В. А. Кузин-1, Ю. И. Атаманчук-1, Н. В. Кравчук-1, А. П. Шибанов-2, В. А. Шибанов-2 где
1- Федеральное государственное унитарное предприятие ОКБ "Спектр", г. Рязань
2 - Рязанская государственная радиотехническая академия
Продолжение. Ранее была опубликована первая часть.
Имитационное моделирование системы обработки ТМИ.
На практике часто возникают вопросы:
1) окажется ли система достаточно быстродействующей, если потребуется дополнительно обработать потоки ТМИ от нескольких объектов;
2) насколько можно увеличить количество автоматизированных рабочих мест, использующих клиентские программы, без перегрузки системы обработки ТМИ;
3) как скажется на быстродействии системы наблюдаемое в настоящее время усложнение алгоритмов обработки ТМИ. Простых расчетных методов в таких случаях может быть уже недостаточно, так как при увеличении нагрузки на комплекс обработки ТМИ важно учесть влияние многих случайных факторов, которые могут снизить его быстродействие. Проблемы такого рода эффективно решаются методом имитационного моделирования. Для исследования задержек, связанных с обработкой сервером заданий, поступающих от клиентских программ, применим программные средства, описанные в [4].
рис. 3 - Имитационная модель АКОТ
Во входной буфер системы поступают на обработку кадры с интервалом следования, определяемым темпом их поступления от ПРС. Кадр удаляется из буфера после того, как программой-сервером будут выполнены задания всех клиентских программ. Число параметров в кадрах может существенно различаться. Это зависит от типа параметров: функциональных, сигнальных одноразрядных, сигнальных многоразрядных (кодово-сигнальных), диапазонных, цифровых и числа разрядов, необходимых для хранения параметра. Трафик, создаваемый клиентскими программами, моделируется путем вероятностного выбора из набора типовых заданий. Число заданий, выполняемых программой-сервером, последовательно увеличивается от прогона к прогону до значения, пока величина очереди поступающих кадров не превысит некоторое критическое значение.
Имитационная модель АКОТ изображена на рис. 3.
Генератор G1 вырабатывает 200 кадров с интервалом 20 мс. Блок-терминатор предназначен для проверки выполнения условий окончания моделирования или по истечении заданного модельного времени или по числу вошедших в него и уничтоженных кадров. В данном случае терминатор Т1 обеспечивает окончание процесса моделирования после входа в него 200 кадров. Функции ОЗУ отображает имитационный блок Q1. Во входных спецификациях этого блока определен достаточно большой его размер (500 кадров). Обработка кадров ведется по правилу "первым пришел - первым обслужен" (First Input First Output, FIFO). Модель состоит из нескольких фрагментов, каждый из которых имитирует процесс выполнения заданий программ-клиентов.
Селектор S1 выдает заявку на обработку очередного кадра через последовательную цепочку фрагментов модели, отражающих процесс выполнения заданий программ-клиентов. Одновременно с этим по дуге L3 он выдает команду на блокировку выхода очереди Q1 (вход не блокируется). Только после прохождения заявки на обработку через все фрагменты модели, отражающие выполнение заданий клиентских программ, выход очереди Q1 разблокируется командой, поступающей с выхода селектора S4 по дуге L5. Если в очереди Q1 имеется хотя бы один кадр, ожидающий обработки, то начинается новый цикл моделирования.
В первый фрагмент модели заявка на обработку подается через селектор S2, который передает ее в один из блоков-очередей Q2, Q3, Q4 в соответствии с вероятностным выбором. Каждая из этих очередей является вспомогательным буфером для выполнения операций программы-сервера с одним кадром. Дуги Wl, W2, W3 реализуют случайные задержки методом вычисления обратной функции распределения времени исполнения программой-сервером одного клиентского задания. В данной модели задержка задается во входных спецификациях блока прямым указанием закона распределения. При необходимости эти данные могут считываться из файла, записанного на винчестере. Дуга W1 характеризует выполнение программой-сервером задания программы-клиента на обработку 1000 параметров со случайным временем обработки одного измерения, описываемым нормальным распределением с параметрами т = 5, и2 = 1. Дуга W2 отражает операции пересчета 500 кодовых значений в физические величины с тем же случайным временем обработки одного параметра, что и в предыдущем случае. Дуга W3 характеризует выполнение задания по обработке 100 кодовых параметров ТМИ. Время обработки одного параметра задается нормальным распределением с параметрами т = 9, а2= 3. Через узел U1 заявка на обработку передается во второй фрагмент модели, отражающий операции по обработке сервером задания второй программы-клиента и т. д.
При выполнении моделирования от прогона к прогону увеличивалась нагрузка на систему за счет увеличения числа клиентских заданий. При г = 1 число кадров во входном буфере системы (очередь Q1) не превышало 4 (рис. 4) и отсутствовала тенденция к росту очереди. В модель введен блок сбора статистики Stl. Такие блоки можно ставить в любой цепи модели и получать гистограммы: времени входов заявок в систему; времени прохождения заявки от момента ее рождения в блоке-генераторе до попадания в блок сбора статистики; интервалов между заявками. Гистограмма нахождения заявки в системе при г = 7 приведена на рис. 5. Можно сделать вывод о том, что при заданных условиях функционирования АКОТ будет обладать достаточно хорошими характеристиками производительности, если он будет нагружен не более чем 7 клиентскими компьютерами.
При обслуживании сервером 8 клиентских программ наблюдается заметный рост входной очереди Q1 (рис. 6). Если увеличить время моделирования (или число вырабатываемых генератором G1 кадров), то рост этой очереди будет продолжаться. Это говорит о перегрузке системы.
рис. 4 - Число кадров в очереди q1 при работе 7 клиентских программ.
рис.5 - гистограмма времени обработки кадров!
Заключение.
Использование аналитических методов моделирования, описанных в данной статье, позволяет выполнить предварительные расчеты производительности системы. Для определения максимальной производительности АКОТ целесообразно использовать графовые модели алгоритмов и программ для получения возможно более точных сведений о случайном времени выполнения программой-сервером заданий кли-
ентских программ. Полученные функции распределения используются в системе имитационного моделирования.
Применение разработанных методов и моделей целесообразно как на ранних стадиях проектирования системы, так и во время ее промышленной эксплуатации для определения предельно допустимого числа одновременно работающих клиентских программ с учетом структуры заданий, частоты и распределения во времени запросов на обработку ТМИ к программе-серверу.
Список литературы
1. Олифер В. Г., Олифер Н. А. Компьютерные сети. Принципы, технологии, протоколы. СПб: Питер, 2001. 672 с.
2. Феллер В. Введение в теорию вероятностей и ее приложения. В 2-х томах. Т. 2. М.:Мир, 1984. 738 с.
3. Корячко В. П., Шибанов А. П., Шибанов В. А. Численный метод нахождения закона распределения выходной величины GERT-сети // Информационные технологии, №7. 2001. С. 16-21.
4. Шибанов А. П. Моделирование работы коммутатора в полнодуплексном режиме // Вестник СГАУ. Самара, 2002. № 1. С. 143-150.
Источник - "Вестник Самарского Государственного Аэрокосмического университета имени Академика С.П. Королёва", выпуск №1, печатная версия.