Ж. М. Адилов академик, доктор экономических наук, профессор



Pdf көрінісі
бет33/51
Дата31.03.2017
өлшемі38,33 Mb.
#10662
1   ...   29   30   31   32   33   34   35   36   ...   51

 
Аннотация.  В  последнее  время  словоBigData  в  значительной  степени  является  модным  словом  в 
информционном мире. Цель состоит в том, чтобы использовать смешанные инструменты с большими объемами 
различных  форм  данных  и  собрать  все  это  под  одной  крышей.  Наряду  с  этим  подходом  к  данным,  в  данной 
статье рассмотрены также облачныетехнологии. 
Ключевые слова: ГРИД технологии, облачные системы, виртуальные организации, MapReduce. 
 
Результатами процессов современной глобализации в экономике, финансах,обществе привело к 
взрывному  росту  сложности  современных  финансовых  и  социально-организационных  систем,  что 
привело  к  возрастанию  их  неустойчивости  и  неопределенности.  Социальные  и  экономические 
институты все чаще подвергаются воздействиювнешних и внутрисистемных событий, приводящих к 
заметным 
и 
невосполнимым 
потерям. 
Это 
обусловливает 
необходимость 
внедрения 
автоматизированных  информационных  технологий.  Внедрение  информационных  технологий  в 
процесс  планирования  и  управления  деятельностью  финансовых  институтов  предусматривает  не 
только обработку больших и взаимосвязанных массивов данных, но может использоваться также для 
их анализа и обоснований вариантов управленческих решений. 
Необходимо объединить в единую систему различные по технической реализации и различные 
по  типам  компьютерные  ресурсы  (вычислительные  ресурсы,  ресурсы  хранения  и  передачи 
информации) и донести совокупныйресурс до потребителя.  
Потребитель  должен  получать  услуги  от  системы  в  целом,  ему  не  важно  знать,  где  и  какая 
установка  хранит  или  обрабатывает  его  информацию,  какого  типа  данная  установка,  какие  линии 
передачи  информации  при  этом  задействованы  и  т.  п.  Также  как  и  в  электрических  сетях, 
высокопроизводительная  вычислительная  GRID-система  должна  обеспечивать  эффективное 
использование  всей  совокупности  ресурсов  (вычислительных,  ресурсов  хранения  информации, 
ресурсов  исходных  данных  —  то  есть,  источников  данных),  нейтрализацию  последствий  аварий  на 
линиях передачи, в устройствах хранения или обработки информации.  
Тем  самым,  создание  подобных  систем  должно  кардинально  улучшить  эффективность 
использования совокупных компьютерных ресурсов.  
Архитектура Grid задает требования для основных классов компоненттехнологии (протоколов, 
сервисов,  API,  SDK),  однако  она  не  предоставляет  строгий  набор  спецификаций,  оставляя 
возможность  их  свободного  развития  в  рамках  представленной  концепции.  Архитектура  Grid 
протоколов  разделена  на  уровни  такие  как  базовый  уровень,  связывающий  уровень,ресурсный 
уровень, коллективный уровень и прикладной уровень[1].  
Компоненты  на  каждом  уровне  могут  использовать  возможности  и  компоненты  любого  из 
нижерасположенных уровней.  
 В  терминологии  Grid  совокупность  людей  и  организаций,  решающих  совместно  ту  или иную 
общую  задачу  и  предоставляющих  друг  другу  свои  ресурсы,  называется  виртуальной  организацией 
(ВО).  Например,  виртуальной  организацией  может  быть  совокупность  всех  людей,  участвующих  в 
каком-либо  научном  сотрудничестве.  Виртуальные  организации  могут  различаться  по  составу, 
масштабу,  времени  существования,  роду  деятельности,  целям,  отношениям  между  участниками 
(доверительные, не доверительные) и т.д.  
Причины внедрения Grid, как и WEB технологий, имеют те же тенденции в смысле масштаба и 
развертывания.  Следует,  однако,  понимать  большую  разницу  между  Web  и  Grid:  несмотря  на 
крупный  масштаб  интернета  количество  хост-машин,  вовлеченных  в  типичную  транзакцию  наWeb, 
все еще незначительно и намного меньше, чем предусмотрено для многих приложений Grid.  
Конвергенция средств виртуализации, технологий  организации распределенных вычислений и 
сервис-ориентированных  архитектур  формирует  критически  важную  точку  перегиба  в  развитии 
корпоративной  ИТ-архитектуры.  Сочетание  возможностей  данных  технологий  создает  условия  для 
решения  наиболее  важных  задач,  стоящих  сегодня  перед  предприятиями.  Внедрение  решений, 


 Техникалық ғылымдар 
 
ҚазҰТУ хабаршысы №2 2014  
 
193
основанных  на  стандартах  и  использующих  технологии  Grid  и  SOA,  позволяет  ИТ-организациям 
улучшить качество обслуживания пользователей [2].  
Сервис-ориентированная  архитектура  (SOA)  -  это  такая  архитектура  приложения,  в  которой 
компоненты  или  «сервисы»,  имея  согласованные  общие  интерфейсы,  используют  единые  правила 
(контракты) для  определения того, как вызывать сервисы и как они будут взаимодействовать друг  с 
другом.  При  высокой  степени  интеграции  grid,  SOA  и  технологий  виртуализации  открытые 
стандарты  позволяют  ИТ-сервисам  и  бизнес-сервисам  выходить  за  границы  предприятия.  Internet-
провайдеры и поставщики услуг связи играют весьма существенную роль в деле размывания границ 
между предприятиями и формирования глобальных экосистем.  
Появление  концепции  SOA  способствует  развертыванию  возможностей  грид-ресурсов  через 
стандартные  интерфейсы,  определённые  как  составная  часть  расширений  соответствующих  служб. 
Это  дает  возможность  интеграции  ресурсов  с  использованием  интерфейсов,  специфицированных  в 
открытых  стандартах.  Кроме  того,  операции  на  каждом  уровне  грид-архитектуры  могут  быть 
разработаны  таким  образом,  чтобы  обеспечить  достаточно  лёгкую  интеграцию  всех  уровней 
архитектуры. В такой ситуации на помощь приходит технология облачных вычислений. Она отлично 
сочетается  с  функциональностью  MapReduce,  которая  позволяет  выполнять  массовые  вычисления  с 
большими  объемами  данных,  не  задумываясь  о  том,  где  именно  суммируются  и  умножаются 
конкретные числа. 
Облачные  вычисления  обеспечивают  предоставление  по  требованию  ресурсов  и  услуг  через 
Интернет,  как  правило,  в  масштабах  и  с  показателями  надежности,  характерными  для  центра 
обработки  данных.  На  рисунке  1  показана  облачная  архитектура,  которая  содержит  главный  и 
подчиненные  узлы.  В  данной  реализации  основной  сервер  получает  запросы  от  клиентов  и 
обрабатывает их в зависимости от типа запроса[3].  
 
 
Рис. 1. Облачная архитектура 
 
MapReduce  ―  это  модель  программирования,  предназначенная  для  параллельной  обработки 
больших  объемов  данных  с  разделением  работы  на  множество  независимых  задач.  Это  стиль 
параллельного  программирования,  который  поддерживается  некоторыми  облачными  службами, 
работающими по принципу "емкость по требованию", такими как GoogleBigTable, Hadoop и Sector. 
Поисковые  запросы  направляются  в  узел  NameNode  платформы  Hadoop,  которая  находится  в 
главном  сервере,  как  видно  на  рисунке  2.  Затем  HadoopNameNode  выполняет  операции  поиска  и 
индексирования,  инициируя  большое  количество  процессов  Map  и  Reduce.  Когда  операция 
MapReduceдля  определенного  ключа  поиска  завершена,  NameNode  возвращает  выходное  значение 
серверу, а тот, в свою очередь, ― клиентам. 


 Технические науки 
 
                                                    
№2 2014 Вестник КазНТУ  
                    
194 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Рис. 2. Функции Map и Reduce выполняют поиск и индексирование 
 
Если  запрос  обращен  к  определенному  программному  обеспечению,  выполняется  проверка 
подлинности на основе идентификатора арендатора клиента с учетом оплаты, прав на использование 
соответствующего  ПО  и  срока  его  аренды.  Затем  сервер  выполняет  этот  запрос  и  позволяет 
пользователю работать с выбранным набором ПО [4]. 
Здесь  реализовано  свойство  multitenancySaaS  (softwareas  a  service),  когда  один  экземпляр 
программного  обеспечения  обслуживает  нескольких  арендаторов.  Запрос  каждого  арендатора 
изолируется  от  других  с  применением  его  идентификатора.  Все  эти  запросы  обслуживаются  одним 
экземпляром ПО. 
Если определенный клиентский запрос арендатора состоит в поиске файлов или употреблении 
какого-либо  другого  multitenant-ПО,  используется  Hadoop  на  предоставленном  экземпляре 
операционной  системы  (PaaS  -  Platformas  a  service).  Кроме  того,  для  хранения  своих  данных  - 
возможно, базы данных или файлов - в облаке, клиенту потребуется некоторый объем памяти центра 
обработки  данных  (IaaS  -  Infrastructureas  a  service).  Все  эти  шаги  прозрачны  для  конечного 
пользователя. 
Для  обычного  пользователя  облачные  вычисления  означают  получение  сервисов  по  запросу  и 
их  оплату  по  фактическому  использованию.  Облачные  вычисления  имеют  множество  достоинств, 
таких  как  масштабируемость,  распределение  ресурсов  по  требованию,  экономия  на  масштабе. 
Облачные  вычисления  имеют  шесть  уровней,  от  инфраструктурного  до  клиентского.  Поставщики 
предлагают  сервисы  одного  или  нескольких  уровней.  Также  вы  узнали  о  рисках,  которые  должны 
учитывать пользователи и поставщики. 
Облачные  вычисления  –  это  не  тенденция  будущего.  Это  уже  реальность;  обычныеWeb-
пользователи  сталкиваются  с  облачными  вычислениями  ежедневно,  даже  не  зная  об  этом.  В 
ближайшем  будущем  мы,  возможно,  увидим  более  четкую  тенденцию  к  переносу  в  облака 
корпоративных  сервисов  и  приложений.  Естественно,  есть  ряд  приложений,  которые  организации 
предпочтут выполнять на собственных серверах, но большинство корпоративных приложений вполне 
могут подходить для облачных вычислений. 
 
ЛИТЕРАТУРА 
1.  Богданов  А.В.Разработка  распределенныхвычислительных  систем  и  запуск  приложений  в 
гетерогенной  вычислительной  среде.  Санкт-Петербург,  22-25  июня  2009  г.  XVI  Всероссийская  научно-
методическая конференция "Телематика'2009",C.425-427. 
2.  Мьё  Тун  Тун,  Конфигурация  SunGridEngine  для  гибридных  систем  //  Сборник  докладов  5-я 
Общероссийская  конференция  молодых  и  специалистов  по  морским  интеллектуальным  технологиям 
«Моринтех-юниор 2009». Санкт-Петербург.10-12 ноября 2009 г. C.91-93. 
3.  Электронный 
ресурс]: 
https://www.ibm.com/developerworks/cloud/library/clmapreduce/?S_TACT=105AGX99&S_CMP=CP 


 Техникалық ғылымдар 
 
ҚазҰТУ хабаршысы №2 2014  
 
195
4.  Joe Celko’s Complete Guide to NoSQL. What Every SQL Professional Needs to Know about Non-Relational 
Databases, Chapter 9 – Big Data and Cloud Computing, 2014, Pages 119–128 
 
                                                                         REFERENCES 
          1.  Bogdanov  AV  Development  of  distributed  computing  systems  and  launch  applications  in  a  heterogeneous 
computing  environment.  St.  Petersburg,  22-25  June  2009  XVI  All-Russian  Scientific  -  Methodical  Conference  " 
Telematika'2009 ", C.425- 427. 
2 .MyoTunTun , Sun Grid Engine configuration for hybrid systems / / Proceedings 5th All-Russian conference 
of young specialists in marine and intellectual technologies " Morintech junior in 2009 ." St. Peterburg.10 - November 
12, 2009 C.91- 93. 
3. 
Electronic 
resource 
]: 
https://www.ibm.com/developerworks/cloud/library/clmapreduce/?S_TACT= 
105AGX99&S_CMP=CP 
4 .Joe Celko's Complete Guide to NoSQL. What Every SQL Professional Needs to Know about Non-Relational 
Databases, Chapter 9 - Big Data and Cloud Computing, 2014 , Pages 119-128 
 
Рахметулаева С.Б. 
Бұлттық технологиялардың функционалды мүмкіндіктерін зерттеу 
Түйіндеме. Ақпараттық әлемдеBig Data сөзі жиі қолданысқа ие болғаны анықе. Оның басты мақсаты, әр 
түрлі құрал – саймандарды пайдала отырып мәліметтердің кез келген көлемімен жұмыс жасай отырып, олардың 
барлығын  бір  төбеге  орналастыру  болып  табылады.  Осымен  қаттар,  бұл  мәліметтерді  басқару  тәсілі  ретінде 
бұлттық технология қарастырылған. 
Ключевые слова: ГРИД технологиялар, бұлттық жүйелер, виртуалды ұйымдар, MapReduce. 
 
Рахметулаева С.Б. 
Исследование функциональных возможностей облачных технологий 
Резюме.  В  последнее  время  словоBigData  в  значительной  степени  является  модным  словом  в 
информционном мире. Цель состоит в том, чтобы использовать смешанные инструменты с большими объемами 
различных  форм  данных  и  собрать  все  это  под  одной  крышей.  Наряду  с  этим  подходом  к  данным,  в  данной 
статье рассмотрены также облачныетехнологии. 
Ключевые слова: ГРИД технологии, облачные системы, виртуальные организации, MapReduce. 
 
Rakhmetulayeva S.B. 
Research functionalities of cloud technologies 
Summasry. Big Data is largely a buzzword in IT right nowю The goal is to use mixed tools with larger volumes 
of several different forms of data being brought together under one roof. Along with this approach to data, we are also 
concerned with cloud computing. 
Key words: GRID technology, cloud systems, virtual organizations, MapReduce. 
 
 
УДК  541.183.5:546.273 
Э.Н. Кожан, Ш.Н. Кубекова, В.И. Капралова 
(Казахский национальный технический университет имени К.И. Сатпаева,  
Алматы, Республика Казахстан) 
 
ВЛИЯНИЕ СИЛИКАТНОГО МОДУЛЯ И ПРИРОДЫ КАТИОНА-КОЛЛЕКТОРА НА 
ПРОЦЕСС КОНЦЕНТРИРОВАНИЯ БОРА ИЗ ПРИРОДНЫХ И ТЕХНОГЕННЫХ 
РАССОЛОВ 
 
 
Аннотация. Проблема извлечения ценных компонентов из природных рассолов и техногенных жидких 
отходов  является  одной  из  актуальных  проблем  современности.  В  Казахстане  находится  крупное 
месторождение  бора  –  Индерская  соляная  структура,  за  период  разработки  которой  скопилось  значительное 
количество  борсодержащих  отходов.  В  настоящей  статье  показана  возможность  извлечения  борат-ионов  из 
различных    рассолов  растворами  жидкого  стекла.  Установлено,  что  при  использовании  низкомодульных 
растворимых  стекол  возможно  концентрирование  борат-ионов  в  виде  легко  фильтруемых  осадков  со  степень 
извлечения до 83%. В случае использования высокомодульных жидких стекол концентрирование происходит в 
виде  плотных  не  расслаивающихся  гелей,  термообработка  которых  приводит  к  образованию  пористых 
практически не растворимых силикоборатных продуктов. 
Ключевые слова: борат-ион, катион-коллектор, жидкое стекло, силикатный модуль, концентрирование, 
природные и техногенные рассолы. 


 Технические науки 
 
                                                    
№2 2014 Вестник КазНТУ  
                    
196 
В настоящее время проявляется большой интерес к различным борсодержащим материалам [1 -
2],  что  объясняется  широкой  областью  их  применения.  Соединения  бора  широко  используются  в 
стекольной и керамической промышленности, в мыловарении и производстве отбеливающих средств, 
в  качестве    катализаторов  ряда  реакций  органической  химии,  в  качестве  носителя  для  других 
каталически активных элементов, в производстве борсодержащих  удобрений и др. 
В  Казахстане  находится  одно  из  богатейших  и  уникальных  боратовых  месторождений    - 
Индерская  соляная  структура,  открытая  в  1935  году.  При  этом  ранее  промышленной  переработке 
подвергались в основном  борные руды основной соляной толщи и гипсовой «шляпы» Индера.  Рапа 
озера  Индер,  из-за  небольшого  содержания  бора  промышленной  переработке  практически  не 
подвергалась.  В  связи  с  этим    учеными  Казахстана  проводились  разноплановые  исследования  по 
концентрированию  бора  из    природных  рассолов  методом  ионного  обмена  [3],  а  также 
избирательному  осаждению  с  гидроксидами  различных  металлов  [4].    В  результате    было 
установлено,  что  применение  ионитов,  несмотря  на  достаточно  высокую  степень  извлечения  бора  – 
до  99%,    в  промышленном  масштабе  ограничено  их  высокой  стоимостью,  негативным  влиянием 
сульфат- и хлорид-ионов на эффективность процесса  и низкой регенерируемостью (не более 33%).  
Степень    концентрирования    бора  при  соосаждении  гидроксидами  никеля,  магния,  алюминия, 
железа, олова, цинка и др., для всех исследованных гидроксидов, за исключением гидроксида никеля,  
как правило, не превышала 55%. Учитывая технологическую и экономическую целесообразность, на 
основе проведенных исследований применительно к рапе  оз. Индер   были оптимизированы составы 
осадителей и разработаны достаточно эффективные известково-магнезиальный и ферро-сульфатный 
способы концентрирования, которые обеспечивают выход бора соответственно  53 и 70% [4]. Однако, 
разработанные  способы  не  нашли  практического  применения  из-за  узкого    диапазона  рН  процесса 
осаждения, использования  дефицитного реагента – каустической соды, загрязненности  концентрата  
гипсом и гидроксидом магния и ограниченности применения методов по содержанию бора в рапе  – 
не менее 0,3%.  
Авторами [5] на модельных системах была показана возможность выделения соединений бора 
щелочными  агентами  в  виде  низкомодульных  водорастворимых  силикатов    -  товарных  растворов 
жидкого  стекла,  использование  которых  расширяет  область  оптимальных  составов  по  рН  и 
увеличивает  степень  концентрирования  до  75%.  Установлено,  что  оптимальными  условиями 
концентрирования бора из природных рассолов  являются  соотношение МеО:В
2
О
3
 = 25:1 (где Ме – 
катион-коллектор: Mg
+2
) и концентрация  жидкого стекла 0,05-0,15 моль/л.  Так как раствор жидкого 
стекла,  получаемый  растворением  силикат-глыбы,  содержит  значительное  количество  гидроксида 
натрия,  то  образующиеся  борные  концентраты  и  продукты  на  их  основе  обладали  значительной 
растворимостью,  что  позволило  использовать  их  в  качестве  борсодержащих  ингибиторов  коррозии 
металлов [5].  
Товарный  раствор  жидкого  стекла  имеет  модуль  не  выше  3,  так  как  силикат-глыба 
представляет собой трисиликат натрия. Поэтому определенный интерес представляют исследования, 
направленные на изучение влияния структуры жидкого стекла, определяемой силикатным модулем и 
природы  катионов-коллекторов  на  процесс  концентрирования  бора  из  природных  и  техногенных 
рассолов, что и является предметом изучения данной работы. 
Объектом  исследования  служил  модельный  раствор  борной  кислоты  с  содержанием  оксида 
бора  0,015  моль/л  В
2
О
3
,  что  соответствует  концентрации  бора  в  отходах  борного  производства.  В 
качестве  осадителя  использовали  растворы  жидкого  стекла  с  силикатным  модулем  (мольное 
соотношение  SiO
2
:Na
2
O)  2,9  и  4,5,  а  источниками катионов-коллекторов  служили    дигидрофосфаты 
кальция  и  алюминия.  Полноту  процесса  концентрирования  бора  контролировали  методами 
химического 
анализа. 
Содержание 
катионов 
кальция 
и 
алюминия 
определяли 
комплексонометрическим  методом,  а  содержание  соединений  бора  –  фотоколориметрическим 
методом  с  карминовой  кислотой  в  концентрированной  серной  кислоте  с  использованием 
фотоколориметра КФК-3 [6]. 
Процесс  концентрирования  проводили  путем  смешения  растворов  дигидрофосфатов  кальция 
или  алюминия  (С  =  0,015  моль/л)  с  раствором  борной  кислоты.  К  полученной  смеси  при 
перемешивании  прибавляли  определенные  количества  жидкого  стекла.  Процесс  проводили  при 
комнатной  температуре.  Было  показано,  что    при  использовании  жидкого  стекла  с  модулем  2,9  в 
области  концентраций  0,005-0,020  моль/л  образуются  аморфные  легко  расслаивающиеся  белые 
осадки,  тогда  как  в  случае  высокомодульного  стекла  (m
SiO2
  =  4,5)  в  области  концентраций  0,0025-


 Техникалық ғылымдар 
 
ҚазҰТУ хабаршысы №2 2014  
 
197
0,010  моль  SiO
2
/л  наблюдается  только  опалесценция  в  растворах,  а  при    концентрации  0,015  моль 
SiO
2
/л и выше образуются устойчивые,  плотные, не расслаивающиеся гели. 
Зависимость степени извлечения борат-ионов от концентрации жидкого стекла с модулем 2,9 и 
природы  катиона-коллектора  показана  на  рисунке.  Из  полученных  результатов  следует,  что 
максимальная  степень  извлечения  борат-ионов  –  80-83%  достигается  при  использовании  катиона 
кальция  в  качестве  коллектора  при  концентрациях  жидкого  стекла  0,005-0,010  моль  SiO
2
/л.  При 
использовании  иона  алюминия  степень  извлечения  ниже  –  73-75%  при  концентрациях  жидкого 
стекла  0,0025-0,0075 моль SiO
2
/л. С увеличением  концентрации жидкого стекла степень извлечения 
борат-ионов снижается для обоих катионов-коллекторов.  
 
 
 
                                                                                                                                С(SiO
2
), моль/л 
 
 
Катион-коллектор: 1 – Са
2+
; 2 – Al
3+
 
Зависимость степени концентрирования бора от концентрации жидкого стекла (m = 2,9) 
 
При  этом  в  растворах  наблюдается  возрастание  концентрации  иона  алюминия,  что,  вероятно, 
связано  с  растворением  аморфного  гидроксида  алюминия  в  щелочной  среде  с  образованием 
растворимых  алюминатов.  Для  кальциевого  коллектора  наблюдается  снижение    концентрации 
катиона кальция во всем исследованном диапазоне. 
В основе процесса концентрирования борат-ионов очевидно лежат следующие реакции: 
Ca(H
2
PO
4
)
2
  +  HBO
2
  +  H
2
O  →  Ca(BO
2
)
2
  +  2H
3
PO
4
 
Это взаимодействие приводит к повышению кислотности среды, что способствует протеканию 
реакции полимеризации кремниевой кислоты с образованием аморфных осадков: 
                                                                       рН < 7 
Na
2
O·mSiO
2
  +  HOH  →   2NaOH  +  H
2
O·mSiO
2
↓ 
Дигидрофосфат кальция может также взаимодействовать с гидроксидом натрия с образованием 
гидроксида кальция:  
Ca(H
2
PO
4
)
2
  +  2 NaOH  →  Ca(OH)
2
↓  +  2NaH
2
PO
4
 
Борат  кальция,  вероятно,  сорбируется  как  образующимся  гидроксидом  кальция,  так  и 
поликремниевой  кислотой.  Увеличение  концентрации  жидкого  стекла  приводит  к  повышению 
щелочности  раствора,  что  тормозит  реакцию  образования  поликремниевой  кислоты,  а  в  случае 
использования  алюмиевого  коллектора  приводит  и  к  растворению  гидроксида  алюминия  с 
образованием алюминатов, что и снижает степень извлечения борат-ионов. 
Образовавшиеся  осадки  (модуль  жидкого  стекла  2,9),  содержащие  максимальное  количество 
бора  с  соотношением  компонентов  в  пересчете  на  оксиды  СаО:В
2
О
3
:  SiO
2
  =  1,5:1:0,6  и  Al
2
О
3

2
О
3

SiO
2
  =  1,9:1:0,5, а  также  плотные  гели  (жидкое  стекло  с  модулем  4,5)  с  соотношением  компонентов 
(по  расчету)  СаО:В
2
О
3
:  SiO
2
  =  1,4:1:1  и  Al
2
О
3

2
О
3
:  SiO
2
  =  1,9:1:1  были  высушены  при  105
о
С, 
обезвожены при температурах 400
о
 и 600
о
С и  затем была определена их растворимость. Результаты 
представлены в таблице. 
 
80 
 
 
60 
 
 
40 
 
 
 
, % 
      0,005      0,010    0,015     0,020    0,025 




Достарыңызбен бөлісу:
1   ...   29   30   31   32   33   34   35   36   ...   51




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет