Содержание к диссертации
Введение
1. Разработка методов математического моделирования ВТС 18
1.1. Основныепонятия 18
1.2. Метод гибридного моделирования 21
1.3. Метод имитационного моделирования 28
1.4. Метод аналитического моделирования 31
2. Структурные компоненты имитационных моделей 42
2.1. Процесс дискретной системы 42
2.2. Требования и классы требований 46
2.3. Очереди требований 50
2.4. Случайные величины 57
2.5. Мониторы 60
2.6. Датчики 68
3. Принципы организации инструментальных программных средств математического модели рования вычислительных и телекоммуника ционных сетей 73
3.1. Базовые подсистемы системы моделирования 75
3.1.1. Система управления программными объектами 75
3.1.2. Система диагностики и обработки запрещённых ситуаций 80
3.1.3. Система управления внешними интерфейсами 82
3.2. Функциональные подсистемы системы моделирования 85
3.2.1. Система гибридного моделирования 85
3.2.2. Система имитационного моделирования 87
4. Математическое моделирование реальных вычислительных и телекоммуникационных сетей 102
4.1. Вычислительный комплекс коллективного пользования 102
4.2. Автоматизированная система контроля горного давления (АСКГД) 107
4.3. Территориально-распределённая вычислительная сеть с коммутацией пакетов для электронной почты (ВСКП) 117
Заключение 137
Литература 139
Приложения 161
- Метод имитационного моделирования
- Требования и классы требований
- Функциональные подсистемы системы моделирования
- Автоматизированная система контроля горного давления (АСКГД)
Введение к работе
Вычислительные и телекоммуникационные сети (ВТС), информационные технологии, основанные на их применении, широко внедряются в различные сферы общественной деятельности. Удовлетворяя всё большие информационные потребности общества, ВТС имеют тенденцию к увеличению размерности и усложнению принципов организации.
Одним из основных методов исследования ВТС, обеспечивающим решение широкого класса задач анализа, проектирования и оптимизации, является метод математического моделирования.
Общие постановки задач, возникающих на этапах проектирования, разработки и эксплуатации ВТС, приведены в [1—15]. Основными задачами являются: определение физической логической и программной структуры ВТС; оценивание и оптимизация различных вероятностно-временных характеристик функционирования ВТС и их компонентов; анализ и оптимизация сетевых протоколов; исследование надёжности, живучести, достоверности.
Для решения приведённых задач системы моделирования (СМ) должны обеспечивать [16—22]: адекватное отображение в моделях сетевых процессов; разнообразных процессов функционирования моделируемых ВТС; оценивание с требуемой точносттью сетевых процессов и интерпретацию результатов моделирования; эффективное использование вычислительных ресурсов; использование программных моделей в режиме реального времени.
Основной тенденцией [18,20,23—30] развития СМ являетсяориентация на использование гибридных моделей, включающих в качестве структурных элементов модели различной математической природы: динамических дискретных систем, сетей массового обслуживания общего вида, марковских процессов, сетей Петри, графов, автоматов.
Наибольшее распространение в качестве моделей ВТС получили модельные дискретные системы (ДС) — дискретные системы, отображающие информационные процессы ВТС, и сети массового обслуживания (СеМО), которые обеспечивают построение оценок важнейшего класса исследуемых параметров - вероятностно-временных характеристик ВТС.
Распространение модельных ДС, несмотря на высокую трудоёмкость их разработки и вычислительную сложность, обусловлено в первую очередь их универсальностью в смысле отображения процессов функционирования, прогрессом в области методов и средств разработки больших и сложных программных комплексов, а также наличием производительных вычислительных средств.
Распространение СеМО обусловлено простотой и естественностью отображения состава и структуры ВТС, развитием теории СеМО, разработкой вычислительных методов и программных средств их расчёта.
Развитие теории и методов гибридного моделирования осуществляется, в основном, в направлении использования принципов декомпозиции при анализе аналитических [31—34], и имитационных [34] моделей ВТС.
В развитии теории и методов имитационного моделирования важное значение имеют: разработка концептуальных имитационных моделей ВТС, исследование их адекватности и устойчивости; разработка принципов организации систем имитационного моделирования; разработка методов измерений и статистического оценивания характеристик имитационных моделей.
Фундаментальное значение в имитационном моделировании имеют результаты теории систем [35—42]. Различные методы представления и описания ДС в имитационных моделях приведены в [43—49]. Подходы к оценке адекватности имитационных моделей разрабатываются в [50—52]. Трудности решения проблем адекватности и устойчивости имитационных моделей определяются их сложностью и размерностью, а также дескриптивным характером описания.
В последние годы, в связи с широким распространением мультипроцессорных и распределённых архитектур, интенсивно разрабатываются параллельные алгоритмы управления модельным временем и синхронизации событий. В отличие от традиционных алгоритмов синхронизации событий [53—63] параллельные алгоритмы сильно привязаны к используемой модели параллельных вычислений. Описание таких параллельных алгоритмов для различных моделей параллельных вычислений и вычислительных архитектур приведены в [64—82].
Изобразительные средства систем имитационного моделирования ВТС базируются или на специализированных языках моделирования (НЕДИС, SIMULA-67, GPSS/VI, SIMSCRIPT-II.5, GASP-V, SLAM-II и т.д.) или на процедурных расширениях языков программирования общего назначения FORTRAN, ALGOL, PL/I, PASCAL и т.д. до языков моделирования ДС. Достаточно полный перечень разработанных языков моделирования ДС приведён в работах [83, 84].
В последние годы наибольшее распространение получили системы моделирования, базирующиеся на языках программирования С и Smal ltal k [85—88]. Это обусловлено следующими факторами: высокой степенью стандартизации данных языков программирования, что обеспечивает возможность использования имитационных моделей на большинстве современных вычислительных платформах, в том числе и с параллельной обработкой; технология разработки имитационных моделей, их отладка и модификация естественным образом ложатся на объектно-ориентированную технологию программирования, поддерживаемую данными языками; объектно-ориентированные технологии программирования обеспечивают возможность без изменения программного кода развития иерархической системы понятий и конструкций изобразительных средств СМ, что позволяет адаптировать их к широкому классу моделируемых ВТС и задач их исследования; наличие удобных программных интерфейсов, позволяющих использовать развитые программные системы обработки и представления результатов моделирования; наличие мощных интегрированных сред разработки программ, которые обеспечивают построение эффективных моделирующих программ, значительно сокращают сроки их разработки и отладки, повышают надёжность.
Основные постановки задач статистического оценивания при имитационном моделировании и их решения приведены в [89—95]. Трудности использования методов статистического оценивания обусловлены следующими факторами: наблюдаемые случайные модельные параметры, как правило, являются достаточно сильно коррелироваными между собой; исследуемые модельные процессы часто не являются стационарными, особенно на начальных фрагментах траекторий развития моделей; в моделях могут развиваться процессы, имеющие различные временные масштабы; последовательности квазислучайных чисел, используемые для описания модельных случайных процессов, в статистическом отношении не являются идеальными. В связи с этим применяются специальные методы статистического оценивания, которые учитывают наличие данных факторов.
Среди них наибольшее распространение получили методы: спектрального оценивания [96—98], аппроксимации регенеративными процессами [91, 92, 99—101], аппроксимации марковскими и диффузионными процессами общего вида [102—106], аппроксимации различными процессами теории массового обслуживания [107— 113], а также различные методы оценивания и моделирования редких событий [114—116].
Для повышения эффективности имитационных моделей важное значение имеют методы: определения периода вхождения в стационарные режимы модельных процессов, определения их начального состояния модельных процессов, методы уменьшения дисперсии оценок, а также методы определения длины модельной траектории, обеспечивающей требуемую точность моделирования [117—125].
Для анализа адекватности имитационных моделей используются различные алгоритмы проверки соответствия выбранных методов оценивания и наблюдаемых значений оцениваемых параметров [50, 126—131]. Ряд систем измерения и статистической обработки результатов имитационного моделирования описан в [132—136].
Состояние теории СеМО достаточно полно отражены в работах [31, 32, 137—156]. В тесной связи с развитием теории СеМО развивались точные и приближённые методы их расчёта, которые обеспечивали: увеличение размерности СеМО (числа узлов, требований, уровней приоритета), повышение уровня детализации (неэкспоненциальность распределений, неоднородность потоков требований, блокировки, ограниченную надёжность), повышение точности.
Точные аналитические методы разработаны для анализа мультипликативных СеМО, среди которых наибольшее распространение получили методы, основанные на конволюционной схеме. Приближённые методы в вычислительном отношении являются, как правило, более эффективными, обеспечивают возможность анализа более широкого класса СеМО, но вряде случаев имеют только статистическую оценку точности. Среди приближённых методов наибольшее распространение получили методы анализа средних.
Сетевые модели обслуживания используются в целом ряде систем математического моделирования ВСТ QNA [149], PANACEA [157], Q+ [158], RESQ2 [159], СЕНПР [160], МОНАД [161, 162].
Современные инструментальные средства моделирования ВТС включают в себя [163—167]: средств построения гибридных моделей, содержащих в своём составе аналитические и имитационные модельные компоненты; объектно-ориентированные языковые средства описания процессов функционирования ВТС и их компонентов; развитые средства отладки и диагностики моделей; средства организации и сопровождения библиотек и баз данных, используемых в технологии моделирования ВТС; средства интерактивного управления процессом моделирования; экспертную систему, обеспечивающую эффективное управление всеми этапами процесса моделирования; программные интерфейсы, обеспечивающие открытость инструментальных средств моделирования в отношении возможности расширения класса задач исследований, класса допустимых математических моделей; совершенствования языковых средств; развитие подходов моделирования на основе экспертного оценивания. Наиболее полно вышеперечисленным требованиям удовлетворяют системы моделирования EASAMS [168], GPSS/VI [169], SIMSCRIPT-II.5 [170], SLAMSYSTEM [171], МОНАД [161, 172].
В основу диссертации положены результаты научных исследований, выполненных в Вычислительном центре и Институте горного дела СО РАН в соответствии с заданиями и разделами НИР государственных программ: "Создать экспериментальную сеть взаимодействующих вычислительных центров и провести на этой сети исследование вопросов построения ГСВЦ" (Постановление ГКНТ, Госплан и АН СССР Ко 475/251/131 от 12.12.80, НТП 0.80.14, 23.07); "Теория машинного моделирования" (Постановление АН СССР № 1454 от 25.12.80, КП НИР 01.12.10); "Информационные процессы в вычислительных сетях: а) методы адаптивного управления в информационно-вычислительных сетях" (Постановление Президиума АН СССР № 1454 от 25.12.80, КП НИР 1.13.4.4); "Архитектура сетевых систем. Методы анализа, оптимизации и моделирования сетевых систем" (Постановление СФТМН Президиума АН СССР № 11000-494-1216 от 05.12.85, КП фундаментальных и прикладных исследований по проблеме "Информационно-вычислительные сети" АН СССР, 1.13.8.2); "Создать и ввести в опытную эксплуатацию типовую автоматизированную систему непрерывного контроля и прогноза состояния и поведения массива горных пород, опасных по динамическим проявлениям на рудниках Минцветмета СССР" (Постановление ГКНТ, Госплана, Президиума АН СССР № 492/245/164 от 08.12.81, Комплексная целевая программа по проблеме 0.Ц.027); а также планов НИР, утвержденных постановлениями и распоряжениями СО РАН и министерства связи.
Не ль диссертационной работы: Разработка принципов организации средств математического моделирования вычислительных и телекоммуникационных сетей; разработка методов модельного описания иформацион-ных процессов в вычислительных и телекоммуникационных сетях; разработка программных средств имитационного, аналитического и гибридного моделирования вычислительных и телекоммуникационных сетей; применение методов и средств математического моделирование для решения задач проектирования реальных вычислительных и телекоммуникационных сетей.
Основные задачи диссертационной работы:
1. Разработка инструментальной среды математического моделирования вычислительных и телекоммуникационных сетей, обеспечивающей возможность решения комплексных задач их исследования, разработки и эксплуатации.
2. Разработка программных компонентов систем гибридного, имитационного и аналитического моделирования в структуре инструментальных средств математического моделирования вычислительных и телекоммуникационных сетей.
3. Разработка модельных комплексов для исследования вычислительного центра коллективного пользования; распределённой вычислительной сети с коммутацией пакетов; распределённой системы геомониторинга.
Научная новизна результатов:
1. Разработаны принципы организации системы моделирования вычислительных и телекоммуникационных сетей построенной на основе обеспечения совместного использования аналитических и имитационных компонентов в ходе модельных экспериментов.
2. Разработаны методы описания гибридных моделей, обеспечивающие: отображение информационных процессов ВТС в категориях аналитических и имитационных компонентов; задание структуры модельного эксперимента; определение класса требуемых модельных характеристик и методов их вычисления; интерактивное взаимодействие с моделью.
3. Разработана система измерения и оценивания параметров модельных траекторий обеспечивающая вычисление вероятностно-временных характеристик ВТС с точностью, достаточной для практических приложений.
4. Созданы инструментальные программные средства, реализующие разработанные принципы организации систем моделирования ВТС и позволяющие решать комплексные задачи исследования, разработки и проектирования сетей.
Практическая значимость результатов работы: Полученные в диссертации научные результаты в области математического моделирования ВТС и сформулированные принципы построения системного и функционального наполнения инструментальных программных систем математического моделирования ВТС использованы при разработке: КИМДС — комплекса имитационного моделирования дискретных систем; ППП ИМСЕТ — имитационного моделирования вычислительных сетей; СИМС — системы имитационного моделирования больших сложных дискретных систем; ППП СЕНПР — анализа замкнутых СеМО общего вида большой размерности; МОНАД — инструментальной среды математического моделирования ВТС; ППП МОДЕС—для математического моделирования вычислительной сети с коммутацией пакетов.
Программные системы и пакеты, разработанные на основе полученных результатов, а также результаты математического моделирования реальных ВТС, переданы в организации НПО "Красная Заря" (г. Ленинград), Институт математики и механики УрО АН СССР, Организацию п/я Г-4725, Центральный НИИ связи (г. Москва), НПО "Сибцветмет-автоматика" (г. Красноярск), Научный совет АН СССР по комплексной проблеме "Кибернетика" (г. Москва).
Теоретические результаты, вычислительные методы и инструментальные программные средства математического моделирования использованы при решении задач проектирования и разработки следующих ВТС: вычислительного комплекса коллективного пользования ВККП СО РАН, магистральной сети передачи данных, интервально-маркерного метода доступа в локальной сети, системы автоматического управления шахтным транспортным роботом САУ ШР, автоматизированной системы контроля горного давления АСКГД, информационно-вычислительной сети морского флота ИВС МФ, территориально-распределенной вычислительной сети с коммутацией пакетов для электронной почты ВСКП [34, 174—182].
Основные положения, выносимые на зашиту:
1. Разработаны принципы организации, методы и алгоритмы системы моделирования вычислительных и телекоммуникационных сетей, отличающиеся возможностью достижения требуемых уровней размерности и точности моделей. v/ 2. Разработаны методы модельного описания: процессов функцио нирования вычислительных и телекоммуникационных сетей в классе имитационных, аналитических и гибридных моделей; структуры модельных экспериментов; классов оцениваемых модельных характеристик; интерактивного взаимодействия с комплексами моделей.
3. Разработаны системные компоненты программных средств имитационного, аналитического и гибридного моделирования на основе моделей динамических дискретных систем и структурированных сетей массового обслуживания.
4. Разработаны объектные компоненты программных средств математического моделирования территориально-распределенных и локальных вычислительных сетей, сетей передачи данных, распределённых мониторинговых систем.
Апробация работы. Основные положения и отдельные результаты работы докладывались, представлялись и обсуждались на Всесоюзной конференции "Основные направления развития программного обеспечения ЭВМ, комплексов и сетей" (Севастополь); на ІДИ Всесоюзных совещаниях "Распределенные автоматизированные системы массового обслуживания" (Нальчик, 1982; Москва, 1990); на X, XI, XIII, XIV, XV, XVI Всесоюзных школах семинарах по вычислительным сетям (Тбилиси, 1985; Рига, 1986; Алма-Ата, 1988; Минск, 1989; Ленинград, 1990; Винница, 1991;); на конкурсе научной молодежи СО АН СССР (Новосибирск, 1987); на V Всесоюзной школе-семинаре по распределенным автоматизированным системам массового обслуживания (Москва, 1988); на Республиканском семинаре "Совершенствование методов исследования потоков событий и систем массового обслуживания" (Томск, 1989); на II Всесоюзной конференции "Моделирование систем информатики" (Новосибирск, 1990); на международной конференции "Проблемы функциониро вания информационных сетей" (Новосибирск, 1991); на Международной конференции по автоматизации в горном деле" (Екатеринбург, 1992); на Международной школе-семинаре по вычислительным сетям" (Алма-Ата, 1992); на научных семинарах ВЦ СО РАН, ИГД СО РАН, Научного совета РАН по комплексной проблеме "Кибернетика".
Публикации. По материалам диссертации опубликовано 22 печатных работы.
Структура диссертации. Диссертация состоит из введения, четырёх глав, заключения и приложений. Общий объём работы - 199 страниц машинописного текста, в том числе приложений - 38 страниц. Работа иллюстрирована 37-ю рисунками. Список литературы включает 209 наименований.
Перваяглава посвящена разработке концептуальных моделей, используемых в предлагаемых системах моделирования, и обеспечивающих естественное описание моделей исследуемых ВТС и задач их моделирования, а также эффективность программных моделей.
В терминах общей теории динамических систем описаны структурные компоненты гибридных моделей ВТС, построены их состояния и поведения, определены типы компонентов.
Проведено обобщение понятия модель в применении к моделированию ВТС, как комплекса моделей — гибридной модели ВТС, представленной в виде некоторой структуры моделей различных типов, обеспечивающей решение сформулированных задач моделирования. Модель — структурный элемент комплекса-определяется как элемент, описывающий решение некоторой частной задачи моделирования. Определены понятия комплексного времени, отображающего последовательность этапов моделирования, и комплексного эксперимента — процесса решения задачи моделирования.
Определены два следующих типа моделей, определяемых в составе гибридных моделей ВТС: дискретные динамические системы и структурированные сети массового обслуживания.
ДС выбраны в качестве концептуальных моделей имитационных моделей ВТС. Определены поведения компонентов ДС через множества последовательностей событий, имеющих место на траекториях поведения компонентов. Определены типы событий и соотношения между ними. Описана модель взаимодействия компонентов ДС между собой.
Структурированные СеМО выбраны в качестве концептуальных моделей аналитических моделей ВТС, основными компонентами которых являются узлы, распределители, источники и классы заявок. В структурированных СеМО выделяются фрагменты сети (модули), отображающие элементы моделируемой ВТС, и определяются специальные компоненты — функторы, обеспечивающие интерпретацию параметров качества функционирования моделируемых ВТС параметрами этих СеМО. Структурированные СеМО обеспечивают эффективное описание и представление в программных моделях открытых, замкнутых или смешанных СеМО с неоднородными потоками заявок и приоритетным обслуживанием, зависящим от её состояния, а также возможность отображения в сетевых моделях структуры исследуемых ВТС.
Вторая глава посвящена описанию структурных компонентов имитационных моделей, которые обеспечивают с достаточным уровнем детализации отображение алгоритмов функционирования ВТС, а также их исследуемых параметров и методов оценивания.
Приведены концептуальные модели следующих структурных компонентов: процессов, требований, классов требований, очередей требований, случайных величин, датчиков и мониторов.
Процессы — компоненты с наиболее общимм алгоритмами функционирования — обеспечивают отображение структурных элементов ВТС.
Требования и классы требований отображают элементы информационных потоков ВТС, а очереди отображают процессы хранения и распределения этих элементов. Случайные величины отображают стохастические процессы ВТС, а датчики и мониторы обеспечивают измерение модельных траекторий компонентов ДС и построение оценок их параметров.
Описаны модели взаимодействия структурных компонентов различных типов.
Третья глава посвящена разработке принципов организации и основных алгоритмов функционирования СМ, реализованных в программных комплексах КИМДС, СИМС, МОНАД, и рассмотреных на примере пакета МОНАД.
Приведены состав и структура пакета МОНАД.
Описана иерархическая структура программных объектов (классов языка программирования С ), на базе которой осуществлено построение СМ МОНАД, обеспечивающая развитие, как системного наполнения (расширение класса КМ СМ, повышение вычислительной эффективности СМ, развитие изобразительных средств СМ), так и объектного наполнения СМ (детализация различных классов моделируемых ВТС). Определены основные объекты программных моделей, обеспечивающие в ней отображение соответствующих объектов концептуальных моделей.
Описаны основные алгоритмы объектов программных моделей.
Четвёртая глава иллюстрирует возможности разработанных систем моделирования КИМДС, СИМС и МОНАД в приложении к разработке объектного наполнения пакетов ИМСЕТ и МОДЕС, предназначенных для исследования ВТС различного назначения. Иллюстрируются возможности использования предлагаемых подходов и программных средств для исследования ряда реальных сетевых систем: вычислительного центра коллективного пользования ВЦ СО АН СССР, распределённой мониторинговой сети автоматизированной системы контроля горного давления, территори ально-распределенной вычислительной сети с коммутацией пакетов для электронной почты. Приведены описания компонентов гибридных моделей исследуемых ВТС, представлены некоторые результаты моделирования.
В выполнение работы внесли вклад: В.Г. Беляков, М.В. Курленя, А.В. Леонтьев, Ю.И. Митрофанов — постановка задач исследования и научное руководство исследованиями; Л.И. Долбня, М.Р. Зарипова, А.Н. Иванов, Г.А. Квашнин, Н.А. Кондратова — участие в разработке программных средств моделирования и в проведении математического моделирования; Г.В. Беляев, Л.Г. Ивлев, П.И. Рогаченко — участие в интерпретации результатов математического моделирования.
Метод имитационного моделирования
На траекториях поведения Н различаются ординарные и структурированные события, структурированное событие в отличие от ординарного определяется как последовательность зависимых подсобытий (ординарных или структурированных) данного события.
Компоненты С осуществляют взаимодействие с другими компонентами посредством обмена (передачи друг другу) сообщениями различных типов. Каждый обмен сообщениями между компонентами системы определяется как глобальное событие, которое всегда является под событием некоторого локального события, инициировавшего данный обмен. Все одновременные глобальные события являются независимыми.
Передача сообщения между компонентами осуществляется по "идеальным связям", множество которых образует сеть связей компонентов. Идеальная связь предполагает бесконечную пропускную способность и абсолютную надежность передачи сообщений. Связи подсоединяются к компонентам через их клеммы. Различаются входные, выходные и неориентированные клеммы компонентов, через которые осуществляется приём и передача сообщений. Сообщения, которыми обмениваются компоненты, могут быть бесконечного размера, и длительность интервала времени их жизни равна нулю. Содержание сообщений определяется алгоритмами взаимодействия соответствующих компонентов. Сформированное компонентом сообщение направляется им на его выходную клемму, после чего оно мгновенно передаётся по связям на соответствующие входные клеммы других компонентов. Сообщение, принятое на входной клемме, мгновенно обрабатывается компонентом и уничтожается.
Клемма асте компонента cm определяется как вектор координат его состояния scm, acm={s&m} eZ[l,scw]. Множество клемм Acm={afm} — интерфейс компонента cm, множество входных и неориентированных
С . Состояние s интерфейса А определяется как композиция состояний клемм компонента Алфавит S интерфейса А определяется как прямое произведение алфавитов координат его состояния s . Среди сообщений S интерфейса Ат выделяется множество S cS стандартных сообщений компонентов С . S ={s , s0}, где 5 — управляющее сообщение, инициирующее зависимое событие передачи компонентом через клемму аст очередного сообщения, as0 — сообщение о завершении передачи предыдущего сообщения через клемму компонента.
Сеть связей п входов и выходов С определяется отображением n : S - S , которое осуществляет мгновенную передачу сообщений, сформированных на выходных и неориентированных клеммах, на соответствующие входные и неориентированные клеммы в каждый момент, в который имело место событие Ст .
Требования и классы требований
Инструментальные программные средства математического моделирования вычислительных и телекоммуникационных сетей — системы моделирования (СМ) — КИМДС [132, 173, 192, 133], СИМС [134, 20 МОНАД [161, 162, 172, 178, 193], реализованы как процедурные расширения языков программирования общего назначения АЛГОЛ-60, ПЛ/1, С соответственно. Данный подход обеспечивает естественное использование изобразительных средств базового языка программирования для описания сложных алгоритмов функционирования, которые имеют место в вычислительных сетях, планов проведения экспериментов с комплексами моделей, алгоритмов интегрирования результатов модельных экспериментов с моделями комплекса.
Данные системы разработаны с использованием объектно-ориентированной технологии, которая в полной мере реализована в СМ МОНАД. Они представляют собой совокупность открытых для расширения и модификации библиотек программ, процедур, функций, структур данных, классов, объектно-ориентированных программных интерфейсов, исходных данных, что обеспечивает возможность адаптации алгоритмов СМ к условиям исследования реальных вычислительных сетей, а также развития систем моделирования как в части их методов, так и в части изобразительных (языковых) средств описания исследуемых систем и используе мых алгоритмов моделирования. СМ предоставляют средства по организации совокупности взаимодействующих программных объектов (программ, данных различных типов и структур), которые образуют программную модель (ПМ) комплекса, описывающего решение сформулированной задачи моделирования.
Построение ПМ осуществляется путём формирования её множества объектов и установления соответствия каждому модельному объекту концептуальной модели некоторого множества объектов ПМ. Так, например, функции или процедуры соответствуют в ПМ образам событий компонентов КМ, а структуры, классы, переменные моделируют в ПМ состояния, алфавиты и точки траекторий компонетов КМ.
Любой интервал комплексных или модельных времён КМ отображается в ПМ интервалом системного времени - интервалом астрономического времени, в течение которого выполняется программный код, моделирующий в ПМ события, имеющие место на траекториях развития компонентов, определённых на соответствующих интервалах комплексного или модельного времён.
В составе СМ выделяется ряд подсистем, которые разбиваются на три основные класса: 1) базовые; 2) функциональные; 2) объектно-ориентированные. В классе базовых подсистем определены: 1) система управления программными объектами (СУО); 2) система диагностики и обработки запрещённых ситуаций (СОЗС); 3) система управления внешними интерфейсами (СУИ).
В классе функциональных подсистем определены: 1) система гибридного моделирования (СГМ); 2) система имитационного моделирования (СИМ); 3) система аналитического моделирования (САМ).
Объектно-ориентированные подсистемы определяют расширения данных систем моделирования в сторону описания некоторого класса модели руемых систем (например, вычислительных сетей и их компонентов -пакет ИМ СЕТ, или вычислительной сети с коммутацией пакетов - пакет МОДЕС).
Базовые подсистемы СМ предоставляют функциональным подсистемам сервисные возможности по организации программных объектов в составе ПМ, распределению между объектами программной модели различных системных ресурсов (времени процессоров и оперативной памяти), организации ввода/вывода различного вида данных. Структура основных классов базовых подсистем приведена на рис. 4. На этом и последующих рисунках данной главы стрелками указано направление наследование свойств объектов классов (х -у - класс у является производным [187] от базового класса х).
Система СУ О обеспечивает: 1) идентификацию модельных объектов в ПМ; 2) организацию и представление в ПМ множеств произвольных программных объектов, упорядоченных некоторым образом; 3) выполнение произвольных операций над объектами этих множеств в соответствии с их порядком. Набор операторов, составляющих изобразительные средства СУ О, приведен в ПриложенииЗ.
Для идентификации объектов в ПМ определяются идентификатор id0 и название id0 объекта ob. Определяются основной и системный идентификаторы объекта. Системный идентификатор объекта, в отличие от основного, определяется СУ О автоматически, и служит для идентификации данного объекта, когда не определён его основной идентификатор. В зависимости от типа объекта, в качестве его системного идентификатора могут быть определены: или идентификатор некоторой переменной системы моделирования, или некоторая структура её данных, или идентификатор её процедуры или функции. Основные идентификаторы определяются только для компонентов программной модели, кортежей её объектов, а также используемых потоков входных и выходных сообщений системы моделирования. Основной идентификатор id определяется следующим образом id=(nm,[{id }]), где пт имя идентификатора (объекта)- произвольная последовательность символов используемой системы программирования, {гс/х}- список индексов идентификатора (объекта)- упорядоченная последовательность (в том числе и нулевой длины) его индексов id (f ixeZ[l,{zdj], ZZ[-oo,oo]). Для компонентов одного типа должны быть определены уникальные основные идентификаторы. Для компонентов различных типов могут быть определены одинаковые основные идентификаторы. Два основных идентификатора являются одинаковыми, если совпадают их имена и списки индексов. СУО обеспечивает автоматическое формирование основных идентификаторов в программной модели, поддержку единственности копии основного идентификатора в программной модели, его автоматическое удаление при удалении из программной модели всех объетов с одинаковыми основными идентификаторами.
Функциональные подсистемы системы моделирования
Система гибридного моделирования (СГМ) предоставляет языковые и программные средства задания состава комплексов, структур комплексных экспериментов с ними, описывающих организацию модельных экспериментов с моделями комплексов и обеспечивающих решение задач моделирования исследуемой системы. Набор операторов, составляющих изобразительные средства СГМ, приведен в Приложении4. СГМ обеспечивает: 1) определение комплексов в ПМ; 2) определение произвольного числа моделей различных типов в составе комплекса; 3) управление выполнением модельных экспериментов с моделями комплекса; 4) ведение комплексного времени; 5) диагностирование запре щённых ситуации, возникающих на исследуемой траектории комплекса и его моделей в ходе комплексного эксперимента; 6) ведение протокола комплексного эксперимента. На рис. 5. приведена структура основных классов СГМ, объекты которого описывают в ПМ комплексный эксперимент с КМ. Объекты классов Complex, Model, SMjComponent, QNjComponent определяют в ПМ, соответственно, комплексы, модели комплексов, компоненты имитационных моделей и компоненты сетевых моделей обслуживания. Объекты классов Simulation-Model, Debug _Simulation_Model и классов объектно-ориентированные имитационные модели описывают соответствующие им системы компонентов дискретными динамическими системами. Объекты классов QN_ _Model и классов объектно-ориентированные сетевые модели обслуживания описывают соответствующие им системы компонентов структурированными сетями обслуживания (модели типов Tqn; ).
Объекты классов Undefined_Type_Model и классов объектно-ориентированные модели произвольного типа описывают соответствующие им системы компонентов произвольными моделями, для которых необходимо определение пользователем алгоритмов стадий воспроизведения траекторий их систем компонентов. Объекты классов Moment_Component_Time, Moment_Complex_Time, Moment_Model_Time описывают, соответственно, точки фазового пространства, в котором определены траектории компонентов, моменты комплексного времени и моменты модельного времени, а объекты классов Last_Moment_Time, Current_Moment_Time, Future_Moment_Time, прошедший, текущий и будущий моменты соответствующего фазового пространства. Алгоритм СГМ заключается в последовательном выполнении функций или процедур, отображающих в ПМ стадии hx, Vxexcx, соответствующих всем моментам х комплексного времени, КЭ с комплексом схєТсх. СИМ предназначена для описания модели т/єТш1сх, ml eTsm и её модельного эксперимента hm на некотором интервале комплексного вре h " ml СХ мени х czx комплекса сх. Языковые и программные средства СИМ обеспечивают возможность в описании образа (процедуры, функции, программы) стадий hj1 є Tex;pr U Tex;sv модельного эксперимента hm определять формирование и модификацию состава ДС С , её состояния в начальный момент исследуемой траектории, её исследуемых параметров.
Эти стадии, в частности, могут быть определены как некоторые функции от результатов произвольного числа подэкспериментов с любыми моделями, не принадлежащими вложенности Мсх комплекса, обеспечивая тем самым параметризацию модели ml выходными параметрами её подмоделей. СИМ также обеспечивает динамическое изменение на стадиях hj1 eTex;sm состава ДС Ст модели ml посредством определения на траекториях процессов специализированных управляющих событий, в том числе выполнения некоторого модельного подэксперимента с подмоделью данной модели. СИМ состоит из подсистем: ПСУП- синхронизации и управления процессами, ПФУТ- формирования и управления требованиями, ПФУО-формирования очередей и управления ими, ПФСВ- подсистемы формирования случайных величин, ПИПК- подсистемы измерения параметров комплекса, которые, соответственно, описывают в ПМ характерные состояния и алфавиты, а также образы событий следующих компонентов КМ: процессов, требований и их классов, очередей, случайных величин, мониторов и датчиков. Набор операторов, составляющих изобразительные средства СИМ, приведен в Приложении5. Для описания поведений компонентов В СИМ используется процессно-ориентированный подход [83, 84, 135, 204—208], который: 1) обеспечивает естественное отображение объектов КМ исследуемых ВТС на множества объектов ПМ; 2) минимизирует по сравнению с другими подходами (событийно-ориентированными и сканирования активностей) среднию длину списка планируемых событий.
Автоматизированная система контроля горного давления (АСКГД)
Результаты математического моделирования АСКГД использовались при выборе алгоритмов функционирования центральной, и ретрансляционной станций, при выборе состава и структуры программного обеспечения измерительных комплексов, при разработке топологии сети, протокола доступа в сеть и процедур управления сетью [34, 176, 177, 179].
АСКГД (рис. 15) состоит из наземной части — центральная станция (ЦС), подключённая к вычислительному комплексу шахты (ВКШ), и подземной части — периферийные (ПС), ретрансляционные (PC) и измерительные станции (ИС), датчики состояния контролируемого массива горных пород (Д), которые связаны с ВКШ через магистральные каналы (МК) и главный магистральный канал (ГМК). Основную долю полезной нагрузки сети составляют потоки информации, передаваемые от И С к ЦС для последующей обработки их в ЭВМ. Данные, передаваемые по обратному каналу от ЦС к ИС, используются в ИС для управления режимом обработки сигналов от Д (выделение полезного сигнала на фоне технологического шума, вычисление спектральных характеристик сигналов, локализация источников сигналов и т.д.).
Сеть имеет древовидную топологию, что в первую очередь определено подземными условиями развёртывания АСКГД. К ЦС возможно подсоединение до 8-й линий связи, образующих главный магистральный канал. Древовидная структура сети образуется за счёт подключения к каждой линии связи до 8-й PC, которые концентрируют до 8-й дуплексных цифровых каналов, образующих магистральные каналы. Скорость передачи данных в главных магистральных каналах (подключённых к ЦС) и магистральных каналах (подключённых к PC) — 1200, 4800 бод. ПС обеспечивает накопление данных, поступающих от ИС, передачу и приём сообщений в сеансе связи с ЦС, обмен данными с ИС. К одной ПС может быть подключено до 4-х ИС.
ЦС управляет доступом периферийных станций к дереву магистральных каналов и организацией сеансов связи с ПС. Управление работой сети осуществляется на основе использования протокола коллективного доступа с разделением времени. Доступ к дереву магистральных каналов, связанных с одним главным магистральным каналом, распределяется между всеми ПС, подключёнными к данному дереву (каждая ПС является связанной только с одним магистральным каналом).
При организации сеанса связи с ПС центральная станция вызывает требуемую ПС, принимает от ПС сообщение о её состоянии (готовность ПС, наличие в ПС информации, предназначенной для передачи в ЦС), осуществляет приём накопленных в ПС данных. ПС извещает центральную станцию о завершении передачи информации, и ЦС переходит к сеансу связи со следующей ПС и т.д. При превышении допустимого порога длительности сеанса связи ЦС прерывает сеанс с данной ПС. Механизм резервирования канала осуществляется на основе анализа в ЦС активности периферийных станций в течение нескольких последних сеансов (по числу принятых от ПС сообщений длиной 1 байт). Интенсивность вызовов ПС со стороны ЦС регулируется пропорционально активности ПС. Во время сеанса связи осуществляется также передача данных в направлении от ЦС к ПС. При передаче всех сообщений по сети используется механизм квитирования.
Математическая модель АСКГД представляется в виде комплекса следующих аналитических и имитационных моделей: модель сети связи АСКГД; модель программного обеспечения измерительной станции АСКГД; модель протокола доступа в сеть передачи данных АСКГД. Аналитическая модель сети связи и программного обеспечения измерительной станции (рис. 16) описывается неоднородной СеМО с приоритетным обслуживанием.
