Содержание к диссертации
Введение
Глава 1. Анализ предметной области 7
1.1. Общая информация о Мьянме 7
1.2. История и перспективы развития города Янгон 11
1.3 . Общая ипфорруїация о Мьянманском Информационном и Коммуникационном Центре ( МИКЦ) 13
1.4. Функции Мьянма Информационном-коммуникационном Центра (МИКЦ)
1.5. Топология сети в МИКП 15
Глава 2. Особенности Клиент - серверной архитектуры МИКЦ 16
2.1. Протоколи 16
2.2 Структура сетевых ресурсов и модель наблюдения за их использованием ..
2.3. Критерий оптимальности расположения ресурсов 28
Глава 3. Оптимизация режима функционирования клиент-серверной сети на основе имитационного моделирования 30
3.1. Обзор и выбор инструментально - программных средстве имитационного моделирования вычислительных сетей 30
3.2. Математическая модель оптимизации режима функционирования клиент-серверной сети 36
3.3. Имитационная модель функционирования клиент-серверной сети МИКЦ 44
Глава 4. Алгоритмы Имитационного моделирования юшент-серверных сетей на GPSS 49
4.1. Определение основных параметров имитационной модели 49
4.2. Утилита расширения возможностей GPSS 53
4.3. Блок-схемы алгоритмов моделирования класс 58
4.4. Ядро имитационной модели на GPSS 70
4.5. Описание структурно-функциональной схемы 74
4.6. Результаты моделирования задачи на GPSS 79
Глава 5. Результаты имитационного моделирования клиент-серверной информационной сети 88
5.1. Интерфейс имитационной модели 88
5.2 Моделирование 2-х серверной класс 94
5.3. Оптимизация режима функционирования 2-х серверной класс 97
Заключение 99
Список использованной литературы
- Общая ипфорруїация о Мьянманском Информационном и Коммуникационном Центре ( МИКЦ)
- Структура сетевых ресурсов и модель наблюдения за их использованием
- Математическая модель оптимизации режима функционирования клиент-серверной сети
- Ядро имитационной модели на GPSS
Введение к работе
Актуальность работы. Клиент-серверная архитектура - неотъемлемая часть современных информационных технологий. Она создала новые возможности для разработчиков аппаратных и программных средств. В основу технологии был положен принцип распределения - один из основных двигателей прогресса в информационной индустрии. Полное отделение реализации исполняемых функций от интерфейса для доступа к ним дало мощный толчок в инновационной деятельности разработчиков программного обеспечения. Однако стремительное внедрение клиент-серверной архитектуры в различные отрасли человеческой деятельности породило ряд проблем, связанных, как правило, с перегрузкой серверов и, как следствие, выхода их из нормального режима функционирования. Для клиент-серверной технологии именно ситуации перегрузки серверов являются наиболее опасными, так как в этом случае не могут работать нормально и все клиенты. Все это требует проведения экспериментальных исследований свойств сети, причем не только в режиме оперативного мониторинга, но и более глубокого изучения, в частности, с целью прогнозирования их поведения. С этим же связана и задача совершенствования соответствующего научно-методического и программного обеспечения анализа и моделирования трафика.
Работы по данной проблеме велись и ведутся весьма интенсивно как отечественными (Л.И. Абросимов, В.В. Крылов, Н.И. Федунец, О.И. Шелухин, А.В. Осин, А.К. Скуратов, Н.А. Олифер, В.Г. Олифер, В.В. Емельянов, В.А. Жожикашвили и др.), так и зарубежными учеными (М. Шварц, К. Парк, Дж. Медхи и др.). Тем не менее многие вопросы здесь либо исследованы недостаточно полно, либо ориентированы на решение относительно узких прикладных задач. В частности, отсутствуют комплексные методики организации и проведения экспериментальных исследований трафика, обобщающие накопленный к настоящему времени опыт их проведения. Достаточно ограничен перечень статистических методов, используемых при обработке данных, характеризующих интенсивность трафика. Математические
модели трафика в основном строятся в предположении его стационарности. Все это свидетельствует о необходимости дальнейшего развития исследований по данной проблематике.
Целью диссертационной работы является развитие методов и алгоритмов анализа качества функционирования, прогнозирования свойств и оптимизации трафика клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.
В соответствии с указанной целью в рамках диссертационной работы была составлена общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы и решались следующие задачи:
-
Дана общая характеристика состояния проблемы исследования и моделирования трафика в клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.
-
Выполнен анализ структуры сетевых ресурсов и их совокупное расположение в сети в виде графа или в виде системы двух матриц, включая естественные ограничения системы, такие как пропускная способность каналов, ограничения на распределение ресурсов, диктуемые структурой сети и мощностью оборудования.
-
Формализованы математические модели и критерий оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.
-
Разработана методика построения аналитической зависимости критерия оптимальности от параметров сети по результатам имитационного моделирования на основе регрессионного анализа.
-
Разработаны алгоритмы имитационного моделирования клиент-серверной сети с удаленным доступом через выделенный канал связи, в том числе алгоритм работы цифрового канала связи, алгоритм расчета
предварительного времени закачки, алгоритм расчета размера скачанной
информации, алгоритм функционирования серверной станции и алгоритм управления группами заявок в канале связи.
6. Разработано отдельное программное обеспечение решения задачи оптимизации клиент-серверной сети с удобным пользовательским интерфейсом с ядром имитационной модели на GPSS и специальной утилитой CSImitCodeGenerator.
Методы исследования. Полученные результаты исследования базируются на использовании методов и средств системного анализа, элементов теории компьютерных сетей, математической статистики, теории случайных процессов, имитационного моделирования.
Научные положения, выносимые на защиту:
-
Комплексная методика анализа структуры ресурсов клиент-серверной сети центра информационно-коммуникационных технологий Мьянмы.
-
Формирование математической модели и критерия оптимальности, которые могут быть использованы для решения задачи оптимизации режима функционирования клиент-серверной сети на основе имитационного моделирования.
3. Методика построения аналитической зависимости критерия
оптимальности от параметров сети по результатам имитационного
моделирования на основе регрессивного анализа.
Научная новизна работы.
1. Впервые создана структура сетевых ресурсов в виде совокупности
графа и двух матриц, включающих в себя ресурсы сети и ограничения на их
расположение.
2. Впервые формализованы математические модели оптимизации
параметров клиент-серверных сетей на основе имитационного моделирования.
Научная значимость работы состоит в разработке научно обоснованной комплексной методики и алгоритмов оптимизации клиент-серверных сетей на основе использования имитационного моделирования компьютерных сетей.
Практическая значимость работы заключается в оптимизации режимов функционирования с целью повышения производительности клиент-серверной сети информационно-коммуникационного центра Мьянмы.
Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на семинарах кафедры АСУ МГГУ и международных симпозиумах «Неделя горняка» (2009-2010 гг., Москва).
Публикации. По результатам исследований опубликованы 3 статьи в журналах, входящих в перечень ВАК Минобрнауки России.
Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 96 наименований, включает 30 рисунков, 10 таблиц.
Общая ипфорруїация о Мьянманском Информационном и Коммуникационном Центре ( МИКЦ)
Создаваемая модель будет описывать работу сети на 2-м уровне в стеке TCP/IP. Поэтому для рассмотрения выберем 2 протокола: TCP и UDP.
Протокол доставки пользовательских дейтаграмм UDP Задачей протокола транспортного уровня UDP (User Datagram Protocol) является передача данных между прикладными процессами без гарантий доставки, поэтому его пакеты могут быть потеряны, продублированы или прийти не в том порядке, в котором они были отправлены. Зарезервированные и доступные порты XJDP
В то время, как задачей сетевого уровня является передача данных между произвольными узлами сети, задача транспортного уровня заключается в передаче данных между любыми прикладными прог\ессами, выполняющимися на любых узлах сети. Действительно, после того, как пакет средствами протокола IP доставлен в компыотер-получатель, данные необходимо направить конкретному процессу-получателю. Каждый компьютер может выполнять несколько процессов, более того, прикладной процесс тоже может иметь несколько точек входа, выступающих в качестве адреса назначения для пакетов данных.
Пакеты, поступающие на транспортный уровень, организуются операционной системой в виде множества очередей к точкам входа различных прикладных процессов. В терминологии TCP/IP такие системные очереди называются портами. Таким образом, адресом назначения, который используется на транспортном уровне, является идентификатор (номер) порта прикладного сервиса. Номер порта, задаваемый транспортным уровнем, в совокупности с номером сети и номером компьютера, задаваемыми сетевым уровнем, однозначно определяют прикладной процесс в сети.
Назначение номеров портов прикладным процессам осуществляется либо централизовано, если эти процессы представляют собой популярные общедоступные сервисы, типа сервиса удаленного доступа к файлам TFTP (Trivial FTP) или сервиса удаленного управления telnet, либо локально для тех сервисов, которые еще не стали столь распространенными, чтобы за ними закреплять стандартные (зарезервированные) номера. Централизованное присвоение сервисам номеров портов выполняется организацией Internet Assigned Numbers Authority. Эти номера затем закрепляются и опубликовываются в стандартах Internet. Например, упомянутому выше сервису удаленного доступа к файлам TFTP присвоен стандартный номер порта 69.
Локальное присвоение номера порта заключается в том, что разработчик некоторого приложения просто связывает с ним любой доступный, произвольно выбранный числовой идентификатор, обращая внимание на то, чтобы он не входил в число зарезервированных номеров портов. В дальнейшем все удаленные запросы к данному приложению от других приложений должны адресоваться с указанием назначенного ему номера порта.
Протокол надежной доставки сообщений TCP
В стеке протоколов TCP/IP протокол TCP (Transmission Control Protocol) работает так же, как и протокол UDP, на транспортном уровне. Он обеспечивает надежную транспортировку данных между прикладными процессами путем установления логического соединения.
Единицей данных протокола TCP является сегмент. Информация, поступающая к протоколу TCP в рамках логического соединения от протоколов более высокого уровня, рассматривается протоколом TCP как неструктурированный поток байт. Поступающие данные буферизуются средствами TCP. Для передачи на сетевой уровень из буфера "вырезается" некоторая непрерывная часть данных, называемая сегментом.
В протоколе TCP предусмотрен случай, когда приложение обращается с запросом о срочной передаче данных (бит PSH в запросе установлен в 1). В этом случае протокол TCP, не ожидая заполнения буфера до уровня размера сегмента, немедленно передает указанные данные в сеть. О таких данных говорят, что они передаются вне потока - out of band.
Не все сегменты, посланные через соединение, будут одного и того же размера, однако оба участника соединения должны договориться о максимальном размере сегмента, который они будут использовать. Этот размер выбирается таким образом, чтобы при упаковке сегмента в IP-пакет он помещался туда целиком, то есть максимальный размер сегмента не должен превосходить максимального размера поля данных IP-пакета. В противном случае пришлось бы выполнять фрагментацию, то есть делить сегмент на несколько частей, для того, чтобы он вместился в ІР-пакет. Аналогичные проблемы решаются и на сетевом уровне. Для того, чтобы избежать фрагментации, должен быть выбран соответствующий максимальный размер IP-пакета. Однако при этом должны быть приняты во внимание максимальные размеры поля данных кадров (МГЦ) всех протоколов канального уровня, используемых в сети. Максимальный размер сегмента не должен превышать минимальное значение на множестве всех MTU составной сети. В протоколе TCP также, как и в UDP, для связи с прикладными процессами используются порты. Номера портам присваиваются аналогичным образом: имеются стандартные, зарезервированные номера (например, номер 21 закреплен за сервисом FTP, 23 - за telnet), а менее известные приложения пользуются произвольно выбранными локальными номерами. Однако в протоколе TCP порты используются несколько иным способом. Для организации надежной передачи данных предусматривается установление логического соединения между двумя прикладными процессами. В рамках соединения осуществляется обязательное подтверждение правильности приема для всех переданных сообщений, и при необходимости выполняется повторная передача. Соединение в TCP позволяет вести передачу данных одновременно в обе стороны, то есть полнодуплексную передачу.
Структура сетевых ресурсов и модель наблюдения за их использованием
Моделировапие представляет собой мощный метод научного познания, при использовании которого исследуемый объект заменяется более простым объектом, называемым моделью. Основными разновидностями процесса моделирования можно считать два его вида - математическое и физическое моделирование. При физическом (натурном) моделировании исследуемая система заменяется соответствующей ей другой материальной системой, которая воспроизводит свойства изучаемой системы с сохранением их физической природы. Примером этого вида моделирования может служить пилотная сеть, с помощью которой изучается принципиальная возможность построения сети на основе тех или иных компьютеров, коммуникационных устройств, операционных систем и приложений.
Возможности физического моделирования довольно ограничены. Оно позволяет решать отдельные задачи при задании небольшого количества сочетаний исследуемых параметров системы. Действительно, при натурном моделировании вычислительной сети практически невозможно проверить ее работу для вариантов с использованием различных типов коммуникационных устройств - маршрутизаторов, коммутаторов и т.п. Проверка на практике около десятка разных типов маршрутизатров связана не только с большими усилиями и временными затратами, но и с немалыми материальными затратами.
Но даже и в тех случаях, когда при оптимизации сети изменяются не типы устройств и операционных систем, а только их параметры, проведение экспериментов в реальном масштабе времени для огрохмного количества всевозможных сочетаний этих параметров практичеки невозможно за обозримое время. Даже простое изменение максимального размера пакета в каком-либо протоколе требует переконфигурирования операционной системы в сотнях компьютеров сети, что требует от администратора сети проведения очень большой работы.
Поэтому, при оптимизации сетей во многих случаях предпочтительным оказывается использование математического моделирования. Математическая модель представляет собой совокупность соотношений (формул, уравнений, неравенств, логических условий), определяющих процесс изменения состояния системы в зависимости от ее параметров, входных сигналов, начальных условий и времени.
Особым классом математических моделей являются имитационные модели. Такие модели представляют собой компьютерную программу, которая шаг за шагом воспроизводит события, происходящие в реальной системе. Применительно к вычислительным сетям их имитационные модели воспроизводят процессы генерации сообщений приложениями, разбиение сообщений на пакеты и кадры определенных протоколов, задержки, связанные с обработкой сообщений, пакетов и кадров внутри операционной системы, процесс получения доступа компьютером к разделяемой сетевой среде, процесс обработки поступающих пакетов маршрутизатором и т.д. При имитационном моделировании сети не требуется приобретать дорогостоящее оборудование -его работы имитируется программами, достаточно точно воспроизводящими все основные особенности и параметры такого оборудования.
Преимуществом имитационных моделей является возможность подмены процесса смены событий в исследуемой системе в реальном масштабе времени на ускоренный процесс смены событий в темпе работы программы. В результате за несколько минут можно воспроизвести работу сети в течение несколысих дней, что дает возможность оценить работу сети в широком диапазоне варьируемых параметров.
Результатом работы имитационной модели являются собранные в ходе наблюдения за протекающими событиями статистические данные о наиболее важных характеристиках сети: временах реакции, коэффициентах использования каналов и узлов, вероятности потерь пакетов и т.п.
Существуют специальные языки имитационного моделирования, которые облегчают процесс создания программной модели по сравнению с использованием универсальных языков программирования. Примерами языков имитационного моделирования могут служить такие языки, как SIMULA, GPSS, SEvIDIS.
Существуют также специальные, ориентированные на моделирование вычислительных сетей программные системы, в которых процесс создания модели упрощен. Такие программные системы сами генерируют модель сети на основе исходных данных о ее топологии и используемых протоколах, об интенсивностях потоков запросов между компьютерами сети, протяженности линий связи, о типах используемого оборудования и приложений. Программные системы моделирования могут быть узко специализированными и достаточно универсальными, позволяющие имитировать сети самых различных типов. Качество результатов моделирования в значительной степени зависит от точности исходных данных о сети, переданных в систему имитационного моделирования.
Программные системы моделирования сетей - инструмент, который может пригодиться любому администратору корпоративной сети, особенно при проектировании новой сети или внесении кардинальных изменений в уже существующую. Продукты данной категории позволяют проверить последствия внедрения тех или иных решений еще до оплаты приобретаемого оборудования. Конечно, большинство из этих программных пакетов стоят достаточно дорого, но и возможная экономия может быть тоже весьма ощутимой.
Программы имитационного моделирования сети используют в своей работе информацию о пространственном расположении сети, числе узлов, конфигурации связей, скоростях передачи данных, используемых протоколах и типе оборудования, а также о выполняемых в сети приложениях.
Обычно имитационная модель строится не с нуля. Существуют готовые имитационные модели основных элементов сетей: наиболее распространенных типов маршрутизаторов, каналов связи, методов доступа, протоколов и т.п. Эти модели отдельных элементов сети создаются на основании различных данных: результатов тестовых испытаний реальных устройств, анализа принципов их работы, аналитических соотношений. В результате создается библиотека типовых элементов сети, которые можно настраивать с помощью заранее предусмотренных в моделях параметров.
Системы имитационного моделирования обычно включают также набор средств для подготовки исходных данных об исследуемой сети -предварительной обработки данных о топологии сети и измеренном трафике. Эти средства могут быть полезны, если моделируемая сеть представляет собой вариант существующей сети и имеется возможность провести в ней измерения трафика и других параметров, нужных для моделирования. Кроме того, система снабжается средствами для статистической обработки полученных результатов моделирования.
Математическая модель оптимизации режима функционирования клиент-серверной сети
Для содержательного описания задачи выделим пять типов объектов в исследуемой сети: канал связи, пакеты, серверные станции, серверные программы, программы - клиенты. Сценарий работы системы следующий : Клиент посылает определенному серверу на обработку пакет для которого известны или вычисляются время его создания и размер. Пакет поступает на обработку цифровому вычислительному каналу связи с заданной пропускной способностью и законом перераспределения скоростей обслуживания. После обработки пакет становится в очередь к нужному серверу, где ожидает окончания обслуживания предыдущего пакета и сам становится на обслуживание. Для каждого пакета известен тип и он в любом случае может обработаться только тем сервером, на который его отправил клиент. На сервере вычисляется время обслуживания и пакет ожидает его окончания. Далее, пакет освобождается и направляется обратно к клиенту. Для этого он помещается на обработку каналом связи, где вычисляется размер обслуженной заявки и происходит снова перераспределение скорости в канале. По окончанию обработки пакет удаляется из системы и собирается статистика.
Когда время моделирования оканчивается, пользователь может посмотреть обработанные статистические результаты, повторить эксперимент с новыми (измененными) параметрами и принять определенное решение, оптимизирующее работу серверов и канала связи.
Разработанный сценарий дает четкую адекватную картину обмена пакетами на выбранных уровнях взаимодействия между клиентом и сервером с удаленным доступом.
Большинство параметров системы носят вероятностный характер, поэтому рассматриваемая задача имеет неопределенную математическую модель и разбивается на 2 этапа : имитационное моделирование и анализ ситуации на основе полученных данных.
Элементы модели можно разделить на несколько типов : Приборы обслуживания : канал связи, серверная станция, серверная программа. « Потоки дшшых, носящих вероятностный характер : время прихода входных заявок, размер входных заявок, размер выходных заявок, время обработки. Обратим внимание, что все серверные станции подключены через один канал связи, программа сервер может быть установлена только на одной станции, а параметры потоков определены только в рамках серверной программы. Исходя из этого, можно построить иерархическую организацию данных, описав все элементы исследуемой системы следующим образом :
1. Канал екзші описывается вектором : С = (Speed, sb...sM), где М — количество серверных станций, подключенных к выделенному каналу связи, Speed — пропускная способность канала, выраженная в Mb/s, a SI,...SM — идентификаторы объектов, описывающих параметры серверных станций.
2. Серверная станция описывается вектором : SS = (Power, и. і ,..., u.N), где Power - мощность серверной станции, необходимая для перехода от удельного времени обработки к реальному, N — количество серверных программ на данной серверной станции, a и. і ,..., u.N — идентификаторы объектов, описывающих параметры серверных программ.
3. Серверная программа описывается вектором SP[ei, 2, 3, & ]» где є, — случайная величина, распределенная по определенному закону (задается гистограммой) для і=1 ..4.
4. Заявка описывается вектором ТР = Pi.JK.-] , где К — номер атрибута заявки (транзакта), определенного в разделе «Объекты исследуемой системы».
В результате моделирования получаются следующие случайные распределения в результате сбора статистики :
Дискретная функция распределения количества обрабатываемых заявок каналом связи. Эта функция показывает вероятность нахождения в канале связи количества заявок : т(х); Дискретные функции распределения количества заявок в очереди к серверам. Функция показывает вероятность нахождения в очередях к серверам определенного количества заявок. % j(y), i=l ..N. Для оптимизации работы сети и канала связи необходимо (как было сказано в кратком описании процесса решения задачи) изменить входные параметры системы и повторить процесс моделирования пока не будет достигнут критерий оптимальности.
Для того, определить критерий оптимальности введем функции зависимости прибыли, получаемой при использовании серверной программы i-го типа, от математического ожидания и дисперсии случайной величины %j(y), показывающей распределение длины очереди к серверу, на котором установлена серверная программа і-го типа : Fnp, (ц , ахі). Разумеется, что значения u , о для нескольких программ на одном сервере будут одинаковыми.
Жесткое разделение по типу сервера необходимо, так как каждый тип сервера имеет разный фаісгор значимости на прибыль, а значит и функция Fnpj (ц , о ) имеет разный вид для всех i=l..N. Исходя из вышесказанного можно вывести общий вид целевой функции суммарной прибыли : F = Fnp{ -» max.
Чтобы найти функцию зависимости Fnp,- (ц - , о -) для і-го сервера воспользуемся определенной заранее статистгатои для всех Ї, выраженной в виде таблицы 3xN, где N — количество точек. Статистика берется для каждого из серверов по отдельности, заранее измеренная в виде : Ида "ХІ Fnpj (их;, Orf) Для нахождения аналитической функции Fiipj (д , о"х;) в общем виде воспользуемся методом наименьших квадратов для функции от N-переменных.
Ядро имитационной модели на GPSS
GPSS World является одним из наиболее мощных средств разработки имитационных моделей с хорошей отладочной библиотекой. Можно выделить ряд достоинств перед другими пакетами, но на ряду с этим он обладает плохой средой визуального проектирования.
Для решения этой проблемы было решено разработать отдельное программное обеспечение, которые могут предоставить удобный пользовательский интерфейс.
Для этих целей была разработана специальная утилита CSImitCodeGenerator,no3BaiuiioiuaH в интерактивном режиме настраивать параметры системы и в результате самостоятельно генерирующая код для последующей имитации его в среде GPSS World. Описание CSImitCodeGenerator. Объектный подход Утилита CSImitCodeGenerator работает с объектно — ориентированными данными. Иерархия классов представлена на рисунке О CSObject CChannel CServerProgram CServerStation CGistogram Иерархия классов в CSImitCodeGenerator CSObject — базовый класс, родитель всех классов. CChannel — класс, описывающий свойства и методы объекта «Капал связи». CServerProgram — класс, описывающий свойства и методы объектов типа «Программа — сервер». CServerStation — класс, описывающий свойства и методы объектов типа «Сереверная станция». CGistogram — базовый класс, описывающий свойства и методы объектов типа «Гистограммы». CGTimelnterval — описывает объекты типа «Гистограмма распределения времени прихода заявок». CGIncomeSize — описывает объекты типа «Гистограмма распределения размера входных заявок». CGOutcomeSize — описывает объекты типа «Гистограмма распределения размера выходных заявок». CGOutcomeSize — описывает объекты типа «Гистограмма распределения размера выходных заявок». CGServerTime — описывает объекты типа «Гистограмма распределения удельного времени обработки сервером заявою).
Объектный подход предоставляет гибкий программный интерфейс, который реализует следующие возможности : 1. Удобное структурирование данных. 2. Работа с буфером обмена. 3. Работа с файлами открытого формата для временного хранения информации на диске. Интерфейс приложении Интерфейс CSImitCodeGenerator состоит из: Дерева элементов (строгое иерархическое представление элементов исследуемой системы). Панели представления данных (окно ввода параметров выбранного в дереве элементов объекта). Контекстного меню: 1. Работа с буфером обмена 2. Элементарные функции редактирования (удаление, добавления элементов). Панели работы с входными выходными данными : 1. Работа с файлом для хранения данных 2. Генерация GPSS - кода. Генерирование встроенных функций распределения CSImitGenerator позволяет генерировать гистограммы по указанным функциям распределения. Существует 3 встроенных закона распределения : 1. Экспоненциальный. Задается интегральной функцией : 1/Х — математическое ожидание и среднее квадратичное отклонение. 2. Равномерный. Задается интегральной функцией : г 0, x M-d F(x)= J —+ — M-d x M+d v J Л 2d 2-d » 1, x M+d где M - математическое ожидание, d — отклонение. 3. Нормальный. Задается интегральной функцией : 0ат 2ж ,где тх - математическое ожидание, ах - среднее квадратичное отклонение.
Далее, в зависимости от введенного пользователем диапазона и количества интервалов, на которые будет разбита функция, мы получаем гистограмму, отображаемую в отдельном окне. Загрузка н сохранение параметров системы
Для того, чтобы можно было временно хранить данные был разработан открытый формат файла, который используется CSImitCodeGenerator для работы с информацией.
Чтение происходит построчно. Каждая строка считывается во временный массив. Далее программа включает анализатор входного потока, который преобразует поточный код в объектный. По выходу из анализатора мы получаем указатели на объект «канал связи». Далее, зная этот указатель можно перейти к любому другому объекту благодаря иерархической организации данных.
Сохранение происходит наоборот (объектный код преобразуется в поточный и записывается в файл построчно).
Файл необходим для того, чтобы можно было сохранять сведения об исследуемой системе на диске и открывать при необходимости.
Открытый формат был выбран, чтобы пользователь мог визуально видеть струїсгуру хранения данных и «вручную» изменить . Таїоке это было сделано из-за того, чтобы не писать документацию о принципе хранения информации, как это делается при хранении в двоичном виде.
Для записи и хранения данных на главной панели есть 2 кнопки : сохранить/считать файл и поле ввода для определения имени сохраняемого/считываемого файла. Принцип генерации GPSS — кода CSImitCodeGenerator. CSImitCodeGenerator использует ядро GPSS кода, находящееся в отдельном файле, считывает его построчно и заносит сам код во временный строчный массив.
В зависимости от настроек системы, определенных в CSImitCodeGenerator, утилита генерирует динамическую часть и записывает ее в строчный массив.
Далее генерируются PLUS — процедуры. Они нужны для определения выбора случайных характеристик заявок в зависимости от типа сервера, к которым они направляются на обработку.
По своей сути, часть программы, отвечающая за создание имитационного кода является узкоспециализированным компилятором очень высокого уровня. Поскольку GPSS является языком не объектно — ориентированным, то принцип компиляции достаточно прост.
За компиляцию отвечает метод класса CChannel GenerateGpssCode(FileName: string), где аргумент FileName — имя будущего выходного файла, содержащего имитационную модель. Необходимые поярашет в GPSS — код после генерации CSImtiCcdeGeaeratGF После генерации имитационного кода необходимо сделать ряд поправок. Связано это с тем, что в исходном коде полностью отсутствуют блоки для сбора статистики. Их желательно вставлять уже после компиляции по причине того, что видов собирания статистики достаточно много. Будем собирать статистику в виде гистограмм, таблиц транзитного времени, и, разумеется, использовать встроенный в GPSS отчет.
Объект «гистограмма распределения заявок в очереди» будем использовать при попадании заявок в очередь к серверным станциям.
При анализе загрузок серверов и канала будем использовать таблицы, которые затем преобразуем в гистограммы для дальнейшего анализа.
Отчет будем использовать для определения средних значений случайных величин и поведения системы в будущем (цепочки настоящих и будущих событий).
Вносить поправки необходимо уже в среде разработки имитационных моделей GPSS, настроить окно «Plot Window» для отображения гистограмм и воспользоваться стандартным отчетом для просмотра всей остальной статистики.
В формализованном описании задачи упоминалось о дисперсионном анализе и его реализации в среде GPSS с помощью библиотеки ANOVA. При проведении экспериментов некоторые собираемые статистические данные, если это необходимо, поместим на обработку встроенным функциям анализа ANOVA для получения корректных результатов.
