CC BY
11Научная статья УДК 004.41:004.94
ао1:10.24151/1561-5405-2022-27-2-268-274
Моделирование информационных систем с управляемой дисциплиной обслуживания в целях повышения качества обслуживания запросов
11 2 Е. Г. Дорогова , В. Г. Дорогое , А. В. Микитась ,
А. М. Баин1, В. Н. Маршалов3
1 Национальный исследовательский университет «МИЭТ», г. Москва,
Россия
2
Фонд содействия развитию малых форм предприятий в научно-технической сфере (Фонд содействия инновациям), г. Москва, Россия
о
ООО «ХайТекДиджит», г. Москва, Россия egdoro@bk.ru
Аннотация. В настоящее время наряду с требованиями к функциональности обобщенных информационных систем выдвигаются требования к повышению качества обслуживания запросов пользователя в процессе эксплуатации таких систем. В работе рассмотрена проблема обеспечения качества обслуживания запросов в распределенной информационной системе при изменяющихся условиях. Проведено имитационное моделирование с использованием теории систем массового обслуживания для серверного узла «Хранилище данных». Показано, что, изменяя интенсивность входного потока запросов X, можно определить среднее время работы узла «Хранилище данных». В расчетах использованы различные дисциплины обслуживания: без приоритета, с относительным приоритетом, обслуживание запросов, переходящих из одной очереди в другую, обслуживание запросов, прерывающих ожидание до начала обслуживания. Расчеты показали зависимость средних значений времени ожидания обслуживания от уровня нагрузки (от интенсивности входного потока запросов на обслуживание), а также от стратегии обслуживания. Приведенные расчеты и выводы будут полезны при проектировании компьютерных систем, функционирующих в меняющихся условиях, так как позволят оценить характер влияния различных стратегий обслуживания на его качество.
Ключевые слова: обслуживание запросов, дисциплина обслуживания, компьютерная система, приоритет запроса, время ожидания обслуживания, сети массового обслуживания, системы массового обслуживания
Для цитирования: Моделирование информационных систем с управляемой дисциплиной обслуживания в целях повышения качества обслуживания запросов // Е. Г. Дорогова, В. Г. Дорогов, А. В. Микитась и др. // Изв. вузов. Электроника. 2022. Т. 27. № 2. С. 268-274. М: https://doi.org/10.24151/1561-5405-2022-27-2-268-274
© Е. Г. Дорогова, В. Г. Дорогов, А. В. Микитась, А. М. Баин, В. Н. Маршалов, 2022
Modeling of IT systems with a managed service discipline in order to improve the query serving quality
E. G. Dorogova1, V. G. Dorogov1, A. V. Mikitas2, A. M. Bain1, V. N. Marshalov3
1National Research University of Electronic Technology, Moscow, Russia 2Innovation Assistance Fund, Moscow, Russia
3 a >f
"Hi-Techdigit" LLC, Moscow, Russia egdoro@bk.ru
Abstract. At present, along with the requirements for the functionality of generalized IT systems there are requirements for improving the quality of user query serving. In this work, the problem of ensuring the query serving quality in a distributed IT system under changing conditions is considered. For this purpose, simulation modeling was carried out using the queueing systems theory for the "Data Warehouse" server node. It was shown that by changing the intensity of the queries arrival rate X one can determine the average operating time of the "Data Warehouse" node. Various service disciplines were involved in the calculations: service without priority, service with relative priority, service of queries passing from one queue to another and servicing requests that interrupt waiting and leave the queue. The calculations have shown the dependence of the average queueing time on the load level (on the intensity of the queries arrival rate), as well as on the service strategy. The presented calculations and conclusions will be useful in designing computer systems operating in changing conditions, as it allows assessing the nature of the impact of various service strategies on the service quality.
Keywords: query serving, service discipline, computer system, query priority, queueing time, queueing networks, queueing systems
For citation: Dorogova E. G., Dorogov V. G., Mikitas A. V., Bain A. M., Marshalov V. N. Modeling of IT systems with a managed service discipline in order to improve the query serving quality. Proc. Univ. Electronics, 2022, vol. 27, no. 2, pp. 268-274. doi: https://doi.org/10.24151/1561-5405-2022-27-2-268-274
Введение. Основная проблема при разработке автоматизированных компьютерных систем - обеспечение рабочих параметров, в процессе применения - обеспечение требуемого качества обслуживания запросов. Для решения данной проблемы функциональность таких систем должна быть дополнена механизмами повышения качества обслуживания запросов, которое обеспечивается путем контроля и управления различными параметрами сети [1, 2]. Например, можно управлять входным потоком запросов на обслуживание, временем обслуживания, структурой, а также дисциплиной обслуживания запросов. В настоящее время большое значение приобретает обоснованный выбор дисциплины обслуживания запросов в меняющихся условиях.
В настоящей работе проводится имитационное моделирование автоматизированных компьютерных систем с использованием теории систем массового обслуживания, позволяющее выявить основные проблемы, связанные с качеством обслуживания запросов в изменяющихся условиях.
Моделирование компьютерной системы с использованием систем массового обслуживания. Сложность и масштабность современных компьютерных систем требуют использования декомпозиции, заключающейся в разбиении системы на отдельные взаимодействующие части, которые впоследствии будут исследоваться независимо друг от друга. Очевидно, что систему в целом можно рассматривать как сеть массового обслуживания, а отдельный узел этой сети - как систему массового обслуживания.
Современные компьютерные системы характеризуются пространственным распределением узлов системы, многопользовательским режимом работы, использованием специальных узлов для хранения данных. В свою очередь, многопользовательский режим работы обусловливает наличие очередей к ресурсам компьютерной системы. Компьютерную систему будем рассматривать как взаимодействующие системы массового обслуживания, отличительная особенность которых состоит в неоднородности нагрузки и наличии различных типов данных [3-5]. Перечисленные особенности современных компьютерных систем позволяют применить математический аппарат теории очередей для вычисления характеристик сетевого узла, определяемого как независимые системы массового обслуживания типа МЮ/1 с одним каналом, неоднородным потоком запросов и приоритетным обслуживанием очередей.
Рассмотрим систему с входящим пуассоновским потоком X. На рис. 1 показана модель узла «Хранилище данных», находящегося в любой компьютерной системе. Данный узел предоставляет доступ к хранилищу данных и имеет четыре взаимодействующих системы массового обслуживания.
Рис. 1. Модель узла «Хранилище данных» в виде разомкнутой сети массового обслуживания (Pr - очередь запросов на обслуживание; д - интенсивность потока обслуживания; СМО - система
массового обслуживания) Fig. 1. Model of the "Data storage" node in the form of an open queueing network (Pr - service request queue; д - service flow rate; СМО - queueing system)
Имитационное моделирование проводили для узла «Хранилище данных». Изменяя интенсивность входного потока запросов X в определенном диапазоне, можно рассчитать характеристику «среднее время выполнения запросов на обслуживание». Расчеты основных характеристик узла проведены для различных дисциплин обслуживания: об-
служивание без приоритета (БП); обслуживание с относительным приоритетом (ОП); обслуживание запросов, переходящих из одной очереди в другую (ДП1); обслуживание запросов, прерывающих ожидание и покидающих очередь (ДП2).
Моделирование влияния дисциплины обслуживания очередей на основные характеристики компьютерных систем. В ходе моделирования использовали типичные запросы, имеющиеся в любой компьютерной системе. Приоритеты запросов пронумерованы от 1 до 4, наивысший приоритет обозначается 1, самый низкий приоритет - 4. Перечислим запросы и их приоритеты: системные запросы (организация взаимодействия между пользователями и доступ к ресурсам компьютерной системы); запросы пользователя; аналитические задачи (отчетность, документация); фоновые задачи (сбор статистики и т. п.).
В ходе эксперимента для различных дисциплин обслуживания использовали гибкие стратегии, при этом варьировали различные типы запросов. Моделирование проводили при следующих допущениях: запрет на переход запроса в другое состояние; наличие запросов, отказывающихся стать в очередь; наличие запросов, которые становятся в очередь; обслуживание запроса; уход запроса без обслуживания. Среднее время ожидания обслуживания запроса в очереди (задержка обслуживания запроса) - основная характеристика при моделировании как всей сети массового обслуживания, так и отдельно взятого узла этой сети. Все остальные характеристики компьютерной системы, необходимые для моделирования, вычисляются исходя из задержки обслуживания запроса [1, 4, 5].
Для моделирования использовали следующую методику. Согласно стандартным методам строим граф объекта моделирования - узел системы массового обслуживания «Хранилище данных». Далее выводим регулярное выражение для математического ожидания и дисперсии исследуемой характеристики, в рассматриваемом случае для задержки обслуживания запроса. Статистические данные, а именно 500 наблюдений, будем использовать для математических расчетов, проведенных для различных дисциплин обслуживания (ДП2, ДП1, ОП, БП) и запросов всех четырех типов. Большой объем полученных данных не позволяет представить все результаты, поэтому приведем наиболее значимые для поставленной задачи расчетные данные (рис. 2). Характеристики узла «Хранилище данных» смоделированы с параметрами входного потока X от 0,1 до 1,9 запросов/с (режим меняющихся условий в максимуме, близкий к перегрузке).
Рис. 2. Влияние дисциплины обслуживания на время ожидания (задержку) Wзапросов различных типов: а - при средней загрузке (l = 1,2); б - при высокой загрузке (l = 1,8) Fig. 2. Dependence of service discipline on the delay Win servicing requests of various types: a - at medium load (l = 1.2); b - at high load (l = 1.8)
Для улучшения качества обслуживания использовали различные дисциплины обслуживания для защиты узла «Хранилище данных» от перегрузок. Стратегия заключается в расчетах времени ожидания обслуживания запросов трех типов со значительным увеличением нагрузки (рис. 3). В эксперименте запросы типа 2 и типа 3 объединены.
ПЗ П2 П1 Y
Рис. 3. Зависимости времени ожидания W заявок разных типов от нагрузки и дисциплины обслуживания: кривые 1 - ОП; кривые 2 - ДП1; кривые 3 - ДП2;
I—III - области функционирования компьютерной системы Fig. 3. Dependencies of the waiting time W for requests of different types from the load and service discipline: curves 1 - service with relative priority; curves 2 - servicing requests moving from one queue to another; curves 3 - servicing requests that interrupt waiting and leave the queue; I-III - areas of computer system functioning
Рассмотрим применение дисциплины обслуживания ДП2 в условиях увеличивающейся нагрузки. Когда нагрузка, создаваемая запросами всех трех типов, соответствует формуле >1 + >2 + >3 = 1, время ожидания запросов с приоритетом П3 становится бесконечным (фоновые запросы). Иными словами, фоновые запросы перестают обслуживаться, хотя и находятся в очереди, тогда как запросы с приоритетами П1 и П2 продолжают обслуживаться. Дальнейшее увеличение нагрузки, создаваемой запросами с приоритетами П1 и П2, будет стремиться к уже известной формуле >1 + >2 = 1. При достижении соответствия нагрузки будет отказано в обслуживании запросам типа 2 (запросы пользователя и аналитические задачи). Для системных запросов обслуживание продолжится, пока >1 не равно 1.
Анализ графиков на рис. 3 показывает наличие трех характерных областей функционирования компьютерной системы: область I характеризуется обслуживанием всех запросов; область II - прекращением обслуживания запросов с приоритетом П3, при этом продолжают обслуживаться запросы П1 и П2; область III - обслуживанием высокоприоритетных запросов (исключительно запросов с приоритетом П1). Такой подход позволяет отказывать в обслуживании низкоприоритетным запросам при высоких нагрузках, а при низких нагрузках возвращается обслуживание всех запросов. В результате обеспечивается приемлемый уровень времени ожидания в очереди для каждого типа запросов. Анализ графиков определяет условие обработки всех поступающих запросов. Такая ситуация возможна, если интенсивность входных запросов удовлетворяет условию X < 0,9 запросов/с. В этом случае система обслуживает низкоприоритетные запросы, что, как следствие, повышает качество обслуживания.
Таким образом, использование ДП2 увеличивает как область II, так и частично область III, т. е. время ожидания запросов разных типов изменяется в пользу высокоприоритетных запросов.
Заключение. Проведенные экспериментальные расчеты показывают целесообразность комбинирования различных стратегий обслуживания. При высокой интенсивности входного потока запросов X < 1,2 запроса/с (в условиях, близких к перегрузке) преимущество имеет дисциплина обслуживания ДП2, которая входит в режим обслуживания исключительно высокоприоритетных запросов, тогда как при других условиях (меньшей интенсивности входного потока X < 0,9 запросов/с) следует сделать выбор в пользу дисциплины обслуживания ОП для запросов, остающихся в очереди.
Приведенные результаты моделирования демонстрируют значительное влияние интенсивности входного потока запросов X на значения расчетных характеристик узлов системы массового обслуживания, а также их зависимость от выбранной дисциплины обслуживания. Расчеты имеют практическое значение при решении задачи улучшения качества обслуживания запросов в компьютерных системах и способствуют обоснованию выбора дисциплины обслуживания в меняющихся условиях.
Литература
1. Вьюненко Л. Ф., Михайлов М. В., Первозванская Т. Н. Имитационное моделирование. М.: Юрайт, 2021. 283 с.
2. Алиев Т. И. Основы моделирования дискретных систем. СПб.: Университет ИТМО, 2009. 363 с.
3. Кузнецов Н. А., Семенихин К. В. Анализ и оптимизация управляемой модели замкнутой сети массового обслуживания // Автоматика и телемеханика. 2020. № 3. С. 67-85. doi: https://doi.org/10.31857/ S0005231020030058
4. Алькади У. Исследование эффективности различных алгоритмов управления для обеспечения защиты очередей от перегрузок в системах резервирования ресурсов // Моделирование, оптимизация и информационные технологии. 2019. Т. 7. № 4 (27). С. 38-39. doi: https://doi.org/10.26102/2310-6018/2019.27.4.041
5. Кирпичников А. П., Банг Нгуен Тхань, Куи Чан Куанг. Вероятностные характеристики открытой многоканальной системы массового обслуживания с очередью конечной длины и ограниченным средним временем пребывания в очереди // Вестник Технологического университета. 2016. Т. 19. № 11. С. 136-139.
6. Сонькин М. А., Моисеев А. Н., Сонькин Д. М., Буртовая Д. А. Объектная модель приложения для имитационного моделирования циклических систем массового обслуживания // Вестн. Том. гос. ун-та. Управление, вычислительная техника и информатика. 2017. № 40. С. 71-80. doi: https://doi.org/10.17223/ 19988605/40/8
Статья поступила в редакцию 14.12.2021 г.; одобрена после рецензирования 14.12.2021 г.;
принята к публикации 22.02.2022 г.
Информация об авторах
Дорогова Екатерина Георгиевна - кандидат технических наук, доцент Института системной и программной инженерии и информационных технологий Национального исследовательского университета «МИЭТ» (Россия, 124498, г. Москва, г. Зеленоград, пл. Шокина, 1), egdoro@bk.ru
Дорогов Виктор Георгиевич - кандидат технических наук, доцент Института системной и программной инженерии и информационных технологий Национального исследовательского университета «МИЭТ» (Россия, 124498, г. Москва, г. Зеленоград, пл. Шокина, 1), vgdrgv@rambler.ru
Микитась Андрей Владимирович - заместитель генерального директора Фонда содействия развитию малых форм предприятий в научно-технической сфере (Фонд содействия инновациям) (Россия, 119034, г. Москва, 3-й Обыденский пер., 1, стр. 5), mikitas@fasie.ru
Баин Александр Михайлович - кандидат технических наук, доцент Института системной и программной инженерии и информационных технологий Национального исследовательского университета «МИЭТ» (Россия, 124498, г. Москва, г. Зеленоград, пл. Шокина, 1), bainam@mail.ru
Маршалов Владимир Николаевич - инженер-исследователь ООО «ХайТекДид-жит» (Россия, 124498, г. Москва, г. Зеленоград, Солнечная аллея, 6), marchal@mail.ru
References
1. V'yunenko L. F., Mikhaylov M. V., Pervozvanskaya T. N. Simulation modeling. Moscow, Yurayt Publ., 2021. 283 p. (In Russian).
2. Aliyev T. I. Fundamentals of sampling simulation. St. Petersburg, ITMO University, 2009. 363 p. (In Russian).
3. Kuznetsov N. A., Semenikhin K. V. Analysis and optimization of a controlled model for a closed queueing network. Autom. Remote Control, 2020, vol. 81, iss. 3, pp. 430-444. doi: https://doi.org/10.1134/ S0005117920030042
4. Alkaadi O. Study of the effectiveness of various control algorithms to ensure the protection of queues from congestion in resource reservation systems. Modelirovanie, optimizatsiya i informatsionnye tekhnologii = Modeling, optimization and information technology, 2019, vol. 7, no. 4 (27), pp. 38-39. (In Russian). doi: https://doi.org/10.26102/2310-6018/2019.27.4.041
5. Kirpichnikov A. P., Bang Nguyen Thanh, Kui Tran Quang. Probabilistic characteristics of an open multichannel queuing system with a queue of finite length and bounded mean residence time in the queue. Vestnik Tekhnologicheskogo universiteta = Bulletin of the Technological University, 2016, vol. 19, no. 11, pp. 136-139. (In Russian).
6. Sonkin M. A., Moiseev A. N., Sonkin D. M., Burtovaya D. A. Object model of application for simulation of cyclic queueing systems. Vestn. Tom. gos. un-ta. Upravlenie, vychislitel'naya tekhnika i informatika = Tomsk State University Journal of Control and Computer Science, 2017, no. 40, pp. 71-80. (In Russian). doi: https://doi.org/10.17223/19988605/40/8
The article was submitted 14.12.2021; approved after reviewing 14.12.2021;
accepted for publication 22.02.2022.
Information about the authors
Ekaterina G. Dorogova - Cand. Sci. (Eng.), Assoc. Prof. of the Institute of System and Software Engineering and Information Technology, National Research University of Electronic Technology (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1), egdoro@bk.ru
Viktor G. Dorogov - Cand. Sci. (Eng.), Assoc. Prof. of the Institute of System and Software Engineering and Information Technology, National Research University of Electronic Technology (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1), vgdrgv@rambler.ru
Andrey V. Mikitas - Deputy Director General, Innovation Assistance Fund (Russia, 119034, Moscow, 3rd Obydenskiy Lane, 1, bld. 5), mikitas@fasie.ru
Alexander M. Bain - Cand. Sci. (Eng.), Assoc. Prof. of the Institute of System and Software Engineering and Information Technology, National Research University of Electronic Technology (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1), bainam@mail.ru
Vladimir N. Marshalov - Research Engineer, "Hi-Techdigit" LLC (Russia, 124498, Moscow, Zelenograd, Sunny Alley, 6), marchal@mail.ru
