ВИРТУАЛИЗАЦИЯ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ НА ОБЪЕКТАХ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ Текст научной статьи по специальности «Компьютерные и информационные науки»

Виртуализация вычислительных ресурсов на объектах специального назначения

Казанцев Денис Иванович

Начальник отдела информационных технологии Военно-космической академии имени А.Ф.Можайского, г. Санкт-Петербург, Россия, zilan.ka@yandex.ru

АННОТАЦИЯ_

Введение: В работе представлена модель функционирования комплекса средств автоматизации на основе виртуализации вычислительных ресурсов. При работе модели были учтены характеристики рабочей нагрузки. Проведен анализ объемов данных, поступающих в комплекс средств автоматизации. Рассмотрено функционирование сетевого комплекса средств автоматизации, обрабатывающего данные дистанционного зондирования Земли, поступающие с космических объектов на основе виртуализации вычислительных ресурсов. Предложен подход к работе модели функционирования при обработке данных дистанционного зондирования Земли с использованием технологий виртуализации. Предполагается предварительное развертывание в комплексе средств автоматизации виртуальных машин. Заявки, поступающие на обработку данных дистанционного зондирования Земли, могут быть двух видов: информационно-расчетные (первичная, вторичная обработка) и обеспечивающие (задачи, связанные с управлением вычислительных ресурсов). Предполагается, что работа программного обеспечения для задач первичной/вторичной обработки достаточно автоматизирована. Под заявками, будем понимать заявки на обработку данных дистанционного зондирования Земли. В состав комплекса средств автоматизации, функционирующего на основе технологии виртуализации могут входить автоматизированные рабочие места пользователей, вычислительные системы (сервера, системы хранения данных), виртуальные машины, программное обеспечение, каналы связи, системы администрирования и управления. Проведено моделирование функционирования вычислительных систем в условиях использования виртуализации. Модель функционирования комплекса средств автоматизации включает такие зависимости от производительности, надежности функционирования комплекса средств автоматизации, а также требуемого объема памяти от характеристик вычислительных систем, потока заявок, программного обеспечения и конфигурации виртуальной среды с учетом ограничения на возможность обслуживания заявок всех типов. Где, надежность функционирования комплекса средств автоматизации оценим вероятностью обслуживания заявки каждого типа. Этот показатель зависит от времени бесперебойной работы виртуальной среды комплекса средств автоматизации. Производительность комплекса средств автоматизации определяется средней долей обслуженных заявок, поступивших за заданный период времени. Сформированы предложения по повышению эффективности функционально-распределенной обработки данных. Приведен пример применения модели для расчета комплексного показателя эффективности функционирования вычислительной системы.

КЛЮЧЕВЫЕ СЛОВА: производительность; специальные комплексы; вычислительная система; виртуализация; виртуальная среда; алгоритм тестирования производительности.

Введение

Развитие космической отрасли [1] привело к увеличению объема обрабатываемых данных, поступающих с космических объектов на специальные комплексы средств автоматизации (СКСА). Своевременная обработка получаемых данных возможна при соответствующем техническом и программном обеспечении.

Объектом исследования является специальный комплекс средств автоматизации обработки данных, получаемых при дистанционном зондировании Земли (ДЗЗ), Анализ опера-ционно-временной модели функционирования систем комплексной обработки геораспреде-ленных данных [2] показал, что большую часть времени (до 70%) занимает процесс комплексной обработки информации, который принято разделять на два уровня: предварительная (первичная) и тематическая обработка данных [3, 4].

Программно-алгоритмическая реализация обработки сопряжена с решением сложных научно технических задач, имеющих свои особенности [3]:

математического описания метрологического обеспечения, что влияет на точность геометрической коррекции, географической привязки снимков и их радиометрическое качество;

организации вычислительных и информационных процессов, связанных с достижением требуемой производительности СКСА в условиях ограниченных вычислительных ресурсов.

В работах [5 - 12] предложены подходы к решению задач автоматизированной комплексной обработки данных ДЗЗ на основе технологий виртуализации. При этом не достаточно внимания уделено учету трудоемкости и разнородности обрабатываемых заявок в сложной системе, работающей в режиме реального времени.

Специальный комплекс средств автоматизации

Технологический цикл вычислительных и информационных процессов в общем виде представляет собой прием и обработку первичных и тематических данных. Для первичной обработки данных ДЗЗ важно обработать полученный информационный поток ДЗЗ (объемом до единиц Гбайт) в режиме реального времени, либо с незначительной задержкой, чтобы нормализация принятых данных произошла до следующего сеанса связи с космическим аппаратом (КА). Согласно [11] объем данных, формируемых при гиперспектральной съемке в пределах одного условного кадра может составить 0,4 - 5,3 Гбайта и более, при комплексном аэрокосмическом мониторинге - более 0,5 Тбайт/сутки [9, 10].

При обработке данных ДЗЗ с использованием технологий виртуализации предполагается предварительное развертывание в СКСА виртуальных машин. Заявки, поступающие на обработку данных ДЗЗ, могут быть двух видов: информационно-расчетные (первичная, вторичная обработка) и обеспечивающие (задачи, связанные с управлением вычислительных ресурсов). Особенности функционирования программного обеспечения для задач первичной/вторичной обработки выходят за рамки настоящей статьи. Предполагается, что работа программного обеспечения для задач первичной/вторичной обработки достаточно автоматизирована. Далее под заявками, если не указано дополнительно, будем понимать заявки на обработку данных ДЗЗ.

В состав СКСА, функционирующего на основе технологии виртуализации могут входить автоматизированные рабочие места пользователей, вычислительные системы (сервера, системы хранения данных), виртуальные машины, программное обеспечение, каналы связи, системы администрирования и управления.

Схема организации процесса обработки заявок, решаемых на виртуальных машинах (ВМ) в общем виде представлена на рисунке 1.

Рис. 1. Схема организации процесса обработки данных ДЗЗ

Источником данных являются КА ДЗЗ. Специальная информация с этих аппаратов через соответствующие средства приема м первичной обработки поступает в СКСА, организованный на основе параллельной вычислительной системы.

Вычислительная система - это совокупность ЭВМ (серверов), на которой под управлением гипервизора могут функционировать несколько виртуальных машин. В зависимости от количества типов заявок, требований по надежности и производительности функционирования СКСА, ограничений на ресурс памяти создаются конфигурации виртуальных машин с необходимым программным обеспечением.

Виртуальная машина представляет собой программный контейнер, связывающий, или «инкапсулирующий» полный комплект виртуальных аппаратных ресурсов, а также операционную систему и все ее приложения в программном пакете [13].

Прикладное программное обеспечение - совокупность компьютерных программ, обеспечивающих обработку заявок на решение прикладных задач - задач обработки данных ДЗЗ.

Система мониторинга - инструмент сбора и обработки данных о состоянии объектов инфраструктуры [14]. Система мониторинга дает информацию диспетчеру о состоянии аппаратной и виртуальной среды, показателях качества решения целевых задач.

Диспетчер служит для управления информационно-вычислительными процессами. (ре-конфигурирование виртуальных машин, распределение поступающих заявок по вычислительным системам, в зависимости от типа поступающих заявок и трудоемкости решаемых задач, обеспечение отказоустойчивости ВС. Содержит планировщик задач, обеспечивающий. планирование нагрузки между хостами.

Математическая постановка задачи конфигурирования виртуальной среды комплекса средств автоматизации

Представленная на рис.1 схема организации процесса обработки данных ДЗЗ предполагает использование вычислительной системы, состоящей из многопроцессорных компьютеров (серверов), предварительного развертывания на каждом из них некоторого количества виртуальных машин, на каждой из которых установлено общее и определенное прикладное ПО для обработки информации ДЗЗ.

Положим процесс функционирования вычислительной системы следующим образом. На каждом сервере ВС развернуто несколько типов виртуальных машин (ВМ). Каждый тип ВМ различается составом установленного на ней программного обеспечения (ПО). ВС может функционировать в следующих режимах:

1) режим высокой производительности - поступающие в систему заявки на решение задач распределяются между всеми серверами, параллельно выполняющими соответствующие программы обработки заявок;

2) режим высокой надежности - поступающие в систему заявки на решение каждого типа задач дублируются на все сервера и запускают выполнение соответствующих программы обработки заявок;

3) смешанный режим - все сервера объединяются в группы; каждая группа серверов часть серверов функционирует либо в режиме высокой производительности, либо в режиме высокой надежности.

Вербальная постановка задачи

По заданным характеристикам потока обслуживаемых неоднородных заявок на обработку данных ДЗЗ определить оптимальный вариант конфигурации виртуальной среды СКСА, обеспечивающий максимальную производительность функционирования СКСА (интенсивность обслуживания заявок в единицу времени) при заданных ограничениях на ресур-соёмкость и надежность СКСА.

Под конфигурацией виртуальной среды будем понимать распределение виртуальных машин (ВМ) с установленным на них прикладным ПО, обслуживающим заявки, по физическим серверам.

В основу исследования положена гипотеза о влиянии характеристик потока заявок, характеристик вычислительной системы, конфигурации виртуальной среды, надежности прикладного ПО на производительность и надежность функционирования вычислительных систем СКСА.

Для решения поставленной задачи будет рассмотрена и исследована модель функционирования виртуальной среды на основе многопроцессорных вычислительных систем, в которой организована многопоточная обработка аэрокосмических данных.

Общая постановка задачи

В соответствии с выдвинутой гипотезой формализуем зависимости показателей производительности 5 и надежности р функционирования вычислительной системы от характеристик О ВС (количество вычислительных машин, количество ядер в процессорах, объем оперативной памяти), характеристик 2 потока заявок, конфигурации К виртуальной среды, характеристик Ь (надежности, времени выполнения, требуемого объема памяти) прикладного ПО в виде:

5 = ¿(г, О, Д К) р = р(Ъ, G, Д К)

Характеристики О ВС зададим множеством О = {к, ¡¡}, где к - количество физических серверов в системе, ¡1 - объем оперативной памяти сервера.

Характеристики 2 потока заявок формализуем множеством Z = {^,г2}, где -интенсивность потока заявок за решение г-ой задачи (запуска г-го приложения).

Конфигурацию К виртуальной среды формализуем множеством К = {Км, Кр}, где

К =

ау

- матрица назначения ВМ т типов на к физических серверов, ^£{0,1};

КР =

Ру - матрица назначения g программ на т ВМ, р.. е{0,1}.

Характеристики Ь программного обеспечения формализуем вектором С = {с\, С2> -> с^},

где с = {Л,, - характеристика /-го ПО, включающая его интенсивность Л, потока отказов, среднее время выполнения программы по /-ой заявке, V, - потребная емкость оперативной памяти.

В зависимости от выбора целевой функции и принятых ограничений, может быть сформулировано несколько постановок задач. Практический интерес представляют следующие постановки, связанные с поиском конфигураций виртуальной среды - размещения копий программ по виртуальным машинам и виртуальных машин по серверам.

1) Найти оптимальную конфигурацию виртуальной среды СКСА, обеспечивающую максимальную производительность СКСА при ограничениях на надежность функционирования СКСА и имеющийся объем памяти.

2) Найти оптимальную конфигурацию виртуальной среды СКСА, обеспечивающую максимальную надежность функционирования СКСА при требовании обработки всех поступающих заявок при ограниченном объеме памяти.

3) Минимизировать количество серверов и найти оптимальную конфигурацию виртуальной среды СКСА, обеспечивающих обработку всех поступающих заявок с заданной надежностью при ограниченном объеме памяти.

4) Обосновать количество серверов и требуемый объем их памяти для обработки всех поступающих заявок с заданной надежностью.

Математическую задачу первого типа можно сформулировать следующим образом.

Дано:

- характеристика О ВС,

- характеристика Z потока заявок,

- характеристика Ь ПО.

Найти:

ТУ*

допустимый вариант конфигурации К виртуальной вычислительной среды, обеспечивающий достижение максимума номинальной производительности системы:

К * = а^ тах . 5 (Z, О, С, К) .

(1)

Ограничения:

1) на надежность функционирования системы:

2)

р (г, о , с , К *) > р

ятность обработ 2) на объем оперативной памяти серверов:

тр'

где Ртр - требуемая вероятность обработки заявки каждого типа;

(2)

v( ^ С К) > Vдоп. (3)

где Vдоп - допустимый объем оперативной памяти серверов;

3) на состав и распределение ВМ по серверам, предполагающие выполнение копии каждого ПО хотя бы одной ВМ, размещенной хотя бы на одном сервере:

ац

> 1, У = 1,..., Е.

(4)

г = 1

I=1

Искомая конфигурация к представляет собой совокупность двух массивов К а и Кр (рис. 2) значений а у , * = 1,..,к, ^ = 1,..,т и , г = 1,..,т, ^ = 1,..,£ соответственно, которые обеспечивают максимум выражения (1) при выполнении ограничений (2) - (4).

К

ВМ 1 2 • m

сервер 1 a ¡i a i2 a 1m

сервер 2 a 2i a 22 a 2m

• ♦ ♦

сервер к a ki a k2 a km

Р j Ч0,1}

Кг,

ПО 1 2 • g

ВМ 1 Pii в i2 в ig

ВМ 2 в 21 в 2i в 2g

•

ВМ m P mi P m2 P mg

Рис. 2 Формальное представление конфигурации виртуальной среды

Модель функционирования комплекса средств автоматизации

Модель функционирования комплекса средств автоматизации включает отмеченные в постановке задачи зависимости производительности (1), надежности (2) функционирования СКСА, а также требуемого объема памяти (3) от характеристик ВС, потока заявок, ПО и конфигурации виртуальной среды с учетом ограничения (4) на возможность обслуживания заявок всех типов. Рассмотрим эти зависимости.

Надежность функционирования СКСА

Надежность функционирования СКСА оценим вероятностью обслуживания заявки каждого типа. Этот показатель зависит от времени бесперебойной работы виртуальной среды СКСА.

Для оценивания времени бесперебойной работы виртуальной среды СКСА используем известное распределение Пуассона [16], позволяющее оценить вероятность P возникновения с отказов объекта за период T:

PC T) = Щ- e-LT, с!

где L - интенсивность потока отказов объекта.

Пусть после возникновения отказа одной из копий ПО, установленной на j-ой ВМ, за время тв система мониторинга обнаруживает отказ, а диспетчер перегружает виртуальную машину (восстанавливает ее функционирование). Таким образом простой ВМ после каждого сбоя составит тв .

Время Tj перезагрузки (простоя) j-ой ВМ зависит от количества установленных на ВМ

программ, объема памяти, которое они используют, времени загрузки операционной системы. Это время составляет

Т=5iv о+¿2 'ЪРг+¿3 Ер

jr

Vr ■

(5)

где §1, §2, §з - коэффициенты, определяемые экспериментально, Vо - объем памяти для системного ПО ВМ, vr - объем памяти для прикладного ПО ВМ, обслуживающего заявку г-го типа.

Так как отказ любого ПО, установленного на ВМ приводит к необходимости ее перезагрузки (восстановлению), интенсивность Lj потока отказов /-ой ВМ определим как сумму

интенсивностей потоков отказов отдельных копий ПО:

8

Lj = £Лг Рг. (6)

г=1

Среднее время у. восстановления/-ой ВМ составит

j

Уj=т^г)=Т _ 1)!

с=0 с=1 4 }

( L гТ )с

Lj Т,

(7)

где Li - интенсивность потока отказов /-ой ВМ (5).

Определим вероятность р .. того, что заявка г-го типа поступит для обслуживания

]i

наю ВМ в момент времени, когда эта ВМ не находится в состоянии восстановления:

У

р = 1 рг т

Это выражение по сути является коэффициентом готовности ВМ [17]. Тогда с учетом возможности размещения копии г-го ПО одновременно на нескольких ВМ, вероятность рг обслуживания поступившей заявки г-го типа в виртуальной среде составит:

т у .

рг=1 -пк^, р ^ j=l т у

где (( х, у) =

1, если у = 0, х, если у = 1

Соответственно вероятность р(г, к) обслуживания поступившей заявки г-го типа в

виртуальной среде всех к серверов составит:

( к Л

р(г, к) = 1 -П

j=1

(

(

_

Т "" jг

\Taij

л Р

I=1

(8)

Для выполнения требования (2) по надежности функционирования системы значение р(j,к) в выражении (8) должно быть больше, чем для всех j = 1,.., 8 типов ПО.

Производительность СКСА

Производительность СКСА определяется средней долей с обслуженных заявок, поступивших за заданный период времени. В качестве показателя с производительности СКСА на заданном периоде функционирования будем использовать величину

с =

8 гР — Тг

1

Т • 8 Г=1

(9)

где тр - процессорное время, выделяемое на обслуживание заявок г-го типа за период;

Т - величина периода времени;

- интенсивность поступления заявок г-го типа;

1Г - время, необходимое на обработку заявки г-го типа;

g - количество типов заявок.

Величина т' зависит от следующих факторов:

- количества копий программы, одновременно обслуживающих заявки г-го типа;

- времени выполнения программ обслуживания заявок;

- количества серверов (процессоров), выполняющих программы;

- загруженности процессоров выполнением других программ;

- состояния (исправности) серверов и ВМ, на которых выполняются программы.

Время , выделяемое 7-ым сервером г-му ПО, установленному на /-ой виртуальной У'

машине за период времени Т без учета простоя (восстановления) ВМ составляет:

Т-(1 .

т

ВМ = .

Уг т g

2 а 2р ]

1=1 1=1

Здесь V j - доля процессорного времени, выделяемая на работу программного обеспечения /-ой ВМ.

Если учитывать среднее время, затрачиваемое ВМ на восстановление (6), то «чистое»

время трг, выделяемое 7-ым сервером /-ой виртуальной машине для работы г-го ПО за пе-

У'

риод времени Т составит:

т

р = ВМ ...а

= т]г у ] = аУ Р

1]Г Ч]Г

Т. (1 -V])

т g

2 а 2р ]

Т]

^ (Ь]-Т)с

2 (с-1)!

е" ЬуТ

1=1 1=1

]1

где Ь] = 2*г Рц •

I=1

Тогда «чистое» время трг , выделяемое 7-ым сервером для работы г-го ПО на всех виртуальных машинах, функционирующим на нем, за период времени Т составит:

т

.Р -

2ТВМ-У] )=2а

]=1

]=1

Т. (1 -V] )

т g

2а 2р ]

в Тв■

^ (Ь]-Т )с

21 (с -1)!

■е" Ь]'Т

1=1 1=1

где Ь] = 2*гр]1 •

I=1

И, наконец, «чистое» время тр , выделяемое всеми серверами для работы г-го ПО на всех виртуальных машинах за период времени Т составит:

к m

к m

TP =ZZ(jBM-г j )=ZZay ß i=1 j=1 i=1 j=1

jr

Л

t-(1 -Vj)

m g

TJ'-

z

(Li-T )с

Zß

l=1 l=1

jl

=1 (с -!)!

e" Lj-T

(10)

где Lj = ^1Лг Рjl, а т^ определяется выражением (5). I=1

Подставив в соотношение (9) значение Тг из выражения (10) и произведя преобразования, получим среднюю долю обслуженных заявок:

(

1

к m

l f g Л

1 ХХаус Zßji Vi=1

gi=1 j=1

(1 -Vj)-Z

ß

im v g Л 'J £ (с -1)!

V g Л T

Za Zßji

к i=1 Л i=1 )

^ Lr ' T'C

Tj- z J lJ

r=1 Zr'tr Lj T „-L, - T

(11)

[1, если x > 0, где с( х) = \

0, иначе

Затраты памяти на функционирование СКСА Потребный объем оперативной памяти /-го сервера

* т ( I

у(О,к ) = у(аь,Р]Ъ,) = V Vо + 2Р

j=1 I г=1

jr

- Vr

(12)

где I = 1,..,к ; j = 1,..,т;

к - количество серверов СКСА; т - количество виртуальных машин;

g - количество типов ПО (приложений), запускаемых по заявкам пользователей;

V - объем памяти для общего системного и прикладного ПО сервера; V о - объем памяти для системного ПО ВМ;

Vг - объем памяти для прикладного ПО ВМ, обслуживающего заявку г-го типа.

Математическая постановка задачи (1) - (4) с учетом принятой модели может быть сформулирована как оптимизационная задача

K * = argmax (ю( K))

K e{Ka,Kß}

Н4 ^ ^ ч

поиска конфигурации K = {K *, K ß} = ' симум целевой функции (11) при ограничениях

aij

к xm'

ßi

mxg

обеспечивающей мак-

1 -п

]=1

к Л

У) о 1=1

> Р , Уг = 1,.., 2 ,

_ г тр ' ' ' •=> '

(12)

т

V +

V0 + 2Рг^г

]=1 V г=1 у

т ( к Л

^ ^ доп >

V/ = 1,.., к

?••? ?

Е р¡г-2щ

]=1 ^ /=1 у

> 1, Уг = 1,..., 2.

(13)

(14)

Задача является КР-полной и относится к классу задач нелинейного булева программирования.

Пример конфигурирования виртуальной среды комплекса средств автоматизации

В качестве примера конфигурирования виртуальной среды комплекса средств автоматизации рассмотрим результат моделирования функционирования СКСА в различных конфигурациях виртуальной среды и выбора оптимальной из них.

Параметры моделирования представлены в таблице 1.

Таблица 1

Параметр моделирования функционирования СКСА

т

Параметр моделирования значение

Период функционирования СКСА 24 часа

Кол-во серверов (к) 2

Количество типов заявок 4

Интенсивность поступления заявки 20/час

Время обслуживания заявки 1 мин

Интенсивность потока отказов прикладного ПО 0.01 /час

Требуемая вероятность успешного обслуживания заявок 0.95

Объем памяти прикладного ПО 1 Гб

Объем памяти для ПО ВМ 2 Гб

Объем памяти для ПО сервера 3 Гб

Ограничение на объем используемой памяти сервера 40 Гб

Конфигурацию К виртуальной среды комплекса, представляющую собой совокупность

двух бинарных матриц:

щ

размерностью к х т и

Рг

размерностью т х я, где к - ко-

личество серверов, т - количество виртуальных машин, g - количество типов заявок и соответствующих им программ, можно представить двумя соответствующими кодами

к т т я

7а(к, т) = 2'г и 7 р(т, 2) = 22 РГ 2

г=1 ]=1 г=1 ]=1

В таблице 2 представлены оптимальные конфигурации виртуальной среды функционирования СКСА для различного числа виртуальных машин.

Оптимальные конфигурации виртуальной среды функционирования СКСА

Кол-во ВМ о Конфигурация

Уа(к, т) У р(т К)

1 0.9957 3 (2,1) 15 (1,4)

2 1.0686 15(2,2) 60 (2,4)

3 1.0869 15(2,3) 300 (3,4)

4 1.1039 146(2,4) 29619 (4,4)

При заданных ограничениях (табл. 1) оптимальным является вариант виртуальной среды на 4 виртуальных машинах с конфигурацией, указанной в последней строке табл. 2. Дальнейшее наращивание числа виртуальных машин не дает увеличения производительности ввиду ограничений на затраты памяти.

типов заявок, больших шести) является нетривиальной проблемой и требует разработки приближенных алгоритмов оптимизации.

Заключение

Рассмотренная модель функционирования комплекса средств автоматизации на основе виртуализации вычислительных ресурсов учитывает характеристики рабочей нагрузки, состав и характеристики вычислительных средств СКСА. Модель позволяет оценить производительной, надежность и затраты памяти СКСА в зависимости от выбранной конфигурации виртуальной среды. Это позволяет решить ряд практических задач по обоснованию выбора состава и характеристик вычислительных средств, оцениваю показателей качества его функционирования и выработке рекомендаций по конфигурированию виртуальной среды.

Отметим, что решение последней задачи при больной размерности исходных данных (количестве виртуальных машин и типов заявок, больших шести) является нетривиальной проблемой и требует разработки приближенных алгоритмов оптимизации.

Литература

1. Абрамов Н. С. Макаров Д.А., Талалаев А. А, Фраленко В.П. Современные методы интеллектуальной обработки данных ДЗЗ // Программные системы: теория и приложения. 2018. № 4(39). С.417-442. т.9

2. Карин С.А. Операционно-временная модель функционирования систем комплексной обработки геопространственных данных в условиях дефицита их ресурсов // Информационно-управляющие системы. 2017. № 2(87). С.51-57.

3. Бондур В.Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исследование Земли из космоса. 2014. № 1. С. 3-17.

4. Водолазкина Н.А. Перспективы использования технологий виртуализации //Инновационная наука. 2015. № 6. С. 45-48.

5. Коуров А.В. Современные гипервизоры как основа инфраструктуры образовательной организации. // Вестник Шадринского государственного педагогического института. 2015. № 1 (25). С. 142-148.

6. Межгосударственный стандарт ГОСТ ISO/IEC 17788-2016. "Информационные технологии. облачные вычисления. общие положения и терминология". 01.11.2017.

7. Аверьянихин А.Е., Котельницкий А.В., Муравьев К.А. Методика расчета оптимального числа узлов кластера виртуализации частного облака виртуальных рабочих столов по критерию эффективности // Международный научно-исследовательский журнал. Екатеринбург. 2016. № 5-3(47). С. 6 -13.

8. Алпатов А.Н. Оценка влияния системных параметров распределённого вычислительного комплекса на эффективность работы алгоритмов балансировки нагрузки // Кибернетика и программирование. 2017. № 1. С.1-10.

9. Парфёнов Д.И. Исследование распределения ресурсов в интерактивных сервисах инфокомму-никационных сетей. Диссертация кандидата технических наук: 05.12.13 / Поволжская государственная академия телекоммуникаций и информатики. Самара. 2014.

10. Игнатова Н.А. Методы и алгоритмы оптимизации ресурсного обеспечения сложных информационно-вычислительных систем на железнодорожном транспорте. Диссертация кандидата технических наук: 05.13.01 /Московский государственный университет путей сообщения МГУПС (МИ-ИТ). Москва. 2014.

11. Вдовин П.М., Зотов И.А. и др. Сравнение различных подходов к распределению ресурсов в центрах обработки данных // Известия РАН. Теория и системы управления. 2014. № 5. С. 71-83.

12. Зотов И.А., Костенко В.А. Алгоритм распределения ресурсов в центрах обработки данных с единым планировщиком для различных типов ресурсов // Известия Российской академии наук. Теория и системы управления. 2015. № 1. С.61-71.

13. Басыров А.Г., Казанцев Д.И. Методика распределения прикладных задач по виртуальным машинам с учетом надежности их решения. // Известия ВУЗов. Приборостроение. 2016. № 10 Том. 59. С. 822-827

14. Казанцев Д.И., Забузов В.С., Белая Т.И., Швецов А.С. Способ организации контроля качества обслуживания в инфотелекоммуникационной сети на примере ВКА имени А.Ф.Можайского. // Научный обозреватель. 2014. № 12. С. 56-57.

15. Басыров А.Г., Казанцев Д.И., Карытко А.А., Шаменков Н.А. Конфигурирование вычислительных систем на основе виртуализации ресурсов. // Известия тульского государственного университета. 2017. № 12. С. 331-345.

16. Гмурман В.Е. Теория вероятностей и математическая статистика. 5-е. М.: Высшая школа, 1977. 479 с.

17. Половко А.М., Гуров С.В. Основы теории надежности. СПб: БХВ-Петербург, 2006. 206 с.

VIRTUALIZATION OF COMPUTING RESOURCES AT SPECIAL-PURPOSE FACILITIES.

DENIS I. KAZANTSEV

Head of the Information Technology Department of the Military Space Academy named after A.F.Mozhaisky, St. Petersburg, Russia, zilan.ka@yandex.ru

ABSTRACT

Introduction: The paper presents a model of the functioning of a complex of automation tools based on the virtualiza-tion of computing resources. When working with the model, the characteristics of the workload were taken into account. The analysis of the volumes of data entering the automation complex is carried out. The functioning of a network complex of automation tools processing Earth remote sensing data coming from space objects on the basis of virtualization of computing resources is considered. An approach to the operation of the functioning model in the processing of Earth remote sensing data using virtualization technologies is proposed. It is supposed to be pre-deployed in a complex of automation tools for virtual machines. Applications received for the processing of remote sensing data of the Earth can be of two types: information and calculation (primary, secondary processing) and support (tasks related to the management of computing resources). It is assumed that the operation of the software for primary/secondary processing tasks is sufficiently automated. By applications, we will understand applications for processing remote sensing data of the Earth. Automated user workstations, computing systems (servers, data storage systems), virtual machines, software, communication channels, administrative and management systems can be part of the automation complex operating on the basis of virtualization technology. The simulation of the functioning of computing systems in the conditions of using virtualization is carried out. The operating model of the automation complex includes such dependencies on the performance, reliability of the automation complex, as well as the required amount of memory from the characteristics of computing systems, the flow of applications, software and configuration of the virtual environment, taking into account the restrictions on the ability to service applications of all types. Where, the reliability of the functioning of the automation complex is estimated by the probability of servicing an application of each type. This indicator depends on the uptime of the virtual environment of the automation complex. The productivity of the automation complex is determined by the average share of serviced applications received over a given period of time. Proposals have been formed to improve the efficiency of functionally distributed data processing. An example of the application of the model for calculating a complex indicator of the efficiency of the functioning of a computer system is given.

Keywords: performance; special complexes; computing system; virtualization; virtual environment; performance testing algorithm.

REFERENCES

1. Abramov N. S. Makarov D.A., Talalaev A. A., Fralenko V.P. Modern methods of intelligent remote sensing data processing // Software systems: theory and applications. 2018. No. 4(39). Pp.417-442. vol. 9

2. Karin S.A. Operational-temporal model of the functioning of systems of complex processing of geospatial data in conditions of scarcity of their resources. Information and control systems. 2017. No. 2(87). Pp.51-57.

3. Bondur V.G. Modern approaches to processing large flows of hyperspectral and multispectral aerospace information. Earth Exploration from space. 2014. No. 1. Pp. 3-17.

4. Vodolazkina N.A. Prospects of using virtualization technologies. Innovative science. 2015. No. 6. Pp. 45-48.

5. Kourov A.V. Modern hypervisors as the basis of the educational organization infrastructure. Bulletin of the Shadrinsky State Pedagogical Institute. 2015. No. 1 (25). Pp. 142-148.

6. Interstate standard GOST ISO/IEC 17788-2016. "Information technologies. cloud computing. general provisions and terminology". 01.11.2017.

7. Averyanikhin A.E., Kotelnitsky A.V., Muravyev K.A. Methodology for calculating the optimal number of nodes of the virtualization cluster of a private cloud of virtual desktops according to the efficiency criterion. International Research Journal. Yekaterinburg, 2016. No. 5-3(47). Pp. 6 -13.

8. Alpatov A.N. Evaluation of the influence of system parameters of a distributed computing complex on the efficiency of load balancing algorithms. Cybernetics and programming. 2017. No. 1. Pp. 1-10.

9. Parfenov D.I. Research of resource allocation in interactive services of infocommunication networks. Dissertation of Candidate of Technical Sciences: 05.12.13. Volga State Academy of Telecommunications and Informatics. Samara. 2014.

10. Ignatova N.A. Methods and algorithms for optimizing the resource support of complex information and computing systems in railway transport. Dissertation of Candidate of Technical Sciences: 05.13.01. Moscow State University of Railway Engineering MGUPS (MI-IT). Moscow. 2014.

11. Vdovin P.M., Zotov I.A. et al. Comparison of different approaches to resource allocation in data processing centers. Izvestiya RAS. Theory and control systems. 2014. No. 5. Pp. 71-83.

12. Zotov I.A., Kostenko V.A. Algorithm of resource allocation in data processing centers with a single scheduler for various types of resources. Izvestiya Rossiyskoy akademii nauk. Theory and control systems. 2015. No. 1. Pp.61-71.

13. Basyrov A.G., Kazantsev D.I. Methodology of distribution of applied tasks on virtual machines taking into account the reliability of their solution. Izvestiya VUZov. Instrumentation. 2016. No. 10 Vol. 59. Pp. 822-827

14. Kazantsev D.I., Zabuzov V.S., Belaya T.I., Shvetsov A.S. The method of organizing quality control of service in the in-fotelecommunication network on the example of the A.F.Mozhaisky VKA. Scientific observer. 2014. No. 12. Pp. 56-57.

15. Basyrov A.G., Kazantsev D.I., Karytko A.A., Shamenkov N.A. Configuration of computing systems based on resource virtualization. News of the Tula State University. 2017. No. 12. Pp. 331-345.

16. Gmurman V.E. Probability theory and mathematical statistics. 5-E. M.: Higher School, 1977. 479 p.

17. Polovko A.M., Gurov S.V. Fundamentals of reliability theory. St. Petersburg: BHV-Petersburg, 2006. 206 p.