ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Системный подход к интеграции компонентов моделирующей среды

Systemic approach to the modeling system components integration
Статья опубликована в выпуске журнала № 2 за 2010 год.[ 27.05.2010 ]
Аннотация:Рассматривается программно-аппаратный подход к построению имитационной модели вычислительной сети. При этом основные вычисления переносятся на аппаратную часть, а сбор статистики, ее анализ и корректное отображение результатов ложатся на программную интерфейсную часть. Основные достоинства данного подхода в том, что он позволяет достичь практически неограниченного параллелизма за счет наращивания аппаратуры, что предоставляет возможность моделирования сети в режиме реального времени.
Abstract:The soft hardware approach to a network simulation model constructing is considered. The main calculations are realized hardwarily and the statistics gathering, its analysis, and its correct representation are implemented by software. The main advantage of this approach is connected with the fact that it allows to achieve almost unlimited parallelism by hardware growing that gives an opportunity to simulate network in real-time mode.
Авторы: Тихомиров В.А. (tva@npo-rit.ru) - Тверской государственный технический университет, , , доктор технических наук, Тимофеев С.Г. (tva@npo-rit.ru) - Тверской государственный технический университет, , , Васильченко Е.А. (tva@npo-rit.ru) - Тверской государственный технический университет, , , Тарасов А.К. (tva@npo-rit.ru) - НПО «Российские инновационные технологии», г. Тверь, ,
Ключевые слова: плис, системный подход, система моделирования
Keywords: FPGA, systemic approach, modeling system
Количество просмотров: 6879
Версия для печати
Выпуск в формате PDF (4.97Мб)
Скачать обложку в формате PDF (1.38Мб)

Размер шрифта:       Шрифт:

Современная методология исследования сложных систем основана на развитии и широком применении методов моделирования. Моделирование в общенаучном смысле – это мощное средство научного познания природы и воздействия на нее. В конкретно-научном смысле моделирование – это замещение некоторого объекта А (оригинала) другим объектом В (моделью). Под моделями в широком смысле этого слова понимают сооружения, установки, устройства, различные комбинации элементов сооружения или сумму логических представлений, воспроизводящих явления или группу явлений, подобных изучаемым. Цель замещения одного объекта другим в получении информации о важнейших свойствах объекта-оригинала с помощью объекта-модели [1].

Формализующая процессы обработки данных в рамках компьютерных технологий моделирующая среда, в которой реализуется информационная модель, замыкает на себе прямые и обратные информационные связи между объектом исследования и аппаратом управления, а также вводит в систему и выводит из нее внешние информационные потоки. Функционально структура моделирующей среды обеспечивает: сбор и регистрацию данных; подготовку информационных массивов; обработку, накопление и хранение данных; построение имитационной модели; формирование результатной информации; передачу данных от источников возникновения к месту обработки, а результатов (расчетов) – к потребителям информации для принятия управленческих решений.

Моделирующая среда включает подсистемы обеспечения и технологического процесса. Технологическое обеспечение состоит из подсистем, автоматизирующих информационное обслуживание пользователей, а также решение задач с применением ЭВМ и других технических средств управления в установленных режимах работы. Элементы подсистемы технологического процесса по составу должны быть однородными. Однородность позволяет реализовать принцип совместимости систем в процессе их функционирования. Подсистема обеспечения, как правило, включает информационное, лингвистическое, техническое, программное, математическое, правовое, организационное и эргономическое обеспечение. Поэтому, рассматривая технологию как элемент системы, предназначенный для проведения вычислительного эксперимента, необходимо отметить, что главная отличительная особенность технологии заключается в том, что в состав как реализуемой, так и реализующей подсистем входит моделирующая среда, отображенная на информационное пространство. Новый подход к формированию моделирующей среды основан на программно-ап­паратном принципе построения системы моделирования, позволяет решать задачи построения, исследования и сопровождения проектов глобальных и локальных сетей. Комплекс дает возможность осуществлять имитационное моделирование, например, локальных вычислительных сетей различной топологии, работающих по различным сетевым стандартам и протоколам. В отличие от аналитического имитационное моделирование снимает большинство ограничений, связанных как с возможностью отражения в моделях реального процесса функционирования исследуемой ЛВС, так и динамической взаимной обусловленности текущих и последующих событий. При этом реализуется комплексная взаимосвязь между параметрами и показателями эффективности системы. Предлагаемый подход основан на реализации основных компонентов модели аппаратно (мнемонические схемы представлены на рисунках 1 и 2) и программно с помощью интерфейсной части (рис. 3). Основные достоинства данного подхода в том, что он позволяет достичь практически неограниченного параллелизма за счет наращивания аппаратуры, что дает возможность моделировать сеть в режиме реального времени [2].

Важное преимущество программно-аппарат­ного способа построения имитационных моделей в возможности достижения полного совпадения модели с объектом. Имитационные модели представляют собой описание объекта исследования на неком языке, которое имитирует элементарные явления, составляющие функционирование исследуемой системы, с сохранением их логической структуры, последовательности протекания во времени, особенностей и состава информации о состоянии процесса.

Подпись:  Рис. 1. Мнемоническая схема аппаратной части Рис. 2. Мнемоническая схема узла Рис. 3. Внешний вид приложенияЭлементами моделирования выступают конкретные объекты сети (компьютер, кабель, коммутатор, маршрутизатор). Каждый из элементов модели имеет ряд настраиваемых параметров (входные данные для моделирования):

·     интенсивность исходящего трафика (Кб/с) (среднее количество информации, передаваемое устройством в выходной канал);

·     максимальную ширину входного канала (Кб/с) (максимальное количество информации, которое может быть получено из канала связи);

·     пропускную способность канала связи (Кб/с) (максимальное количество информации, которое может быть передано за единицу времени);

·     длину кабеля (м);

·     величину буфера (для коммутаторов и маршрутизаторов);

·     различные алгоритмы коммутации, их влияние на работу сети в целом (например store-and-forward).

Модель позволяет получать и анализировать следующую статистику (рис. 4, 5):

-    среднее время обслуживания заявки, в течение которого прибор занят обслуживанием;

-    Подпись:  Рис. 4. Графическое представление статистической информации Рис. 5. Шкала статистических данных, отражающая их динамику во временизагрузку устройства (вероятность того, что прибор занят обслуживанием);

-    число входящих/исходящих кадров/паке­тов/байт;

-    длину очереди (количество заявок, находящихся на обслуживании);

-    среднее время ожидания свободного прибора;

-    среднее время задержки, связанное с распространением сигнала, промежуточной обработкой в центрах коммутации и т.д. при прохождении пакета по сети;

-    потери в каналах связи и сетевых устройствах (могут быть вызваны перегрузкой, выходом устройств из строя, неверным подбором сетевого оборудования).

С помощью предлагаемой модели можно проанализировать различные режимы работы сети при задании тех или иных входных данных. Среди них особое значение имеют следующие:

-    нормальный режим работы, при котором сеть функционирует;

-    коллапс сети, то есть прекращение работы, вызванное избыточными коллизиями;

-    выход устройства (или его части) из строя;

-    режим перегрузок, анализ пиковой производительности сети.

С точки зрения реализации аппаратной части модель – это однородная вычислительная среда (ОВС), настроенная на решение конкретной задачи. ОВС имеет матричную структуру, состоящую из унифицированных вычислительных ячеек (ВЯ). Каждая ВЯ способна совмещать в себе служебные функции (транзитная передача данных без обработки) и реализацию собственно модели того или иного сетевого устройства.

Подпись:  
Рис. 6. Структура ОВС
 
Рис. 7. Структурная схема ВЯПодпись:  
Рис. 8. Направление информационных потоков 
внутри ВЯВЯ представляют собой законченные модули, выполняющие функции специализированных процессорных элементов (рис. 6). Рассмотренные элементы обрабатывают поступающие на их входы данные (операнды), а также перенаправляют информационные потоки по заданному алгоритму.

В структурной схеме ВЯ (рис. 7) блок обработки данных – конкретная модель, элемент, оборудование, выполняющее целевые функции. Среди таких функций генерация сообщений по заданному протоколу, подсчет контрольной суммы IP-пакета или обработка статистики по пришествии транзакта. Коммутатор выполняет вспомогательные функции и служит для управления потоком вычислений. Обрабатывая служебные данные, содержащиеся в пакете (входной поток), коммутатор определяет следующий выходной порт, разбивая таким образом исходный входной поток на множество выходных.

Весь входной поток поступает на обработку разборщику пакетов. Он извлекает служебную информацию и определяет, какая статистика может быть накоплена при пришествии данного пакета (рис. 8). Служебная информация также говорит о том, на какой выходной порт коммутатора должен быть передан данный транзакт. Разборщик пакетов удаляет часть служебной информации, относящейся к данному узлу коммутации, и перенаправляет пакет в соответствии с полученными сведениями.

Генератор транзактов вводит в модель новые данные. Его основными настройками являются частота генерации, время ожидания порождения нового пакета, а также модель пакета со служебными данными, необходимыми для дальнейшей коммутации. Блок моделирования задержки реализует чувствительность модели к таким физическим характеристикам, как параметры кабеля, задержки в центрах коммутации или потери данных.

Подпись:  
Рис. 9. Информационный граф задачиОсобого внимания заслуживают блоки сбора и накопления статистики и память настроек. Они имеют сугубо служебное назначение и управляются с помощью интерфейсной программы.

Организация вычислительного процесса состоит в наложении модели задачи на модель вычислителя. При этом программирование ОВС состоит в задании параметров генерации транзактов, содержащих микрокоманды задания коммутации трасс. В среде используется регистровая коммутация, то есть информация от одной ячейки к другой передается не по шинам, а по регистровым структурам. По этим регистровым каналам последовательно с тактовой частотой перемещается вся служебная информация. Любой процесс, в том числе протекающий в вычислительной сети N, и любую задачу можно описать в форме некоторого графа G(Q,X) (рис. 9).

Граф G(Q, X) содержит множество вершин qiÎQ, каждой из которых приписана некоторая операция Oi, принадлежащая множеству допустимых операций O. Дуги x(qi, qi+1)ÎX определяют последовательность выполнения операций, приписанных вершинам графа G(Q, X), причем, если две вершины qi и qi+1 соединены дугой x(qi, qi+1), то это означает, что результат операции Oi служит входными данными для операции Oi+1. Граф G(Q, X) имеет также множество входных дуг x(q0, q), определяющих источник входных данных, и выходных дуг x(qi, qk), определяющих приемник результатов ее решения. Граф G(Q, X) назовем информационным, или графом алгоритма решения задачи.

Подпись:  
Рис. 10. Граф вычислительного процесса 
в системеПри моделировании процессов, происходящих в системе S, с помощью ОВС в последней организуется соответствующий вычислительный процесс, который описывается при помощи совершенно иного графа (рис. 10).

Множество вершин Q* определяется множеством процессоров вычислительной системы. Множество дуг X* – множество каналов коммутации между процессорами. При этом выходные и входные дуги графа G*(Q*, X*) определяются каналами связи с источником входных и приемником выходных данных. Операции Oi из множества O реализуются в процессорах вычислительной системы в форме последовательных процедур обработки данных. Следовательно, задача настройки ОВС под решения конкретной задачи состоит в поиске отображения графа задачи на граф вычислительной среды.

Таким образом, разработанная среда моделирования является системой, так как представлена в виде упорядоченной пары множеств: множество соответствующих элементов, удовлетворяющих принципам целостности и эмерджентности, и множество отношений между этими элементами, определяющих структуру вычислительной среды. При этом обобщенное представление вычислительного эксперимента как системы по своей природе носит междисциплинарный характер, при проведении которого используются самые разные методы и подходы, от качественного анализа нелинейных математических моделей до современных языков программирования. Это позволяет на основе накопленного опыта математического моделирования, реализованных вычислительных алгоритмов и программного обеспечения быстро и эффективно решать новые задачи. Поэтому, характеризуя вычислительный эксперимент в целом, чрезвычайно важно отметить его универсальность, которая позволяет легко переносить эту технологию на исследование других объектов. Универсальность – одна из важнейших концепций современной науки. Ее самое известное физическое проявление – виртуальная реальность, область технологии, которая обсуждалась в течение многих десятилетий, но начинает развиваться только сейчас.

Литература

1.  Блехман И.И., Мышкис А.Д., Пановко Я.Г. Механика и прикладная математика. М.: Наука, 1990.

2.  Реконфигурируемые мультиконвейерные вычислительные структуры / И.А. Каляев [и др.]. Р-н-Д, Изд-во ЮНЦ РФН, 2008.

3.  Тихомиров В.А., Карпов И.А., Тихомирова Е.В. Системный подход к интеграции информационных ресурсов в концепцию математического моделирования // Программные продукты и системы. 2008. № 1. С. 4–7.

4.  Тихомиров В.А., Тимофеев С.Г., Тихомирова Е.В. Система автоматизированного проектирования (САПР) аппаратно-программного обеспечения, ориентированного на языки программирования аппаратуры (HDL) // Вест. ТГТУ, 2008. Вып. 13. С. 171–176.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=2529
Версия для печати
Выпуск в формате PDF (4.97Мб)
Скачать обложку в формате PDF (1.38Мб)
Статья опубликована в выпуске журнала № 2 за 2010 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: