Необхідна
інформація збирається за допомогою спеціальних засобів, які забезпечують вимірювання параметрів, що характеризують динаміку функціонування ЛОМ у режимах дослідної та нормальної експлуатації. До таких засобів відносяться мережеві аналізатори, аналізатори
протоколів і т.п.
Створення засобів для вимірювання параметрів функціонування ЛОМ, в тому числі і операційних систем ЛВС, відноситься до числа нових задач в обчислювальній техніці.
Експериментальні методи дозволяють створити основу кількісної оцінки ефективності ВС для досягнення наступних практичних цілей: аналізу наявних ЛВС, вибору найкращої і синтезу нової ЛВС.
Оцінка характеристик апаратно-програмних засобів пов'язана з проведенням експериментів і вимірювань, які із практичної точки зору можуть розглядатися як процес отримання корисної інформації.
Дані вимірювань представляються у вигляді, придатному для подальшого аналізу. Це здійснюється за допомогою спеціальних засобів обробки, створення яких пов'язане з розробкою аналізаторів.
Цей взаємозв'язок стосується, наприклад, вибору єдиних форматів даних, зручних не тільки для вимірювань, але і для обробки їх результатів. У загальному випадку етап вимірювань передує етапу обробки, і засоби обробки повинні бути розраховані на ефективне застосування до великих масивів інформації, оскільки для вимірювань на ЛВС
характерні, як правило, великі обсяги й висока
щільність реєстрованих даних.
На завершальному етапі експериментальних досліджень проводиться аналіз результатів вимірювань, який полягає в отриманні змістовних висновків про досліджувану ЛВС. Важливою умовою для формування таких висновків є вдале представлення результатів вимірювань.
Ефективність експериментальних методів значною мірою залежить від якості планування експериментів і правильності вибору типу навантаження. Експеримент складається з набору тестів, що проводяться в процесі досліджень, а тест, у свою чергу, складається з ряду сеансів або "прогонів". Термін "сеанс" частіше застосовується для вимірювань, а "прогін", як правило, - для імітаційного моделювання. Протягом сеансу або прогону накопичується інформація про поведінку системи і, можливо, робочого навантаження. Оскільки робоче навантаження змінюється, число спостережень, яке потрібно отримати для кожної цікавить користувача величини, повинно бути таким, щоб розподілу для цих величин і їх моменти могли бути оцінені з необхідною точністю. Таким чином, тривалість сеансу залежить від необхідного числа спостережень.
Експеримент тривалістю в один сеанс достатній для оцінки, якщо потрібно, розглянути тільки одну конфігурацію системи та один тип, робочого навантаження. Наприклад, якщо вимірювання проводяться для того, щоб з'ясувати, чи забезпечує дана ЛВС при заданій робочій навантаженні (трафіку) задовільну продуктивність, тобто чи
відповідає вона певним вимогам. Експерименти тривалістю в кілька сеансів необхідні, якщо має визначити вплив певних факторів на продуктивність системи або проводиться оптимізація системи послідовними итерациями. Основною проблемою, що виникає під час планування цих експериментів, є визначення складу і необхідної точності реєстрації вимірюваних параметрів.
ЗБІР ДАНИХ ДЛЯ МОДЕЛЮВАННЯ
Як правило, засоби моделювання мережі обчислюють її продуктивність на основі показників її фактичного і оцінюваного трафіку, що вказуються адміністратором мережі. Багато програм моделювання сприймають дані і від інструментальних засобів аналізу мережі, таких, як аналізатор протоколу Sniffer фірми Network General. Для великомасштабних моделей така можливість має важливе значення: без неї довелося б підраховувати передані пакети і вводити безліч даних.
Встановивши програмні
датчики, що дозволяють отримати картину повного мережевого трафіку, можна використовувати і дані, одержані за допомогою продуктів адміністративного управління мережею, таких, як SunNet Manager фірми Microsystems і Open View фірми Hewlett Packard.
Іншим підходом до моделювання мережі є створення варіантів сценарію роботи ЛВС, що дозволяє програмувати рівень трафіку на основі дій мережевих додатків. Різниця між цими підходами полягає в тому, що в першому випадку просто використовується екстраполяція на основі виміряного трафіку, а другий дозволяє керувати масштабом операцій.
Він буде спрацьовувати тим ефективніше, чим більше сценарії наближені до реальності.
Навіть за допомогою такого вимірювального інструмента, як Sniffer, моделювання дозволяє отримати лише ту точність, яку дають базові дані. Якщо при вимірюванні трафіку не охоплений адекватний діапазон мережевої активності або невірні оцінки зростання обсягу трафіку, що генерується новим додатком, отримати реалістичне опис продуктивності неможливо.
Необхідні не тільки точні дані, але і певна підготовка експериментатора, розуміння того, що означає програма моделювання і які сценарії більш життєздатні. Хоча інструментальні засоби є графічними і з ними легко працювати, ці кошти не дають конкретних рекомендацій, наприклад, як "виділити цей сегмент мережі" або "зменшити тут довжину кабелю".
Засоби моделювання здатні показати, яким чином зміни можуть вплинути на продуктивність, але інтерпретувати дані, розробляти план усунення "вузьких" місць і готувати сценарії для перевірки цих планів повинен адміністратор мережі.
ІНДЕКСИ ПРОДУКТИВНОСТІ
Найбільш широко поширені класи кількісних
індексів продуктивності для обчислювальних систем перераховані в табл. 1.
Таблиця 1 Основні класи кількісних індексів продуктивності обчислювальних систем
Клас індексу
| Приклади індексів
| Загальне визначення
|
Продуктивність
| Пропускна здатність Швидкість вироблення Максимальна вироблення (максимум пропускної спроможності) Швидкість виконання команд Швидкість обробки даних
| Обсяг інформації, що обробляється системою в одиницю часу
|
Реактивність
| Час відповіді Час проходження Час реакції
| Час між пред'явленням системі вхідних даних і появою відповідаю щей вихідний інформації
|
Використання
| Коефіцієнти використання устаткування (центральний процесор, канал введення-виведення, пристрій вводу-виводу) Коефіцієнт використання операційної системи Коефіцієнт використання загального модуля програмного забезпечення (наприклад компілятора) Коефіцієнт використання бази даних
| Ставлення часу використання зазначеної частини системи (або її використання для заданої цілі) протягом заданого інтервалу часу до тривалості цього інтервалу
|
Із загальних визначень, даних в тій же таблиці, очевидно, що
індекси продуктивності мають розмірність обсяг 7 & 0 час 5-1 0, індекси реактивності розмірність часу, а індекси використання безрозмірні. В даний час не існує стандартизованого єдиного способу вимірювання обсягу, або кількості інформації, переробленої системою. Таким чином, в залежності від системи і від її робочого навантаження будуть використовуватися різні міри об'єму; серед найбільш поширених можна назвати: завдання, програму, процес, крок завдання, завдання, повідомлення, взаємодія (
обмін повідомленнями), команду. Перерахувати всі значення, приписані раніше і приписувані нині цим
термінам в літературі з обчислювальних систем, мабуть, неможливо. Тут ми тільки відзначимо, що всі вони до певної міри залежать від природи робочого навантаження, від мови, на якому програмісти описують свої алгоритми для машини, від внутрішнього мови машини і від способу організації системи. Таким чином, жодна з цих заходів не має властивість незалежності від робочого навантаження і властивістю незалежності від системи - це дві властивості, необхідні для того, щоб можна було
встановити деяку міру обсягу інформації в якості універсальної.
АНАЛІТИЧНЕ МОДЕЛЮВАННЯ НА ОСНОВІ ТЕОРІЇ СИСТЕМ МАСОВОГО ОБСЛУГОВУВАННЯ ЗАГАЛЬНІ ПОЛОЖЕННЯ
При аналітичному моделюванні дослідження процесів або об'єктів замінюється побудовою їх математичних моделей і дослідження цих моделей. В основу методу покладені ідентичність форми рівнянь і однозначність співвідношень між змінними в рівняннях, що описують оригінал і модель. Оскільки події, що відбуваються в локальних обчислювальних мережах, носять випадковий характер, то для їх вивчення найбільш підходящими є імовірнісні
математичні моделі теорії масового обслуговування.
Об'єктами дослідження в теорії масового обслуговування є
системи масового обслуговування (СМО) і мережі масового обслуговування (семою).
Системи масового обслуговування класифікуються за такими ознаками: - закону розподілу вхідного потоку заявок; - числу обслуговуючих приладів; - закону розподілу часу обслуговування в обслуговуючих приладах; - числу місць у черзі; - дисципліни обслуговування.
Для стислості запису при позначенні будь СМО прийнята система
кодування A / B / C / D / E, де на місці букви ставляться
відповідні характеристики СМО: А - закон розподілу інтервалів часу між надходженнями заявок. Найбільш часто використовуються наступні закони розподілу: експоненціальне (М), ерланговское (Е), гіперекспоненціальное (Н), гамма-розподіл (Г), детерміноване (D). Для позначення довільного
характеру розподілу використовується
символ G; В - закон розподілу часу обслуговування в приладах СМО.
Тут прийняті такі ж позначення, як і для розподілу інтервалів між надходженнями заявок; С - число обслуговуючих приладів. Тут прийняті наступні позначення: для одноканальних систем записується 1, для багатоканальних у загальному випадку - l (число каналів); D - число місць у черзі. Якщо число місць у черзі не обмежена, то дане позначення може опускатися. Для кінцевого числа місць у черзі в загальному випадку прийняті позначення r або n (кількість місць); Е -
дисципліна обслуговування. Найбільш часто використовуються наступні варіанти дисципліни обслуговування: FIFO (першим прийшов першим вийшов), LIFO (останнім прийшов - першим вийшов), RANDOM (випадковий порядок обслуговування). При дисципліни обслуговування FIFO дане позначення може опускатися.
Приклади позначень:
М/М/1 - СМО з одним обслуговуючим приладом, нескінченної чергою, експоненціальними законами розподілу інтервалів часу між надходженнями заявок і часу обслуговування,
дисципліною обслуговування FIFO;
Е / Н / l / r / LIFO - СМО з кількома обслуговуючими приладами, кінцевою чергою, ерланговскім законом розподілу інтервалів між надходженнями заявок, гіперекспоненціальним розподілом часу обслуговування в приладах, дисципліною обслуговування LIFO;
G / G / l - СМО з кількома обслуговуючими приладами, нескінченної чергою, довільними законами розподілу часу між надходженнями заявок і часу обслуговування, дисципліною обслуговування FIFO.
Для моделювання ЛВС найбільш часто використовуються наступні типи СМО:
1) одноканальні СМО з очікуванням представляють собою один обслуговуючий прилад з нескінченною чергою. Дана СМО є найбільш поширеною при моделюванні. З тією або іншою часткою наближення з її допомогою можна моделювати практично будь-який вузол ЛВС;
2) одноканальні СМО з втратами - представляють собою один обслуговуючий прилад з кінцевим числом місць у черзі. Якщо число заявок перевищує кількість місць у черзі, то зайві заявки втрачаються.
Цей тип СМО може бути використаний при моделюванні каналів передачі в ЛОМ;
3) багатоканальні СМО з очікуванням представляють собою кілька паралельно працюють обслуговуючих приладів із загальною нескінченної чергою. Даний тип СМО часто використовується при моделюванні груп абонентських терміналів ЛВС, що працюють у діалоговому режимі;
4) багатоканальні СМО з втратами - являють собою кілька паралельно працюють обслуговуючих приладів із загальною чергою, число місць у якої обмежена. Ці СМО, як і одноканальні з втратами, часто використовуються для моделювання каналів зв'язку в ЛВС;
5) одноканальні СМО з груповим надходженням заявок представляють собою один обслуговуючий прилад з нескінченною чергою. Перед обслуговуванням заявки групуються в пакети за певним правилом;
6) одноканальні СМО з груповим обслуговуванням заявок представляють собою один обслуговуючий прилад з нескінченною чергою.
Заявки обслуговуються пакетами, що складаються за певним правилом. Останні два типи СМО можуть використовуватися для моделювання таких вузлів ЛВС, як центри (вузли) комутації.
Локальна обчислювальна
мережа в цілому може бути представлена у вигляді мережі масового обслуговування. Розрізняють відкриті, замкнуті і змішані мережі.
Відкритої називається мережа масового обслуговування, що складається з М вузлів, причому хоча б до одного з вузлів мережі надходить ззовні вхідний потік заявок, і є стік заявок з мережі. Для відкритих мереж
характерно те, що інтенсивність надходження заявок в мережу не залежить від
стану мережі, тобто від числа заявок, вже надійшли в мережу. Відкриті мережі використовуються для моделювання ЛВС, що працюють за неоперативне режимі. Кожна заявка надходить на вхід
відповідного вузла комутації, де визначається місце її обробки. Потім заявка передається на "свій" сервер або по каналу зв'язку - на "сусідній" сервер, де обробляється, після чого повертається до джерела і покидає мережу.
Замкнутої називається мережа масового обслуговування з безліччю вузлів М без джерела і стоку, в якій циркулює постійне число заявок. Замкнуті семою використовуються для моделювання таких ЛВС,
джерелами інформації для яких служать абонентські термінали, що працюють в діалоговому режимі. У цьому випадку кожна група абонентських терміналів представляється у вигляді багатоканальної системи масового обслуговування з очікуванням і включається до складу пристроїв мережі.
Розрізняють простий і складний режими роботи діалогових абонентів. У простому режимі абоненти не проводять ніяких дій, крім посилки завдань у ЛОМ та обмірковування отриманої відповіді.
Абоненти з терміналів посилають запити, які по каналах зв'язку надходять на вузли комутації, а звідти - на обробку на "свій" або "" сусідній "сервер. Подальша обробка здійснюється так само, як у відкритій мережі.
При складному режимі діалогу
робота абонентів представляється у вигляді сукупності операцій якогось процесу, званого технологічним процесом. Кожна
операція технологічного процесу моделюється
відповідної СМО. Частина операцій передбачає звернення до ЛВС, а частина операцій може такого звернення не передбачати.
Алгоритм роботи самої ЛВС такий же, як для замкнутої мережі.
Змішаної називається мережа масового обслуговування, в якій циркулює кілька різних типів заявок (трафіку), причому щодо одних типів заявок мережа замкнута, а щодо інших типів заявок мережа відкрита. За допомогою змішаних семою моделюються такі ЛВС, частина абонентів яких працює в діалоговому, а частина - за неоперативне режимі. Для діалогових абонентів також розрізняють простий і складний режим роботи. Часто змішані семою моделюють ЛВС, в яких сервер додатково завантажується завданнями, розв'язуваними на тлі роботи самої мережі.
Алгоритм роботи мережі для діалогових абонентів аналогічний алгоритму роботи замкнутої мережі, а алгоритм роботи мережі для неоперативних абонентів - алгоритмом роботи відкритої мережі.
Розрізняють експоненціальні і неекспоненціальние моделі ЛОМ.
Показникові моделі засновані на припущенні про те, що потоки заявок, що надходять в ЛВС, є пуасонівськими, а час обслуговування в вузлах ЛОМ має експоненційний розподіл.
Для таких мереж отримані точні методи для визначення їх характеристик; трудомісткість одержання рішення залежить в основному від розмірності мережі.
Однак у більшості мереж (і локальних мереж зокрема) потоки не є пуасонівськими. Моделі таких мереж називаються неекспоненціальнимі. При аналізі неекспоненціальних мереж у загальному випадку відсутні точні рішення, тому найбільше застосування тут знаходять наближені методи.
Одним з таких методів є метод дифузійної апроксимації. Використання дифузійної апроксимації дозволило, до теперішнього часу отримати наближені аналітичні залежності для визначення характеристик всіх типів СМО, розглянутих вище.
При цьому не потрібно точного
знання функцій розподілу випадкових величин, пов'язаних з даною СМО (інтервалів між надходженнями заявок часом обслуговування в приладах), а досить лише знання першого (математичного очікування) та другого (дисперсії або квадрата коефіцієнта варіації - ККВ) моментів цих величин.
Застосування дифузійної апроксимації при аналізі ЛВС засноване на наступному:
1) по кожному типу заявок обчислюється інтенсивність надходження заявок даного типу у вузли мережі так, як якщо б цей потік заявок циркулював в мережі тільки один;
2) за певним правилом, залежному від типу СМО і дисципліни обслуговування, складаються потоки заявок від усіх джерел;
3) за певним правилом визначається середній час обслуговування в кожному вузлі ЛВС;
4) отримані значення підставляються у
відповідну дифузійну формулу і визначаються характеристики вузлів ЛВС;
5) визначаються характеристики ЛВС в цілому.
Постановка завдання аналізу ЛВС при цьому прийме наступний вигляд.
Дано:
число вузлів ЛВС;
тип кожного вузла ЛОМ (тип СМО, що моделює даний вузол);
дисципліна обслуговування в кожному вузлі ЛВС; загальне число типів джерел заявок, що працюють у діалоговому режимі;
загальне число типів джерел заявок, що працюють за неоперативне режимі;
для діалогових джерел у випадку складного режиму роботи число технологічних процесів кожного типу, кількість операцій в кожному технологічному процесі, середнє і ККВ часу виконання кожної операції, матриця ймовірностей передач між
операціями, а також наявність або відсутність на кожній операції звернення до ЛВС; для діалогових джерел у разі простого режиму роботи число джерел (терміналів) кожного типу, середнє і ККВ часу реакції абонента на
відповідь мережі; для неоперативних абонентів - середня інтенсивність надходження заявок і ККВ часу між надходженнями заявок; по кожному типу заявок (діалоговому і неоперативне) середня інтенсивність обслуговування у кожному вузлі ЛВС, ККВ часу обслуговування в вузлах ЛОМ та матриця ймовірностей передач між вузлами.
Потрібно знайти: середнє значення і дисперсію (або
стандартне відхилення) часу затримки заявки кожного типу в ЛВС в цілому; середнє значення і дисперсію (або стандартне відхилення) часу затримки у вузлах ЛВС; завантаження вузлів ЛВС; ймовірність втрати заявки у вузлі ЛВС (для вузлів , модельованих СМО з втратами).
Обмеження можуть бути наступними:
завантаження вузлів не повинна перевищувати 1;
ймовірність втрати заявки не повинна перевищувати 1;
всі характеристики повинні бути позитивні.
Іноді становить інтерес визначення такого показника, як максимальний час затримки заявки кожного типу в ЛОМ. Максимальний час це такий час, перевищення якого допустимо лише для деякого, наперед заданого відсотка заявок кожного типу. Для визначення максимального часу використовується методика, заснована на апроксимації функції розподілу часу затримки в мережі ерланговскім або гіперекспоненціальним розподілом, при цьому необхідно ставити частку (відсоток) заявок, для яких розраховується максимальний час.
ІНСТРУМЕНТАЛЬНІ ЗАСОБИ МОДЕЛЮВАННЯ
Існує досить значна кількість ППП, що автоматизують
процеси розробки і дослідження аналітичних моделей обчислювальних систем та мереж. Розглянемо один з них, досить простий і зручний у використанні, - ППП "ДІФАР". В основу його побудови покладені викладені вище положення моделювання систем і мереж масового обслуговування.
Пакет ДІфАР призначений для аналітичного моделювання та оптимізації систем, мереж масового обслуговування та мережевих систем. Він дозволяє розраховувати ймовірно-часові характеристики СМО, семою і мережевих систем, задаючи в якості параметрів два моменти вхідних потоків та обслуговування, що дозволяє дослідити поведінку систем у широкому діапазоні змін як середніх значень, так і дисперсій потоків та обслуговування, а також знайти оптимальне побудова мережевих систем за значеннями ймовірнісно-часових характеристик (ВВХ), адекватних фактичним розподілом.
Пакет ДІФАР забезпечує розрахунок:
- Системних характеристик для одноканальних та багатоканальних систем масового обслуговування без обмежень на ємності буферних накопичувачів (середнє значення і дисперсія часу перебування, максимальний час перебування для r відсотків заявок, завантаження);
- Системних характеристик для одноканальних та багатоканальних систем масового обслуговування, що враховують обмеження на ємності буферних накопичувачів (середнє значення і дисперсія часу перебування, максимальний час перебування для r відсотків заявок, ймовірність відмови в обслуговуванні, завантаження);
- Системних характеристик для одноканальних систем масового обслуговування з груповим надходженням заявок або груповим обслуговуванням заявок (середнє значення і дисперсія часу перебування заявки, максимальний час перебування для r відсотків заявок, завантаження);
- Системних і мережевих характеристик відкритих неоднорідних мереж масового обслуговування з вузлами різних типів (середнє значення і дисперсія часу перебування в мережі, максимальний час перебування в мережі для r відсотків заявок, середнє значення і дисперсія часу перебування в кожному вузлі мережі, максимальний час перебування в кожному вузлі для r відсотків заявок, завантаження вузлів мережі, ймовірності відмов в обслуговуванні у вузлах);
- Системних і мережевих характеристик замкнутих і змішаних неоднорідних мереж масового обслуговування з вузлами різних типів, з простим режимом роботи діалогових абонентів (середнє значення і дисперсія часу перебування в мережі заявки кожного типу, максимальний час перебування в мережі для r відсотків заявок кожного типу, середнє значення і дисперсія часу перебування в кожному вузлі мережі, завантаження вузлів мережі, ймовірності відмов в обслуговуванні у вузлах);
- Системних і мережевих характеристик замкнутих і змішаних неоднорідних мереж масового обслуговування з вузлами різних типів зі складним режимом роботи діалогових абонентів (середнє значення і дисперсія часу циклу технологічного процесу роботи кожного діалогового абонента, максимальний час циклу для r відсотків технологічних процесів кожного типу, середнє значення і дисперсія часу перебування в мережі заявки кожного типу, максимальний час перебування в мережі для r відсотків заявок кожного типу, середнє значення і дисперсія часу перебування в кожному вузлі мережі, завантаження вузлів мережі, ймовірності відмов в обслуговуванні у вузлах);
- Показників ефективності мережевих систем, в якості моделей яких використовуються відкриті, замкнуті і змішані мережі масового обслуговування (локальні обчислювальні мережі, інформаційно-обчислювальні мережі, центри комутації пакетів та ін.)
Пакет програм дозволяє проводити аналіз мережевих систем, що включають від 30 (замкнуті і змішані мережі зі складним режимом роботи діалогових абонентів) до 50 вузлів СМО (відкриті, замкнуті і змішані мережі з простим діалогом) на PC XT / AT з 512 Кбайтами оперативної пам'яті.
Нижче наведені приклади моделювання деяких локальних обчислювальних мереж. Результати
розрахунків характеристик даних мереж отримані за допомогою пакету ДІФАР.
ПРИКЛАДИ АНАЛІТИЧНИХ МОДЕЛЕЙ ЛВС
Приклад 1.
Вихідні дані: Пристрій Середній час ККВ часу обслуговування 17,69 з 2,0 27,69 з 2,0 37,69 з 2,0 47,69 з 2,0 57,69 з 2,0 67,69 з 2, 0 Інтенсивність надходження заявок від кожного джерела 0,3 з / с.
Результати розрахунку: середній час затримки в мережі - 15,0477 с; стандартне відхилення часу затримки в мережі - 18,7703; максимальний час затримки в мережі для 90% заявок - 35,2611 с.
Приклад 2.
Відвідувач робить замовлення на квиток (операція 1). Оператор набирає запит на клавіатурі і посилає його до центральної бази даних на сервер (операція 2). Після отримання відповіді клієнт приймає рішення (операція 3). З імовірністю 0,1 необхідного квитка немає, і клієнт іде. З імовірністю 0,3 необхідного квитка немає, і клієнт просить послати запит на інший квиток. З імовірністю 0,6 потрібний квиток є, оператор надсилає до бази даних заявку на цей квиток і після отримання відповіді друкує квиток на принтері (операція 4). Потім клієнт розплачується, перевіряє квиток і йде (операція 5).
Робота інших пунктів мережі моделюється загальним потоком з середньою інтенсивністю 100 з / хв, які надходять безпосередньо на сервер.
ЛІТЕРАТУРА
1. Локальні обчислювальні мережі.
Книги 1-3. Під ред. Назарова С.В.
Москва "Фінанси і статистика" 1995.
2. Д. Феррарі.
Оцінка продуктивності обчислювальних систем.
Москва "Світ" 1981.
3. Максименков А. В., Селезньов М. Л. Основи проектування інформаційно-обчислювальних систем і мереж ЕОМ. Москва "Радіо і зв'язок" 1991.