CC BY
87
тодологии экстремального программирования, метода декомпозиции. Он позволяет существенно снизить затраты на обеспечение качества продуктов. Данный метод оправдал себя в долгосрочных проектах (длительностью более 1 года), где более заметна зависимость применяемой методологии от затрат. Метод помог снизить риск компании связать себя обязательствами по отношению к убыточным проектам на этапе принятия решения о вступлении в проект. Контроль качества на каждом этапе реализации проекта снижает себестоимость проекта, т. к. позволяет отслеживать ошибки на ранних этапах, когда их стоимость значительно ниже по сравнению с ошибками, выявленными на этапе тестирования и последующих этапах.
Суть предложенного метода можно кратко изложить как объединение работы аналитика и инженера QA (возможна даже ситуация для неболь-
ших компаний, чтобы это был один человек) на каждом этапе жизненного цикла разработки программного обеспечения. Аналитик и инженер QA обладают большим запасом знаний и опытом, позволяющим осуществлять контроль за качеством системы на всех уровнях: от логики системы до опечаток программистов. Поэтому, начиная с момента принятия решения о начале реализации проекта до сдачи системы в эксплуатацию, инженер QA и аналитик должны работать в тесном сотрудничестве с обменом ролями и дополнением обязанностей друг друга. Внедрение метода предполагает определенное время на перестроение работы аналитического отдела и отдела контроля качества, а также на адаптацию многих аналитических методов к процессам контроля качества, но результаты, выраженные в финансовой и временной экономии, оправдывают такие затраты.
СПИСОК ЛИТЕРАТУРЫ
1. Schulmeyer G.G. Handbook of Software Quality Assurance. -Norwood: Artech House, 2008. - 485 p.
2. Поллис Г., Огастин Л. Разработка программных проектов на основе Rational Unified Process (RUP). - М.: Бином, 2009. -256 с.
3. Брагин Ю.В. Путь QFD: проектирование и производство продукции исходя из ожиданий потребителей. - М.: Центр качества, 2003. - 240 с.
4. Бек К. Эстремальное программирование: разработка через тестирование. - СПб.: Питер, 2003. - 224 с.
Поступила 13.04.2009 г.
УДК 004.623
ТЕХНОЛОГИЧЕСКИЕ АСПЕКТЫ ОЦЕНКИ ПРОИЗВОДИТЕЛЬНОСТИ СИСТЕМ ХРАНЕНИЯ И ОБРАБОТКИ БОЛЬШИХ ОБЪЕМОВ ДАННЫХ
А.В. Алубин, В.В. Грачев, С.А. Матвеев, О.Ф. Юдин, М.А. Сонькин*
ФГУП «НИИ «КВАНТ», г. Москва *Томский политехнический университет E-mail: [email protected]
Определены основные подходы к оценке производительности, проведен сравнительный анализ и протестированы системы хранения данных ведущих производителей.
Ключевые слова:
Системы хранения данных, системы обработки информации, вычислительные модули, локальная вычислительная сеть, производительность.
В настоящее время отсутствует общепринятая методика оценки производительности систем обработки информации (СОИ) специального назначения, что связано в первую очередь с отсутствием единиц для измерения количества вычислительной работы. Поэтому для оценки производительности используется широкая номенклатура величин -показателей производительности, которые и в отдельности, и в совокупности не удовлетворяют в полной мере потребностям теории и практики проектирования и эксплуатации СОИ.
Рассмотрим СОИ, состоящую из совокупности вычислительных модулей (ВМ) объединенных в локальную вычислительную сеть (ЛВС), причем каждый из ВМ занимается решением только одной выделенной задачи специального назначения. Структурная схема такой СОИ представлена на рис. 1. Основными функциями СОИ могут быть:
• автоматическая обработка принятой информации;
• ведение архивов принятой и обработанной информации;
• работа с базами данных (БД) специального назначения.
В данной статье предлагается новый подход и обобщенный алгоритм оценки потенциальной и реализованной производительности СОИ специального назначения. Применение этого алгоритма требует разработки и использования специального программного обеспечения, предназначенного для получения част-
ных значений характеристик производительности отдельных ВМ, входящих в состав СОИ, и СОИ в целом.
Для проведения сравнительного анализа систем хранения больших объемов данных были собраны и протестированы системы хранения данных (СХД) от трех производителей: IBM, HP, Adaptec. Структурная схема СХД на оборудовании IBM представлена на рис. 2.
Вычислительный центр № -|
Вычислительный центр № N
1 о'-. 1 га №а
m шв №
в и 1 ^
al
ш ml."
1 SJ|,
1 Кг'
Рис. 1. Структурная схема СОИ
Рис. 2. Структурная схема СХД на оборудовании IBM
В состав системы хранения данных на базе оборудования IBM включены:
• IBM BladeCenter HS 20 (шасси блейд-серверов) с 7-ю блейд-серверами (спецификация: Intel Xeon 3.2 (2 шт.) / 4 Гб / IDE / 80 Гб (2 шт.), со встроенными FC-коммутаторами;
• SAN системы хранения IBM DS 4300 и DS 4500 емкостью по 2 Тб каждая.
На узлах обработки установлена операционная система MS Windows Server 2003 Enterprise Edition. Серверы метаданных IBM SAN FILE SYSTEM (SFS) функционируют под управлением ОС семейства Linux. На узлах обработки установлена клиентская часть системы IBM SFS, которая позволяет нескольким узлам обработки обращаться и работать с одним дисковым пространством. Использование программного обеспечения в таком режиме позволяет сформировать общий логический диск, обеспечивая «прозрачную» работу удаленным пользователям
Таким образом, IBM SFS представляет собой некое средство кластеризации.
Второй образец собран на оборудовании HP по схеме «без единой точки отказа». Структурная схема СХД на оборудовании HP представлена на рис. 3. Все соединения по Faber Channel выполнены с дублированием.
Рис. 3. Структурная схема СХД на оборудовании HP
Состав оборудования второго образца включает:
• Сервера - Intel Xeon 3.2 (2 шт.) / 4 Гб / SCSI 73 Гб (2 шт);
• RAID-контроллер MSA 1500 sc с дисковым модулем MSA 30;
• FC-коммутаторы - HP StorageWorks Switch 2/16v.
В качестве третьего образца представлена высокопроизводительная система, собранная на оборудовании Adaptec, представленная на рис. 4.
Спецификация серверов: Intel Xeon 3.2 - 2 шт. / 4 Гб / SCSI 73 Гб - 2 шт.
Рис. 4. Структурная схема СХД на оборудовании Adaptec
SAN система хранения имеет два независимых RAID-контроллера и дисковую емкость 2 Тб.
На серверах установлена ОС MS Windows 2003 Server Enterprise Edition. Узлы кластера (серверы) объединены в Windows-кластер на основе единой дисковой подсистемы. Дисковая подсистема подключена к узлам кластера через Faber Channel.
Ниже приведены таблицы и графики, отображающие основные результаты тестирования представленных систем. Тестирование проводилось на RAID-массивах с изменением уровней и количества используемых физических дисков.
Тестирование проводилось Intel IOMetr v.2004.07.30. В табл. 1 представлены результаты, полученные на оборудовании IBM, а в табл. 2 - на оборудовании HP и Adaptec.
Сравнив полученные результаты тестирования представленных СХД, можно сделать вывод, что система на оборудовании IBM показала максимальную производительность, а система на оборудовании HP - аутсайдер с минимальными показателями. Объединенные результаты измерений, проведенных с использованием блоков большого размера (443 Кбайт), представлены в табл. 3 и на рис. 5.
Структурные элементы ВМ СОИ обладают следующими характеристиками:
• устройства ввода-вывода - пропускной способностью (remij, Гвцеод)',
• устройства памяти - объемом памяти (Сопер, СдШ1);
• процессоры - быстродействием (гпроц). Принимая во внимание особенности построения и специфику функционирования СОИ, в качестве частных показателей, характеризующих производительность ВМ, предлагается рассмотреть следующие:
• для процессора - количество выполняемых инструкций за единицу времени при решении;
• для оперативной памяти - количество выполняемых операций ввода вывода и чтения записи за единицу времени;
• для дисковой подсистемы - скорость чтения с диска и записи на диск данных за единицу времени;
Таблица 1. Результаты измерений производительности файловой системы на оборудовании IBM
No SFS
RAID 0 RAID 1
IO IO ps Мб ps IO IO ps Мб ps
1 117,609589 51,498302 1 50,395337 21,684676
2 166,362153 72,196988 2 55,32962 23,744530
4 211,914938 70,317448 4 56,607866 24,471043
8 245,529549 107,757028 8 58,731007 24,514347
16 277,120047 117,027247 16 61,637836 26,453736
32 274,931667 119,216676 32 62,906162 27,487261
64 292,270001 126,362333 64 63,653648 27,733638
128 290,718859 126,252329 128 62,123263 26,793882
SFS
RAID 0 RAID 1
IO IO ps Мб ps IO IO ps Мб ps
1 114,863608 49,922411 1 56,266927 24,769101
2 146,207977 62,882427 2 63,970722 27,161911
4 171,996315 74,718975 4 67,984951 28,111954
8 186,456324 81,691451 8 65,481424 28,218195
16 191,476866 82,777355 16 68,644108 29,028060
32 188,183353 80,812845 32 81,534497 36,893524
64 186,578630 79,441652 64 86,729082 36,303370
128 188,293087 79,957955 128 77,195697 33,218619
No SFS
RAID 10 RAID 5
IO IO ps Мб ps IO IO ps Мб ps
1 90,4725150 40,521999 1 130,942946 55,786955
2 113,783247 48,755791 2 135,545668 59,956351
SFS
RAID 10 RAID 5
IO IO ps Мб ps IO IO ps Мб ps
1 84,3017750 37,893433 1 116,42890 50,728821
2 106,372728 45,159202 2 146,20542 62,276511
Примечание:
1. SFS - SAN file system.
2. No SFS / SFS - тесты проводились с SFS и без нее.
3. RAID 0 / 5 /10 - использовались 4 диска, RAID 1-2 диска.
4. IO - Outstanding I/O (кол-во одновременных потоков ввода-вывода в тесте).
5. IO ps - Input/Output per second (количество операций ввода-вывода в с.)
• для файловой системы - количество операций чтения и записи файлов в единицу времени.
Таким образом, требуется найти значения системной производительности:
Таблица 2. Результаты измерений производительности файловой системы на оборудовании HP и Adaptec
HP MSA 1500CSi / 10 HDD
RAID 10 / Database RAID 5 / Database
Outst. I/O IO ps Мб Outst. I/O IO ps Мб
16 432,46 3,3786 16 935,67 7,3099
64 599,883 4,6866 64 943,97 7,3747
256 635,364 4,9638 256 978,46 7,6442
RAID 10 / FileServer RAID 5 / FileServer
Outst. I/O IO ps Мб Outst. I/O IO ps Мб
16 400,788 4,2929 16 953,44 10,317
64 555,934 5,9592 64 1129,6 12,229
256 603,47 6,4804 256 1191 12,915
Adaptek SANBlock 2 Гб / 10 HDD
RAID 10 / Database RAID 5 / Database
Outst. I/O IO ps Мб Outst. I/O IO ps Мб
16 1707,16 13,337 16 1381,7 10,795
64 1709,39 13,355 64 1703,3 13,307
256 2024,59 15,817 256 1876,3 14,658
RAID 10 / FileServer RAID 5 / FileServer
Outst. I/O IOPs МЬ Outst. I/O IOPs МЬ
16 1602,11 17,067 16 1350,4 14,667
64 1828,94 19,578 64 1827,3 19,774
256 1977,82 21,189 256 2041,7 22,057
Таблица 3. Сравнительные результаты тестирования оборудования различных производителей. 10 означает количество операций ввода-вывода
IO Adaptec RAID 5 / Big pattern HP RAID 5 / Big pattern ШМ RAID 5 / Big pattern
1 55,786955 25,786340 76,592400
2 59,956351 30,694560 78,605400
4 68,783475 35,893240 89,745900
8 77,252749 40,785670 98,263500
16 81,803282 43,912625 113,459205
32 90,045720 57,542720 110,673200
64 93,692008 65,478850 112,012472
128 95,307823 65,337680 114,378200
256 97,402740 65,191516 116,076920
где р1, р2, р3, р4 - параметры загрузки устройств (процессора, оперативной памяти, дисковой системы, файловой системы соответственно), которые определяются при совместной работе технических средств под управлением операционной системы ВМ, а Уъ У2,
1 2 4 0 16 32 64 12В 256
Outst. I/O
Рис. 5. График зависимости объема информации при операциях ввода-вывода в секунду от количества потоков
У3, У4 - параметры, которые характеризуют значения быстродействия технических средств (процессора, оперативной памяти, дисковой системы, файловой системы соответственно). Под быстродействием предлагается понимать число операций, выполняемых ЭВМ и устройствами за единицу времени.
Показатель использования устройств (загрузка) определяется по следующей формуле:
р=Т/Т,
где Т - время работы устройства, а Т - общее время работы системы.
На основании исследований [1-3] и анализа реальных систем хранения и обработки больших объемов данных предлагается обобщенный алгоритм оценки производительности СОИ специального назначения, который состоит из следующих этапов:
1 этап. Определение состава, назначения и основных функций СОИ. Определение сценариев СПО и показателей производительности СОИ.
2 этап. Выбор подхода к оцениванию производительности:
1-й подход - использование стандартных средств;
2-й подход - использование специальных программных средств.
3 этап. Выполнение операций в зависимости от выбранного подхода - проведение испытаний, измерений и сравнение результатов.
4 этап. Определение критерия эффективности работы СОИ и ее производительности. На данном этапе осуществляется выбор конфигурации аппаратных средств для сравнительного тестирования.
5 этап. Обобщение полученных результатов.
Таким образом, созданный стенд, специальное
алгоритмическое и программное обеспечение позволили получить значения характеристик для оценивания производительности отдельных вычислительных модулей, входящих в состав систем обработки информации и оценить потенциальную и реализованную производительности, а также имитацию процессов автоматической обработки информации.
СПИСОК ЛИТЕРАТУРЫ
1. Лацис А.О. Как построить и использовать суперкомпьютер. -М.: Бестселлер, 2003. - 274 с.
2. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. -СПб.: БХВ-Петербург, 2002. - 608 с.
3. Антонов А.С. Параллельное программирование с использованием технологии MPI. - М.: Изд-во МГУ, 2004. - 71 с.
Поступила 15.05.2009 г.
УДК 369:519.2
НЕПАРАМЕТРИЧЕСКОЕ ОЦЕНИВАНИЕ НЕТТО-ПРЕМИЙ ДЛЯ СМЕШАННОГО СТРАХОВАНИЯ ЖИЗНИ
Г.М. Кошкин, Н.В. Ланкина
Томский государственный университет Отдел проблем информатизации ТНЦ СО РАН, г. Томск E-mail: [email protected]
Рассматривается задача оценивания нетто-премии в условиях смешанного страхования жизни. Синтезируется непараметрическая оценка нетто-премии, находится главная часть асимптотической среднеквадратической ошибки оценки и ее предельное распределение. Приводятся результаты статистического моделирования.
Ключевые слова:
Нетто-премия, смешанное страхование жизни, асимптотические свойства, непараметрические оценки.
Введение и постановка задачи
Эффективность финансовой деятельности страховой компании зависит от правильного расчета нетто-премии для различных видов страхования необходимых категорий и возрастных групп населения [1]. В долгосрочном страховании жизни при расчетах премий за риск учитывается динамика ценности денег, основанная на процентной ставке 5 с непрерывно начисляемым процентом по
вкладу [2-6]. В этом случае для выработки управляющих решений страховой фирме следует предварительно оценить нетто-премию, которая гарантирует фирме средний нулевой доход.
Ранее в работах [3, 4] в условиях непараметрической неопределенности изучались оценки нетто-премий для различных видов индивидуального страхования, а в [5, 6] - в случае коллективного страхования. В данной работе рассматривается за-
