Разработка имитационной модели работы распределенной вычислительной системы

     -коммутация  каналов;

     -коммутация  пакетов;

     -коммутация  фреймов - Frame relay;

     -коммутация  ячеек - АТМ-технология.

     Основу  локальных РСОД составляют локальные сети со следующими характеристиками: небольшая географическая распределенность; использование единой коммуникационной среды и, следовательно, физическая полносвязность всех узлов сети, приводящая к замене маршрутизации адресацией; высокие и очень высокие скорости обмена - 10^... 10^ бит/с; применение специальных методов и алгоритмов доступа к единой среде для обеспечения высокой скорости передачи при одновременном использовании среды всеми узлами коммуникационной службы; ограниченность возможных топологий. Под архитектурой РСОД будем понимать взаимосвязь ее логической, физической и программной структур.[9, c 35] 

     1.3.2. Моделирование работы  распределенных  
вычислительных систем 

     Важным  направлением  в  области  разработки  распределенных  вычислительных  систем  является  предварительное моделирование их  работы,  которое  позволяет  снизить риски  и  удешевить  проектирование  аппаратной  части,  структуры  и  размещения  данных . Результатом работы имитационной модели являются собранные в ходе вычислительных  экспериментов  статистические  данные  о наиболее   важных   характеристиках   работы  сети  при  заданных  параметрах,  что  позволяет  проектировать  эффективную  архитектуру распределенных  систем,  выбирать  оборудование,  протоколы  взаимодействия,  хранилища  данных,  программное  обеспечение  и  т.д.

     Кроме того, предварительное моделирование  работы   распределенных   систем  позволяет выявить «узкие» места  системы и предотвратить нештатные ситуации.

     Поскольку события, происходящие в системе,  носят  случайный  характер,  то  предлагается  организовать  работу  каждого  узла  по принципу  одноканальной  системы  массового обслуживания  (СМО)  с  бесконечной  или  ограниченной  очередью .  В качестве  требования  будем рассматривать  событие,  а  в  качестве обслуживающего прибора – диспетчер (главная  функция,  обработчик  событий).  Тогда  вся  вычислительная  система  описывается  набором  взаимодействующих  СМО  различных  типов.  Это  позволяет  перейти  от  динамического  моделирования  системы,  когда исследуем  маршруты  движения  пакетов  в сети,  достижимость  узлов,  стремимся  к  минимизации  трафика,  к  функциональному  моделированию,  при  котором  исследуется  правильность  выполнения  запросов,  оптимальность времени их выполнения.[3, c. 46]

     Список  событий  определяется  для  каждого  компонента имитационной системы: для сетевого  оборудования,  вычислительных  узлов, дисковых хранилищ и т.д. 

     Предусмотрены очереди заявок для диспетчера каждого  устройства и для диспетчера имитационной  системы  в  целом.  События, относящиеся  к  логике  работы  конкретного устройства  (например,  генерация  некоторого значения,  архивация  данных,  их  фильтрация),   обрабатываются   диспетчером   этого устройства.  События,  относящиеся  к  логике работы  всей  системы  или  необходимые  для имитации  взаимодействия  между  устройствами  (например,  остановка  или  запуск  некоторого  устройства,  разрыв  канала  связи,  нештатная  ситуация,  обмен  данными  между устройствами на аппаратном уровне, изменение масштаба модельного времени), обрабатываются  главным  диспетчером  имитационной системы.  При  обработке  заявки  в  очереди  этого или   другого   устройства   (устройств)   могут формироваться новые события. 

     Каждое  событие характеризуется: 

•      типом (например,  возникновение нештатной ситуации,  отправка  запроса  на  данные, получение данных, остановка работы процесса и т.д.); 
•      статусом  (обработано  или нет);  планируемым временем обработки (некоторый момент модельного времени по расписанию); 
•      реальным  временем  обработки (момент модельного   времени,   когда   диспетчер реально начал обработку события).  Разница между планируемым и реальным временем   наступления   события   представляет  значительный  интерес,  так  как характеризует  задержку,  возникающая  в системе,  которую  надо  стремиться  минимизировать.[11, c 31] 

     Поток  заявок  является  неравномерным, так  как  события  разных  типов  поступают  на обработку  через  неодинаковые  промежутки времени и время обслуживания заявок тоже различается.    Сохранение    неоднородности реализуется  путем    выделения  фиксированного количества видов обслуживаемых событий  и  определения  алгоритма  обработки  для них.  Законы  распределения  интервалов  времени поступления заявок каждого типа в систему  и  распределения  времени  их  обслуживания  диспетчером  выбираются  исследователем в начале моделирования.

     На  время обработки события влияет тип события: генерация данных, фильтрация, архивация,  обработка  нештатной  ситуации  и т.д.  Предусмотрена  реализация  событий  в виде  функций,  обладающих  разной  временной  и  емкостной  сложностью.  Порядок  сложности  определяет  класс  функции  времени обработки  данных  по  определенному  алгоритму.  Функция  может  быть  линейной,  полиномиальной,  экспоненциальной,  логарифмической и т.п. Параметр, передаваемый функции, и порядок ее сложности определяют количество операций, необходимых для ее вычисления,  и,  как  следствие,  время  (в  условных  временных  единицах  системы),  необходимое  для  обработки  соответствующего  события.   Емкостная   сложность   вычисляется аналогично и определяет объем оперативной памяти  устройства,  необходимой  для  вычисления функции его процессором. 

     На  каждом  устройстве  в  параллельных потоках одновременно  могут  функционировать  несколько  процессов.  Процесс  –  это численное  отражение  изменения  состояния некоторого  объекта  в  системе. Он   может запрашивать и/или получать  данные  от других процессов; отправлять данные другим процессам;  обрабатывать  и/или  анализировать  полученные данные  и  в  зависимости  от результатов  обработки  генерировать  сообщения или управляющие сигналы для исполнительных  механизмов.  Это  реализуется  постановкой  в  очередь  некоторого  устройства (устройств)  событий  по  обработке  или  получению  данных.  Процессы, как и  физические устройства, являются базовыми компонентами системы и могут настраиваться путем выбора функций и алгоритмов  обработки  данных.  События,  поступающие от процессов, выполняющихся на этом  устройстве,  помещаются  в  его  очередь и  обрабатываются  диспетчером  этого  устройства.[12, 42]

     Для описания моделей СМО при их исследовании на ЭВМ разработаны специальные  языки имитационного моделирования. Существуют общецелевые языки, ориентированные на описание широкого класса СМО в различных предметных областях, и специализированные языки, предназначенные для анализа систем определенного типа. Примером общецелевых языков служит широко распространенный язык GPSS.

     Современная среда имитационного моделирования GPSS World - это удобный программный комплекс, работающий под Windows. GPSS сочетает в себе функции дискретного и непрерывного моделирования. Возможность перехода из дискретной фазы моделирования в непрерывную фазу и обратно обеспечивает тесную связь с непрерывным моделированием. В непрерывной фазе могут быть установлены пороговые значения, управляющие созданием транзактов в дискретной фазе. Система имеет транслятор программного кода, т.е. модель работает только в среде GPSS и не может компилироваться в исполняемые файлы.

     Система GPSS ориентирована на класс объектов, процесс Система GPSS ориентирована на класс объектов, процесс функционирования которых можно представить в виде множества состояний и правил перехода из одного состояния в другое, определяемых в дискретной пространственно-временной области. Примерами таких объектов являются вычислительные системы, сети ЭВМ, системы передачи сообщений, транспортные объекты, склады, магазины, предприятия и т.п. [14, с.27]. 
 

     Вывод по главе. 

     Моделирование – один из способов исследования и устранения проблем, возникающих в окружающем нас мире. Говоря более строго, модель является реальным или абстрактным объектом, который заменяет (представляет) объект исследования в процессе его изучения, находится в отношении сходства с последним (аналогия, физическое подобие и т.п.) и более удобен для экспериментов. Наиболее естественная и важная сфера применения моделирования – анализ сложных систем, в том числе социотехнических (производственных, финансовых и т.д.).

     Имитационная  модель предназначена для имитации процесса функционирования реальных систем массового обслуживания. Системы массового обслуживания (СМО) представляют собой системы специального вида, реализующие многократное выполнение однотипных задач. Это прежде  всего  процессы  в  технических  системах  – телефонные  сети,  радиосвязь и телекоммуникации, вычислительные машины, системы и вычислительные сети.

     Вычислительная  система (ВС) - это взаимосвязанная  совокупность аппаратных средств вычислительной техники и программного обеспечения, предназначенная для обработки информации.

     Виды  вычислительных систем:

     • однопроцессорные компьютеры

     • параллельные системы

     • системы реального времени

     • распределенные системы

     • кластеры и сети (локальные, глобальные).

     Распределенная  система обработки данных (РСОД) - любая система, позволяющая организовать взаимодействие независимых, но связанных между собой ЭВМ. Эти системы предназначены для автоматизации таких объектов, которые характеризуются территориальной распределенностью пунктов возникновения и потребления информации.

     Важным  направлением  в  области  разработки  распределенных  вычислительных  систем  является  предварительное  моделирование  их  работы,  которое  позволяет  снизить риски  и  удешевить  проектирование  аппаратной  части,  структуры  и  размещения  данных. Результатом работы имитационной модели являются собранные в ходе вычислительных  экспериментов  статистические  данные  о наиболее   важных   характеристиках   работы  сети  при  заданных  параметрах,  что  позволяет  проектировать  эффективную  архитектуру распределенных  систем,  выбирать  оборудование,  протоколы  взаимодействия,  хранилища  данных,  программное  обеспечение  и  т.д.

     Глава 2 . Разработка имитационной модели 

     2.1. Постановка задачи 

     Вычислительная  система состоит из трех ЭВМ. С интервалом 3 ± 1 мин в систему поступают задания, которые с вероятностями Р₁ = 0,4; P₂ = P₃ = 0,3 адресуются одной из трех ЭВМ. Перед каждой ЭВМ имеется очередь заданий, длина которой не ограничена. После обработки задания на первой ЭВМ, оно с вероятностью P₁₂ = 0,3 поступает в очередь ко второй ЭВМ и с вероятностью P₁₃ = 0,7 – в очередь к третьей ЭВМ. После обработки на второй или третьей ЭВМ задание считается выполненным. Продолжительность обработки заданий на разных ЭВМ характеризуется интервалами времени Т₁= 7 ± 4 мин, T₂ = 3 ± 1 мин, T₃ = 5 ± 2 мин.   

       Смоделировать процесс обработки 200 заданий. Определить максимальную длину каждой очереди и коэффициенты загрузки ЭВМ. 

     Необходимо  исследовать работу вычислительной системы из трех ЭВМ. В качестве цели моделирования выберем изучение функционирования системы, а именно оценивание ее характеристик с точки зрения эффективности работы системы, т.е. минимизацию длины очереди к ЭВМ и максимизацию коэффициента загрузки ЭВМ (т.е. будет ли она простаивать, работать на износ или работать с запасом). В качестве цели эффективного функционирования системы целесообразно выбрать максимизацию коэффициента загрузки каждой ЭВМ.

     С учетом имеющихся ресурсов в качестве метода решения задачи выберем метод имитационного моделирования, позволяющий не только анализировать характеристики модели, но и проводить структурный, алгоритмический и параметрический синтез модели на ЭВМ при заданных критериях оценки эффективности и ограничениях.

     Постановка  задачи исследования функционирования вычислительной системы состоящей из трех ЭВМ представлена в задании к курсовому проектированию, из которого следует, что необходимо определить:

• максимальную длину очередей к каждой ЭВМ;
• коэффициенты загрузки каждой ЭВМ.

     В качестве критерия оценки эффективности процесса функционирования системы целесообразно выбрать коэффициент загрузки ЭВМ, который должен быть максимальным, при этом длина очереди к каждой ЭВМ должна быть минимальной. Соотношение загрузки каждой ЭВМ должно быть в среднем одинаковым, чтобы каждое устройство было задействовано равноценно. В качестве еще одного традиционного критерия оценки эффективности процесса функционирования системы можно выбрать минимальное время обработки заданий в системе в целом при максимальном количестве обработанных заданий.

     Рассмотрим, какие переменные у нас зависимы, а какие нет.

     независимые (экзогенные) переменные модели:

• интервал времени поступления заданий;
• вероятность поступления заданий на первоначальную обработку к каждой из ЭВМ;
• вероятность поступления заданий на дальнейшую обработку к оставшимся ЭВМ;
• продолжительность обработки заданий на каждой из ЭВМ;
• количество заданий.