro aloqa qilish imkoniyatiga ega. • Taklif etilayotgan tizimda tarmoq operatori va xizmat ko‘rsatuvchi provayder bir-biridan 89

mustaqildir. Aloqa tarmoqlarini rivojlantirish istiqbollarini hisobga olgan holda shuni ham ta’kidlash kerakki, taklif etilayotgan platforma oltinchi avlod aloqa tarmoqlarining (6G) asosiy potentsial xususiyatlarini hisobga olgan holda 5G dan keyingi davrda tadqiqotlarni qo‘llab - quvvatlashi mumkin. Bundan tashqari taklif etilayotgan platforma tarmoq uskunalari samaradorligini ba’zi hollarda 30% dan ko‘proq oshirishi mumkinligini ko‘rsatgan simulyatsiya natijalari tasvirlangan. Masalaning qo ‘yilishi Abonentlarning internet xizmatlariga bo‘lgan talabi kundan-kunga ortib borayotgani aloqa operatorlarining transport tarmoqlarining yuklamaning ko‘payib ketishi bilan bog‘liq katta muammo tug‘dirmoqda. MEC texnologiyalarini joriy etish MEC tugunlari o‘rtasida dastur taqsimoti yuklamalarini kamaytirish imkonini beradi. MEC tugunlaridan foydalanish masalasi aloqa tarmoqlari ishlashining turli jihatlarini ko‘rib chiqishni talab qiladi, chunki, masalan MEC tuguniga tushirishda tugun tomonidan xizmat ko‘rsatadigan hududda talab past bo‘lgan ilovalar, bunday harakatning samaradorligi nolga teng bo‘ladi. Aksincha, tugunning xizmat ko‘rsatish zonasida yuqori talabga ega bo‘lgan ilovani joylashtirish orqali transport tarmog‘ini tushirish va ko‘rsatilayotgan xizmat sifatini oshirish hisobiga yuqori samaradorlikka erishamiz. Shuni hisobga olish kerakki, arizalarga talab vaqt o‘tishi bilan doimiy emas va kunning vaqtiga, haftaning kuniga va hokazolarga qarab o‘zgarishi mumkin. Shunday qilib, transport tarmog‘ini yengillashtirish va QoSni oshirish uchun kerakli vaqt oralig‘ida va kerakli MEC tugunida kerakli ilovalarni tushirishni amalga oshiradigan algoritm kerak. Taklif qilingan MEC tugunlarini boshqarishning aqlli tizimi tomonidan hal qilinadigan asosiy muammo bo‘lgan minimal operator resursidan foydalanish orqali amalga oshiriladi. Taklif etilayotgan platformaning arxitekturasi (REx, Resource Exchange platform) REx platformasi 1-rasmda ko‘rsatilganidek, xizmat ko‘rsatuvchi provayder va internet provayder o‘rtasida ma’lumotlar almashinadigan mustaqil platformadir. Ushbu elementni joriy etish zarurati operator va xizmat ko‘rsatuvchi provayder o‘rtasida aloqa kanallarini tashkil qilish har doim ham mumkin emasligi bilan izohlanadi. Ayniqsa, agar xizmat ko‘rsatuvchi provayder boshqa mamlakatda joylashgan bo‘lsa. REx platformasi operatorlarga o‘z xizmatlari haqida ma’lumotlarni o‘z veb-saytida joylashtirish imkonini beradi. Xizmat ko‘rsatuvchi provayderlar esa real vaqt rejimida REx platformasi orqali operator resurslarini ma’lum vaqtga bron qilishlari mumkin REx ish jarayoni diagrammasi ko‘rsatilgan , bu yerda operator va xizmat ko‘rsatuvchi provayder o‘rtasidagi o‘zaro aloqaning butun jarayoni avtomatik ravishda amalga oshiriladi. Internetprovayder va xizmat ko‘rsatuvchi provayder platformaga ulanadi. Birinchisi, ma’lum bir chekka hisoblash tizimidagi mavjud resurslar haqida ma’lumot beradi. Xizmat ko‘rsatuvchi provayder ushbu chekka hisoblash tizimi haqida ma’lumot olish uchun obuna bo‘ladi. Keyingi Rex Platforma mavjud resurslar to‘g‘risidagi ma’lumotlarni e’lon qiladi. Xizmat ko‘rsatuvchi provayder platformaga ma’lumotlarni joylashtirish uchun so‘rov yuboradi. Internet-provayder va xizmat ko‘rsatuvchi provayder o‘rtasida dasturni tarmoq chetiga ko‘chirishga tayyorgarlik ko‘rilmoqda, bu esa migratsiyani boshlash uchun to‘g‘ri ma’lumotlarni almashishni o‘z ichiga oladi. Nihoyat, xizmat vakili ma’lumotlarini MECga ko‘chirish jarayoni sodir bo‘ladi [2]. Ushbu maqolada 1rasmda ko‘rsatilganidek , uchta asosiy komponentdan, ya’ni bulutli xizmat ko‘rsatuvchi provayder, tarmoq operatori va REx platformasidan iborat arxitekturani ko‘rib chiqilgan. 90

1-rasm. REx integrallashgan platformali tarmoqning prinsipial sxemasi Tarmoq operatori - MEC xostlari joylashgan tarmoq infratuzilmasi. Xizmat ko‘rsatuvchi provayder - bulutli hisoblash shaklida taqdim etilgan raqamli xizmatlarni taqdim etuvchi operator. Provayder REx platformalar - REx platformasi xizmatlarini ko‘rsatuvchi operator . REx platformasi - xizmat ko‘rsatuvchi provayder va tarmoq operatori o‘rtasida raqamli xizmatlar almashinuvini osonlashtiradi. MEC - raqamli xizmatlarni joylashtirish uchun tarmoqning chekkasida o‘rnatilgan Docker dasturiga ega hisoblash tizimi. REx arxitekturasi REx arxitekturasi Rex mijozi va Rex serveridan iborat. 1. REX Server REx platformasi provayderining ma’lumotlar markaziga o‘rnatilgan . 2. REX mijoz tarmoq operatori va xizmat ko‘rsatuvchi provayder infratuzilmasida o‘rnatilgan: a. API orqali ulanadi OSS / BSS ga tarmoq operatori. b. API orqali ulanadi xizmat ko‘rsatuvchi provayderning boshqaruv tizimiga. Bulutli xizmat ko‘rsatuvchi provayder xizmatni, shuningdek, xizmatni joylashtirish va yetkazib berish mumkin bo‘lgan joyni taqdim etadi. Tarmoq operatori tizimning tayanchi bo‘lib, MEC tugunlarini o‘rnatish mumkin bo‘lgan turli xil telekommunikatsiya tugunlari to‘plamidan iborat. Maqolada simulyatsiya modellashtirish maqsadida operator tarmog‘i ettita zonaga bo‘lingan, ularning har biri o‘z MEC tuguniga ega. Mustaqil REx platformasi xizmat ko‘rsatuvchi provayder va tarmoq operatori o‘rtasida ma’lumotlar almashinuvini ta’minlaydi. Ushbu ma’lumotlarni uch xil turga bo‘lish mumkin: chekka bulutda hosting xizmati narxi, xizmat chekka bulutda joylashgan vaqt va bitta chekka bulut modulida xizmat tomonidan egallangan resurslar, masalan, operativ xotira, protsessor, tarmoqli kengligi va ROM larni o ‘z ichiga oladi. 91

Stendda har bir xizmat Docker konteyneri orqali taqdim etiladi va barcha konteynerlar sukut bo‘yicha bulutli ilovada ishlaydi, ular markazlashtirilgan tizimni ifodalaydi. Keyin har bir xizmat uchun o‘tkazish so‘rovlari yaratiladi va xizmatlarning nusxalari kerakli tarmoq operatori hududiga joylashtiriladi. Bunday stsenariy aloqa operatoriga uchta muhim foyda keltirishi mumkin: • Transport tarmog‘idagi yuklamani engillashtirish. • Xizmatni taqdim etishda ma’lumotlarni uzatishda tarmoq kechikishini kamaytirish. Markaziy bulut xizmatlariga yukni kamaytirish. Platformani o‘rnatish Quyida platformani tarmoq operatori bilan integratsiya qilish uchun taklif qilingan stsenariy keltirilgan: • Tarmoq operatori REx mijozini o‘z tomoniga o‘rnatadi. • Xizmat ko‘rsatuvchi provayder REx platformasida ro‘yxatdan o‘tadi . • API ulanishi uchun noyob kalitni oladi . • Tarmoq operatori har bir MEC tugunini ro‘yxatdan o‘tkazadi OSS platformasida/BSS. • MEC tugunining holati haqidagi ma’lumotlarni plarformada e’lon qiladi. • Operatorga obuna bo‘lgan xizmat ko‘rsatuvchi provayder haqida ma’lumot oladi • aloqa tarmog‘ining periferiyasi. REx platformasi kerakli huquqlarga ega bo‘lgan konteynerlarni tushirish funktsiyalarini bajaradi. • Telekommunikatsiya operatori va bulutli xizmat ko‘rsatuvchi provayder o‘rtasida samarali tahlil qilish va ma’lumot almashish uchun quyidagi ma’lumotlar uzatiladi: 1. izmat ko‘rsatish zonasi (saytlar ro‘yxati); 2. mavjud bo‘lgan tasodifiy kirish xotirasi ( RAM ); 3. mavjud uzatish kanalining tarmoqli kengligi; 4. protsessorning mavjud hisoblash resurslari; video kartaning mavjud hisoblash resurslari (video karta resurslarini talab qiladigan xizmatlar uchun). Ilovalarni tushirish Ilovalarni yuklash platformaning ajralmas qismidir.Platformaning asosiy xususiyatlaridan biri shundaki, ilovalar Docker konteynerlarida joylashtirilishi kerak. Bu xizmatlarni moslashuvchan va samarali avtomatik tushirish imkonini beradi. Yuklamani tushirish jarayoni quyidagicha: • Docker konteyner tasvirini yuklash ; • MEC tuguni va xizmat ko‘rsatuvchi provayderning markazlashtirilgan bulutli xizmati o‘rtasida tunnel yaratish ; • tunnel orqali tasvirni yuborish; • ishga tushirish tasviri; ilovalar o‘rtasida xizmat aloqasini ta’minlash uchun dasturdan foydalanish muddati davomida tunnelni saqlash. Genetik algoritm Genetik algoritm (GA) - tabiiy tanlanishga o‘xshash mexanizmlar yordamida kerakli parametrlarni tasodifiy tanlash, birlashtirish va o‘zgartirish orqali optimallashtirish va modellashtirish masalalarini hal qilish uchun ishlatiladigan evristik qidiruv algoritmi hisoblanadi. Kirish sifatida netconf kollektor ma’lumotlaridan foydalanilgan , ya’ni quyidagi qiymatlar olingan: 92

1. har bir zona uchun har bir ariza uchun so‘rovlar intensivligi; ( netconf ko‘rsatkichlari asosida ); 2. o‘rtacha paket uzunligi; 3. ilovaning operativ xotirasi; 4. konteyner hajmi; minimal o‘tkazish tezligi. Yuqoridagi parametrlarning har biri genetik algoritm (GA) uchun xromosomalardir. U o‘z navbatida, abonent trafigini bashorat qiladi va MEC tugunlarida xizmatlarni joylashtirish imkoniyatini modellashtiradi. Rex ni oldindan hisoblash va uchinchi shaxslardan so‘rash mumkin. REx platformasi algoritmlarini batafsil ko‘rib chiqilgan, ilovalarni ko‘chirish uchun 2-rasmda dasturni bulutdan MECga ko‘chirish ko‘rsatilgan. 2-rasm. REx operatsiyalari ketma-ketligi sxemasi Tugun A - bulutli server, tugun B - MEC tugunlari migratsiya uchun Docker konteyneri bulutdan (tasvir) MEC tuguniga klonlanadi. Keyinchalik, konteyner ishga tushiriladi va jarayonlar bulutli tugun bilan sinxronlashtiriladi. Nuqtadan nuqtaga yaratiladi bulut va chekka hisoblash tizimi o‘rtasidagi kanal ochiladi. Keyinchalik mijoz bilan aloqani yo‘qotmaslik uchun port raqamlashni saqlab, ulanishlarni blokirovka qilinadi. 3-rasmda internet-operator va xizmat ko‘rsatuvchi provayder o‘rtasida xizmat ko‘rsatish darajasi bo‘yicha shartnomani avtomatik ravishda tuzish algoritmi ko‘rsatilgan. OSS/BSS barcha MEC tugun manbalariga kirish huquqiga ega va RExga xabar beradi va bo‘shatilgan resurslar haqida tarmoq provayderi ma’lumot beradi. Shuningdek, kerakli MEC hosting parametrlari haqida ma’lumot beradi. Agar tugun band bo‘lmasa, u haqidagi ma’lumotlar doimiy ravishda yangilanadi, aks holda xizmat ko‘rsatuvchi provayder barcha tugunlar uchun noyob bo‘lgan avtorizatsiya kaliti bilan ta’minlanadi. 93

3-rasm. Xizmat ko‘rsatish algoritmining tavsiflari Tarmoq tekshiruvi NetFlow statistikasini oladi uzoq vaqt davomida hamda haftaning kunlari bo‘yicha tarmoq segmentlarini ajratadi. Keyin har kuni foydalanuvchi trafigini bashorat qilish bilan tez-tez tahlil qilish boshlanadi,kun oxirida natijani standart bilan taqqoslaydi va xatoni ko‘rsatadi. Shundan so‘ng, xato 20% dan kam bo‘lgan paytda, erta migratsiya jarayoni boshlanadi. MEC da ma’lumotlar uzatishni amalga oshirish uchun qurilmalarning ulanish diagrammasi 4-rasmda ko‘rsatilgan. 4-rasm. REx platformalarlarni ulanish sxemasi Tajriba natijalari Astersik xizmat ko‘rsatish uchun dastur sifatida ishlatilgan. Bu ofis avtomatik telefon stantsiyasining dasturiy ta’minoti hisoblanadi. Tegishli telefoniya apparat interfeyslari va asterisk tarmoq ilovalari bilan birlashganda an’anaviy telefon apparatlari, umumiy kommutatsiyalangan telefon tarmog‘idagi (UfTT) manzillar va IP orqali ovozli qurilmalar yoki xizmatlar kabi aloqaning so‘nggi nuqtalari o‘rtasida telefon qo‘ng‘iroqlarini o‘rnatish va boshqarish uchun ishlatiladi. (Internet Protokol, VoIP). Uning nomi ko‘p chastotali terishda ishlatiladigan signalni ko‘rsatish 94

uchun ishlatiladigan "yulduzcha" belgisidan kelib chiqqan [3]. Yulduzcha nafaqat shaxsiy telefon tizimlari, balki VoIP shlyuzlari, qo‘ng‘iroq markazi tizimlari, konferentsiya ko‘prigi, ovozli pochta serverlari va real vaqt rejimida aloqani o‘z ichiga olgan boshqa barcha turdagi ilovalarning ishlashini ta’minlaydi [4, 5]. Yulduzcha ilova aloqa serveri vazifasini ham bajarishi mumkin. Shu nuqtai nazardan, Apache veb-server bilan taqqoslash mumkin HTTP protokoli orqali ma’lumotlarni jo‘natish va qabul qilishning barcha past darajadagi tafsilotlarini boshqaradi.Yulduzcha turli xil aloqa protokollari yordamida ma’lumotlarni jo‘natish va qabul qilishning barcha past darajadagi tafsilotlarini boshqaradi. Apacheni o‘rnatishda bundan tashqari, veb-server mavjud va u veb -ilovalarni yaratishga imkon beradi.Biroq asteriskni o‘rnatishda aloqa serveri bor va u aloqa ilovalarini yaratish uchun mo‘ljallangan. Tarmoqning chekkasida dasturning ishlashini aniqlash uchun tarmoq trafigi haqiqiy tarmoq operatoridan olingan ma’lumotlardan olingan, so‘ngra NetFlow tarmoq ilovasi yordamida qayta ishlangan va tahlil qilingan. Ushbu ilova har bir TCP/ IP yozuvini yaratadi. Operatsiyalar U 3x dan iborat asosiy komponentlarga quyudagilar kiradi: 1. Tarmoqni tinglaydigan va seans ma’lumotlarini yozib oladigan sensor. 2. UDP portidagi sensor tomonidan olingan ma’lumotlarni to‘playdigan kollektor u qayta ishlash uchun faylda yozuvlarni yaratadi. 3. Fayllardan inson o‘qiy oladigan hisobotlarni ishlab chiqaruvchi qayta ishlash tizimi. Taklif etilayotgan arxitekturaning grafigi genetik algoritm yordamida bashoratlash natijasida yuzaga keladigan cho‘qqigacha ko‘chish boshlanishi stsenariysini tavsiflaydi. Ko‘rib turilgandek, ko‘p sonli sessiyalar bilan bashoratlash juda ijobiy ta’sir ko‘rsatadi va so‘rovlar manzilga etib borishi ehtimoli ko‘proq bo‘ladi. Bunday holda, sessiya to‘xtatilgan vaqt rad etish deb hisoblanadi.Ammo shuni ta’kidlash kerakki, ko‘pgina ilovalar uchun seansning uzilishi va tez tiklanishi xizmatning umumiy sifatiga ta’sir qilmaydi. Ilovalarni ikki rejimda joylashtirish samaradorligini tahlil qilish uchun umumiy transport tarmog‘ining haqiqiy aloqa tarmog‘i paketlaridan tushirilishi tahlil qilindi. 6-rasm. Ikki rejimning samaradorligini taqqoslash 95

Dastlabki ma’lumotlar sifatida haqiqiy abonentlar trafigidan foydalanilgan. Platforma tomonidan ishlatiladigan GA keyingi kun uchun MEC tugunlarida ilovalarni samarali joylashtirish imkoniyatini bashorat qildi va modellashtirdi va kundan keyin xato va samaradorlik ehtimolini hisoblab chiqdi. Oldingi tajribada bo‘lgani kabi ikkita ish rejimi solishtirildi va bashoratlashdan foydalanganda magistral tugunlardagi trafik kamayadi. Natijalar 6-rasmda keltirilgan. Samaradorlik MEC tugunida joylashgan dastur paketlari sonining bir xil dastur paketlarining umumiy soniga nisbati sifatida hisoblab chiqilgan. Samaradorlikni taqsimlash shuni ko‘rsatadiki, bashoratlashni qo‘llash ilovalarni taqsimlash samaradorligiga ijobiy ta’sir ko‘rsatadi. Bashoratlar sifatini oshirish va tushirish uchun ilovalarni tuzilmalash operator tarmoq topologiyasi samaradorligini sezilarli darajada oshiradi, aloqa tarmoqlari arxitekturasi moslashuvchan va dinamik bo‘ladi. Bundan tashqari, shunday xulosaga kelish mumkinki, bunday platformalar iqtisodiy nuqtai nazardan muhim, chunki tarmoqning yuklanmagan qismlaridan foydalanish mumkin. Spetsifikatsiyaga ko‘ra, tizim 5G quyidagi tuzilma variantiga ega boʻlishi mumkin, unda asosiy tarmoqning funksiyalari xizmatga yoʻnaltirilgan arxitekturadan foydalangan holda bir-biri bilan oʻzaro taʼsir qiladi. 5G xizmatiga yo‘naltirilgan arxitektura ko‘rib chiqilgan MEC tarmog‘i va tizim tuzilishi API bayon etilgan. 7-rasmda 5G da tarmoqda MEC tizimining integratsiyalashgan joylashuvi ko‘rsatilgan. 7-rasm. 5G NSA 3GPP etalon tarmog‘i 5G da tarmoq jarayonlari va xizmatlari tarmoq resurslari funksiyasi (ing. Network Resurs Funktsiya, NRF) MECda ilovalar tomonidan yaratilgan xizmatlar chekka hisoblash tizimi platformasining xizmat ko‘rsatish reestrida ro‘yxatga olinadi.Xizmatdan foydalanish uchun, agar u ruxsat etilgan bo‘lsa, tarmoq funksiyasi xizmatni ishlab chiqaruvchi boshqa funksiya bilan bevosita o‘zaro aloqada bo‘lishi mumkin. Tarmoqqa ta’sir etish funksiyasi (англ. Network Exposure Function, NEF) xizmat ko‘rsatish jarayoniga markazlashtirilgan ta’sir nuqtasi sifatida ishlaydi va tizimdan tashqaridan kelib chiqadigan barcha kirish so‘rovlarini avtorizatsiya qilishda asosiy rol o‘ynaydi. Autentifikatsiya bilan bog‘liq jarayonlar autentifikatsiya server funktsiyasi tomonidan amalga oshiriladi. Tarmoq fragmentlarini tanlash funksiyasi (Network Dilim Tanlash Function NSSF) foydalanuvchilar uchun tegishli tarmoq fragmentlari misollarini tanlashda va kerakli kirishni boshqarish funktsiyalarini taqsimlashda yordam beradi (Access Management Functions, AMF). 5G siyosati va qoidalari tizimlar siyosatni boshqarish funktsiyasi tomonidan qayta ishlanadi (Policy 96

Nazorat Funktsiya , PCF). Yagona ma’lumotlarni boshqarish (Unified Data Management UDM) foydalanuvchilar va obunalar bilan bog‘liq ko‘plab xizmatlar uchun javobgardir. U autentifikatsiya hisob ma’lumotlarini yaratadi, foydalanuvchi identifikatsiyasi bilan bog‘liq ma’lumotlarni qayta ishlaydi, kirish avtorizatsiyasini boshqaradi (masalan, rouming cheklovlari) va tarmoq funktsiyalariga xizmat ko‘rsatadigan foydalanuvchini ro‘yxatdan o‘tkazadi. Foydalanuvchi tekislik funksiyasi (User Plane Function, UPF) MECni integratsiyalashgan joylashtirishda asosiy rol o‘ynaydi 5 G tarmog‘ida ishlaydi. Shuning uchun UPF MEC tizimi nuqtai nazaridan taqsimlangan va sozlanishi mumkin bo‘lgan ma’lumotlar tekisligi sifatida ko‘rish mumkin. Ushbu ma’lumotlar maydonini boshqarish, ya’ni yo‘l harakati qoidalarini sozlash endi NEF - PCF - SMF yo‘nalishi bo‘ylab amalga oshiriladi . Shuning uchun, ba’zi bir maxsus joylashtirishlarda, mahalliy UPF hatto MEC amalga oshirish qismi bo‘lishi mumkin. 5G tizimidagi ma’lumotlarni uzatish tarmog‘ida joylashtiriladi . NEF paytida asosiy tarmoq funksiyasi sifatida o‘xshash funktsiyalar bilan birga markazlashtirilgan tarzda joylashtirilgan tizim darajasidagi ob'ekt. NEF nusxasi MEC xostidan past kechikish, yuqori o‘tkazuvchanlik xizmatlariga kirishni ta’minlash uchun tarmoq chetida ham joylashtirilishi mumkin . Tarmoq segmenti arxitekturasi Maqolada seansning kam yo‘qotilishi bilan ilovalar migratsiyasini ta’minlash uchun dinamik algoritmi taklif qilingan.Tahlil uchun namunaviy stend yig‘ildi. Taklif etilayotgan usulning o‘ziga xos xususiyati dasturni docker tasviriga joylashtirishdir. Operatorning tarmoq infratuzilmasi, 8-rasmda tasvirlangan. 8-rasm. Sinov tariqasida olingan tarmoqning namunaviy modeli 97

Tarmoq infratuzilmasi operator tarmog‘ini to‘liq takrorlaydi va EPC elementlaridan iborat bo ladi. EPC elementlari shuningdek stend Docker ga joylashtiriladi. 9-rasm. Migratsiya algoritmi Taklif etilayotgan algoritm dasturni foydalanuvchilarga xizmat ko‘rsatish holatida ko‘chirish imkonini beradi. Usul oxirgi foydalanuvchilar uchun qulay migratsiyani ta’minlash uchun sessiya tushishlarini kamaytirishni o‘z ichiga oladi. Usulning amallar ketma-ketligi 9-rasmda ko‘rsatilgan. Migratsiya vaqtida masofaviy server MECga xabar beradi xizmatning uzluksizligini ta’minlash uchun barcha foydalanuvchi ma’lumotlarini tugunlarga ajratadi. OSS/BSS uchinchi tomon integratsiyalashgan xizmatlarini boshqarish uchun universal vosita sifatida u bulutli server va MEC tugunining o‘zaro ta’siri uchun ishlatiladi. DOCKER konteynerini ko‘chirishda har bir foydalanuvchining keshlangan ma’lumotlarini va sessiya xizmat ko‘rsatadigan portlarni hisobga olish kerak. Shuning uchun taklif qilingan usul birinchi navbatda Dockerni yuboradi tasvir, uni MECda o‘rnatadi va ishga tushiradi tugunni ishga tushiradi va keyin foydalanuvchilarni uzatishni boshlaydi. Tajribaning tavsifi HSS xizmati tanlandi Open Air Interface dasturiy ta’minotida o‘rnatilgan virtual LTE tarmoqlari bulutli serverda saqlanadi. Ushbu element tarmoq boshqaruvchisiga va to‘g‘ridan-to‘g‘ri EPC xizmatlariga kirish huquqiga ega. Taklif etilayotgan tizimdan kutilayotgan natijalar tarmoqning yuqori masshtabliligi va tarmoqdagi muammoli maydonlarni tezkor aniqlashdir [6] Tajriba migratsiya jarayoniga mumkin bo‘lgan ta’sirni o‘rganish uchun turli xil faol foydalanuvchi seanslaridan foydalandi. Chunki faol seanslar HSS bilan to‘g‘ridan-to‘g‘ri aloqaga ega. Aynan shu element mobil tarmoqlarda eng yuqori ustuvor trafikka ega. To‘g‘ri hisob-kitoblarni olish uchun turli xil sessiyalar soni (100-600 foydalanuvchi) tahlil qilindi. Tajribalarni takrorlash soni - 100 ta takrorlash. Har safar HSS seanslarini o‘rnatgandan keyin MECga ko‘chib o‘tdi. 10-rasmda ko‘rsatilganidek, 1100 ms dan keyin uzatish jarayoni boshlandi. Keyinchalik, paketlarni yo‘qotishning o‘rtacha vaqti va yo‘qolgan paketlarning o‘rtacha soni o‘lchandi. 98

10-rasm. Vaqtga qarab seansga bog‘liqlik grafigi Tajribaning har bir konfiguratsiyasi uchun 100 ta iteratsiyani qayta ishlash jarayonida yo‘qolgan paketlarning o‘rtacha soning qiymatlari olindi. Foydalanuvchilar soni ortishi bilan sessiya uzilishlarining o‘rtacha soni ham ortadi. Biroq, bu muhim muammo emas, chunki xatolar hisoblash quvvatidagi cheklovlar tufayli yuzaga kelgan. Bundan tashqari, sessiyani tiklash vaqti katta qiymatlarga ega emas. 11-rasm. Tugamay qolgan (uzilgan) seanslarning o‘rtacha soni 12-rasmda ko‘rsatilganidek, 600 foydalanuvchi uchun o‘rtacha tiklanish vaqti taxminan 120 ms ni tashkil qiladi , bu ovozli aloqa kanalini saqlab qolish uchun yetarli (kanal davomiyligi 125 ms). 99