CC BY
90
тных неисправностей на его входах и выходе / М. А. Боганец // Современные информационные технологии в науке, образовании и практике: материалы V Всероссийской научно-практической конференции (с международным участием). — Оренбург: ИПК ГОУ ОГУ, 2006. - С. 82-86.
3. Боганец, М.А. Реализация усложненного коммутатора выходных шин слоя искусственных нейронов с сигмоидальной функцией активации нейронов (тезисы доклада) / М.А. Боганец // Современные информационные технологии в науке, образовании и практике: материалы VI Всероссийской научнопрактической конференции (с международным участием). -Оренбург: ИПК ГОУ ОГУ, 2007. - С. 212-214.
4. Боганец, М.А. Исследование принципиальной возможности диагностики искусственных нейронных сетей с нелинейными
функциями активации / М.А. Боганец // Теоретические и прикладные вопросы современных информационных технологий: материалы Всероссийской научно-технической конференции.-Улан-Удэ: Изд-во ВСГТУ, 2009. - Ч. II. -270. - С. 386-388.
БОГАНЕЦ Максим Александрович, аспирант, ассистент кафедры информатики и вычислительной техники.
Адрес для переписки: e-mail: max.boganets@gmail. com
Статья поступила в редакцию 30.04.2010 г.
© М. А. Боганец
УДК 004 735 Д. Г. ДУБЫНИН
Омский государственный технический университет
АНАЛИЗ МЕТОДОВ ОЦЕНКИ ПРОИЗВОДИТЕЛЬНОСТИ ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ В СЕГМЕНТЕ МУЛЬТИСЕРВИСНОЙ СЕТИ ОМСКОЙ ОБЛАСТИ___________________________
В статье приводится обзор методов анализа производительности вычислительных систем, проводится сравнение этих методов, кроме того, уделено внимание недостаткам анализируемых методов. Подробно рассмотрено имитационное моделирование, так как при оценке производительности вычислительных систем данный метод позволяет достигать любой степени детальности. Приведены цели, которые достижимы при использовании имитационных моделей вычислительной системы.
Ключевые слова: методы моделирования, вычислительная система, мультисервисная сеть.
Обеспечение эффективности использования информационно-вычислительных систем (ИВС) в составе телекоммуникационных сетей, в частности муль-тисервисных сетей, в настоящее время является актуальной задачей в связи со значительным расширением области информационных технологий, разнообразия пользователей и необходимостью формирования единой информационно-телекоммуникационной среды (ЕИТС).
Разработанная и внедренная в Омской области, мультисервисная сеть связи (МСС) [1] построена в соответствии с концепцией сети связи следующего поколения и обеспечивает предоставление некоторого набора услуг. Она является частью ЕИТС и представляет собой систему транспорта для всех видов информации, циркулирующей в ИВС для каждого из муниципальных районов области и органов власти, которые подключены к ней [ 1, 2].
В настоящее время к МСС подключен 21 из 24-х органов исполнительной власти Омской области (далее - ОИВ), 107 государственных учреждений ОИВ. К сети Интернет через МСС подключено 19 ОИВ и 38 государственных учреждений ОИВ. Остальные 5 ОИВ непосредственно подключены к сети Интер-
нет. Также к МСС подключено 320 из 428 органов местного самоуправления Омской области, в том числе 32 администрации муниципальных районов Омской области.
В процессе развития ЕИТС произойдет рост МСС за счет увеличения количества пользователей, телекоммуникационных узлов и каналов связи. В результате развития ЕИТС МСС должна обеспечивать надежный обмен информацией между участниками информационного обмена, а также условия эффективного взаимодействия государственных и муниципальных ИВС. В связи с этим чрезвычайно актуальной становится задача оптимизации МСС.
Для того чтобы оценить производительность МСС в любой момент времени и спрогнозировать ее величину при определенных условиях в будущем, необходимо определить метод оценки производительности. В связи с этим проведем анализ методов оценки производительности ИВС.
Анализ литературных источников [4-6] показал, что основными задачами моделирования ИВС является анализ показателей производительности и оценка влияния внутренних и внешних параметров сети на показатели эффективности ИВС.
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №3 (93) 2010 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №3 (93) 2010
Оценка производительности, согласно [3-7], представляется как последовательность определенных этапов, первым из которых является выбор меры производительности, то есть параметров, по которым вычисляется оценка. Далее определяется зависимость производительности от структуры анализируемой системы и ее рабочей нагрузки. Для этого требуется построить модель рабочей нагрузки и модель ИВС, причем уровни детализации рабочей нагрузки и модели системы взаимозависимы.
При помощи моделей рабочей нагрузки и ИВС строится модель производительности с выбранными параметрами рабочей нагрузки и ИВС. После чего, установив значения этих параметров, вычисляются конкретные значения системной производительности.
Модель рабочей нагрузки должна удовлетворять следующим требованиям:
— предоставлять корректную, адекватную и представительную характеристику прикладных процессов пользователей для прогнозирования их поведения на классе систем настолько широко, насколько это возможно;
— обеспечивать управляемые и воспроизводимые эксперименты при оценке производительности;
— сокращать настолько, насколько это возможно, количество анализируемых данных без ущерба точности анализа;
— представлять данные в форме, пригодной для их использования моделью системы.
Основными видами моделей рабочей нагрузки являются: смеси команд, эталоны, стохастические модели, трассы.
Модели рабочей нагрузки «смеси команд» в основном применяются для моделирования рабочей нагрузки при выборе и проектировании процессоров. Суть данного вида заключается в выборе последовательности команд машины, «типичной» с точки зрения некоторого приложения. «Типичность» определяется через функцию распределения встречаемости команд в программе для определенного приложения. Однако широкий спектр форматов команд, применяемых в них способов адресации, влияние трансляторов и логической среды делают этот метод малонадежным, так как данный подход к моделированию не включает внутренние и внешние факторы в ИВС. Предполагается, что появление команд является статистически независимым, что не является верным [8];
модели рабочей нагрузки «эталоны» являются образцами использования ресурсов системы прикладным процессом. Иными словами, это эталоны рабочей нагрузки для определенной ИВС или ее прототипа. В качестве таковых обычно выступают отдельные программы или их наборы. Этот подход применяется в основном для сравнения существующих систем. Его применение в случае отсутствия анализируемой системы основано на применении эмуляторов на уровне системы команд и характеризуется низкой эффективностью и большими накладными расходами, кроме того, опасностью искажения собираемых данных о работе системы компонентами измерительной системы, либо той средой, в которой она работает;
«стохастические модели» рабочей нагрузки являются видом, в котором рабочую нагрузку описывают с помощью случайных величин, которые представляют запросы на ресурсы. Распределения этих случайных величин подбираются на основе статистического анализа, результатов измерений потока
запросов на соответствующие ресурсы реально действующей ИВС. Данные, собираемые на действующей системе, могут нести на себе отпечаток той системы, на которой они собирались, что является системной зависимостью. С помощью данного метода трудно охватить взаимосвязи между разными характеристиками потока запросов, представленных разными случайными величинами, поэтому при использовании его явно или не явно используют гипотезу о статистической независимости этих случайных величин, что не всегда является корректным. Вследствие сказанного использование этого подхода при проектировании ИВС весьма ограничено [4];
модели рабочей нагрузки типа «трассы» представляют собой рабочую нагрузку в виде множества упорядоченных записей, содержащих данные о работе программ пользователей и различных внешних устройств. Эти данные собирают с помощью специальных измерительных средств и после специальной обработки используют как модель рабочей нагрузки. Главным достоинством этого подхода является то, что он сохраняет все взаимозависимости между действиями, как отдельной программы пользователя, так и комплекса программ. Этот подход применяется исключительно для решения задачи оптимизации системы. Для проверки модели достаточно сравнить результаты моделирования и результаты измерений при одинаковой рабочей нагрузке, что является достоинством данного подхода [4]. Как слабые места этого подхода можно отметить то, что, как и в предыдущем подходе, при проведении измерений существует опасность, что они внесут возмущения в работу системы, которые приведут к искажениям измеряемых данных. Все, что сказано в описании стохастических моделей рабочих нагрузок о системной зависимости справедливо и для этого подхода.
Для анализа производительности ИВС можно выделить три вида моделей системы:
структурные модели характеризуют составные части ИВС, взаимосвязи и интерфейсы между ними. Как правило, эти модели строят с помощью различного рода структурных диаграмм, существенно использующих теорию графов. Эти модели описывают топологию информационных и управляющих потоков в системе, но не определяют их взаимное влияние друг на друга;
функциональные модели описывают поведение системы в форме, пригодной для их исследования математическими методами. Условно их можно разбить на четыре группы, в соответствии с тем математическим аппаратом, который положен в их основу: графовые модели, конечные автоматы, сети, модели с очередями. Теория графов используется для оценки времени исполнения программ, процессов и задач различного уровня;
в моделях, построенных на основе теории автоматов, состояние системы строят из локальных состояний отдельных ее компонентов, что позволяет достаточно просто учитывать параллельное функционирование отдельных частей системы;
сети, используемые для построения функциональных моделей, появились в результате попыток описания динамики функционирования систем. Наиболее популярной моделью стали сети Петри и ее обобщения;
модели с очередями основываются на теории массового обслуживания. В этих моделях вычислительная система представляется в виде множества ресу-рсов-обрабатывающих приборов и очередей к ним. Они позволяют выполнять только количественный
анализ функционирования систем и для алгоритмического анализа не годятся;
модели производительности определяют зависимость производительности от таких параметров системы как рабочая нагрузка, структура и внешние факторы. Методы моделирования производительности вычислительных систем подразделяются на аналитические и эмпирические. Чтобы описать аналитически даже не очень сложную систему необходимо сделать упрощающие предположения. Поэтому величина точности оценок, получаемых с помощью этих моделей, невелика;
имитационное моделирование представляет собой комбинацию моделирования и измерения. Для его применения нужны функциональная модель системы, модель рабочей нагрузки и система моделирования. Система моделирования воспроизводит поведение системы в соответствии с описанием ее функциональной модели и модели рабочей нагрузки, и измеряет заранее выбранные параметры поведения системы, которые необходимы для вычисления значения производительности с любой степенью детальности.
Под имитационным моделированием понимают численное решение функциональной модели, то есть замену аналитического анализа численным решением, когда решение не может быть получено в аналитической форме либо когда его получают для проверки аналитической модели.
Имитационная модель может включать в себя такие факторы, которые не могут быть включены в аналитическую модель, такие как динамическое распределение ресурсов и системные накладные расходы.
Эта модель дает возможность проводить эксперименты, меняя условия протекания процесса, определять такие условия, при которых результат удовлетворяет требованиям. Данный метод позволяет выбрать стратегию, обеспечивающую наиболее эффективное ее функционирование.
Использование имитационной модели системы позволяет:
— определить узкие места в структуре системы;
— оценить пропускную способность системы и ее компонентов;
— сравнить различные варианты организации системы;
— осуществить перспективный прогноз развития системы;
— предсказать будущие требования по пропускной способности системы, используя данные прогноза;
— сравнить различные варианты модернизации системы;
— оценить влияние на систему модернизации программного обеспечения, мощности рабочих станций или серверов, изменения сетевых протоколов.
Сравнивая рассмотренные выше подходы и методы анализа производительности ИВС можно сделать следующие выводы. Наиболее подходящим для решения поставленной задачи является метод имитационного моделирования. В качестве исходных данных в этом случае необходимо использовать функциональную модель ИВС и модель рабочей нагрузки пользователей. Этот подход позволяет получить точные оценки производительности ИВС, за счет применения программных наблюдателей, вносящих незначительные искажения в работу ИВС. Главная проблема заключается в том, что многие характеристики производительности ИВС нелинейно зависят от изменения многих показателей ИВС.
Проведенный анализ литературы показал, что моделирование ИВС, как правило, направлено на
исследование текущей потери производительности или исследования текущего состояния ИВС. Эти исследования не используют фактор времени и не рассматривают развитие МСС.
Для проведения исследования производительности МСС необходимо:
— провести анализ и выбор основных показателей производительности ИВС, входящих в состав МСС;
— определить значимые макродинамические показатели внешней и внутренней среды ИВС, учитываемые при выборе сценариев развития МСС;
— разработать математическую модель рабочей нагрузки, создаваемую пользователями ИВС, на основе наблюдений за показателями ИВС;
— разработать структурную модель ИВС;
— разработать имитационную модель исследуемой ИВС;
— исследовать полученную модель в задачах анализа производительности и прогнозирования динамики развития МСС;
— разработать практические рекомендации, позволяющие применять полученные методы в практике математического и имитационного моделирования ИВС.
Предлагаемая ниже имитационная модель ИВС охватывает характеристики аппаратуры, поведение пользовательских запросов, системного программного обеспечения и содержит время как количественную сущность. Ее основу составляют два понятия: модель пользовательских запросов или модель рабочей нагрузки ИВС (МП) и модель аппаратных и программных средств (МАПС). Наблюдение за ИВС является исчислением поведения на модели МАПС при заданных исходных данных МП.
Задача исследования ИВС по критерию эффективности предопределяет рассмотрение ИВС с позиции специфических систем массового обслуживания.
Оценка нагрузки на основе измерительных данных - это используемый в исследовании способ анализа нагрузки рассматриваемого класса ИВС. При этом проводились измерения процесса функционирования рабочих станций и исследуемой ИВС в течение промежутка времени, составляющего 7 месяцев. Полученные данные обрабатывались применительно к выбранной модели нагрузки, в результате чего были оценены параметры нагрузки, воспроизводимые моделью.
На рис. 1 представлена динамика рабочей нагрузки, измеренная с помощью активного сетевого оборудования МСС и мониторингового программного средства, за весь период наблюдения.
Статистический анализ собранных данных показал, что основную нагрузку на ИВС создают запросы пользователей. Мониторинговое программное средство, установленное на пользовательской рабочей станции, имеет возможность фиксировать: пользовательские запросы, используемые приложения, длительность работы с приложениями, работу через сетевой интерфейс.
Рабочая нагрузка на ИВС, создаваемая пользователями, характеризуется двумя группами параметров:
— управляющими воздействиями пользователей (входными) х] Ц = 1, 2, ., к);
— выходными параметрами уг (г= 1, 2, ..., V);
— возмущающими воздействиями Ю1 (1= 1, 2, ..., р).
Управляющие (входные) параметры х] представляют собой независимые переменные, которые можно изменить в целях управления выходными параметрами рабочей нагрузки. К выходным параметрам уг относится совокупность измеряемых
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №3 (93) 2010 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №3 (93) 2010
Месяц
Рис. 1. Динамика рабочей нагрузки исследуемой ИВС
параметров, характеризующих пользовательскую нагрузку на ИВС. В дальнейшем ограничимся рассмотрением распространенной на практике ситуации, когда экспериментатора интересует поведение одного выходного параметра, характеризующего пользовательскую нагрузку. Возмущающие воздействия сш в общем случае не поддаются контролю и проявляют себя как случайные величины или функции времени. Наличие возмущающих воздействий приводит к тому, что зависимость выходных параметров рабочей нагрузки от входных становится неоднозначной.
Из предварительных исследований статистических данных были выделены значимые входные и выходные параметры модели, которые и составляют основную рабочую нагрузку пользователей на ИВС. Определены области допустимых значений отобранных параметров модели.
Для создания математической модели рабочей нагрузки ИВС на основе предварительных наблюдений использовали регрессионный анализ. Эта модель представляет собой определенное математическое соотношение между параметрами пользовательской работы с ИВС и обуславливающими их величинами х1,...,хк. Нас интересуют методы экспериментального определения влияния переменных х1,...,хк на величину у:
7 = Хк) + х . (1)
Уровень значимости для критерия включения и критерия исключения а=0,05. На основе коэффициентов корреляции, полученных ранее, между откликом ЯУЯ-4 и входными параметрами строим регрессионную модель рабочей нагрузки ИВС.
ЯУЯ-4 =- 10,994 + 0,049^Р1 + 0,741 ^Р-3-4 -
- 0,008^-3-5 + 0,919^-3-7 + 0,461^-4-1. (2)
Далее была оценена адекватность полученной модели рабочей нагрузки. Полученное уравнение имеет большое значение коэффициента детерминированности Я2 = 0,93, который показывает, что построенная регрессия высоко значима и объясняет более 90 % разброса значений ЯУЯ-4 около средних.
На основе предложенной концептуальной модели исследуемой ИВС была построена имитационная модель ИВС, которая разработана в среде моделирования Arena Simulation Software by Rockwell Automation. Данная система имитационного моделирования содержит встроенный язык, который позволяет производить проверку имитационной модели на корректность и согласованность.
В настоящее время ведется исследование предложенной автором имитационной модели на примере ИВС в составе МСС. Разработанная имитационная модель позволит оценить эффективность функционирования МСС, проанализировать «узкие места» в существующей системе обработки информации и произвести прогнозирование динамики развития МСС до реализации нововведений на практике, не используя при этом реально эксплуатируемую систему. Замена реального эксперимента имитационным моделированием позволяет сократить затраты, необходимые для проведения исследований.
Библиографический список
1. Вестник связи. — URL і http і // www.vestnik-sviazy.ru/old/ archive/09_20 02/ petriv.html (дата обращения і 20.02.2010).
2. Connect! Мир связи. — URL і http і // www.connect.ru/ article.asp?id = 6996 (дата обращения і 26.02.2010).
3. Ларионов, А. М. Вычислительные комплексы, системы и сети учебник для вузов / С. А. Майоров, Г. И. Новиков. — Л.і Энер-гатомиздат, 1987. — 288 с.
4. Феррари, Д. Оценка производительности вычислительных системі пер. с англ. А.И. Горлина, Ю.Б. Котова, Л.В. Ухова / Д. Феррари // под ред. В. В. Мартьінюка.—М.і Мир, 1981. 576 с.
5. Авен, О.И. Оценка качества и оптимизация вычислительных систем / О.И. Авен, Н.Н. Гурин, А.Я. Коган. — М.і Наука, 1982. — 464 с.
6. Задорожный, В. Н. Разработка и исследование методов имитационного моделирования производительности вычислительных систем і дис. ... канд. техн. наук (05.13.01 — Системный анализ, управление и обработка информации) / В. Н. Задорожный ; рук. работы В. И. Потапов. — Омск і ОмПИ, 1982. — 275 с.
7. Пуртов, А.М. Анализ производительности сетей ЭВМ на графах и имитационных моделях і дис. ... канд. техн. наук (05.13.16 — Автоматизация и управление технологическими процессами и про-
изводствами) / А.М. Пуртов ; рук. работы В.А. Шапцев. — Омск: ИИТПМ СО РАН, 1994. - 138 с.
8. Смелянский, Р.Л. Об одной вероятностной модели программ / Р.Л. Смелянский, А.Г. Бахмуров, Д. Гурьев // Программирование. — 1986. — № 6. — 45-64.
ДУБЫНИН Дмитрий Геннадьевич, советник упра-
вления связи и безопасности министерства промышленной политики, транспорта и связи Омской области, аспирант.
Адрес для переписки:е-таП: ddg@omskportal.ru
Статья поступила в редакцию 13.05.2010 г.
© Д. Г. Дубынин
УДК 681.3.06 Е. С. ЕРШОВ
Омский государственный технический университет
ОСОБЕННОСТИ РЕАЛИЗАЦИИ ЯДРА СИСТЕМЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ SIMULAB________________________________________
В статье рассмотрены особенности реализации ядра системы имитационного моделирования Simulab в режиме виртуального модельного времени. В частности, предлагаются методы повышения скорости работы с календарем событий, а также способы эффективного использования оперативной памяти.
Ключевые слова: дискретно-событийное моделирование, агентное моделирование, эффективность.
1.Введение
В настоящее время существует большое количество различных систем имитационного моделирования (СИМ), как узкоспециализированных, так и многоцелевых. В данной статье будет рассматриваться система многоподходного имитационного моделирования Simulab, разработанная группой сотрудников кафедры АСОИУ ОмГТУ. В задачи автора статьи, в частности, входило проектирование и реализация ядра и среды разработки моделей СИМ Simulab. Среди особенностей Simulab можно выделить следующие:
1) Simulab реализует подходы системной динамики, динамических систем, процессного дискретнособытийного и агентного моделирования [1], используя один язык моделирования в единой графической среде разработки;
2) графическая среда разработки моделей значительно ускоряет процесс создания моделей;
3) архитектура системы Simulab позволяет подключать ее библиотеки к любой СИМ, обладающей открытым программным интерфейсом (AnyLogic 6, Repast Symphony и т.п.);
4) использование Simulab по сравнению с аналогами позволяет существенно сократить затраты времени и оперативной памяти на проведение имитационных экспериментов (ИЭ);
5) при проведении реплицированных экспериментов (под репликацией эксперимента подразумевается выполнение нескольких «прогонов» стохастической модели для одного набора значений параметров с дальнейшим усреднением результатов) Simulab полностью использует ресурсы компьютеров, оснащенных многоядерными процессорами, что также позволяет сократить временные затраты в 2 — 3 раза;
6) Simulab позволяет решать задачи оптимизации имитационных моделей (ИМ), построенных на базе сетей массового обслуживания [2];
7) как сама среда моделирования, так и все ее библиотеки реализованы на языке программирования Java, что позволяет пользователю работать с Simulab в любой операционной системе и на различных по архитектуре процессорах, для которых существует виртуальная Java-машина (Java Runtime Environment / JRE). Более того, пользователю, работающему на удаленном компьютере, предоставляется возможность запускать из сети (Intranet/Internet) как саму среду Simulab, так и созданные в ней модели, без необходимости устанавливать у себя какое-либо программное обеспечение (кроме Java Runtime Environment), при этом процесс моделирования может происходить как на компьютере пользователя, так и на удаленном сервере;
8) в качестве внутреннего языка также используется язык программирования Java. Таким образом, пользователю, знакомому с языками Java, C+ + или C # нет необходимости изучать какой-либо специализированный язык моделирования, который зачастую во многом будет ограничивать его возможности. Такой подход позволяет работать с имитационной моделью на уровне языка объектно-ориентированного программирования и пользоваться всеми возможностями языка Java. Кроме того, появляется возможность компилировать модель как в исполняемый файл, так и в апплет, не требующие для запуска среды моделирования;
9) редактор форм, входящий в состав Simulab, поддерживает большой набор интерактивных элементов (меток, кнопок, полей ввода и т.д.) и позволяет создавать интерфейсы любой степени сложности, а также связывать их с ИМ.
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №3 (93) 2010 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
