CC BY
89
Н
Площадь горизонтального сечения мертвой во-
( " ^
ронки определяется формулой: SMB=nx
где Н - высота полета ВО; етах - максимальный угол места диаграммы направленности РЛС.
Максимальная дальность обнаружения РЛС в свободном пространстве определяется выражением
Dc=4
ри xg2 х!2 хс„
(4П)3 ХРП
где
импульсная
„р.ш1„ ^*КП
мощность; С0 - коэффициент усиления антенны; X -длина волны; оц - эффективная отражающая поверхность цели; Рпр.т1„ - чувствительность приемника; q
- параметр обнаружения; Кп - результирующий коэффициент потерь.
Коэффициент усиления антенны С0 вычисляется следующим образом: С0=4лх8зф/Х2, где 8Эф=Ких8геом
- эффективная площадь антенны; 8геом - геометрическая площадь антенны; Ки - коэффициент использования площади антенны (для различных типов антенн Ки=0,5-0,7).
Коэффициент Кп учитывает разные потери в передающем и приемном трактах РЛС. В общем виде результирующий коэффициент потерь можно представить как произведение: Кп=П Кь 1=1, где К - частичные коэффициенты, характеризующие потери в различных элементах РТС.
Расчет коэффициентов потерь К1 является специфической задачей, учитывающей особенности конкретного радиотехнического средства.
Возможности РЛС по ведению разведки в пассивных помехах оцениваются величиной коэффициента подпомеховой видимости Кпв аппаратуры защиты. Сопоставляя его величину с реальным отношением мощности сигналов пассивных помех к мощности эхо-сигналов, которые характерны для района дислокации, делается вывод о способности РЛС вести разведку в пассивных помехах в данной помехо-вой обстановке.
Возможности по защите от активных шумовых помех характеризуются величиной коэффициента
сжатия зоны обнаружения по нешумящим целям вне сектора эффективного подавления и размерами сектора эффективного подавления по шумящим целям (постановщикам активных шумовых помех).
Коэффициент сжатия зоны обнаружения РЛС по нешумящим целям определяется по формуле Dп 1
Ксж т-х Г
D
г, где р - спектральная
о I pGnnf„X
41+7Г ПП °2
V N. R2„
плотность мощности помехи, Вт/МГц; Спр - коэффициент усиления приемной антенны; ^ - уровень боковых и задних лепестков диаграммы направленности антенны РЛС; X - длина волны, см; ^ - коэффициент шума приемного устройства; Rпп - расстояние от РЛС до рубежа постановки помех, км.
Для конкретного типа РЛС последнее соотноше-
ние можно представить в виде: К =
1
4)!+а£
Для удобства расчета Ксж может быть построена графическая зависимость Ксж=^^п) при фиксированных значениях р.
Оценка стоимости эксплуатации РЛС может проводиться по методике, учитывающей затраты на услуги промышленности, стоимость израсходованного в течение года эксплуатации ЗИП, капитального, среднего (фирменного) ремонтов из расчета затрат на один год, текущего ремонта, израсходованной электроэнергии, содержания обслуживающего персонала, расходных материалов при проведении технического обслуживания, ремонта, а также транспортные расходы.
Литература
1. Справочник офицера противовоздушной обороны. / Под ред. Г.В. Зимина. - М.: Воениздат, 1981.
2. Барзилович Е.Ю. Модели технического обслуживания сложных систем. - М.: Высш. шк., 1982.
3. Радиотехнические системы. / Под ред. Ю.М. Казарино-ва. - М.: Высш. шк., 1990.
ОПТИМАЛЬНЫЙ СПОСОБ ХРАНЕНИЯ И ОБРАБОТКИ ДРЕВОВИДНЫХ СТРУКТУР В БАЗАХ ДАННЫХ
Д.В. Богданов (Тверской государственный технический университет, mail@artellab.ru)
Ключевые слова: информационная система, древовидная структура, реляционные БД, организация хранения информации.
Создавая информационную систему, разработчики сталкиваются с необходимостью хранить древовидную структуру меню, каталога или какого-либо многоуровневого классификатора. Существует множество готовых скриптов, модулей, компонентов, классов, реализующих все необходимые операции для работы с древовидными структурами, и даже имеется интегрированный механизм обхода иерархических структур в СУБД Oracle.
В данной статье речь пойдет именно об алгоритмах реализации и оптимальных способах хранения и обработки древовидных структур в реляционных БД в той или иной ситуации. В общем случае все сводится к моделированию графа без циклов.
Список смежных вершин. Как правило, такая структура данных предполагает хранение информации о смежных вершинах некого дерева, то есть хранение информации «родитель - потомок». Для этого
достаточно в таблицу БД ввести одно поле, в котором хранится идентификатор родителя элемента.
Как известно, граф можно представить в виде матрицы смежности, где на пересечении i-й строки и j-го столбца стоит 1, если между узлами (вершинами) графа с номерами i и j соответственно есть связь (ребро, дуга), или 0 в противном случае.
Матрица может быть представлена в виде списка (множества) пар с номерами (идентификаторами, кодами) вершин по принципу: есть пара - есть дуга, нет пары - нет связи.
Данный подход целесообразен при оперировании небольшими древовидными структурами, которые часто поддаются изменениям. Этот алгоритм также эффективен и при работе с большими деревьями, если считывать их порциями, то есть поддеревьями. Хороший пример такого случая - динамически подгружаемые деревья, например, реализованные на сайте MSDN. В этом случае алгоритм практически оптимизирован для такого поведения.
Однако он плохо применим, когда нужно считывать какие-либо иные куски дерева, находить пути, предыдущие и следующие узлы при обходе и считывать ветки дерева целиком. Однако данный способ имеет и существенные достоинства - в дерево легко вносить изменения, менять местами и удалять узлы.
Камень преткновения в реализации данного алгоритма - вывод древовидной структуры.
Существует довольно быстрый вариант чтения дерева целиком:
SELECT t1.name AS lvl1, t2.name as lvl2, t3.name as lvl3
FROM al_tree AS t1
LEFT JOIN al_tree AS t2 ON t2.parent_id=t1.id LEFT JOIN al_tree AS t3 ON t3.parent_id=t2.id LEFT JOIN al_tree AS t4 ON t4.parent_id=t3.id WHERE t1.id=1;
Но хотя данные, полученные после выполнения этого запроса, в таком виде более приспособлены для вывода, имеется существенный недостаток подхода - необходимо точно знать количество уровней вложенности в иерархии. Кроме того, чем больше иерархия, тем больше операций JOIN и, следовательно, ниже производительность исполняемого запроса выборки.
Поэтому, применяя данный метод, следует кэ-шировать сгенерированное дерево, так как операция вывода занимает достаточно много процессорного времени при работе с большими объемами данных.
Подмножества. В этом подходе дерево представляется вложенными подмножествами, корневой уровень включает в себя все подмножества - узлы первого уровня, те, в свою очередь, узлы второго уровня и т.д.
Целостность поддерживается триггерами, перезаписывающими список и уровни предков данного узла при его изменении. Удаление происходит при помощи декларативной ссылочной целостности.
Если за образец принять список смежности, который не содержит никакой избыточности, то для метода подмножеств на каждый уровень потребуется столько дополнительных записей в таблице подмножеств, сколько элементов находится на данном уровне дерева, умноженном на номер уровня.
Избыточность хранения данных можно оценить
N
как ^Соип1;(1)-1, где СоипОД - количество узлов на
1=1
1-м уровне дерева, начиная с корня; N - число уровней в дереве.
Однако преимущества, полученные от избыточности хранения, очевидны - запросы более короткие и быстрые.
Вложенное множество. Как известно, для обхода дерева существуют три способа: префиксный, инфиксный и суффиксный порядки.
Префиксный порядок обхода дерева рекурсивно определяется так: сначала корень дерева, потом узлы левого поддерева в префиксном порядке, затем узлы правого поддерева в префиксном порядке.
Хранение маршрута обхода дерева в префиксном порядке и есть способ, который его автор Джо Селко [1] назвал «вложенные множества». Структура вложенного множества изображена на рисунке.
Основное преимущество данного подхода - быстрое извлечение дерева и поддеревьев, для чего используется всего один SQL-запрос.
Пример SQL-запроса для чтения всего дерева:
SELECT node.id, node.name, node.level
FROM ns_tree AS node, ns_tree AS parent
WHERE node.lft BETWEEN parent.lft AND parent.rgt
AND parent.id = 1
ORDER BY node.lft;
Целостность дерева, построенного при помощи данного метода, легко нарушить и достаточно сложно восстановить. Операция восстановления состоит в полном пересчете дерева. При этом следует учитывать, что целостность может нарушить, например, аварийное прерывание работы, связанной с модификацией структуры дерева.
Добавление и удаление элементов дерева состоит из нескольких запросов. Если выполнить только часть из них, целостность дерева будет нарушена. Таким образом, при применении данного подхода следует использовать СУБД, поддерживающие транзакции, и производить операции добавления и удаления элементов дерева в рамках транзакции.
Структура вложенных множеств уже содержит в себе порядок сортировки, изменить который можно, заново перестроив дерево. Список смежных вершин в этом отношении гибче: можно применять произвольную сортировку к потомкам каждого элемента в процессе построения дерева.
Сводная таблица алгоритмов хранения и обработки
Если после выборки из базы дерево заносится в массив, а после рекурсивно сортируется, то теряются преимущества вложенных множеств для быстрой генерации дерева.
Для сохранения целостности при добавлении, удалении и перемещении элементов дерева необходимо пересчитать его левые и правые значения.
Пример SQL-запроса для добавления новой ветки:
BEGIN;
SELECT @treeRight := rgt FROM ns_tree
WHERE id=2; /*справа от ветки, у которой id, например, равен двум */
UPDATE ns_tree SET rgt=rgt+2 WHERE rgt>@treeRight; UPDATE ns_tree SET lft=lft+2 WHERE lft>@treeRight; INSERT INTO ns_tree VALUES(0, 'value', @treeRight+1, @treeRight+2,1); COMMIT;
Для того чтобы сократить процессорное время на вставку элементов в дерево, можно нумеровать входы и выходы из узлов (left и right) с некоторым интервалом, например, 100 или 1 000, что в значительной степени зависит от предварительных оценок количества хранимых элементов.
Материализованные пути. Идея метода заключается в хранении пути от вершины до данного узла в явном виде и в качестве ключа. Метод является наиболее наглядным с точки зрения кодификации элементов: каждый узел интуитивно получает понятное значение, код и его части несут смысловую нагрузку. Данные свойства важны в классификаторах, предназначенных для широкого использования, например, в стандартизованных справочниках территорий (ОКАТО), отраслей экономики (ОКВЭД) и во многих других областях.
Организация хранения информации о независимых друг от друга экземплярах сущностей не вызывает никаких затруднений. Однако наряду с плоскими данными при построении даже простых информационных систем приходится хранить в БД и информацию о вложенных друг в друга сущностях, то есть иерархические данные.
Организация хранения такой информации в реляционных БД проста, но не всегда очевидна. При выборе того или иного подхода для реализации хранения древовидной структуры можно использовать таблицу, полученную путем анализа существующих методов организации хранения древовидных структур.
Литература
1. Joe Celko. Trees in SQL. Some answers to some common questions about SQL trees and hierarchies, 2004 (http://www.mtel-ligententerprise.com/001020/celko.jhtml?_requestid=1266295).
2. Vadim Tropashko. Trees in SQL: Nested Sets and Materialized Path, ACM New York, NY, USA, 2005 (http://portal.acm. org/citation.cfm?id=1083793).
3. Джо Селко. Стиль программирования Джо Селко на SQL. / Пер. с англ. - СПб.: Питер, 2006.
древовидных структур
Списки Под- Вложен- Материали-
Критерии смежно- множе- ное мно- зованные
сти ства жество пути
Простота струк-
туры: таблиц, 1 2 1 1
ссылок, 1 2 0 0
минимального
количества полей 3 5 4 2
Прямая выборка
всех потомков + + + +
узла
Прямая выборка -
поддерева(всех (рекур- + + +
потомков узла) сия)
Прямая выборка - (рекур-
пути от узла до сия) + + +
корня (всех предков узла)
Быстрое опреде- - (рекур-
ление количества сия) + + +
всех потомков
узла
Быстрое определение уровня - (рекурсия) + + +
Порядок следо-
вания узлов при - - + +
сортировке
Быстрая вставка +
новых узлов
Быстрое переме- +
щение поддерева
Быстрое удале- + + +
ние поддерева
Каскадное удале- + +
ние поддерева
Нет избыточно- +
сти хранения - - -
Неограниченное
количество уров- + + + -
ней дерева
Не требуется до-
полнительная
поддержка цело- + - - -
стности (кроме
ссылочной)
НЕИЗБЕЖНОСТЬ СЕТЕВОГО МЫШЛЕНИЯ
С.В. Лещев, д.филос.н. (МИФИ (ГУ), г. Москва); В.А. Лещев; С.В. Семенов, к.т.н. (НИИ «Центрпрограммсистем», г. Тверь, infonaut@mail.ru)
Ключевые слова: коммуникационная сфера, информационный обмен, информационное пространство, распределенные ресурсы, агенты.
Рост знаний вынуждает человечество по-иному бежно утрачивается. Искусство сохранения инфор-отнестись к своей информационной природе и по- мации заключается в умении грамотно выстраивать нять непреложный факт: хранимое локально неиз- гармонию между глобальным информационным про-
