Введение к работе
Актуальность темы. Создание распределенных систем (PC) связано с - необходимостью количественного обоснования принимаемых технических ; решений и требует рассмотрения широкого круга задач анализа и синтеза PC и ее компонентов.
Решение подобных задач основывается на моделировании процесса функционирования исследуемой системы, т. к.' измерение ее характеристик можно осуществить лишь при наличии уже действующей системы или ее аналога.
При исследовании PC обработки данных как сложной системы можно выделить два основных класса задач :
.- задачи анализа,' связанные с изучением свойств и поведения системы в зависимости от ее структуры, структуры составляющих ее элементов, параметров потока заявок к узлам сети и пр.; - задачи синтеза, сводящейся к .выбору структуры PC и. значений параметров элементов исходя из заданная свойств системы.
; На практике задачи анализа PC могут быть интерпретированы в плане оценки возможных вариантов организации системы с помощью математических моделей. При известной структуре системы и заданных потоках заявок оптимизация PC связьшается с решением задач распределения , информации по узлам сети и организации взаимодействия процессов передачи и обработки информации.
многообразие и сложность задач исследования делают актуальным! вопросы оценки и оптимизации характеристик PC.
Цель работы. Разработка методг.:си исследования PC, включающей анализ временных характеристик, основанный на-использовании методов аналитического моделирования, и определение оптимальных параметров системы, а также разработка практических аспектов предлагаемой методики.
Методы исследования. В работе использовались: методы 'дискретной оптимизаций, методы аналитического моделирования на основе дискретных цепей Маркова. При разработке алгоритмов и программ использованы концепции структурного программирования. Основные теоретические положения подтверждены результатами исследования реальных систем.
Научная новизна. Основными научными результатами, полученными в работе, являются следующие :
.-4-
предложена методика исследования . PC, объединяющая этапы оптимизации и оценки характеристик системы;
разработаны аналитические, модели функционирования PC с различными типами взаимосвязей и доступа к общим ресурсам на основе использования аппарата дискретных цепей Маркова;
предложен метод приведения дискретных цепей Маркова к виду, допускающему точное укрупнение;
разработаны алгоритмы решения комбинаторных задач оптимизации на пространстве разбиений, позволяющие осуществить распределение задач и данных по узлам сети;
Практическая ценность работы заключается в следующем:
разработана методика анализа и оптимизации распределенных систем обработки данных;
впервые построены укрупненные марковские модели функционирования PC с различными типами доступа к общим ресурсам;
разработано программное обеспечение на языке С для персональных компьютеров типа IBM РС/ХГ/АТ, реализующее предложенную методику исследования распределенных систем обработки данных;
впервые проведено исследование реальной системы обработки данных на локальной сети и определены характеристики оптимального ее функционирования;
проведено моделирование многопроцессорных бортовых комплексов с целью определения 'совокупности параметров, приводящих к критическому состоянию при функционировании.
Реализация результатов. Результаты работы использовались при выполнении договорной работы по теме "Тонус-ЦП", проведенной ИФТП совместно с ЦВМУ МЗ СССР и ПНИИ ММ. Разработанная методика и созданное программное обеспечение внедрены при оптимизации размещения задач и файлов базы данных по узлам специализированной локальной сети АРМ "Поликлиника" (подтверждено соответствующим актом' о внедрении).
Предложенная методика также была использованы при анализе функционирования многопроцессорных бортовых систем, разрабатываемых в рамках хоздоговорных работ по теме 86-3-111, выполняемых МИЭА и МИФИ (подтверждено соответствующим актом об использовании) .
Апробация. Основные положения диссертации докладывались
на Y конференции молодых ученых и специалистов ИТК ' АН БССР "Теория и методы автоматизации проектирования сложных систем автоматизации'научных исследований" (Шнек, 1983 г.), Белорусской школе-семинаре "Исследование путей повышения эффективности сетей связи и сетей ЭВМ" ( Гродно, 1985'г.), на Всесоюзной научно-технической конференции " Проблемы разработки и, внедрения ИАСУ предприятиями и ПО машиностроения на4базе использования ЛВС и распределенных баз данных" (Харьков, 1988 г.)
Публикации. Основное содержание диссертации отражено в 8 печатных работах.'
На защиту выносится : .
методика исследования PC, объединяющая этапы оптимизации и оценки характеристик системы;
аналитические модели функционирования PC с различными типами взаимосвязей и доступа к общим ресурсам на основе использования аппарата дискретных цепей Маркова;
метод приведения дискретных цепей Маркова к виду, допускающему точное укрупнение;
алгоритмы решения комбинаторных задач оптимизации на пространстве разбиений, позволяющие осуществить распределение задач и данных по узлам сети;
Объем работы. Диссертационная работа состоит из введения,
четырех глав, заключения, списка литературы- 100 наименований,
приложения и ' содержит 162 страницы текста, 14 рисунков, 27
таблиц. ' .
' ' СОДЕРЖАНИЕ, РАБОТЫ .
Использование локальных вычислительных сетей (.ЯВО) для реализации ' PC, предъявляет к программному обеспечению (ПО) системы требования по обеспечению компактного размещения, данных с минимальным дублированием информации, а также накладывает ограничения на временные характеристики системы.
Прикладное ПО PC содержит ряд компонент :
-
Унифицированное ядро системы, одинаковое для всех узлов PC.
-
Интерфейс с пользователем - совокупность программ (задач),' обеспечивающих выполнение запросов пользователя.
-
Файлы базы данных (БД).
Оценка временных характеристик PC связана с вопросами исследования увеличения времени выполнения задач в зависимости' от следующих аспектов:
использование реляционно-сетевой модели данных;
распределение файлов базы данных и задач по узлам сети;
использование локальной сети как средства взаимодействия узлов. . ..
Проведенный обзор методов моделирования функционирования систем с целью оценки временных характеристик позволил выделить аналитические модели, использующие " концепции дискретных цепей Маркова, как методы, позволяющие быстро и при относительно невысоких затратах вычислить значения показателей эффективности для весьма широкого диапазона изменения входных параметров модели.
Выбор аналитического метода моделирования, связанного с определением состояния системы, обуславливает использование в качестве исходных данных таких параметров, как вероятности обращения активных элементов-системы к ресурсам.
Выделим три уровня рассмотрения PC : функционирование на уровне прикладного ГО, функционирование на уровне узла и функционирование на уровне сетевого взаимодействия узлов.
На первом уровне рассмотрения в качестве элементов системы выступают задачи и файлы БД. В состав системы входит Р задач и К файлов, задача 1 во время функционирования осуществляет выполнение <}6 'вызовов СУБД, каждый из которых оперирует с отдельным файлом БД. .Номера файлов, используемые вызовами задачи 1, определяются элементами матрицы Р(,
Вероятность обращения.задачи і к файлу данных у.
ft ; -
**Ч=Л2А*/«*с (1)
st -т\
О, в противном случае Задача исследования PC на уровне узла.сводится к оценке потерь производительности системы из-за необходимости выполнения "удаленных вызовов". Вероятность обращения узла і к узлу j зависит от характера распределения задач и файлов' БД по узлам сети,' задаваемого- соответственно элементами матрицы У[Р,К0, где Уц=4 > если задача і расположена в узле j, и ZCK.M] для файлов ( М - число узлов сети). Вероятность обращения узла сети і к узлу сети j для "удаленных вызовов" Згу : 8гч= S* *tl 5<~(^,j) tX^e (2) Третий уровень рассмотрения PC связан с функционированием на уровне сети, т.е. необходим учет времени, затрачиваемого на собственно сетевую передачу и времени 'задержи .из-за конфликтов при доступе к сети. При взаимодействии узлов сети осуществляется передача пакетов данных, формируемых при выполнении "удаленных" вызовов СУБД, поэтому необходимо _ задавать предполагаемый объем массивов данных, участвующих'в Еызовах СУБД. ' Объем данных, используемый j вызовом задачи і, определяется соответствующим элементом матрицы ШР, Q]. Скорость передачи по сети - S. Бремя, требуемое на сетевую передачу : <п м ' in,. = 2 Z 4f+..,e)0-;-)«-/^ (3) Для учета времен задержек из-за конфликтов в сети ^ь* ?,' 2,*Ч **-<&*.V*u'*t* (і) Задача оптимизации PC на ЛВС на прикладном уровне рассмотрения сводится к определению параметров Z и Y, минимизирующих временные задержи выполнения задач. Задача относится к задаче кластеризации, заключащейся в разбиении N объектов ( файлов данных и задач) на М непересекающихся непустых подмножеств (кластеров, в качестве которых выступают узлы сети) и удовлетворяющих некоторому критерию оптимальности. Учитывая специфику выбранного пространства объектов и их физические свойства характеристиками объектов являются : 1). Совокупность связей между объектами, .определяемая элемен-' тами матрицы F. 2). Интенсивность связи d(ai.aj): 1, если jil=j где <ГС О, в противном случае Ищется разбиение множества А х(1), х(2),..., х(М), минимизирующее сумму взаимодействий кластеров х(1),х(2),... ,х(М), где А - множество N объектов {_0-t}... сил . Хе А/о., X=[*Ci\..., X Введем следующие ограничения : 2 IV(a-i) ± V(xj&). . (6) где ЖК] - объем файла.базы данных, VCM3 - объем дискового накопителя узла сети (в'дальнейшем - объем узла). Кроме того необходимо учитывать ограничение на суммарное время выполнения задач кластера за определенный интервал времени : ^ t r*0/ctfat3 & К obexes} .. (7) где "b(ai)- идеальное время выполнения задачи і. Т. е. необходимо' найти элемент X пространства разбиений Na, минимизирующий функцию F(X) на допустимой области R<=.Na, J лсгсЫо. при ограничениях (6), (7). Обзор методов решения задач кластеризации позволил выделить метод последовательного анализа, метод вектора спада и итерационные алгоритмы оптимизации, как получившие наибольшее распространения при решении подобных задач. Однако практическая реализация метода последовательного анализа показала наличие экспоненциальной зависимости времени получения решения от размерности задачи: временные затраты для размерности системы >30 превышает 80 час. машинного времени на ІБМ PC/XT, что делает неприемлимым использование метода, . т. к: размерность задачи размещения файлов по узлам сети составляет несколько сотен объектов. Кроме этого объем памяти» требуемый для хранения массивов промежуточных данных, используемых в методе последовательного анализа, для задач с размерностью >бО превышает объем оперативной памяти PC/XT и требует размещения на внешних носителях, что приводит к дальнейшему увеличению времени решения. Непосредственное использование метода вектора спада на персональных компьютерах типа IBM PC/XT/AT затруднительно из-за невозможности размещения в оперативной памяти множества возможных вариантов решения. Разработан модифицированный алгоритм, состоящий из ряда итераций, на каждой из которых происходит формирование кластера путем разбиения модифицируемого множества объектов на два кластера, в один из которых включаются наиболее связанные объекты (с учетом ограничений 6,7). Формирование кластеров осуществляется в ' соответствии со схемой вектора спада,'модификация множества подразумевает исключение из него объектов сформированного кластера. Полученное разбиение используется в качестве начального, улучшение разбиения достигается путем выполнения операции элементарных перестановок объектов. Модифицированный метод вектора спада по временным характеристикам может быть использован только для задач размерности не превышающей 50-60, т. к. в дальнейшем предполагается применять алгоритмы кластеризации для реализации на персональных компьютерах (ПК)' в диалоговом режиме, при котором время получения решения не должно превышать порога' комфортности. В ряде существующих эвристических алгоритмах используется предположение о том, что пара наиболее связанных элементов будет "порождать", кластер, входящий в оптимальное разбиение. ' . -ю-- '.' , .: Предложенная схема алгоритма с учетом ограничений ' (6,7) использована для решения задачи оптимизации размещения файлов PC по узлам ЛВС (в дальнейшем -.эвристический алгоритм 1). Однако использование данной схемы функционирования эвристического алгоритма 1, не всегда позволяет получать решения, близкие к оптимальным, что привело к необходимости разработки алгоритмов, работа которых основана на других принципах. В эвристическом алгоритме 2 предлагается осуществлять Общая схема алгоритма. 1. Формирование начального разбиения на кластеры, состоящие из Л"(<К а.Л* т.о.-* АСа-^а.}-) (9) Оставшиеся элементы объединяются в один кластер. Пусть kk -число сформированных кластеров. Определение максимального числа элементов, которые могут образовать кластер, как tt=f/-2 CM-i) (предполагается, что в состав кластера может входить по крайней мере 2 элемента). Назначение начального" значения для текущего числа элементов в формируемых кластерах 1=3. Вычисление для текущего разбиения вектора S, элементы которого Si определяют сумму внутренних связей отдельного кластера і (в соответствии с (8)).' Сортировка сформированных . кластеров в порядке убывания элементов вектора S. Разделение кластеров на 2 группы : а) первые М кластеров -используются в качестве базовых для' формирования разбиения на следующем шаге, б)" остальные кластеры, элементы которых участвуют в последующем формировании. Нормирование следующего набора кластеров, каждый из которых содержит 1 элементов. Формирование происходит путем поочередного добавления к элементам кластеров группы а) элемента из группы б), приводящего к максимальному увеличению соответстзу- -11-' ющего значения 5. При.добавлении учитывается ограничение на вес кластера. 8. Уничтожение "пустых" кластеров. 9. Увеличение числа элементов в кластерах 1-1+1. 10. Если К11, то переход к п. 4, иначе - к п. 11. 11. Выход. В основу эвристического алгоритма 3 положен принцип формирования на. каждом шаге разбиения с целевой функцией, имеющей значение не хуже, чем на предыдущем шаге. Как и в алгоритме 1 предполагается, что пары наиболее связанных элементов будут использоваться для порождения кластеров. В качестве целевой функции используется сумма интенсивностей внутренних связей кластеров (8). Процедура добавления элемента в кластер аналогична соответствующей процедуре алгоритма 2, но в качестве добавляемых элементов используется все множество элементов. Кроме того для каждого кандидата на добавление в кластер вычисляется два параметра: сумма интенсивностей сеязєй с кластером, куда предполагается осуществлять добавление, и сумма ' интенсивностей связей со своим кластером. Вычисляется отношение двух параметров, которое и является критерием для выбора добавляемого элемента; Выбор такого критерия подтверждается экспериментально. . Добавлены также . процедуры поиска кластеров, содержащих несвязанные элементы, для которых d(xi,xj)=0 и расформирования таких кластеров, осуществляющихся путем добавления каждого элемента расформировываемого кластера в кластер, с которым этот элемент наиболее связан.. Результаты сравнения эффективности работы эвристических алгоритмов для задачи большой размерности . (100 элементов) показывает, что . время работы различных алгоритмов примерно одинаково. Необходимо отметить, что эвристический алгоритм 1 в ряде случаев (при :кестких ограничениях на вес кластера) не мог сформировать требуемого разбиения и для. получения решения требовалось увеличить ' вес кластера, по точности получаемого решения эвристический алгоритм 1 уступает в большинстве случаев эвристическим алгоритмам 2,3 на 5-20%. Проверялась зависимость решения, выдаваемого различными алгоритмами, от веса кластера. При более жестких ограничениях на вес кластера решения, получаемые эвристическим алгоритмом 2 на 15-20% лучше решений, даваемых эвристическим алгоритмом 3. Однако при увеличении веса кластера эвристический алгоритм 3 позволяет получать решения на 8-10% лучше, чем эвристический алгоритм 2. По объему используемой оперативной памяти предпочтительней оказывается эвристический алгоритм 2, требующий на 20% памяти меньше, т.к. алгоритм не предполагает хранения данных предыдущей итерации. В результате сравнения можно сделать вывод о целесообразности использования эвристических алгоритмов 2,3 ' для решения задачи оптимизации характеристик PC, т. к. при достаточной точности получаемого решения (погрешность решения по сравнению с методом последовательного анализа и вектора спада не превышает 10-15%) они', требуют временных затрат в 20-5000 раз меньше вышеназванных методов. , . Оценка эффективности работы системы осуществляется йа всех уровнях рассмотрения, при этом PC представляется как система с общими ресурсами. Для описания системы используется . модель, в которой выделяются следующие элементы: ЗАДАТЧИК - активный модуль, инициирующий запрос на доступ; ИСПОЛНИТЕЛЬ (ресурс) - пассивный модуль, получающий запрос на доступ; ИНТЕРФЕЙС - модуль, передающий запросы меаду модулями и осуществляющий их взаимосвязь. Аналитические модели функционирования PC будут строится где tc время доступа к ресурсу, tpi время между двумя последовательными запросами задатчикаШ к общему ресурсу, ві = \- 0-1 определяет вероятность обращения задатчикаС іЗ к общему ресурсу (определяется по формулам (1), (2), (4)). Основным недостатком полной марковской модели является большая размерность системы, затрудняющая получение результата. Выходом из подобной ситуации является' укрупнение .. цепи (объединения. ряда состояний в одно- макросостояние). Однако "точное" у'крупньнйе цепи Маркова согласно теореме об укрупнении возможно только для ограниченного числа систем, т. к. на переходные вероятности накладываются существенные ограничения ( равенство вероятностей обращения 8^« для любых і и j), что в'большинстве случаев неприемлимо. В настоящей работе для укрупнения цепи Маркова предлагается использовать преобразование исходной цепи к виду, допускающему точное укрупнение, а затем производить укрупнение до двух состояний, одно из которых отражает успешное обращение задатчикаШ к pecypcyCj], другое - неуспешное обращение (включающее как конфликтные обращения к заданному ресурсу, так и состояния обращения к другим ресурсам системы,либо состояния формирования запроса). При исследовании графа переходов полной марковской цепи (состояние цепи фиксирует для каждого задатчикз номер ресурса, к которому производится обращения, или О в случае, если задат-чик находится в состоянии формирования запроса к ресурсу) отмечено, что для выполнения условий укрупнения необходимо совпадение вероятностей переходов из всех конфликтных состояний (состояний, фиксирующих одновременное обращение нескольких за-' датчиков к одному и тому же ресурсу) в любое другое состояние (для неконфликтных состояний, это условие выполняется). Требуемое условие будетвыполнено' при использовании допущения о потери необслуженных заявок в конце цикла обращения к ресурсу. Для сохранения точности модели необходимо учесть потерянные заявки путем введения реальной вероятности обращения задатчикаШ KpecypcyCj] - у-. . Для определения реальных вероятностей обращения задатчикаШ к ресурсу используем зависимость у,р и b в виде : ( oj. - исходная вероятность обращения задатчика к обшим ресурсам, Pij - вероятность успешного доступа задатчика[ і ] г к pecypcytj], N1 - число общих ресурсов системы). При укрупнении приведенной цепи и составлении системы уравнений отметим, что стационарная вероятность нахождения в состоянии успешного доступа равна вероятности перехода в это состояние, определяющееся с использованием реальных вероятностей обращения. Т. о. при составлении модели функционирования мо>ио спустить гтап построения полной цепи Маркова, перейдя сразу к анализу укрупненной цепи. Система уравнений для определения стационарных вероятностей дополняется уравнениями (12). После укрупнения цепи Маркова размэрность системы уравке-ий для определения стационарных вероятностей составила ОД«>фм, где М - число активных модулей PC, а не (мч")' , как было для полной цепи, что существенно расширяет диапазон использования марковских моделей для исследования функционирования PC. Испольгуя предложенную методику построения укрупненных марковских моделей функционирования построим модель,, которая в дальнейшем будет использоваться для анализа PC. Для большей общности моделей предполагается использование/ К-связного интерфейса между модулями и приоритетного и бесприоритетного типа доступа к интерфейсу. Т. к. в качестве общего ресурса і'.д сєтєеом уровне рассмотрения выступает магистраль передачи данных, то модели Оудут строится с учетом характерных для сети типов доступа CS.MA/CD и "эстафета". Предполагается, что все эадатчики имеют возможность обращения к интерфейсу любого уровня. Доступ к интерфейсу осуществляется без проверки возможности обращения к ресурсу. Модель PC для бесприоритеткрго доступа к интерфейсу. Вероятность обращения задатчикаСіЗ к интерфейсу PC равна: Вероятность успешного обращения аадатчикаПг! к интерфейсу + * 5t. /(^<"k) 2 9i8j.-Se ПО- $„.) + где 1 число одновременно обращающихся . к интерфейсу модулей-задатчиков PC, V. - число интерфейсных модулей. Вероятность обращения задатчикаСі] к ". pecypcyCj] (с учетом успешного обращения к интерфейсу) - где ~Ц определяет, частоту обращения задатчикаСі] к .Вероятность успешного доступа задатчикаСі] к pecypcyCj] для бесприоритетной схемы доступа к ресурсу: М fc#t MM m и і {;,«=» лі — ' **} t^4 v *-j^ Вероятность успешного доступа задатчикаСі] к pecypcyCj] для приоритетного доступа к ресурсу: 1-\ %-ч»чп с«-ч«ч) , =4 v ^ Н) , (14) для типа доступа CSMA/CD: : в*м*3п4с*-ячр (15) Вероятность успешного доступа задатчикаСі] к pecypcyCj] для типа доступа "эстафета": И Ч«ч; 2 ЧЧ: П (д- Vt\+... + . '. (іб) и м Модель PC для приоритетного доступа к интерфейсу строится аналогичным образом. Для проверки полученных моделей проведено сравнение результатов моделирования с разработанными ранее непрерывными и дискретными полными и 'приближенными моделями, имитационными моделями и моделями,построенными на основе сетей Петри. Проведенный анализ результатов использования укрупненных марковских моделей показывает достаточную их точность (в большинстве случаев погрешность не превышает 10-15%), гибкость в задании исходных данных, позволяющую снять ограничения приближенных марковских моделей на равновероятность обращения к ресурсам, низкую трудоемкость по сравнению с имитационными моделям!, обеспечивающую возможность использования для моделирования с использованием персональных компьютеров. Предложенный в главе 1 подход к исследованию и оптимизации характеристик PC обработки данных, .а также методы его реализации, разработанные в главах 2,3, позволили создай ПО, обеспечивающее применение методики на начальных этапах проектирования PC. ПО написано на языке С и занимает около 200К, пакет предназначен для работы на ПК типа IBM РС/ХГ/АТ. С помощью разработанного ПО проведено исследование двух типов бортовых мультимикропроцессорных систем (3-х и 4-х процессорных). Моделирование позволило оценить реальное время выполнения задач в зависимости от времени цикла, методов доступа в память, объема передаваемой информации и приоритетов микропроцессоров. Проведенное исследование позволило определить такие параметры системы как схема доступа к интерфейсу и порядок назначения приоритетов микропроцессорам системы,а также выделить совокупность параметров, приводящих к критическому состоянию системы (акт об использовании прилагается). Предложенная методика исследования была использована при разработке ПО и анализе функционирования специализированной локальной сети автоматизированных рабочих мест (АРМ) на базе персональных компьютеров (ПК) для использования в поликлинике. Данные, необходимые для функционирования" системы, располагаются в 93 файлах базы данных реляционного типа, интерфейс о пользователем предполагает выполнение 53 типов запросов (задач). Разработанная методика исследования PC позволила провести оптимизацию распределения файлов баз данных по узлам сети и анализ взаимодействия задач с общими базами данных (прикладной уровень рассмотрения), провести оценку временных задержек из-за необходимости выполнения каждым узлом "удаленных вызовов" с других АРМ (уровень узла), а также определить влияние сети на время выполнения задач АРМ (уровень сети). Для выполнения оптимизации использовался эвристический алгоритм 2 разработанный в главе 2. Для оценок времен задержек на 1 и.2 уровне рассмотрения использовались марковские модели функционирования системы с общими ресурсами, полносвязным интерфейсом и бесприоритетным доступом к общим ресурсам (модель 13). Для определения времен- задержек из-за конфликтов в сети используются марковские модели для PC с полносвязным интерфейсом и методом доступа к магистрали CSMA/CD (модель 15). В задачи исследования входило определение влияния размещения задач и файлов по узлам сети на увеличение времени выполнения задач из-за конфликтов в общих ресурсах по сравнению с автономными АРМ. Исследование и оптимизация PC проводилось при следующих допущениях: а) полная оптимизация - возможно производить распределение по узлам сети и задач, и файлов баз данных; б), частичная оптимизация- задачи предварительно распределены по узлам сети, допускается провести оптимизацию распределения баз данных; в) отсутствие оптимизации -' задачи распределены по узлам сети, все файлы баз данных должны располагаться на одном узле (базовый вариант). При оптимизации PC получено распределение задач и файлов с учетом принятых допущений. Для каждого варианта-проведена оценка времен выполнения задач АРМ. Времена задержки выполнения задач АРМ из-за конфликтов, возникающих при совместном использовании файлов баз данных, составляют от 5 до 10 мин. в день для каждого АРМ. Очевидно, размещение файлов и задач по узлам сети не влияет на время выполнения задач. Максимальные времена задержки выполнения задач АРМа, возникающие при выполнении "удаленных вызовов", для различных вариантов размещения составляют 12 мин., 16 мин. и 69 мин. соответственно, что делает неприемлимым использование базового варианта. Время задержки из-за конфликтов в сети в 20-30 раз меньше времени задержки из-за конфликтов, возникающих при совместном использовании дисков, и составляет 1-1.5 мин. для различных вариантов размещения. Исследование PC на примере системы "Поликлиника" показало, что основную долю времени задержки выполнения задач отдельных АРМ составляют задержки, возникающие при совместном использовании дисковых накопителей. Время задержки существенно зависит от размещения задач .и файлов по узлам' сети, т. е. используя методы оптимального размещения можно в - «> 5-6 раз снизить Бремя задержки. Практическое использование методики при разработке системы "Поликлиника" позволило получить экономический эффект 36524 руб. (9131 руб. для одного АРМ), акт о внедрении прилагается.
1, если f.E-if «=<,.„,
необходимо определить . вероятности обращения узлов сети к
магистрали. Вероятность обращения узла і к сети для передачи
данных- . '
М М
РМ» 2 Е 2 2 ctCa^a^) (5)
"параллельное" формирование.кластеров с выбором на каждом шаге
кандидатов для включение в результирующее', разбиение, обладаю
щих максимальной суммой интєнсиеностєй внутренних связей:
S-„= 2 cLCa-Cja^ (8)
2 элементов, учитывая, что для каждой пары выполняется условие:
на основе дискретных цепей Маркова, использующих
геометрический закон распределения времени формирования
запроса к ресурсу : . *
pecypcyCj]. .
qu.. /a 2 ФЧ; П С*-Ч"-АЛ + -+ (13)Похожие диссертации на Разработка методов моделирования и оптимизации распределенных систем обработки данных на локальных вычислительных сетях
