CC BY
35
бор веб-сервера также определяется особенностью хостинг-провайдера.
Операционная система (ОС) - это среда, в которой будут функционировать весь промежуточный уровень и БД. Наиболее распространенными являются серверные системы семейства Windows (2008 Server и др.) и Unix-подобные системы (Solaris, Linux и др.). Считается, что системы семейства Unix (традиционные для мощных серверов) имеют более высокую производительность и более защищены от несанкционированного вторжения. Однако требования к квалификации специалиста, обслуживающего такие ОС, очень высоки, что увеличивает стоимость содержания сервера. Правильно настроенная система на базе MS Windows Server не уступает, а порой и превышает по уровню безопасности Unix-систему, являясь при этом широко распространенной системой, знакомой большому количеству ТТ-специалистов.
В конечном счете использование той или иной ОС обусловливается хостинг-провайдером, предоставляющим платформу для сайта.
Разработанная информационная система содержит три уровня детализации процесса обработки информации. На первом уровне детализации при запросе пользователем страницы определяется контроллер, содержащий необходимое действие. Далее поступивший запрос обрабатывается контроллером, который при необходимости обращается к модели для получения данных и передает обработанные данные в представление для генерации HTML-страницы. Представление состоит из HTML -текста со вставками кода Ruby. Код обрамляется в специальные теги, которые при генерации страницы переводятся также в HTML-текст. Готовая страница затем выводится пользователю.
На втором уровне детализации процесса обработки информации при получении запроса контроллер проверяет уровень доступа текущего пользователя и возвращает его на предыдущую страницу, выводя предупреждение, если прав на выполнение действия недостаточно. Если же
Рис. 2. Модель данных информационной системы
пользователь обладает правами на выполнение действия, контроллер проверяет входные параметры, полученные из формы или t/KL-запроса, и обращается к модели (рис. 2). На следующем шаге с полученными данными выполняются необходимые действия, после чего результат передается в представление. Полученная от представления HTML-страница выводится пользователю. На третьем уровне детализации разрабатываются схемы взаимодействия программных модулей.
В заключение следует отметить, что разработанное веб-приложение позволяет более оперативно выявлять случаи аномалий в зоне ответственности системы мониторинга. Оно также упрощает труд специалистов по обработке спутниковых данных, позволяя легко отыскивать необходимые изображения, не прибегая к помощи специализированного программного обеспечения.
Литература
1. URL:http://rubyonrails.org (дата обращения:19.01.2009).
2. Кириллов В.В. Основы проектирования реляционных баз данных: учеб. пособие. СПб: ИТМО, 1994. 90 с.
3. URL: http://earth.esa.int (дата обращения: 19.01.2009).
АРХИТЕКТУРА ИНТЕГРИРОВАННОМ СИСТЕМЫ ПРОЕКТИРОВАНИЯ СИТУАЦИОННОГО АГЕНТНОГО МОДЕЛИРОВАНИЯ
А.А. Суконщиков, к.т.н.; К.А.Суконщиков
(Вологодский государственный технический университет, avt@pstu.edu.ru)
В статье рассматриваются вопросы построения интегрированной системы проектирования ситуационного агентного моделирования. Модели агентов позволяют провести исследование различных ситуаций, которые возникают в сложной динамической системе. Все модели агентов выполнены на базе единого математического аппарата -интегрированных атрибутных сетей Петри, которые включают в себя такие расширения, как нечеткие сети Петри, предикатно-переходные сети, нейронные сети Петри.
Ключевые слова: ситуационное моделирование, многоагентная интеллектуальная система, аппарат сетей Петри, модели агентов.
При настройке оборудования сложных корпоративных сетей с поддержкой качества обслужи-
вания возникает проблема поведения сети в различных нештатных ситуациях. Для ее решения
предлагается интегрированная система проектирования ситуационного агентного моделирования (ИСП-САМ) корпоративных сетей.
Система представляет собой программный комплекс, включающий шесть основных систем (см. рис.): извлечения знаний, визуального проектирования моделей агентов на базе интегрированных атрибутных сетей Петри (СП), верификации спроектированных моделей агентов, библиотек моделей, сборки обобщенной модели и системы ситуационного моделирования.
Архитектура ИСП-САМ
Система извлечения знаний необходима для вербализации и фиксации моделей предметной области, создаваемых экспертами. В ее основу положены некоторые принципы объектно-структурного подхода, развитого в работах [1, 2].
В систему извлечения знаний заложены алгоритмы объектно-структурного анализа, реализующие два этапа процесса извлечения и структурирования знаний:
- глобальный анализ распределенной системы поддержки принятия решений для корпоративных сетей, включающий разбиение предметной области на страты всей изучаемой области;
- горизонтальный анализ, включающий построение многоуровневых структур по отдельным стратам.
В дополнение к алгоритмам объектно-структурного анализа в системе извлечения знаний ИСП-САМ используются: типы контролируемых характеристик и их предельные значения; цели и функции каждой страты САМ; реализуемые виды взаимосвязи между стратами; определения ситуаций, которые могут возникать в данной системе; типы и структура многоагентной интеллектуальной системы (МАИС) каждой страты; методы фаззификации исходных данных.
К функциям системы извлечения знаний, реализующей диалоговый режим работы, относятся следующие:
- формирование иерархической структуры системы моделирования корпоративных сетей (определяются количество объектов в корпоративной сети, их взаимосвязи);
- формирование МАИС каждого уровня САМ (определяются количество и типы агентов на ситуационном, событийном и структурном уровнях);
- определение функций, которые реализуются на каждой страте системы (определяются функции, цели агентов);
- взаимосвязи между агентами, обмен сообщениями между ними (определяются взаимовлияние агентов, типы сообщений между ними);
- определение количества контролируемых характеристик и их предельных значений (на структурном уровне системы).
Система визуального проектирования моделей агентов обеспечивает создание визуальной модели отдельного агента на базе соответствующего модуля интегрированной атрибутной СП [3, 4] (нечеткой, нейронной, предикатно-переходной, комбинированной), реализуя это построение в следующей последовательности взаимосвязанных этапов.
• Устанавливается структура модели агента на основе концепции построения агента для соответствующего уровня, определяются взаимосвязи с другими агентами данного уровня и агентами других уровней.
• Строится структурная модель на базе соответствующего модуля ИСП, определяются значения меток (начальная маркировка), определяются условия активизации и условия срабатывания переходов модели.
• Строится матричное представление модели агента (для агентов ситуационного анализа, взаимосвязи агентов, структурного уровня) по графическому представлению модели.
• Формируются модели для передачи в систему верификации.
Таким образом, система проектирования моделей включает в себя ряд подсистем, называемых конструкторами, в результате взаимодействия с которыми получается модель агента, соответствующая его концептуальному описанию.
Такими конструкторами являются конструктор нечетких СП, конструктор построения нейронных СП, конструктор предикатно-переходных СП (обобщенных и ординарных), конструктор нечетких продукционных правил, которые позволяют построить модель агента в соответствии с его формальным описанием. Конструктор матричного представления дает возможность на основе графического представления агента построить его матрицу инцидентности.
Конструктор нечетких СП позволяет сформировать модель агента на базе предложенных в работе класса нечетких СП.
Конструктор задает значение метки в виде степени принадлежности ц^ определяет значение условия активности и срабатывания нечеткого перехода по соответствующим формулам.
Конструктор построения нейронных СП предлагает шаблон построения нейронной СП, напоминающей перцептрон Розенблата и состоящей из трех слоев: входного, скрытого и выходного. Переходы во всех слоях, кроме выходного, функционируют, как в ординарных СП, переход в выходном слое реализует функцию единичного скачка при изменении штатной ситуации на нештатную.
Конструктор нечетких продукционных правил позволяет по типу нечеткого продукционного правила выбрать шаблон для соответствующей нечеткой СП: простое правило, фокусирующее, разветвляющее, составное, что упрощает построение нечетких продукционных правил для эксперта. В дальнейшем необходимо задать условия активности и срабатывания переходов, соответствующие нечетким СП.
Конструкторы построения моделей агентов на базе различных модификаций СП содержат следующие элементы, называемые менеджерами:
- менеджер логического вывода обслуживает запросы на осуществление операций логического вывода, поступающие от агентов, в соответствии с его алгоритмом функционирования;
менеджер функционирования агента обеспечивает реализацию механизма выбора поведения для каждого агента, интерпретируя модель целеполагания, модель поиска решения;
- менеджер управляющих действий поддерживает интерпретацию продукционных моделей поведения, выполняя предусмотренные этой моделью функциональные преобразования, формируя в случае необходимости запросы к менеджеру логического вывода и отправляя создаваемые агентом сообщения.
Система верификации моделей состоит из конструкторов матричной верификации (вычисляющих Р- и Т-инварианты модели), построения графа достижимых состояний, обучения нейронной СП, тестирования обученной нейронной СП.
Для верификации моделей, построенных на базе различных расширений СП, используется модифицированный алгоритм Фаркаса [3], позволяя определить достижимость, живость, отсутствие тупиков и непроизводительных циклов моделей на основе вычисления системы инвариантов по позициям (Р-инвариант) и переходам (Т-инвариант) моделей агентов. Конструктор построения графа достижимых состояний используется для моделей агентов, реализующих продукционные правила вывода. На базе графа достижимых состояний проверяются те же свойства, что и на алгоритме
Фаркаса. Конструктор обучения нейронной СП помогает провести ее обучение на базе определенной временной выборки результатов. Так как необходим кратковременный прогноз, выборка представляет собой 15-20 значений. С помощью конструктора тестирования обученной нейронной СП проверяется точность прогнозирования, при несоблюдении заданной точности обучение проводится вновь.
Система обслуживания библиотек моделей состоит из конструктора хранения верифицированных моделей агентов, а также конструктора поиска и выборки моделей агентов.
Система сборки обобщенной модели системы ситуационного моделирования содержит конструкторы сборки моделей сети на структурном уровне, сборки объекта сети (маршрутизатора, коммутатора и т.д.), сборки подсети и корпоративной сети.
В систему ситуационного моделирования входят конструкторы задания начальных данных, реализации ситуационного моделирования, реализации команд ЛПР, промежуточного и окончательного анализа результатов моделирования.
Разработанная система построена по модульному принципу и является открытой для подключения новых модулей во всех подсистемах, что позволяет учитывать появление новых расширений аппарата СП и методов их исследования. В данной системе реализованы два режима работы:
разработка собственных моделей агентов на базе модулей ИСП или при добавлении новых модулей ИСП разработка принципиально новых моделей агентов;
- сборка исследуемой распределенной системы поддержки принятия решений на базе существующих в библиотеке моделей агентов.
Первый режим предлагается для экспертов и продвинутых пользователей (администраторов сети), второй - для обычных пользователей.
Разработанная система содержит библиотеку предварительно сконфигурированных объектов, которые представляют сетевое оборудование. Использование этих объектов значительно сокращает время на разработку новых моделей и позво-ляяет быстро развертывать настроенные прикладные программы.
В системе компоненты библиотеки организованы в виде объектной иерархии. Объекты обладают свойствами ограниченной видимости, полиморфизма, наследования.
В каждой модели определяются ключевые параметры позиций и переходов на базе ИСП, имеющие возможность настройки в реальном устройстве, и из этих параметров собирается таблица настроек компонента, доступная для изменений пользователем. Таблица позволяет настраивать узел и систему в целом для реализации различных
политик управления. Имеется возможность сохранения нескольких комплексных настроек каждого устройства.
Создание моделей новых устройств возможно как с нуля, так и с помощью копирования и последующего редактирования уже созданных моделей.
При компоновке системы ситуационного моделирования используются компоненты с уже созданными моделями ИСП. Задача пользователя сводится к соединению устройств и настройке параметров компонентов системы ситуационного моделирования из таблицы параметров и параметров соединительных линий передачи. Кроме этого, необходимо определить требования и задачи
ситуационного моделирования и запустить сам процесс.
Литература
1. Гаврилова Т.А. Базы знаний интеллектуальных систем. СПб: Питер, 2000. 384 с.
2. Швецов А.Н., Яковлев С.А. Распределенные интеллектуальные информационные системы. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2003. 318 с.
3. Суконщиков А.А., Давыдов Д.В. Методы и модели анализа сетей АСУ с поддержанием качества обслуживания. Вологда: ВоГТУ, 2007. 139 с.
4. Суконщиков А.А., Крюкова Д.Ю. Системы поддержки принятия решений на базе аппарата сетей Петри // Информационные технологии в проектировании и производстве. 2008. № 3. С. 45-49.
АНАЛИТИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ ПРОИЗВОДИТЕЛЬНОСТИ РАСПРЕДЕЛЕННЫХ СИСТЕМ
(Работа выполнена при поддержке аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» и Программы № 1 фундаментальных исследований
Президиума РАН)
А.П. Афанасьев, д.ф.-м.н.; М.А. Посыпкин, к.ф.-м.н.
(Институт системного анализа РАН, г. Москва); А.С. Хританков (Московский физико-технический институт, ahritankov@hotmail.ru)
В работе рассматривается подход к определению понятия производительности в распределенных вычислительных системах и к анализу эффективности их работы. Отсутствие адекватных характеристик ограничивает возможности для количественного анализа эффективности систем данного класса, которые становятся все более распространенными.
Ключевые слова: анализ производительности, распределенные вычисления, закон Амдала.
Анализ эффективности использования высокопроизводительных вычислительных систем является неотъемлемой частью разработки и тестирования параллельных приложений и используется владельцами кластерных систем коллективного доступа для формирования рекомендаций пользователям, оценки целесообразности предоставления ресурсов [1]. Для проведения подобных исследований был разработан теоретический аппарат [2], базовыми понятиями которого являются ускорение - отношение времени работы алгоритма в последовательном и параллельном вариантах и эффективность - отношение ускорения к числу процессоров, участвующих в вычислениях. Впоследствии эти понятия были обобщены для параллельных систем, включающих устройства различной производительности [2]. Были установлены фундаментальные соотношения, связывающие долю последовательных вычислений в программе с ускорением и эффективностью, - законы Амдала и Густавсона-Барсиса. Вероятно, из-за простоты и универсальности данная теория широко применяется для анализа параллельных приложений и многопроцессорных систем.
В последнее десятилетие появились и получили развитие технологии распределенных вычислений [3], применяющиеся для проведения длительных расчетов, в которых участвуют разнородные вычислительные ресурсы различных организаций. Основной особенностью таких систем является неоднородная и динамически изменяющаяся структура ресурсов: вычислительные узлы могут подключаться к расчетам или выходить из них на протяжении всего времени расчетов. Традиционные модели для параллельных систем предполагают постоянный состав вычислительного пространства и не применяются для описания распределенных систем. Поэтому производительность распределенных приложений описывается, как правило, на качественном уровне.
Данная работа посвящена анализу производительности распределенных вычислительных систем, в состав которых входят узлы различной производительности. При этом узлы участвуют в вычислениях в соответствии с некоторым расписанием - функцией, принимающей значение 1 в моменты, когда узел выделяется для вычислений, и 0 в противном случае. Такие системы далее имену-
