Содержание к диссертации
Введение
1. Обзор САПР вычислительных сетей промышленных предприятий и методов оптимизации вычислительных сетей промышленных предприятий в САПР 10
1.1.Обзор систем автоматизации проектирования вычислительных сетей промышленных предприятий 10
1.2. Обзор вычислительных сетей промышленных предприятий: структура, предназначение, типы 27
1.2 .1.Эталонная модель взаимодействия открытых систем, используемая в вычислительных сетях 28
1.2.2. Классификационные признаки вычислительных сетей 30
1.2.3. Типы вычислительных сетей промышленных предприятий 32
1.2.4.Обзор средств мониторинга трафика в вычислительных сетях 36
1.3.Обзор коммуникационного оборудования вычислительных сетей 41
1.4.Обзор методов оптимизации ресурсов вычислительных сетей в САПР 66
1. 5 Постановка задачи исследований 79
2. Модели оптимизации топологии вычислительных сетей промышленных предприятий в САПР .в условиях неопределенности 86
2.1.Значение учета фактора неопределенности при проектировании и перепроектировании вычислительных сетей промышленных предприятий 86
2.2. Модель неопределенности -нечеткая величина.Способы представления нечетких данных ., 90
2.3. Алгоритм оптимального размещения коммуникационного оборудования вычислительных сетей промышленных предприятий в условиях неопределенности 103
2.4. Алгоритм определения необходимости перепроектирования вычислительной сети и выбора оптимального варианта подключения узлов к коммуникационному оборудованию 108
3. Структурно-функциональное решение САПР вычислительной сети 116
3 1. Архитектура САПР вычислительной сети 116
3.2. Описание проекта вычислительной сети 118
3 2 .1. Структура сети 118
3.2 2 Описание трафика.- 120
3 3 Особенности реализации 122
3 4 .Характеристика САПР вычислительной сети 127
3.5. Проверка адекватности разработанной САПР вычислительной сети на примере вычислительной сети УлГТУ ... 132
4. Вычислительные эксперименты в САПР вычислительных сетей 136
4.1. Вычислительные эксперименты по оптимизации трафика в вычислительной сети 136
4.1.1. Структура сети..." 136
4.1.2.Эксперименты по оптимизации трафика в "малой" вычислительной сети 139
4.1.3.Эксперименты по оптимизации трафика в "средней" вычислительной сети 142
4.1.4.Эксперименты по оптимизации трафика в "крупной" вычислительной сети 145
4.2. Вычислительные эксперименты по размещению коммуникационного оборудования в проектируемой сети 148
4.3.Вычислительные эксперименты по выбору коммуникационного оборудования для проектируемой сети 153
Заключение 157
Библиографический список 160
Приложения 168
- Обзор вычислительных сетей промышленных предприятий: структура, предназначение, типы
- Модель неопределенности -нечеткая величина.Способы представления нечетких данных
- Проверка адекватности разработанной САПР вычислительной сети на примере вычислительной сети УлГТУ
- Вычислительные эксперименты по размещению коммуникационного оборудования в проектируемой сети
Введение к работе
Вычислительные сети промышленных предприятий (ВС) являются основой информационной структуры любой организации. Проектирование вычислительных сетей промышленных предприятий должно производится с учетом особенностей предприятий. Большинство работ российских ученых, связанных с моделированием функционирования вычислительных сетей промышленных предприятий относятся к концу 7 0-х - началу 90-х годов нашего столетия. Благодаря бурному развитию информационных технологий появилось большое количество средств автоматизированного проектирования. Однако, в области проектирования и моделирования поведения вычислительных сетей промышленных предприятий в российской практике такие программные продукты не получили должного развития и распространения. На российском рынке представлены только специализированные редакторы схем ВС. Из известных математических моделей ВС, наибольшее распространение получили системы массового обслуживания (СМО) и сети массового обслуживания (СеМО). Они позволяют адекватно моделировать основные параметры вычислительных сетей промышленных предприятий: пропускную способность, время отклика, время обслуживания заявки, длину очереди и т.д. В СМО поток заданий моделируется распределением вероятностей Пуассона. Параметры распределения задаются гипотетически. Математические модели СМО и СеМО не представлены в настоящее время в форме САПР.
Основной величиной в модели поведения ВС является трафик. Успех проекта ВС зависит от наиболее адекватной оценки трафика в вычислительной'сети. В ходе проводимого анализа трафик вычислительной сети можно оценить только в интервальной форме. Причем на интервале обычно возможно задать функцию достоверности. Это позволяет построить меру трафика, как нечеткий интервал адекватно отражающий реальные процессы, происходящие в сети. Проектирование ВС осуществляется, как правило, в условиях неточности исходной информации, когда некоторые системные параметры определяются недостаточно точно, что порождает неопределенность условий проектирования. Часто эту неопределенность нельзя рассматривать, как стохастическое явление, так как отсутствуют стохастические параметры, и она может характеризоваться нечеткими.категориями.
В связи с вышеуказанным возникает интерес к теории «мягких вычислений» для решения . задач оптимизации систем при нечетко заданной исходной информации. В настоящее время на основе исследований восновном зарубежных ученых [37,38/39,40,41,42,43,44,45,50,51] формируется методология «мягкие вычисления», среди направлений которой можно выделить нечеткие системы. (НС) [34,35,46,47,48,49, 52,53, 55, 60, 61, 62,63,бб,67] . Развивающиеся в настоящее время методы возможностного программирования в рамках теории "мягких вычислений" позволяют учитывать как вероятностный характер исходных данных, так и знания эксперта-проектировщика. Большинство задач проектирования вычислительных сетей промышленных предприятий могут быть представлены как оптимизационные задачи. В настоящее время неизвестны приложения оптимизации топологии вычислительных сетей промышленных предприятий, учитывающие условия нечетко заданного трафика, как и неизвестны приложения возможностного программирования для оптимизации топологии ВС на этапе проектирования. Таким образом, возникает научная проблема автоматизированного проектирования вычислительных сетей промышленных предприятий в условиях нечетко заданного трафика.
Перечисленные аспекты проблемы автоматизированного проектирования вычислительных сетей промышленных предприятий делают тему диссертационной работы актуальной.
Объектом исследования в диссертационной работе является вычислительная сеть с коммуникационным оборудованием без маршрутизации. В качестве коммуникационного оборудования рассматриваются наиболее распространенные его виды: коммутаторы и концентраторы.
Предметом исследования выступают трафик вычислительных систем ограниченных объектом исследования в условиях неопределенности.
Цель исследования заключается в построении модели вычислительной сети на основе трафика, как нечеткой величины, в разработке алгоритмов.выбора коммуникационного оборудования, определения оптимального варианта подключения узлов к коммуникационному оборудованию и оптимизации размещения коммуникационных узлов в условия нечетких исходных данных.
Для достижения поставленной цели необходимо решить следующие задачи исследования:
1.Провести сравнительный анализ методов оптимизации ВС, возможностей и ограничений существующих САПР ВС, выявить характерные особенности проблемной области проектирования ВС и определить место нечетких систем и возможностного программирования в САПР ВС.
Построить модель трафика ВС, представленного нечетким интервалом.
Разработать алгоритм оптимизации размещения коммуникационного оборудования в ВС в условиях нечетко заданного трафика.
Разработать алгоритм выбора коммуникационного оборудования и определения оптимального варианта подключения узлов к коммуникационному оборудованию в условиях нечетких исходных данных.
Разработать программу нечеткой оптимизации топологии ВС и внедрить ее в САПР ВС.
Провести вычислительные эксперименты по исследованию эффективности разработанной программы нечеткой оптимизации топологии вычислительной сети.
Для достижения цели исследования применялись следующие методы исследования: методы системного анализа; теории вероятностей; теории массового обслуживания; математического моделирования; линейного и нелинейного программирования; совокупность методов, обобщенных направлением "мягкие вычисления": теория нечетких множеств, теория возможностей, математический аппарат возможностного программирования.
На защиту выносятся следующие основные положения: 1.Мера трафика вычислительной сети может быть построена как вероятностная нечеткая величина:
Х= Ш,Т, {ц*(х) ,ръ},3,М}, где М- наименование величины;
Т-множе'ство термов нечетких значений трафика; {jj-t (х) / Pt} — множество функций принадлежности термов t и вероятностей соответствующих нечетких значений величины;
S- множество синтаксических правил употребления; М- множество семантических правил употребления.
Размещение коммуникационного оборудования вычислительной сети можно эффективно выполнить на основе воз- можностного программирования.
Переподключение рабочих узлов сети в условиях нечетко заданного трафика позволяет уменьшить трафик ВС за счет применения предложенного алгоритма переподключения.
Достоверность научных положений, выводов и рекомендаций подтверждается результатами экспериментальных исследований, а также результатом использования материалов диссертации в проектных организациях и учебных заведениях .
Структура и объем диссертации. Основное содержание
диссертационной работы изложено на 167 страницах машинописного текста, содержит 38 рисунков и 17 таблиц, состоит из введения, четырех глав, заключения, библиографического списка из 7 4 наименований и 3 приложений.
Обзор вычислительных сетей промышленных предприятий: структура, предназначение, типы
Бурное развитие ЭВМ и новейшие достижения в области микроэлектроники привели к новым концепциям в области информационных систем. Благодаря высокопроизводительным и достаточно недорогим персональным ЭВМ появилась возможность автоматизации рутинной работы многих категорий работников: менеджеров, бухгалтеров, плановиков, администраторов, инженеров и др. Одновременно с этим, для создания достаточно мощных автоматизированных информационных систем -(АИС) и для максимального использования ресурсов каждого автоматизированного рабочего места (АРМ), началось объединение персональных компьютеров (ПК) в локальные вычислительные сети (ВС).
Наличи.е в офисе, конторе, учреждении (предприятии, цехе и т.д.) ВС создает для ее пользователей новые возможности интегрального характера, благодаря прикладным системам ПК и другому оборудованию сети. Организуется автоматизированный документооборот, используются ресурсы не только отдельного ПК, но и всей сети. Появляются возможности использования различных средств или инструментов решения определенных персональных задач. Локальные вычислительные сети представляют собой системы распределенной обработки данных и, в отличие от глобальных и региональных вычислительных сетей, охватывают небольшие территории внутри отдельных контор (офисов), бирж, банков, учреждений, вузов, научно-исследовательских организаций и т.п. [10,11]. При помощи общего канала связи ВС может объединять от десятков до сотен абонентских узлов, включающих ПК, внешние запоминающие устройства (ЗУ), дисплеи, печатающие и копирующие устройства, кассовые и банковские аппараты, интерфейсные схемы и др. ВС могут подключаться к другим локальным, глобальным и региональным сетям ЭВМ с помощью специального коммутационного оборудования, реализуемого на специализированных устройствах или на ПК с соответствующим программным обеспечением [ 12 ] .
Современная стадия развития ВС характеризуется почти повсеместным переходом от отдельных сетей к сетям, которые охватывают все предприятие и объединяют разнородные вычислительные ресурсы в единой среде. Такие сети получили название корпоративные [13].
Основными компонентами ВС являются [14,15]: кабели (передающие среды), рабочие станции (АРМ), платы интерфейса сети, коммутационное оборудование, серверы сети, периферийные сетевые устройства.
Развитие вычислительных сетей и мировая практика их создания привели к необходимости разработки стандартов по всему комплексу вопросов организации сетевых систем. В 1977 г. Комитет по вычислительной технике и обработке информации Международной организации по стандартизации (ISO) организовал подкомитет по созданию модели сетевого взаимодействия, в рамках которой могли бы разрабатываться стандарты [15].
Подкомитет ISO/ТС 97/SC 16 (Технический комитет 97 "Вычислительная техническая и обработка информации", подкомитет 16 "Взаимодействие открытых систем") подготовил в 197 9 году отчет с описанием эталонной модели взаимодействия открытых систем (OSI), обычно называемой "семиуровневой- моделью". В настоящее время эта модель получила широкое распространение и признание, поскольку создает основу как для анализа существующих, так и для определения новых систем и стандартов. "Семиуровневая модель" OSI ISO представлена в таблице 1.1.
ВС различаются по следующим основным классификационным признакам [16]: по назначению; по типу используемых ЭВМ; по организации управления; по организации передачи информации; по топологическим признакам; по методам теледоступа; по физическим носителям сигналов; по управлению доступом к физической передающей среде и др.
По назначению ВС разделяются на управляющие (организационными, административными, технологическими и другими процессами), информационные (информационно- поисковые) , расчетные, информационно-расчетные, обработки документальной информации и др.
По типам используемых в сети ЭВМ ВС разделяются на однородные и неоднородные.
По организации управления ВС делятся на две группы. К первой группе относятся сети с централизованным управлением. Ко второй группе относятся сети с децентрализованным управлением.
По организации передачи информации ВС делятся на сети с маршрутизацией информации и селекцией информации.
По топологическим признакам различаются ВС с произвольной, кольцевой, древовидной конфигурацией, сети типа "общая шина" (моноканал, "звезда") и др.
По методам теледоступа различают многоуровневые и двухуровневые ВС.
В рассмотренных ВС могут использоваться различные физические носители сигналов. Наиболее распространенными из них являются: витая пара; коаксиальный кабель; оптоволоконный кабель.
Модель неопределенности -нечеткая величина.Способы представления нечетких данных
Таким образом, при проектировании и перепроектиро- ваниии ВС не приходится надеяться на возможность использования только традиционных методов и приемов. Проблема обостряется еще и тем, что необходимо учесть не только специфику структуры и функционирования ВС, но и поведение людей, возможности эволюционного развития ВС во времени [60,61,62]. Одним из перспективных направлений для решения возникшей проблемы является новое научное направление - теория возможностей. В [48,37] рассматривается и развивается подход к проблеме нечеткой оптимизации с позиций аксиоматики теории возможностей [63,64]. Этот оригинальный подход, предложенный A.B. Язениным, получил дальнейшее развитие в работах [65,66]. В рамках этого подхода разработаны аксиоматизированные методы решения задач возможностного линейного программирования. Эти методы, классифицируемые как непрямые, состоят в замене исходных задач эквивалентными детерминированными. Возникает необходимость введения используемого математического аппарата случайных нечетких величин. Выводы: 1. Эффективным является использование математического аппарата теории возможностей для оптимизации ВС на этапе проектирования и перепроектирования. 2. Решение задачи нечеткой оптимизации позволяют решать методы возможностного линейного программирования .
Понятия нечеткой переменной являются фундаментальными в теории нечеткости [67,68,69]. На основе их введем способы представления нечетких данных. Рассматриваются три способа представления нечеткости : трапециевидные функции принадлежности; нечеткиеисходы с заданной вероятностью и трапециевидными функциями принадлежности; квазивогнутые функции принадлежности. Нечеткими являются вектор коэффициентов целевой функции А0, матрица коэффициентов А и вектор ограничений В. Результирующий вектор X получается как вектор четких данных. Использование нечетких данных меняет вид постановки задачи линейного программирования, так как, используя нечеткие данные, нельзя утверждать строгое равенство АХ=В, можно говорить только о возможности равенства. Степень возможности обозначим как Формула может быть проинтерпретирована следующим образом: возможность выполнения ограничения не менее (Хои. Возможность выражается числом из интервала [0,1]. Будем обозначать нечеткие данные знаком 4 или Тогда каноническая задача линейного программирования с нечеткими данными может быть выражена следующим образом: Степень принадлежности значения (элемента) х понятию (множеству) X - это степень возможности равенства Х=х. Функции принадлежности могут быть представлены как трапециевидные (рис.2.2) или квазивогнутые (рис.2.3)
Проверка адекватности разработанной САПР вычислительной сети на примере вычислительной сети УлГТУ
Для проверки адекватности модели производились вычислительные эксперименты на примере ВС УлГТУ по сравнению реального суммарного трафика существующего в сети университета и суммарного трафика полученного в модели с нечетко заданным трафиком. Вычислительная сеть университета включает четыре основных коммутатора расположенные в различных аудиториях университета. Посл.е ввода исходных данных конфигурации вычислительной сети университета в программу САПР вычислительной сети были введены данные по- трафику заданные в нечеткой форме и соответствующая функция принадлежности. Интенсивность взаимодействия узлов вводилась обозначениями в следующей форме: н- никакая; ом - очень малая; м - малая; не - ниже средней; с - средняя; вс - выше средней; в - высокая; ов - очень высокая. Суммарный трафик, полученный в ходе эксперимента в программе равнялся: входящий - 430067 бит/с, исходящий - 406990 бит/с, чем отличается от реального примерно на 8% . Вывод: Настоящим экспериментом доказана адекватность модели, точность модели составляет 8%. Выводы по 3-ей главе: 1. Созданная программа оптимизации позволяет производить оптимизацию топологии ВС в условиях нечетко заданного трафика. 2. Программа работает в итерационном режиме, позволяя приблизиться к оптимальному варианту топологии ВС по нескольким показателям. Для проведения экспериментов по оптимизации трафика в вычислительной сети были выбраны различные типы гипотетических сетей: «малая сеть», включающая в себя до 50 узлов; «средняя сеть», включающая в себя от 50 до 350 узлов ; «крупная сеть», включающая в себя от 350 до 1000 узлов.
Рассмотрим структуру гипотетической сети на примере малой сети. Построим гипотетическую сеть "Net 1" состоящую из 32 узлов. В сети имеется 4 восьми портовых коммуникационных устройства. На покупку коммуникационного оборудования выделены денежные средства, позволяющие приобрести 2 концентратора и 2 коммутатора. Произведем проектирование топологии сети в соответствии с имеющимися исходными координатами узлов. Общая длина кабеля в сети составила L=2 4 95 м. Пример заполнения матрицы трафика гипотетической сети "Net 1" представлен таблицей 4.1. В данной таблице введены следующие обозначения интенсивности взаимодействия узлов: н- никакая; ом - очень малая; м - малая; не - ниже средней; с - средняя; вс - выше средней; в - высокая; ов - очень высокая. Каналы, проложенные между коммуникационными устройствами, будем называть магистральными. Суммарный трафик в гипотетической сети "Ке1;1" составил РкА=59304 кбит/сек. Используя разработанный алгоритм оптимизации трафика в вычислительной сети и внедренный в программу «САПР топологии ВС в условиях неопределенности», осуществляем переподключение узлов к коммуникационному оборудованию с целью уменьшения трафика на магистральных каналах. Суммарный трафик в этой же сети составил Рк2=48350 кбит/сек. Для проведения экспериментов производилось увеличение интенсивности каждого узла с каждым узлом, то есть сначала первого с остальными, затем второго с остальными, далее третьего с остальными- и так далее. После каждого изменения интенсивности получаем суммарный трафик Рк1. После проведения оптимизации получим суммарный трафик Рк2. В результате проведенных исследований по изменению трафика получаем представленные уже в четком виде результаты, сведенные.в таблицу.4.2. По результатам таблицы составляем график изменения суммарного трафика на магистральных каналах сети с увеличением интенсивности взаимодействия узлов при "ручном" проектировании сети и с использованием алгоритма оптимизации сетевого трафика.
Вычислительные эксперименты по размещению коммуникационного оборудования в проектируемой сети
Для проведения экспериментов по оптимизации размещения коммуникационного оборудования в проектируемой сети было спроектировано три группы сетей различающихся пс размерам: «малая сеть», включающая в себя до 50 узлов; «средняя сеть», включающая в себя от 50 до 350 узлов; «крупная сеть», включающая в себя от 350 до 1000 узлов. Кроме того, были использованы равномерно и неравномерно распределенные в пространстве сети. Эксперименты по размещению коммуникационного оборудования проводились на первом этапе с использованием известных математических методов оптимизации - линейного е нелинейного программирования, интегрированные в пакет программ иа1:горго и Ма1:Ь.сас1. На втором этапе эксперименты по размещению коммуникационного оборудования проводились с использованием разработанного алгоритма \ внедренного в программу «САПР топологии ВС в условия? неопределенности».
В соответствии с принятым алгоритмом действий спроектировано 7 вычислительных сетей промышленных предприятий отвечающих требованиям "малая сеть". Произведеь. подсчет суммарной длины кабеля в каждой вычислительное сети соответственно. При этом размещение коммуникационного оборудования производится в "центрах тяжести" сегментов . Используя классический и разработанный алгоритм произведем оптимизацию размещения коммуникационных узлов. Результаты проведенных экспериментов сведем в таблицу 4.3. Ьх - суммарная длина кабеля ВС при "ручном" проектировании сети. Ь2 - суммарная длина кабеля ВС после оптимизации с помощью разработанного алгоритма. Ь3 - суммарная длина кабеля ВС после оптимизации с помощью классических методов оптимизации. На основании результатов построим диаграмму. В соответствии с принятым алгоритмом действий спроектировано -7 вычислительных сетей промышленных предприятий отвечающих требованиям "средняя сеть". Произведем подсчет суммарной длины кабеля в каждой вычислительной сети соответственно. При этом размещение коммуникационного оборудования производится в "центрах тяжести" сегментов . Используя классический и разработанный алгоритм произведем оптимизацию размещения коммуникационных узлов. Результаты проведенных экспериментов сведем в таблицу 4.4. Таблица 4.4. Результаты оптимизации суммарной длины кабеля в вычислительных сетях. Ь1 - суммарная длина кабеля ВС при "ручном" проектировании сети. Ь2 - суммарная длина кабеля ВС после оптимизации с помощью разработанного алгоритма. Ь3 - суммарная длина кабеля ВС после оптимизации с помощью классических методов оптимизации. На основании результатов построим диаграмму. В соответствии с принятым алгоритмом действий спроектировано 7 вычислительных сетей промышленных предприятий отвечающих требованиям "крупная сеть". Произведем подсчет суммарной длины кабеля, в каждой вычислительной сети соответственно. При этом размещение коммуникационного оборудования производится в "центрах тяжести" сегментов. Используя классический и разработанный алгоритм произведем оптимизацию размещения коммуникационных узлов. Результаты проведенных экспериментов сведем в таблицу 4.5.
