Оптимизация быстродействия вычислительной системы на основе имитационного моделирования

В данной статье представлено описание моделируемого объекта, которым является система обработки заданий различных классов ЭВМ. Результатом работы является смоделированная система, анализ ее функционирования и получаемые значения основных параметров.

Ключевые слова: вычислительная система; имитационная модель; моделирование В модернизации алгоритмической и аппаратной структуры нынешних автоматизированных систем управления и в повышении числа мобильных приборов и сервисов технологическим процессом выражается информатизация разных областей социально-общественной жизни. От типа и вида определенной системы и от ее характерных данных зависит поиск и подбор оптимального результата моделирования, который будет удовлетворять условиям большей эффективности системы. Также фиксирование знаний, согласно математическим технологиям, программные средства системного моделирования в процессе исследования и построения, и изучение имитационных моделей процессов функционирования систем. При помощи проведения моделирования систем возможно спрогнозировать более вероятное поведение системы в трудных ситуациях, заметить видоизменения характеристик системы во время неожиданных обстоятельств, узнать характеристики, которые нас интересуют, занести нужные корректировки в разрабатываемую систему [3].

Для организаций, предоставляющих услуги в сфере вычислительной техники важно большое количество потребителей, а для потребителей большую роль играет качество услуги. Организация, которую предпочитают потребители должна быть с низким процентом сбоев в системе обслуживания. Для системы обработки сообщений этот показатель определяется пропускной способностью сервера. Определение оптимального режима работы сервера, позволяет определить максимально возможную пропускную способность при данном аппаратном обеспечении.

Методом поиска решения работ по оптимизации сервера является имитационное моделирование. Этот метод был применен для нахождения оптимального режима работы одного сервера для общества с ограниченной ответственностью «АргусПлюс». Данная организация разрабатывает программные вычисления и занимается настройкой вычислительных систем.

Одному из заказчиков в рамках выполнения работ потребовалась оптимизация серверов. То есть исследование процесса обработки заданий различных классов ЭВМ. На обработку ЭВМ поступают три класса заданий через разные промежутки времени по экспоненциальному закону распределения. Задание класса (первое/второе) может параллельно выполняться с заданием своего класса (второе/первое), в то время как задание третьего класса монополизируют ЭВМ, то есть в ней могут обрабатываться только задания данного класса.

Так как дисциплина обслуживания определяется комбинацией приоритетов, то предпочтение отдаётся заданиям, имеющим высокий приоритет, затем идут задания со средним приоритетом и только потом обрабатываются задания с низким приоритетом. Задания, поступая на обработку и обнаруживая машину занятой, ждут своей очереди, причём, если за ними приходят задания, имеющие более высокий приоритет, то они обгоняют ожидающих, тем самым, увеличивая их время пребывания в очереди. В итоге необходимо оценить влияние разных дисциплин обслуживания при разных значениях интенсивностей поступления на некоторые параметры вычислительной системы. После обслуживания задания заканчивают свое функционирование.

Для проведения моделирования системы многочисленного обслуживания с постоянным временем обработки параметров, когда имеются случайные факторы стоит использовать ЭВМ методом, который позволит высококачественно и эффективно решить задачу. Это метод имитационного моделирования. Он прекрасно реализуется при помощи общецелевой системы имитационного моделирования GPSS, в связи с тем, что она предоставляет возможность дать оценку результату конструкторских решений в трудных системах реального мира, и кроме того она проста в изучении и применении. Технология имитационного моделирования в большей степени, чем другие формализованные подходы, позволяет осуществить анализ всех факторов и обстоятельств, которые могут привести к снижению производительности ЭВМ. В основе разрабатываемой имитационной модели лежит концепция теории массового обслуживания. Она исследует объекты и системы на основе представления их в виде транзактов и каналов данных заявок.

После разработки модели с целю приобретения практических рекомендаций было проведено планирование эксперимента определения оптимальной работы сервера при обработке заданий трех классов. Факторное пространство для этого случая включало: интенсивность поступления классов заданий в систему и их приоритет, тем самым определили критерии оценки оптимизации работы сервера. Основным критерием является средняя длительность прохождения классов заданий через систему обработки. Дополнительно было выбрано еще три параметра системы для анализа: средняя длина очереди, среднее время ожидания в очереди и средневзвешенное время ожидания в очереди.

В качестве входящего потока требований для данной предметной области выступают различные классы заданий. Для задания входящего потока, описываются моменты времени их поступления в систему. Для данной предметной области поступление заявок распределено по экспоненциальному (показательному) закону распределения вероятностей, который определяется одним из данных параметров.

Дисциплины постановки в очередь и выбора из нее определяют: порядок постановки заданий в очередь, если заняты все устройства, и порядок выхода из очереди с учётом приоритета, если освободилось обслуживающее устройство. При моделировании потока заданий была использована дисциплина FIFO («раньше поступил — раньше обслужился»), так как она реализована на сервере и допускает выбор на обслуживание первых поступивших требований.

Правила обслуживания характеризуются длительностью обслуживания, количеством одновременно выполняемых требований и дисциплиной обслуживания.

В моделируемую систему постоянно приходят задания различных классов, которые появляются по ЭЗР с разной интенсивностью поступления. Затем они направляются на обработку в первый или второй канал, где они выполняются в течение определенного интервала времени, также имеющего ЭЗР. Затем идёт расчёт параметров, далее задания удаляются из модели.

Ниже представлено описание фрагментов кода программы, которые могут представить интерес для программистов.

Так как задания первого и второго классов могут выполнятся одновременно, то для моделирования параллельной обработки будут использованы два устройства (Kanal₁ и Kanal₂). Они моделируются с помощью блоков seize, release. Перед поступлением заданий на обработку происходит проверка занятости первого канала. Она реализуется в блок gate, который в случае недоступности первого канала посылает транзакт на второй. Выполнение заданий происходит также по ЭЗР, поэтому в блоке advance, как и в generate будет использована библиотечная процедура экспоненциального распределения.

Задания третьего класса монополизируют ЭВМ, это достигается за счёт блоков split (создание копии задания), assemble (объединение заданий) и match (синхронизация продвижения двух транзактов одного семейства) [2].

Для моделирования рассматриваемой системы использовался блок transfer, который изменяет маршруты транзактов. Он позволяет направить сообщение к любому блоку модели.

Для определения параметров вычислительной системы, таких как средняя длина очереди, среднее время ожидания в очереди производится сбор статистки об очередях, поэтому в разрабатываемой программе присутствуют блоки queue и depart.

Расчет таких параметров вычислительной системы, как средняя длительность прохождения заданий через систему и средневзвешенное время ожидания в очереди, а также сбор статистики проверки адекватности модели будет производиться с использованием стандартных числовых атрибутов. Для сохранения значений СЧА, чтобы в дальнейшем можно было к ним обращаться, будем пользоваться ячейками. В ячейках будет суммироваться время пребывания заданий классов в системе, время нахождение заданий классов в очереди, количество заданий этих классов и общее количество транзактов, прошедших через систему [1].

Результаты моделирования, отраженные в стандартном отчете, показали, что наблюдается резкое падение, когда у задания второго класса низкий приоритет, это связано с тем, что за всё время моделирования очередь покидает только один транзакт и текущее значение средневзвешенного времени ожидания в очереди от различных ПК записывается в итог. Во втором случае для первых трёх ПК значения для средней длинны очереди (среднего времени ожидания в очереди, средневзвешенного времени ожидания в очереди) практически одинаковы, а для первого случая они заметно отличаются. Это происходит потому, что разница между интенсивностями поступления в первом случае эксперимента мала, по сравнению со вторым. На основании того, что время моделирования минимально, по сравнению с ПК этого же случая, через модель проходят все классы заданий и устройства. Что подтверждает наличие оптимального режима работы модели.

При разработке модели проводилась оценка качественных показателей, таких как: адекватность и устойчивость.

Проведенный эксперимент с имитационной моделью позволили выбрать оптимальный, с точки максимизации пропускной способности, режим работы для серверов организации «АргусПлюс».

После внесения предварительных корректировок разработанная модель может быть проведена для анализа аналогичных вычислительных систем. Недостатком данной модели можно считать отсутствие учета такого фактора как возникновение неполадок в ЭВМ. В этом случае процесс обработки будет прерван на неопределённый срок. В программе задания третьего класса монополизируют компьютер, если бы они могли выполняться также как задания двух первых классов, то это в несколько раз увеличило скорость обработки, то есть разработанную модель нельзя назвать универсальной и всеобъемлющей.

Библиографический список

имитационный моделирование сервер

• 1. Емельянов А. А., Имитационное моделирование экономических процессов: учебное пособие. М.: Финансы и статистика, 2012. 243 с.
• 2. Советов Б. Я., Яковлев С. А. Моделирование систем: учебник для бакалавров. М.: Издательство Юрайт, 2012. 343 с.
• 3. Томашевский В., Жданова Е. Имитационное моделирование в среде GPSS. М.: Бестселлер, 2013. 416 с.