4 Модели и методы для оценки качества сетевого функционирования

АНАЛИЗ И ПРОЕКТИРОВАНИЕ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ (часть 1)

Абросимов  Л. И.

 

1. ЦЕЛИ И ПАРАМЕТРЫ ПРОЕКТИРОВАНИЯ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ

 

1.1. Цели и задачи

Практический интерес к вычислительным сетям (ВС) в настоящее время вызван потребностями пользователей в информационном обеспечении. Создание ВС требует больших затрат. Каждая организация, принимающая решение о построении сети, понимает необходимость расходования довольно значительных финансовых средств и поэтому тем более желает получить определенные гарантии качества приобретаемых информационно - вычислительных средств.

Необходимо подчеркнуть, что каждая организация обладает своей спецификой и поставщик вычислительной сети при выполнении проектных работ должен обосновывать структуру, хард- и софтвер, состав и организацию информационного обеспечения. Часто при проектировании ВС  используют аналоги -- известные, хорошо зарекомендовавшие себя в работе проектные решения, накопленный опыт. Однако, своеобразие и уникальность функций, выполняемых каждой организацией, их постоянное развитие, возникновение новых информационных технологий обгоняют накопленный опыт и тогда ВС, даже содержащая все современные средства, может работать с точки зрения пользователя недостаточно эффективно. Именно поэтому особый интерес в настоящее время приобретают методы, которые на основе моделирования позволяют оценить: структуру вычислительной сети, организацию баз данных, характеристики компьютеров и каналов связи, состав и функции программных продуктов, состав и организацию информационного обеспечения.

Таким образом, цель проектирования вычислительных сетей состоит в том, чтобы на основании характеристик функционирующего объекта выбрать состав технических устройств, средств связи, информационное и программное обеспечение, структуру и организацию вычислительной сети, которые выполняли бы основные требования к качеству информационного обеспечения при заданных ограничениях на затраты.

В процессе проектирования вычислительной сети разработчику на различных этапах проектирования необходимо генерировать варианты проектных решений, рассчитывать функциональные характеристики для каждого варианта вычислительной сети. Для повышения точности определения функциональных характеристик вычислительной сети необходимо использовать большое число параметров математической модели, которая описывает функционирование вычислительной сети. Это усложняет расчетные соотношения и увеличивает объем вычислений. Преодолеть отмеченные трудности можно посредством создания комплексной системы автоматизированного проектирования вычислительной сети.

В настоящее время имеется широкая гамма отдельных методик, каждая из которых позволяет определить свой, достаточно узкий набор функциональных характеристик вычислительной сети [2]. Учитывая, что основные требования пользователь ВС предъявляет временным характеристикам, которые являются основной оценкой качества функционирования, в настоящей главе основное внимание уделено именно этим методам.

1.2. Методы оценки характеристик вычислительных сетей

 

Для развития, проектирования и управления вычислительными сетями необходимо оценивать следующие характеристики:

- время реакции,

- время передачи,

- коэффициент загрузки и другие.

Полные и достоверные данные о параметрах каждого компонента вычислительной сети можно получить только в том случае, когда ВС  введена в эксплуатацию (хотя бы в пусковом, неполном объеме), либо в том случае, когда введена в эксплуатацию аналогичная сеть. В этом случае на функционирующей вычислительной сети проводятся изменения требуемых параметров. Если имеется в  наличии вычислительная сеть - аналог, то после проведения измерений следует производить тщательный анализ адекватности полученных данных для разрабатываемой сети.

Однако, проведение измерений трудоемко и дорого, не все параметры поддаются непосредственному измерению, не все параметры, измеренные в вычислительной сети — аналоге могут быть адекватны разрабатываемой сети, поэтому для получения требуемых временных параметров широко используются методы моделирования (рис. 1).

Модель системы — это материальный или логической объект, построенный по определенным правилам представления моделируемых свойств системы с целью изучения функционирования системы. Поскольку перед разработчиком ВС возникает очень много вопросов, может быть создан ряд различных моделей системы. Все эти модели отображают одну и ту же систему, но либо рассматривают ее с различных точек зрения, либо имеют различную степень детальности.

 

Разработка всякой модели начинается с создания концептуальной модели, которая является основой для любой модели: аналитической или имитационной.

Достаточно широко распространенным классом моделей являются имитационные модели, в которых воспроизводится во времени поведение реальной системы введением в модель условий и временных задержек, которые определяют последовательность переходов компонентов системы из одного состояния в другое.

Имитационная модель ВС или ее компонент описывает их функционирование в виде последовательности операций или групп операций, выполняемых компьютерами. Составными частями имитационной модели являются описания элементов, составляющих систему, и описание структуры системы. Описание представляются в виде программ. Поэтому процесс имитационного моделирования сводится к проведению экспериментов, состоящих из серии реализации программ на компьютере при различных исходных данных.

Имитационные модели ВС в зависимости от используемых входных данных можно разделить на трассоориентированные и статистические. В трассоориентированных имитационных моделях входные данные задаются трассой, т.е. потоком событий, имеющих место при работе системы, которые регистрируются в хронологическом порядке. В статистических имитационных моделях входные данные задаются с помощью датчиков случайных чисел, характеристики которых известны.

Важным преимуществом имитационных моделей перед аналитическими, является потенциальная возможность приблизить ее введением дополнительных усложнений к моделируемому объекту. Но при этом следует учитывать, что сложные имитационные модели требуют для своей реализации больших вычислительных ресурсов, поэтому целесообразно применение имитационных моделей в тех случаях, когда аналитические методы являются непригодными.

Кроме того, следует подчеркнуть, что имитационное моделирование, не проконтролированное измерениями на реальном объекте, не может быть достаточной гарантией точности полученных результатов.

Аналитическая модель представляет собой набор математических соотношений, которые могут быть использованы для вычисления количественных значений требуемых параметров системы по заданным параметрам системы и рабочей нагрузки.

Аналитические модели используют для описания объектов и отношений математические символы. Любая аналитическая модель строится на основе понятий и символики некоторой теории. По специфике математического аппарата различают детерминированные и вероятностные модели. К категории детерминированных относятся модели, использующие теоретические концепции машины Тьюринга, сетей Петри, автоматы, графические модели программ. Несмотря на то, что некоторые из этих моделей могут оказать существенную помощь в понимании вычислительных систем и их компонент в получении строгого описания функционирования, а также в создании их имитационных моделей, пока их приложения в качестве аналитических моделей для оценки производительности систем ограничены. Одним из главных препятствий для использования детерминированных моделей в исследованиях оценки производительности является их относительная неспособность отображать изменчивость рабочей нагрузки, наблюдаемую в любой вычислительной сети.

Детерминированная модель рабочей нагрузки применима в том случае, если делается предположение, что рабочая нагрузка состоит из нескольких заданий, которые возникают периодически. В этом случае поведение этих заданий может быть охарактеризовано с большей детальностью, чем в случае непериодической рабочей нагрузки.

 Частным случаем, для которого детерминированная модель обычно легко применима, является периодическая рабочая нагрузка, состоящая из одинаковых заданий.

Такая модель рабочей нагрузки не слишком далека от действительности для многих специализированных вычислительных устройств.

Вероятностный характер аналитических моделей отражает реально наблюдаемую случайную картину возникновения запросов на ресурсы вычислительных сетей и их составляющих компонент, а также использование этих ресурсов. При применении моделей теории очередей для оценок ресурсов производительности, вычислительные сети и составляющие их компоненты рассматриваются как совокупность обслуживающих устройств, в качестве которых выступают различные компоненты системы: центральный процессор, оперативная память, внешние запоминающие устройства, каналы и устройства ввода-вывода и т.д. Задания или программы, формируют запросы, или заявки на обслуживание к этим компонентам. Поэтому значительная часть моделей, используемых для определения   параметров производительности, связана с анализом очередей, коэффициентов использования, интенсивностей обслуживания, время реакции и т.д.

Конечные цепи Маркова широко используются [3, 4] для моделирования поведения ВС. Такие модели зависят от изучаемого вычислительного процесса и используются для оценки производительности мультипроцессорных систем и конвейерных процессов, оценки качества страничных программ в виртуальной памяти и оптимальной сегментации программ. Кроме того, конечные цепи Маркова описывают поведение очереди к неделимому ресурсу при  случайном тактированном поступлении заявок и ограниченном числе пользователей.

Существенно расширяют возможности исследования ВС применение аналитических моделей, использующих приближенные методы, среди которых наиболее распространенными являются методы диффузионной аппроксимации [5] и методы декомпозиции.

Когда неизвестно точное решение сетевой модели с очередями в замкнутой форме, то иногда оказывается возможным определить приближенное решение. Приближенные методы позволяют решать более сложные и поэтому потенциально более точные модели вычислительных систем.

Однако окончательное решение о возможности применения приближенных методов может быть принято, если вносимые ими погрешности менее значимы, чем та точность, которую обеспечивает детализация модели. Модели диффузионной аппроксимации [5] можно применять к разомкнутым и замкнутым сетям с одноканальными центрами обслуживания, имеющими один обслуживающий прибор, характеризуемые произвольными распределениями и  непрерываемыми тактиками планирования без использования априорной информации о времени обслуживания. Этот метод заключается в моделировании числа заданий в сети или в центре обслуживания стохастическим процессом с непрерывным, а не дискретным временем. Функция плотности вероятности этого числа при соответствующих предположениях соответствует диффузионному уравнению. Это уравнение может быть  решено в тех случаях, когда исходный процесс, имеющий дискретное время, не вызывает  непреодолимых трудностей.

Использование в моделях метода декомпозиции, предусматривает разбиение сети на подсети, которые исследуются раздельно, а затем заменяются приближенной моделью подсети. Таким образом, окончательный анализ сети использует вместо подсетей упрощенные компоненты [1 — 5]. Развитие метода декомпозиции, называемое методом контуров [1], предусматривает выделение маршрутов движения однотипных транзакций, для которых составляется математические модели, каждая из которых учитывает взаимное влияние контуров и может учитывать их приоритетность.

Анализ публикаций показывает, что в мировой и отечественной практике для решения задач проектирования все в большей степени используются аналитические методы, которые требуют для своей реализации меньше вычислительных ресурсов и позволяют решать как задачи анализа, так и задачи оптимизации параметров. В работах [2 — 5], посвященных комплексному рассмотрению информационных сетей, несмотря на некоторые различия подходов, для оценки временных характеристик систем используются методы теории массового обслуживания. Аналитические методы требуют для вывода расчетных соотношений, составляющих математические модели, введения ограничений и допущений, которые в значительной степени сужают область их использования. Так, в математических моделях, разработанных Л. Клейнроком и М. Шварцем [3,4], рассматривается сеть связи с коммутацией сообщений, имеющая М каналов и N узлов коммутации. При построении математической модели принимаются следующие допущения:

- все каналы и все узлы коммутации являются бесшумными и абсолютно надежными;

- время обработки в узлах коммутации равно нулю;

- на передающей стороне канала могут организовываться очереди из сообщений, размещаемых в памяти неограниченной емкости;

- трафик, поступающий в сеть передачи из внешних источников (например, из хостмашин) образует пуассоновский процесс ;

- во многих аналитических соотношениях для каждой пары источник-получатель известен единственный путь, а в некоторых задачах вводится вероятность p(j,k) перехода из j-го узла в k-й;

- длины сообщений независимы и распределены по показательному закону.

Введенные ограничения и допущения обеспечивают решение задач анализа, позволяющих определять: время tпребывания сообщений в сети передачи данных, коэффициенты r(r,v) загрузки каналов связи, длины l_i очередей, а  также решать задачи эффективного проектирования.

Л. Клейнрок в [3] основное внимание уделяет трем задачам: выбора пропускных способностей C каналов, распределения потоков в каналах, выбор топологического варианта сети. Задачи рассматриваются как однокритериальные, минимизирующие среднюю задержку сообщений в сети передачи данных при выполнении ограничений на затраты.

В методах, разработанных Г.П.Захаровым и обобщенных им в [5], рассматриваются сети передачи данных с коммутацией пакетов, которые исследуются как двухполюсные многофазовые системы массового обслуживания. Для этих методов приняты следующие допущения и ограничения:

-          -          законы распределения всех случайных величин принимаются экспоненциальными, кроме третьей фазы системы массового обслуживания, для которой закон распределения времени обслуживания принимается регулярным;

-          -           удельная абонентская нагрузка в абонентских пунктах и компьютерах принимается равномерно распределенной по всей сети передачи данных;

-          -          порядок обслуживания сообщений — прямой;

-          -          время установления логического соединения включено во время коммутации;

-          -          система массового обслуживания неприоритетная;

-          -          сообщения при передаче по сети передачи данных стареют с заданной интенсивностью.

Основными критериями оценки сети передачи данных служат, как правило, вероятность своевременной доставки сообщений и среднее время доставки сообщений.

Несмотря на достаточную глубину и детальность разработанных подходов, которые доведены до инженерных методик, модели обладают рядом существенных недостатков, к основным из которых следует отнести:

-          -          отсутствие возможности комплексно рассматривать не только передачу данных по каналам связи, но и учитывать влияния обработки данных в хостмашинах и коммуникационных контроллерах;

-          -          невозможность учитывать в моделях вычислительных сетей влияние взаимосвязанных профилей протоколов, поддерживающих диалоговые системы обработки сообщений.

1.3. Упражнения

Контрольные вопросы

1.1. Почему при проектировании вычислительных сетей необходимо использовать моделирование?

1.2. В чем состоят основные трудности моделирования?

1.3. Назовите (перечислите) основные характеристики, оценивающие качество функционирования вычислительных сетей.

1.4. Назовите достоинства и недостатки аналитических и имитационных моделей.

1.5. Можно ли при разработке одной вычислительной сети использовать несколько различных моделей?

 

Темы рефератов

1. Сравнительный анализ методов измерения характеристик и параметров вычислительных сетей.

2. Сравнительный анализ методов моделирования ВС.

3. Сравнительный анализ методов моделирования WAN, MAN, LAN.

4. Сравнительный анализ программных средств, обеспечивающих измерение характеристик и параметров вычислительных сетей.