CC BY
58
УДК 519.872.5, 621.391
М. Н. Петров, Д. Ю. Пономарев
ОБ ОДНОМ МЕТОДЕ ОЦЕНКИ ВЕРОЯТНОСТНО-ВРЕМЕННЫХ ХАРАКТЕРИСТИК СЕТЕЙ ОБРАБОТКИ ИНФОРМАЦИИ
Моделирование информационных систем различного назначения очень часто сводится к исследованию различных параметров и характеристик систем и сетей массового обслуживания. Теория массового обслуживания предлагает достаточно много возможностей по оценке вероятностно-временных характеристик систем массового обслуживания различного вида, однако объединение систем в единую сеть массового обслуживания приводит к усложнению задачи анализа характеристик систем, особенно при исследовании сетей большой размерности. Предложен метод оценки вероятностно-временных характеристик сетей обработки информации с использованием тензорной методологии, что позволяет обеспечить более простое решение данной задачи.
Развитие современного общества предъявляет все более высокие требования к объемам и качеству информации, передаваемой по телекоммуникационным сетям. При построении любой сети связи, помимо выбора технологии передачи информации, определяются способы и возможности организации качественного обслуживания передаваемой информации. Для решения данной задачи в любом протоколе передачи данных по сетям связи предусмотрены механизмы обеспечения качества обслуживания (QoS - Quality of Service). Основной задачей данного сервиса является разделение входящего потока информации по категориям (классам) обслуживания и, в зависимости от присвоенной категории, обслуживание данного информационного потока по определенным правилам.
В сетях с IP протоколом могут использоваться следующие принципы поддержки QoS: на базе интегрированных служб (IntServ - Integrated Services Architecture) и на базе дифференцированных служб (DiffServ -Differentiated Services Framework). Механизм IntServ ориентирован на периферийное сетевое оборудование, а масштабируемая архитектура DiffServ используется в магистральной части сетей. Модель IntServ применяется совместно с протоколом резервирования ресурсов (RSVP) в качестве рабочего сигнального протокола, а, следовательно, требует решения как вопросов управления запросами при резервировании ресурсов, так и проблемы резервирования в случае отсутствия поддержки протокола RSVP некоторыми устройствами сети. На всем пути передачи информационного потока с определенным классом обслуживания QoS необходимо поддерживать определение параметров передачи, а также обеспечить гибкое управление пропускной способностью, что определяется временным характером резервируемого ресурса и необходимостью периодических обновлений с помощью RSVP-сообщений. Модель IntServ для поддержки QoS определяет три класса обслуживания: гарантированное обслуживание, максимально доступное качество и контролируемая загрузка. В DiffServ по сравнению с IntServ акцент в большей степени сделан не на сигнализации, а на способе обработки потоков в каждом узле маршрута передачи на основе заданного класса обслуживания данного информационного потока.
В сетях с асинхронной обработкой информации, так называемых сетях АТМ, изначально закладывались принципы поддержки механизмов QoS. Для этого определялись как уровни адаптации АТМ (AAL - ATM Adaptation
Layer), так и категории источников нагрузки. Например, AAL2 предназначен для потоков с переменной скоростью передачи и синхронизацией: к такому типу сигнала можно отнести передачу речи с переменной скоростью и сжатого (например, MPEG) видеосигнала. Категории источников также определяют взаимодействие информационного потока и сети через параметры, которым должно соответствовать обслуживание определенного типа для заданного вида информации. Например, категория rt-VBR (Real Time-Variable Bit Rate) предполагает обслуживание потоков с переменной скоростью передачи и определяет необходимость оценки следующих параметров при передаче таких информационных потоков: максимальная пропускная способность, временная задержка передачи ячейки, девиация времени задержки передачи ячейки, вероятность потери ячейки и др.
Кроме рассмотренных технологий можно определить достаточно большой класс технологий и сетей, построенных на их базе, где существует задача нахождения вероятностно-временных характеристик систем с целью поддержания необходимого качества и надежности обслуживания. Кроме того, следует отметить, что сложность решения состоит не только в самих технологиях, но и в структурах сетей, использующих данные технологии, а также в необходимости принятия быстрых решений для задач управления ресурсами сети, как в локальном, так и глобальном масштабах.
Предлагаем использовать метод анализа вероятностно-временных характеристик систем, основанный на следующих предположениях. Во-первых, что поток вызовов с одной и той же интенсивностью X поступления вызовет при неизменной интенсивности обслуживания одну и ту же загрузку р устройств при изменении структуры, и можно считать, что будет выполняться соотношение (инвариант)
сл=с'л', (1)
где переменные со штрихом - для одной структуры сети, без штриха - для другой. Во-вторых, объединение систем в единую сеть не вызывает никаких изменений процесса обслуживания информационного потока, т. е. тогда анализ любой сложной системы (сети) будет связан с определением простейшего элемента, его свойств и переносом алгоритма анализа на всю сложную систему (сеть). В-третьих, изменение структуры сети не предполагает качественное изменение основных соотношений между физическими величинами, описывающими простейший
элемент, а определяет только их численное изменение. Данные предположения в литературе получили название постулатов обобщения [1-3].
Тогда, исходя из соотношения (1), применив соотношение между интенсивностями исходной и примитивной сетей л = Сл' и используя известное соотношение р = Хі, где і - среднее время обслуживания одного требования, можно записать с Сл' = с'л'. Далее, находим соотношение между загрузками примитивной и исходной сетей: с' = СТс или с = (Ст) с'. Следовательно, подставив полученное в выражение р = Хі, получим (Ст) с' = ТСл' . Следовательно, можно записать Ст (Ст) с' = СТТСл'. Окончательно уравнение будет иметь следующий вид:
(СТТ'С )л = Ст с', (2)
где исходная сеть описана в символах примитивной, а, следовательно, известной сети. Далее, решая полученное уравнение относительно Х, находим коэффициенты использования устройств в исходной сети р. Данный подход позволяет при минимальных затратах оценить загрузку сетей, обеспечив тем самым определение остальных характеристик сети: распределение вероятностей состояний по отдельным системам: рп = /(с), а также средней очереди N и среднего времени задержки Т. Применительно к сетям связи, исходя из решения уравнения (2) можно найти как вероятность потерь пакетов, время задержки (и его девиацию), так и оценить пропускную способность сети в целом.
Например, сеть передачи информации имеет структуру, представленную на рис. 1. Обозначения «источник» (И) и «получатель» (П) информации абсолютно условны, так как информационный источник «И» может создавать информационные потоки различных типов от определенного количества пользователей или генераторов запросов. Аналогично, получатель информации «П» условно обозначает приемник запросов или оконечную систему обработки заявок (пакетов).
данием или потерями, с приоритетным обслуживанием или нет). Среднее время задержки для определенного выше маршрута можно найти следующим образом:
Т = Т + т2 + т + Т8 + Т9, (4)
где Т - время задержки в і-ом узле, аналогично р. задается моделью узла.
Следует отметить, что в основном как вероятностные, так и временные характеристики описываются выражениями с функциональной зависимостью от загрузки (нагрузки) узла. Поэтому основной задачей при исследовании качественных показателей обработки информации в данной сети является нахождение значений загрузки узлов. Построим модель исследуемой сети для анализа вероятностно-временных характеристик контурным методом с использованием уравнений (1) и (2) [4].
В терминах тензорного анализа модель исследуемой сети (рис. 2) называется исходной сетью. В данной модели для применения контурного метода между узлами 1 и 9 введена мнимая ветвь, которая создает замкнутый контур с интенсивностью л . Дальнейший процесс исследования заключается в определении примитивной сети. В данном случае примитивная сеть состоит из 9 несвязанных друг с другом узлов сети (рис. 3).
1
; ">'ь
\ А
7
К
Рис. 2. Модель исследуемой сети
Рис. 1. Исследуемая сеть передачи информации
Таким образом, определив например маршрут для информационного потока определенного типа как пролегающий через узлы 1—2—5—8—9, необходимо найти параметры качества обслуживания, такие как среднее время задержки и вероятность потерь пакетов на данном маршруте. Исходя из теории графов, вероятность потерь будет определяться простым последовательным графом и выражение для этого параметра примет вид
Р = 1 -(1 - Р1 )(1 - Р 2 )( - Р 5)( - Р 8)( - Р 9 ), (3) где р. - вероятность потери пакета в г-ом узле, находится исходя из модели узла (одно- или многоканальный, с ожи-
Рис. 3. Примитивная сеть
Зададим среднюю длительность обслуживания в при-
0 пЧ
митивной сети: і =
и
Тогда, загрузку
0 0 0 9
узлов, выраженную через время обслуживания и интенсивность ветвей можно представить следующим
образом:
/с/ 4
Vе 9
V 9 /
Г і, 0 0 л / \ л1
0 І2 0 / л2
0
0 0 і 0 л9
Для исходной сети инвариантное уравнение будет
' С а > ' taa /аЬ ' / \ ла
иметь вид С Ь = /Ьа 1ЬЬ /Ьс лЬ
VС С > V /са /сЬ ^СС ^ Vлс ,
лп ль лс
л1 1
л2 1 -1
лз 1 -1
л4 1
л5 -1 1
лб 1 -1
л7 1
л8 1
л9 1
Окончательно матрица перехода С будет иметь следующий вид:
С =
1 0 0
1 -1 0
1 0 -1
0 1 0
0 -1 1
1 0 -1
0 1 0
0 0 1
1 0 0
с
V С /
= С с ' =
Г1 1 1 0 0 1 0 0 1 ^ Г О
0 -1 0 1 -1 0 1 0 0 С 2
0 V 0 -1 0 1 -1 0 1 0 У ч. 1 О
С1+ С 2 +С 3 + С 6 + С 9 / , / / , / -С 2 +С 4 - С 5 +С 7 / , / / , / -С 3 +С 5 - С 6 +С 8
а для средней длительности обслуживания можно записать
Для определения матрицы перехода С составляем таблицу соответствия интенсивностей ветвей в примитивной сети и контурных интенсивностей исходной сети (см. таблицу). Следует отметить, что направления контурных интенсивностей определяются самим исследователем и могут быть заданы произвольно, что, следовательно, приводит к влиянию исследователя (наблюдателя) на процесс исследования, при этом результат остается неизменным [ 1; 2].
Соответствие интенсивностей модели сети
^1 + {2 + /3 + 16 + /9
Ь С
Чь /Ьс
/сЬ /СС
= СТ/С =
-/3 - /6
^2 + /4 + /5 + /7
/3 + /5 + /6 + /8
Окончательно можно записать следующее уравнение в матричной форме:
/ ' I ' I ' I ' I ' \
4 + С 2 +С 3 + С 6 + С 9
/ I / / I /
-С 2 +С 4 - С 5 +С 7
+ ^2 + /3 + ^6 + /9
-и
^2 + /4 + /5 + /7
-/3 - *6
/ \ л
л
V С У
/3 + ^5 + 16 + ^8
Решая полученное уравнение относительно Ха, Хь, Хс, можно определить интенсивности поступления вызовов в системы исходной сети:
( л2 л3 )= лТСТ = (
г 11 10 0 1
0 -10 1 -10
0 0 -10 1 -1
а коэффициенты использования каждого устройства исходной сети находим через следующее выражение:
( С 2 С3 )= = ( лЬ л, )Х
лЬ лс )Х 0 0 1л
1 0 0
0 1 0
1
-1
0
1
0
-1
/
Следовательно, переходя от одной сети к другой, для загрузки исходной сети получим следующее выражение, из уравнения (2):
0 0
1 -1
0 1
0
/о
1
0 1
-1 0
0 4 0 0
0 0 1 0 0 1 0
0 0 0 /9
Теперь, для полученных значений загрузок определяем функциональные зависимости для вероятности потерь и среднего времени задержки в узлах сети и, используя (3), (4) находим качественные показатели для заданного маршрута передачи информации.
Рассмотренный метод анализа позволяет практически для любых сетей, в независимости от применяемых технологий обработки информации, способов организации потоков с различным классом обслуживания и масштабов сети, определять такие необходимые качественные показатели, как вероятность потерь пакетов, среднее время задержки при обслуживании пакета и его дисперсия (джиттер), а также при определенной модификации оценивать пропускную способность узлов обработки
Х
Х
информации. Следует отметить также, что основными достоинствами предложенного метода являются линейная зависимость сложности расчетов от масштаба сети, возможность оценки характеристик сетей при обслуживании разнородных информационных потоков, возможность решения мультикритериальной задачи при оценке параметров телекоммуникационных сетей, а также простота программной реализации [5].
Библиографический список
1. Крон, Г. Тензорный анализ сетей / Г. Крон. М., 1978.
2. Петров, М. Н. Вероятностно-временные характеристики в сетях и системах передачи интегральной инфор-
мации / М. Н. Петров ; Красн. гос. техн. ун-т. Красноярск, 1997. 270 с.
3. Петров, М. Н. Тензорная методология в информационных сетях / М. Н. Петров, Е. В. Веревкина, М. О. Захарченко. Красноярск : НИИ СУВПТ, 2001. 225 с.
4. Пономарев, Д. Ю. Тензорный метод для телекоммуникационных сетей / Д. Ю. Пономарев // Труды Красн. гос. техн. ун-т. 2006. № 2-3. С. 49-56.
5. Пономарев, Д. Ю. Исследование вероятностно-временных характеристик информационных сетей тензорным методом / Д.Ю. Пономарев // Компьютерные учебные программы и инновации. 2007. N° 7. С. 160-161.
M. N. Petrov, D. U. Ponomarev
ABOUT INFORMATION NETWORKS PROBABILITY AND TIME CHARACTERISTICS ESTIMATION METHOD
Information systems modelling often reduce to investigation of different parameters and characteristics of queuing systems and networks. Queuing theory proposed many capabilities for probability and time characteristics estimation for different queuing systems. However, queuing systems connection in queuing network gives difficulty to systems characteristics analysis, especially at investigation of large dimension networks. It is presented information networks probability and time characteristics estimation method with tensor methodology that let provide more simple solution this task.
УДК 62-506.1
М. В. Карасева, В. О. Лесков
АВТОМАТИЗАЦИЯ ФОРМИРОВАНИЯ ИНФОРМАЦИОННОЙ БАЗЫ МУЛЬТИЛИНГВИСТИЧЕСКОЙ АДАПТИВНО-ОБУЧАЮЩЕЙ ТЕХНОЛОГИИ
Рассмотрены системные аспекты формирования информационной базы мультилингвистической адаптивнообучающей технологии, такие как сбор информации о скрытых лексических связях, и применение ее в формировании информационно-терминологического базиса. Предложена система первичной обработки текстов, приведен алгоритм ее работы, а также структура выходных данных.
Проблема эффективного обучения иностранным языкам всегда была актуальна для человечества. Создаются различные методики обучения, а вместе с ними множество учебников, словарей (в том числе электронных), предпринимались попытки создания унифицированных языков достаточно простой и логичной структуры. Результаты этих попыток весьма спорны, но одно можно сказать наверняка: все это было вызвано необходимостью понимания иностранной речи, умения высказаться в рамках специальной области. Кроме того возникла острая необходимость в квалифицированных переводчиках. Но какой бы квалификацией не обладал переводчик, он не в силах постичь все многообразие сфер человеческой деятельности, изобилующее своими специальными терминами, не говоря уже о том, что значения одних и тех же, казалось бы, терминов в разных сферах бывают очень различны. Как показывает практика, контактировать с представителями других языковых групп приходится если не во всех сферах человеческой
деятельности, то в большинстве из них, и часто не прибегая к услугам переводчика.
Резюмируя все вышесказанное, можно утверждать, что на сегодняшний день предпочтительно, чтобы специалист самолично мог общаться на иностранных языках с зарубежными коллегами или партнерами, хотя бы в рамках своей рабочей области. В российской практике, к сожалению, данная тенденция развивается медленно. А значит, ярко выражена необходимость в создании эффективных методов обучения специальной лексике.
На сегодняшний день все более часто используют специальные компьютерные программы, обучающие иностранной лексике. Они относительно дешевы и просты при создании по сравнению с бумажными аналогами и не менее эффективны. Такие программы обычно обладают достаточно гибкой структурой, позволяющей обновлять (актуализировать) свои БД, а также заменять их для обучения лексике иных специальных областей.
З1
