Software & Systems

В образовательном процессе все большее применение находят тренажерно-обучающие системы и спутниковые информационные технологии. Особенно это касается такого активно развивающегося направления, как дистанционное обучение (ДО). Таким образом, возникает потребность в создании систем, позволяющих организовывать и регулировать этот процесс, – систем ДО (СДО) [1]. Они представляют собой достаточно сложный в организационно-техническом плане механизм, включающий несколько подзадач, основными из которых являются управление потоками данных и внутренним документооборотом и обеспечение безотказной и безопасной для внешних пользователей точки входа в интерактивную среду обучения.

Ключевыми показателями эффективности работы таких систем являются время отклика и скорость получения необходимой информации при обращении к ее источнику. Причем наиболее уязвимыми с точки зрения временных задержек и скорости обработки запросов являются внешние пользователи. Это обусловлено использованием большинством систем интернет-ориентированной архитектуры клиентских приложений. Образовательные интернет-порталы, с одной стороны, являются достаточно эффективным средством для обеспечения обучающихся необходимой информацией, с другой – требуют поддерживать ее постоянную доступность.

В Оренбургском государственном университете (ОГУ) с 1998 года ведутся работы по развитию собственной СДО. За это время разработаны подсистемы автоматизации задач организационно-методического и программно-технического сопровождения ДО. Активное развитие внутренней телекоммуникационной инфраструктуры и обеспечение вуза каналами связи с сетью Интернет потребовали глобальной доступности СДО. Прежде всего это отразилось на системе контроля знаний, переводимой в режим работы реального времени, а также на создании информационного ресурса СДО ОГУ (www.cde.osu.ru). Была создана электронная библиотека, за счет расширения каналов связи конечным пользователям предоставляется удаленный доступ к ее ресурсам. Все это позволяет рассматривать СДО как распределенную информационную систему [2].

Дальнейшим развитием интерактивных интернет-ресурсов является видеопортал ДО. Подсистема интернет-трансляций и вебинаров совместно с архивом видеозаписей обеспечивает взаимодействие преподавателя и студентов на новом уровне – интерактивной обратной связи.

Расширение применения информационных ресурсов для внешних пользователей в распределенной СДО привело к повышению нагрузки на оборудование и каналы связи. С целью анализа эффективности использования имеющейся архитектуры программных продуктов и предотвращения перегрузки оборудования авторами проведено исследование использования внешних подсистем СДО ОГУ.

Для детального анализа ресурсов СДО разработана уровневая модель на основе следующих доступных внешним пользователям подсистем:

уровень 1 – подсистема контроля знаний;

уровень 2 – подсистема предоставления учебно-методических комплексов (электронная библиотека);

уровень 3 – подсистема трансляции и публикации видео- и аудиоматериалов (видеопортал ДО).

В результате авторами создан комплекс, обеспечивающий работу мультисервисного набора услуг для физически распределенных пользователей. Каждая из подсистем, используемых в СДО, предъявляет различные требования к прикладному ПО оборудования и к качеству обслуживания (QOS). Следует отметить необходимое условие: все подсистемы должны обеспечивать одновременную совместную работу.

Практика показывает, что большинство информационных систем, работающих с внешними пользователями, при значительном количестве обращений испытывают недостаток в потребляемых ими ресурсах. Причем отказ в обслуживании для любой из систем может наступить независимо от объема выделенных для ее работы ресурсов [2, 3]. Одновременное подключение к серверу большого количества клиентов приводит к дисбалансу рабочего трафика, что, в свою очередь, негативно сказывается на буферах маршрутизирующего оборудования и к превышению критических объемов ресурсов серверов. Наиболее эффективными считаются прогнозирование поведения клиентов и своевременное расширение модернизации ресурсов оборудования. Однако такой подход не позволяет решить проблему непрогнозируемых экстремальных нагрузок, а метод, основанный на увеличении времени отклика системы и, как следствие, удлинении очереди заявок клиентов, снижает динамику работы системы, что критично для таких видов сервисов, как потоковая передача видео- и аудиоданных. К тому же большинство систем работают по принципу First In, First Out (FIFO).

Рассмотрим вопрос об организации в СДО приоритетного обслуживания клиентов высоконагруженных приложений с критичным временем отклика. В связи с этим были решены следующие задачи:

-      выделено прикладное ПО, влияющее на работу каждой из подсистем;

-      определена наиболее ресурсоемкая подсистема;

-      выставлены индикаторы приоритетов обработки запросов при одновременном функционировании подсистем;

-      построена математическая модель для максимизации числа обработанных обращений к СДО.

Работу интернет-приложений часто рассматривают как систему массового обслуживания (СМО) с ограниченным временем пребывания в очереди и пуассоновским потоком заявок [4, 5]. Для пользователей основными критериями качества работы приложений являются быстрая обработка запроса и получение результата. Такой подход с точки зрения оценки производительности и оптимизации работы приложений неинформативен и неэффективен. Так, кроме информации об отказе в обслуживании, администратор системы не получит другие параметры обработки запроса пользователя, а значит, не может своевременно предотвратить повторный сбой. Для формализации работы интернет-приложений механизм обработки запросов будем рассматривать как многоканальную СМО с несколькими очередями (рис. 1).

В ходе исследования установлено, что на всех трех уровнях модели основными факторами, влияющими на скорость обработки запросов пользователей ПО СДО, являются следующие:

-      обращение к СУБД для получения необходимых данных;

-      обращение к дисковому пространству сервера и к системе хранения данных для записи или чтения;

-      использование приложением канала связи заданной пропускной способности в единицу времени для приема и передачи требуемого объема данных.

Для указанных выше факторов введены численные показатели классификационных признаков каждого из уровней построенной модели:

-      количество запросов в единицу времени, отправленных к СУБД (SQL-запросов/с);

-      использование дискового пространства серверного оборудования (Мб/с);

-      интенсивность использования входящего/исходящего канала связи (Мбит/с).

Для каждого из уровней численные показатели в процентном соотношении к суммарному показателю использования данного ресурса всеми уровнями модели определяются выражением Ri исп=, где R1, …, Rn – численные показатели использования ресурса по каждому из классификационных признаков, полученные в результате измерений на интервале времени DT [6].

Индикаторы приоритета обслуживания уровней модели определим на основе рейтинга востребованности ресурсов системы в целом. Проанализировав интенсивность использования каждого из компонентов ресурсов в СДО, авторы построили диаграмму приоритетов (рис. 2) востребованности ключевых сервисов и аппаратного обеспечения, лежащих в основе каждой из подсистем.

Общую ресурсоемкость СДО определим как суммарную площадь Uсдо, занимаемую всеми уровнями модели (Ui). При этом максимально возможные ресурсы сервера обозначим как площадь, полученную при использовании 100 % всех ключевых сервисов.

Так как работа веб-сервера осуществляется непрерывно, поступление заявок к ресурсам системы (СУБД, каналы связи, дисковое пространство) можно описать в дискретном времени: Ij(Tj)= ={j:tÎ(0, Ti)} – множество номеров заявок, пришедших в интервал времени (0, Ti) на подсистему i (i – уровень подсистемы, i=1, …, M).

Статус обработки j-й заявки, поступившей на i-й уровень, обозначим xij, причем отказом в обслуживании будем считать xij=0, успехом – xij=1.

Интенсивность поступления и обработки заявок на каждый из уровней модели обозначим λi, при этом она напрямую зависит от ресурсоемкости подсистемы. Кроме того, введем показатель приоритета Pi для каждого из уровней, распределение которого зависит от количества одновременно используемых ресурсов. Тогда на нагрузку, создаваемую каждым из уровней, можно наложить ограничение, i=1, …, M.

При задании целевой функции введены следующие ограничения, связанные с предметной областью исследования: время обработки T любого запроса ограничено; мощность сервера H фиксирована.

Из-за неравномерности использования основных ресурсов сервера каждым из уровней СДО необходимо определить условия максимальной загрузки сервера, при которой возможна безотказная работа всех приложений:  xij={0, 1}.

Таким образом, для обработки максимального количества запросов пользователей в единицу времени получим целевую функцию вида

При выборе приоритетов оцениваются следующие характеристики заявки:

-      время нахождения заявки в очереди;

-      текущая длина очереди заявок;

-      интенсивность обращения к каждому из компонентов ресурса, необходимых для выполнения заявки.

Выбор приоритетов и оценка текущей ресурсоемкости задачи проводятся на основе компонентов ресурса, имеющих индивидуальные пороговые значения, связанные с физическими ограничениями оборудования.

В ходе реализации предложенной модели в распределенной информационной СДО получены показатели работы, позволяющие оценить эффективность применения разработанного алгоритма расстановки приоритетов. Анализ производился на промежутке времени ΔT=60 секунд. Ограничение по времени обусловлено техническими параметрами работы веб-приложений. Эффективность работы алгоритма приоритетов оценим путем сравнения очереди (общего количества) заявок, одновременно находящихся в системе, и количества отброшенных заявок. На рисунке 3 представлена диаграмма обслуживания заявок в реально работающей системе без использования предложенного алгоритма.

Применив алгоритм выбора и расстановки приоритетов для каждого из ресурсов в рамках всей СДО, получим снижение количества отброшенных заявок в каждый момент времени примерно в 2,7 раза, при этом общее число необработанных заявок по истечении времени обработки ΔT снизилось с 12 до 5 (рис. 4).

Как можно заметить, наблюдается самоподобие графиков обслуживания заявок в информационной системе. Авторами проведено дополнительное исследование по оценке времени отклика системы, показавшее прирост скорости обработки заявок по сравнению с обычной обработкой, так как средняя длина очереди снизилась с 8,6 до 5,1 (рис. 5).

Построенная модель и приведенный алгоритм могут применяться для повышения эффективности использования аппаратных и программных ресурсов с целью улучшения качества предоставляемых услуг в распределенных информационных системах дистанционного обучения.

Литература

1.     Решетников В.Н. Интернет-технологии в электронном образовании // Программные продукты и системы. 2010. № 3.

2.   Решетников В.Н. Космические телекоммуникации. Системы спутниковой связи и навигации. СПб: «Ленинградское изд-во», 2010. 134 с.

3.   Решетников В.Н. Космические телекоммуникации (начала). Тверь: Центрпрограммсистем, 2009. 128 с.

4.   Жуков А.В. Некоторые модели оптимального управления входным потоком заявок в интранет-системах // Новые информационной технологии в ЦБП и энергетике: матер. 6-й науч.-технич. конф. Петрозаводск, 2004. С. 87–90.

5.   Проблема адекватной оценки производительности веб-серверов в корпоративных сетях на предприятиях ЦБП / О.В. Гусев, А.В. Жуков, В.В. Поляков [и др.] // Новые информационные технологии в ЦБП и энергетике: матер. 6-й науч.-технич. конф. Петрозаводск, 2004. С. 84–87.

6.   Парфенов Д.И., Болодурина И.П. Моделирование востребованности ресурсов в распределенной информационной системе дистанционной поддержки образовательного процесса / Высокие технологии, экономика, промышленность: сб. стат.; [под ред. А.П. Кудинова]. СПб: [Би], 2012. С. 30–34.

7.   Парфенов Д.И., Программно-аппаратный комплекс видеопортала как эффективное средство информационного взаимодействия субъектов образовательного процесса // Информационная среда вуза XXI века: тр. V междунар. науч.-практич. конф. СПб: [Би], 2011. С. 141–144.