CC BY
49
В этом случае возможны проверки только новых знаний, а также контроль части ранее полученных и новых знаний.
Рассматриваемая система оценки результатов обучения (знаний, компетенций) предполагает решение следующих задач:
- оформление обучаемого (формирование электронной карты);
- определение начального уровня знаний у обучаемого (формирование текущей компетенции);
- формирование индивидуальной траектории тестирования обучаемого;
- наполнение оболочки индивидуальной среды тестирования;
- реализация траектории тестирования;
- формирование оценки обучаемого.
В перспективе оценка знаний должна строиться на основе методов извлечения знаний, которые могли бы полно отражать текущие компетенции обучающихся.
Изложенный в статье подход к созданию ИОС использует интегрированный метод представления знаний. В рамках этого метода можно описывать различные предметные области для решения большого количества задач непрерывного образования. Имеется возможность проводить актуализацию баз знаний и тем самым обеспечивать соответствие содержимого баз знаний действительности [5].
Использование формальных методов в виде сетей Петри [7] для синтеза баз знаний с корректным содержанием может стать основой компьютерных методов создания ИИС. Методы анализа описаний компетенций с использованием дерева
достижимости, матричной теории сетей Петри привлекают возможностью компьютеризации многих процессов.
Литература
1. Голенков В.В., Емельянов В.В., Тарасов В.Б. Виртуальные кафедры и интеллектуальные обучающие системы // Новости искусственного интеллекта. 2001. № 4. С. 3-13.
2. Трембач В.М. Формирование и использование моделей компетенций обучающихся на основе эволюционирующих знаний // Открытое образование. N° 6 (77). 2009. С. 12-26.
3. Трембач В.М. Интеллектуальная информационная система формирования компетенций для реализации модели непрерывного образования // Открытое образование. № 4 (81). 2010. С. 79-91.
4. Тельнов Ю.Ф., Казаков В.А., Данилов А.В. Формализация механизмов взаимодействия сервисов и агентов динамической интеллектуальной системы управления бизнес-процессами // Открытое образование. 2012. № 1. С. 31 -39.
5. Трембач В.М. Методы формирования, использования и анализа баз знаний // Экономика, статистика и информатика / Вестн. УМО. № 4. 2010. С. 145-149.
6. Трембач В.М. Применение интеллектуальных технологий к формированию компетенций обучающихся // Искусственный интеллект и принятие решений. 2008. № 2. С. 34-45.
7. Котов В.Е. Сети Петри. М.: Наука. Глав. ред. Физмат-лит. 1984. 160 с.
References
1. Golenkov V.V., Emelyanov V.V., Tarasov V.B., Novosti iskusstvennogo intellekta, 2001, no. 4 (26), pp. 3-13.
2. Trembach V.M., Otkrytoe obrazovanie, 2009, no. 6 (77), pp.12-26.
3. Trembach V.M., Otkrytoe obrazovanie, 2010, no. 4 (81), pp. 79-91.
4. Telnov Y.F., Kazakov V.A., Danilov A.V., Otkrytoe obrazovanie, 2012, no. 1, pp. 31-39.
5. Trembach V.M., Vestnik Uchebno-metodicheskogo Obedi-neniya, 2010, no. 4, pp. 145-149.
6. Trembach V.M., Iskusstvenny Intellekt i Prinyatie Resheny, 2008, no. 2, pp. 34-45.
7. Kotov V.E., Seti Petri (Petri net), Moscow, Nauka, 1984, 160 p.
УДК 004:37.018.43
РАСПРЕДЕЛЕНИЕ РЕСУРСОВ В ИНФОРМАЦИОННОЙ СИСТЕМЕ ДИСТАНЦИОННОЙ поддержки ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА
(Работа выполняется при финансовой поддержке РФФИ, гранты №№ 11-07-00046-а, 11-07-00158-а)
И.П. Болодурина, д.т.н.; Парфёнов Д.И.
(Оренбургский государственный университет, prmat@mail.osu.ru, fdot_it@mail.osu.ru);
В.Н. Решетников, д.ф.-м..н. (Московский авиационно-технологический университет им. К.Э. Циолковского, rvn_@mccil.ru)
Развитие компьютерных технологий обусловливает активное использование тренажерно-обучающих систем и спутниковых информационных технологий в системах дистанционного обучения. При этом актуальна задача исследования эффективных методов управления производительностью и оптимизации использования программных и аппаратных ресурсов.
Целью исследования является оптимизация распределения ресурсов среди уязвимых с точки зрения временных задержек и скорости обработки запросов внешних (по отношению к системе) пользователей. Это связано с распространенностью интернет-ориентированной архитектуры клиентских приложений. При лавинообразном росте количества запросов информационные системы испытывают недостаток в потребляемых ресурсах, поэтому важным являются грамотное управление обслуживанием поступающих заявок и минимизация отказов в обслуживании, насту-
пающих в зависимости от объема выделенных для работы системы ресурсов. Большое количество одновременных обращений служит причиной дисбаланса рабочего трафика, что негативно сказывается на буферах маршрутизируе-щего оборудования и ведет к превышению критических объемов ресурсов серверов.
В рамках представленного исследования построена многоуровневая модель системы дистанционного обучения, проанализированы характеристики и приведен алгоритм для повышения эффективности использования имеющихся ресурсов с целью улучшения качества предоставления услуг в распределенных информационных системах дистанционного обучения. Эффективность алгоритма выбора и расстановки приоритета обслуживания входящего потока заявок подтверждена путем проведения сравнительного анализа выходных данных моделирования, она позволяет сократить время отклика системы. Помимо этого, предложенный алгоритм дает возможность максимизировать количество обработанных запросов пользователей в единицу времени.
Ключевые слова: тренажерно-обучающие системы дистанционного обучения, распределение ресурсов, приоритеты обработки запросов.
RESOURCE DISTRIBUTION IN INFORMATION SYSTEM RELATED TO EDUCATIONAL PROCESS REMOTE SUPPORT Bolodurina I.P., Ph.D.; Parfenov D.I. (Orenburg State University, prmat@mail.osu.ru, fdot_it@mail.osu.ru);
Reshetnikov V.N., Ph.D. (Russian State University of Aviation Technology, Moscow, rvn_@mail.ru)
Abstract. Development of computer technologies gives rise to the active use of training systems and satellite information technologies in distance education systems. The objective of investigation of effective performance management techniques and optimization of software and hardware usage becomes really relevant.
The study is targeted to optimization of resource distribution among vulnerable external (relatively to the system) users in relation to latency and query processing speed. This is connected to availability of internet oriented architecture of the client applications. When the number of queries grows too fast, information systems suffer from lack of consumed resources, therefore, it is important to manage received queries and minimize failures during the service, which occur depending on allocated resources required for the system operation. Large amount of simultaneous queries leads to disbalance of the operation traffic, negatively affecting routing equipment buffers and results into excessive growth of critical servers' resources.
This study provides construction of multilevel model of the distant education model, it reviews characteristics and provides algorithm for effective use of available resources that can improve service quality in distributed information distant educational systems. Effectiveness of the selection algorithm and service prioritizing of incoming queries is supported by comparative analysis of the output model data, it helps to reduce system time response. In addition, this algorithm can maximize number of processed users' queries during time unit.
Keywords: exercise-training distance education system, resource allocation, priorities for processing requests.
В образовательном процессе все большее применение находят тренажерно-обучающие системы и спутниковые информационные технологии. Особенно это касается такого активно развивающегося направления, как дистанционное обучение (ДО). Таким образом, возникает потребность в создании систем, позволяющих организовывать и регулировать этот процесс, - систем ДО (СДО) [1]. Они представляют собой достаточно сложный в организационно-техническом плане механизм, включающий несколько подзадач, основными из которых являются управление потоками данных и внутренним документооборотом и обеспечение безотказной и безопасной для внешних пользователей точки входа в интерактивную среду обучения.
Ключевыми показателями эффективности работы таких систем являются время отклика и скорость получения необходимой информации при обращении к ее источнику. Причем наиболее уязвимыми с точки зрения временных задержек и скорости обработки запросов являются внешние пользователи. Это обусловлено использованием большинством систем интернет-ориентированной архитектуры клиентских приложений. Образовательные интернет-порталы, с одной стороны, являются достаточно эффективным средством для обеспечения обучающихся необходимой информацией, с другой - требуют поддерживать ее постоянную доступность.
В Оренбургском государственном университете (ОГУ) с 1998 года ведутся работы по развитию собственной СДО. За это время разработаны подсистемы автоматизации задач организационно-методического и программно-технического сопровождения ДО. Активное развитие внутренней телекоммуникационной инфраструктуры и обеспечение вуза каналами связи с сетью Интернет потребовали глобальной доступности СДО. Прежде всего это отразилось на системе контроля знаний, переводимой в режим работы реального времени, а также на создании информационного ресурса СДО ОГУ (www.cde.osu.ru). Была создана электронная библиотека, за счет расширения каналов связи конечным пользователям предоставляется удаленный доступ к ее ресурсам. Все это позволяет рассматривать СДО как распределенную информационную систему [2].
Дальнейшим развитием интерактивных интернет-ресурсов является видеопортал ДО. Подсистема интернет-трансляций и вебинаров совместно с архивом видеозаписей обеспечивает взаимодействие преподавателя и студентов на новом уровне - интерактивной обратной связи.
Расширение применения информационных ресурсов для внешних пользователей в распределенной СДО привело к повышению нагрузки на оборудование и каналы связи. С целью анализа эффективности использования имеющейся архитектуры программных продуктов и предотвраще-
ния перегрузки оборудования авторами проведено исследование использования внешних подсистем СДО ОГУ.
Для детального анализа ресурсов СДО разработана уровневая модель на основе следующих доступных внешним пользователям подсистем:
уровень 1 - подсистема контроля знаний;
уровень 2 - подсистема предоставления учебно-методических комплексов (электронная библиотека);
уровень 3 - подсистема трансляции и публикации видео- и аудиоматериалов (видеопортал ДО).
В результате авторами создан комплекс, обеспечивающий работу мультисервисного набора услуг для физически распределенных пользователей. Каждая из подсистем, используемых в СДО, предъявляет различные требования к прикладному ПО оборудования и к качеству обслуживания (QOS). Следует отметить необходимое условие: все подсистемы должны обеспечивать одновременную совместную работу.
Практика показывает, что большинство информационных систем, работающих с внешними пользователями, при значительном количестве обращений испытывают недостаток в потребляемых ими ресурсах. Причем отказ в обслуживании для любой из систем может наступить независимо от объема выделенных для ее работы ресурсов [2, 3]. Одновременное подключение к серверу большого количества клиентов приводит к дисбалансу рабочего трафика, что, в свою очередь, негативно сказывается на буферах маршрутизирующего оборудования и к превышению критических объемов ресурсов серверов. Наиболее эффективными считаются прогнозирование поведения клиентов и своевременное расширение модернизации ресурсов оборудования. Однако такой подход не позволяет решить проблему непрогнозируемых экстремальных нагрузок, а метод, основанный на увеличении времени отклика системы и, как следствие, удлинении очереди заявок клиентов, снижает динамику работы системы, что критично для таких видов сервисов, как потоковая передача видео- и аудиоданных. К тому же большинство систем работают по принципу First In, First Out (FIFO).
Рассмотрим вопрос об организации в СДО приоритетного обслуживания клиентов высокона-груженных приложений с критичным временем отклика. В связи с этим были решены следующие задачи:
- выделено прикладное ПО, влияющее на работу каждой из подсистем;
- определена наиболее ресурсоемкая подсистема;
- выставлены индикаторы приоритетов обработки запросов при одновременном функционировании подсистем;
- построена математическая модель для максимизации числа обработанных обращений к СДО.
Работу интернет-приложений часто рассматривают как систему массового обслуживания (СМО) с ограниченным временем пребывания в очереди и пуассоновским потоком заявок [4, 5]. Для пользователей основными критериями качества работы приложений являются быстрая обработка запроса и получение результата. Такой подход с точки зрения оценки производительности и оптимизации работы приложений неинформативен и неэффективен. Так, кроме информации об отказе в обслуживании, администратор системы не получит другие параметры обработки запроса пользователя, а значит, не может своевременно предотвратить повторный сбой. Для формализации работы интернет-приложений механизм обработки запросов будем рассматривать как многоканальную СМО с несколькими очередями (рис. 1).
Веб-сервер Очередь запросов к СУБД
Очередь запросов Очередь запросов к кешу веб-сервера
пользователей
Очередь запросов канала связи
Выход I I II I I I I I I II
Очередь формирования ответов пользователям
Рис. 1. Модель работы интернет-приложения как СМО
В ходе исследования установлено, что на всех трех уровнях модели основными факторами, влияющими на скорость обработки запросов пользователей ПО СДО, являются следующие:
- обращение к СУБД для получения необходимых данных;
- обращение к дисковому пространству сервера и к системе хранения данных для записи или чтения;
- использование приложением канала связи заданной пропускной способности в единицу времени для приема и передачи требуемого объема данных.
Для указанных выше факторов введены численные показатели классификационных признаков каждого из уровней построенной модели:
- количество запросов в единицу времени, отправленных к СУБД (SQL-запросов/с);
- использование дискового пространства серверного оборудования (Мб/с);
- интенсивность использования входящего/исходящего канала связи (Мбит/с).
Для каждого из уровней численные показатели в процентном соотношении к суммарному показателю использования данного ресурса всеми уровнями модели определяются выражением Я1 исп=
К -100
где Яь ■■■, Яп - численные пока-(К + ...+ Яп )
затели использования ресурса по каждому из классификационных признаков, полученные в результате измерений на интервале времени АТ [6].
Индикаторы приоритета обслуживания уровней модели определим на основе рейтинга востребованности ресурсов системы в целом. Проанализировав интенсивность использования каждого из компонентов ресурсов в СДО, авторы построили диаграмму приоритетов (рис. 2) востребованности ключевых сервисов и аппаратного обеспечения, лежащих в основе каждой из подсистем.
СУБД
60 4
50/1
40/1/
Дисковое Каналы связи
пространство
—♦— Уровень 1 —■— Уровень 2 —А— Уровень 3
Рис. 2. Диаграмма приоритетов востребованности
ресурсов СДО
Общую ресурсоемкость СДО определим как суммарную площадь исдо, занимаемую всеми уровнями модели (Щ. При этом максимально возможные ресурсы сервера обозначим как площадь, полученную при использовании 100 % всех ключевых сервисов.
Так как работа веб-сервера осуществляется непрерывно, поступление заявок к ресурсам системы (СУБД, каналы связи, дисковое пространство) можно описать в дискретном времени: 1(Т)= ={/':/е(0, Т,)} - множество номеров заявок, пришедших в интервал времени (0, Т,) на подсистему , (, - уровень подсистемы, ,= 1, ■.., М).
Статус обработки ]-й заявки, поступившей на ,-й уровень, обозначим причем отказом в обслуживании будем считать х,=0, успехом - Ху=1.
Интенсивность поступления и обработки заявок на каждый из уровней модели обозначим при этом она напрямую зависит от ресурсоемко-сти подсистемы. Кроме того, введем показатель приоритета Р, для каждого из уровней, распределение которого зависит от количества одновременно используемых ресурсов. Тогда на нагрузку, создаваемую каждым из уровней, можно наложить ограничение Е и,Хц ^ Н , ,=1, ■ ••, М.
I, (Т, )
При задании целевой функции введены следующие ограничения, связанные с предметной
областью исследования: время обработки Т любого запроса ограничено; мощность сервера Н фиксирована.
Из-за неравномерности использования основных ресурсов сервера каждым из уровней СДО необходимо определить условия максимальной загрузки сервера, при которой возможна безотказ-
м
ная работа всех приложений: Е Е и)Ху ^ Н,
•=1 (Т,)
Ху={0, 1}.
Таким образом, для обработки максимального количества запросов пользователей в единицу времени получим целевую функцию вида
м
Е Е ^ тах
-=1 I, (Т,)
При выборе приоритетов оцениваются следующие характеристики заявки:
- время нахождения заявки в очереди;
- текущая длина очереди заявок;
- интенсивность обращения к каждому из компонентов ресурса, необходимых для выполнения заявки.
Выбор приоритетов и оценка текущей ресурсо-емкости задачи проводятся на основе компонентов ресурса, имеющих индивидуальные пороговые значения, связанные с физическими ограничениями оборудования.
В ходе реализации предложенной модели в распределенной информационной СДО получены показатели работы, позволяющие оценить эффективность применения разработанного алгоритма расстановки приоритетов. Анализ производился на промежутке времени ДТ=60 секунд. Ограничение по времени обусловлено техническими параметрами работы веб-приложений. Эффективность работы алгоритма приоритетов оценим путем сравнения очереди (общего количества) заявок, одновременно находящихся в системе, и количества отброшенных заявок. На рисунке 3 представлена диаграмма обслуживания заявок в реально работающей системе без использования предложенного алгоритма.
Применив алгоритм выбора и расстановки приоритетов для каждого из ресурсов в рамках всей СДО, получим снижение количества отброшенных заявок в каждый момент времени примерно в 2,7 раза, при этом общее число необработанных заявок по истечении времени обработки ДТ снизилось с 12 до 5 (рис. 4).
Как можно заметить, наблюдается самоподобие графиков обслуживания заявок в информационной системе. Авторами проведено дополнительное исследование по оценке времени отклика системы, показавшее прирост скорости обработки заявок по сравнению с обычной обработкой, так как средняя длина очереди снизилась с 8,6 до 5,1 (рис. 5).
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 3 5 37 39 41 43 45 47 49 51 53 5 5 57 59
Время выполнения (Такты)
И Отброшенные заявки РОбщее количество заявок ]
Рис. 3. Диаграмма обслуживания заявок без использования алгоритма расстановки приоритетов
13 12
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
Время выполнения (Такты)
■ Отброшенные заявки
□ Общее количество заявок
Рис. 4. Диаграмма обслуживания заявок с использованием алгоритма расстановки приоритетов
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 3 5 37 3 9 41 43 45 47 49 51 53 5 5 57 59
Время выполнения (Такты)
- С использованием приоритетов
Без использования приоритетов
Рис. 5. Диаграмма динамики выполнения заявок
Построенная модель и приведенный алгоритм могут применяться для повышения эффективности использования аппаратных и программных ре-
сурсов с целью улучшения качества предоставляемых услуг в распределенных информационных системах дистанционного обучения.
Литература
1. Решетников В.Н. Интернет-технологии в электронном образовании // Программные продукты и системы. 2010. № 3.
2. Решетников В.Н. Космические телекоммуникации. Системы спутниковой связи и навигации. СПб: «Ленинградское изд-во», 2010. 134 с.
3. Решетников В.Н. Космические телекоммуникации (начала). Тверь: Центрпрограммсистем, 2009. 128 с.
4. Жуков А.В. Некоторые модели оптимального управления входным потоком заявок в интранет-системах // Новые информационной технологии в ЦБП и энергетике: матер. 6-й науч.-технич. конф. Петрозаводск, 2004. С. 87-90.
5. Проблема адекватной оценки производительности вебсерверов в корпоративных сетях на предприятиях ЦБП / О.В. Гусев, А.В. Жуков, В.В. Поляков [и др.] // Новые информационные технологии в ЦБП и энергетике: матер. 6-й науч.-технич. конф. Петрозаводск, 2004. С. 84-87.
6. Парфенов Д.И., Болодурина И.П. Моделирование востребованности ресурсов в распределенной информационной системе дистанционной поддержки образовательного процесса / Высокие технологии, экономика, промышленность: сб. стат.; [под ред. А.П. Кудинова]. СПб: [Би], 2012. С. 30-34.
7. Парфенов Д.И., Программно-аппаратный комплекс видеопортала как эффективное средство информационного взаимодействия субъектов образовательного процесса // Информационная среда вуза XXI века: тр. V междунар. науч.-практич. конф. СПб: [Би], 2011. С. 141-144.
References
1. Reshetnikov V.N., Programmnye Produkty i Sistemy, 2010, no. 3.
2. Reshetnikov V.N., St. Petersburg, Leningradskoe izd-vo,
2010, 134 p.
3. Reshetnikov V.N., Tver, Tsentrprogrammsistem. 2009, 128 p.
4. Zhukov A.V., 6 Nauch.-tehnich. Konf. (6th Scientific and Technical Conference), Petrozavodsk, 2004, pp. 87-90.
5. Gusev O.V., Polyakov V.V., Zhukov A.V., Polyakov S.V., 6 Nauch.-tekhnich. Konf. (6th Scientific and Technical Conference), Petrozavodsk, 2004, pp. 84-87.
6. Parfenov D.I., Bolodurina I.P., Vysokie tehnologii, ekonomika, promyshlennost, St. Petersburg, 2012, pp. 30-34.
7. Parfenov D.I., VMezhdunarod Nauch.-praktich. Konf. (V International scientific and practical conference), St. Petersburg,
2011, pp. 141-144.
УДК 004.89: 004.853
ОБ ОДНОМ СПОСОБЕ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Г.Б. Бронфельд, к.т.н.
(Нижегородский государственный технический университет им.. Р.Е. Алексеева,
sirius-2@yandex. ru)
Рассматривается новый способ моделирования знаний в виде молинг при создании баз знаний интеллектуальных систем. В данном подходе простые предложения представляются короткой семантической сетью экспертом-редактором ручным или полуавтоматическим способом, что давно применяется при создании экспертных систем, при этом исходная грамматическая структура сохраняется. Сложные предложения разбиваются на простые. Получаемая модель предложения названа молингой. В работе дано ее формальное описание. Молинги включают в себя множество идентификаторов, ядро, условие применимости ядра, кодовую последовательность номеров словарей,
01020610371006103710080437100810082006040602060001020800061008103704060437
