Software & Systems

В последние годы сформировался особый класс автоматизированных информационных систем (АИС), которые можно назвать глобально распределенными. К ним относятся банковские системы, системы бронирования и продажи билетов, консульские информационные системы и т.п. Такие АИС создаются для государственных ведомств или крупных корпораций и отличаются наличием центральной БД и разветвленной структурой из сотен локальных БД, распределенных на значительной территории, иногда даже на разных континентах. При этом локальные БД зачастую используют различные СУБД, образуя гетерогенную информационную среду. Глобально распределенные АИС решают различные задачи, такие как накопление и обработка информации, автоматизация деятельности. Естественно, что на эффективность их работы прежде всего влияют технологические процессы обработки информации (ТПОИ). Таким образом, для повышения эффективности рассматриваемых систем необходимо ставить вопрос о выборе показателей эффективности ТПОИ, а также метода их формального описания.

Для научного исследования ТПОИ обычно прибегают к формальному описанию процессов систем с некоторыми допущениями, имеющими вид математических или логических отношений, составляющих модель. В случае простых отношений достаточно использовать аналитическое моделирование, однако большинство современных информационных систем, в том числе глобально распределенные АИС, являются очень сложными, и для них невозможно создать аналитическую модель. В таких случаях прибегают к имитационному моделированию. В случае сложных систем наиболее полное определение было предложено в [1]. При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что дает возможность по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Необходимо отметить, что имитационная модель позволяет легко описать стохастические процессы, нелинейные характеристики элементов и другие особенности сложных информационных систем.

Для построения имитационной модели можно использовать универсальные языки программирования, такие как C или C++, либо прибегнуть к помощи пакетов имитационного моделирования. Сравнение преимуществ этих двух подходов дано в работе [2]. Ясно, что для решения задачи исследования распределенных АИС, когда необходимо описывать множество устройств и подсистем, выводить разнообразную статистику работы на интересующих участках модели, а также неоднократно изменять параметры блоков (устройств) для проведения имитационных экспериментов, целесообразно использовать пакеты имитационного моделирования, в которых уже реализован необходимый функционал.

В процессе эволюционирования инструментальных средств имитационного моделирования к настоящему моменту появилось множество программных пакетов, обычно использующих в модельной структуре объекты, свойства, очереди и ресурсы. Эти пакеты разделяются на два основных типа: предметно-ориентированные программы моделирования (построение модели с помощью графического интерфейса) и языки имитационного моделирования (написание программного кода). Среди всего разнообразия программных решений наибольший интерес представляют GPSS World, Extend, Arena, Simulink.

GPSS World – среда компьютерного моделирования общего назначения, позволяющая описать модель на языке GPSS, подать на вход характеристики системы, а на выходе получить статистику по итогам экспериментов. GPSS World является очень гибким инструментом, подстраиваемым под любую задачу благодаря работе непосредственно с программным кодом. Система также имеет богатый функционал для построения отчетов и вывода статистических данных.

Extend – это графическая среда моделирования, где разнообразные конфигурации систем могут быть представлены в виде блоков, настройка и создание которых осуществляются с использованием внутреннего языка ModL. Разработчиками реализованы механизм наследования и возможность создания иерархии в модели. Пакет поставляется компанией Imagine That, Inc.

Arena поставляется компанией Systems Mode­ling Corporation. Моделирующие конструкции, именуемые в пакете модулями, объединены в шаблоны Basic Process, Advanced Process и Advanced Transfer. Модули, имеющие свои параметры и настройки, реализованы в виде блоков, отображаемых в окне работы с моделью. Пакет поддерживает язык Visual Basic for Applications (VBA) компании Microsoft, что дает возможность считывать данные из других приложений и записывать в другие приложения (например Excel). Таким образом, можно создавать удобные интерфейсы для ввода параметров модели и генерирования отчетов заданного формата.

Simulink – графическая среда имитационного моделирования, позволяющая при помощи блок-диаграмм в виде непрерывных графов строить модели дискретных и непрерывных систем. Программа имеет расширяемую библиотеку стандартных блоков и богатый функционал для прове- дения имитационных экспериментов. Главной особенностью этой системы является ее интегрированность в среду Matlab, предоставляющую пользователю практически неограниченные возможности по обработке входных и выходных данных модели.

Выбор системы для решения задачи исследования ТПОИ в глобально распределенных АИС неочевиден, поскольку данные системы имеют ряд особенностей, таких как

–      множество устройств, объединенных в подсистемы;

–      наличие в некоторых подсистемах автономных ТПОИ, влияющих на загрузку устройств глобальной АИС;

–      множество точек слияния и ветвления ТПОИ, которые предполагают рождение новых транзактов (сущностей) в имитационной модели, и наделение их новыми аттрибутами (параметрами).

Для учета всех особенностей разработки имитационной модели и проведения над ней экспериментов в процессе анализа пакетов имитационного моделирования необходимо сравнить их качество по заданным критериям.

Качество системы – это совокупность ее свойств, существенных при решении конкретной задачи или класса задач. На основе сравнения весов качеств выбирается более оптимальная (с большим весом качества) система. Понятие качества образует многоуровневую структуру свойств, чаще всего дерево, и для оценки качества объекта необходимо агрегировать результаты измерения свойств, находящихся на нижнем уровне структуры. В [3] описана методика оценки качества систем путем агрегирования результатов измерения в иерархической структуре. Под агрегированием понимается построение обобщенных оценок объектов по признакам, заданным иерархической структурой. В качестве иерархических структур обычно рассматриваются древовидные или сетевые. Понятие наилучшего определяется с помощью задания обобщенного показателя качества и нахождения объекта, для которого данный показатель достигает экстремального значения (max – если показатель характеризует прибыль или выгоду, min – если потери). Соответствующий объект называется оптимальным по заданному показа- телю.

При выборе программных средств необходимо учитывать все предоставляемые ими возможности, которые можно объединить в следующие группы [2]:

–      основные характеристики;

–      совместимое оборудование и программное обеспечение;

–      анимация;

–      средства получения и обработки статистических данных;

–      документация;

–      отчеты с выходными данными и графиками.

Для решения задачи агрегирования была построена иерархическая структура признаков, которые характеризуют представленные группы возможностей. Признаки были выбраны с учетом задачи исследования ТПОИ в глобально распределенных АИС. Дерево признаков изображено на рисунках 1 и 2, при этом ветвь основных характеристик представлена для наглядности отдельно (рис. 2).

Пронумеруем вершины дерева, представленного на рисунках 1 и 2, по ветвям, то есть индекс вершины будет указывать путь к этой вершине от корневой.

1.     Основные характеристики.

1.1.         Разработка модели.

1.1.1.    Идеографический режим:

1.1.1.1.         в процессе разработки модели;

1.1.1.2.         в процессе проведения экспериментов.

1.1.2.    Непосредственная работа с кодом:

1.1.2.1.         в процессе разработки модели;

1.1.2.2.         в процессе проведения экспериментов.

1.2.         Работа со структурой модели.

1.2.1.    Возможность определять и изменять атрибуты объектов и глобальных переменных.

1.2.2.    Возможность использовать математические выражения и функции.

1.2.3.    Возможность создавать новые моделирующие конструкции и изменять уже существующие, а также применять новые и измененные моделирующие конструкции в данной и будущих моделях.

1.3.         Средства отладки.

1.3.1.    Отслеживание состояния модели:

1.3.1.1.         общие сведения;

1.3.1.2.         значения переменных.

1.3.2.    Отслеживание состояния объектов:

1.3.2.1.         значения атрибутов объектов;

1.3.2.2.         местонахождение объектов.

1.4.         Скорость работы.

1.5.         Проведение экспериментов.

1.6.         Построение отчетов.

2.     Совместимое оборудование и программное обеспечение.

3.     Анимация.

3.1.         Удобство использования анимации для отладки моделирующей компьютерной программы.

3.2.         Вывод информации на экран.

3.2.1.    Вывод на экран динамической графики:

3.2.1.1.         часы;

3.2.1.2.         индикаторы очереди;

3.2.1.3.         графики временной зависимости.

3.2.2.    Вывод на экран статистических данных.

4.     Средства получения и обработки статистических данных.

4.1.         Генератор случайных чисел, поддерживающий достаточное количество потоков для назначения всему спектру различных случайных факторов модели.

4.2.         Поддержка распределений вероятностей.

4.2.1.    Дискретные распределения.

4.2.2.    Непрерывные распределения.

4.2.3.    Эмпирические (заданные пользователем) распределения.

4.3.         Возможность выполнять независимые испытания.

4.3.1.    Отдельные наборы случайных чисел для каждого прогона.

4.3.2.    Одни и те же исходные условия для каждого прогона.

4.3.3.    Возврат статистических счетчиков в исходное состояние.

4.4.         Сбор выходных данных для указанных критериев работы модели.

5.     Документация.

5.1.         Документация от разработчика.

5.2.         Дополнительная литература.

6.     Отчеты с выходными данными и графиками.

6.1.         Стандартные отчеты.

6.2.         Отчеты в промежуточных точках прогона имитационной модели и в точке останова.

6.3.         Построение гисторамм наблюдаемых данных.

6.4.         Вывод статистических данных.

6.4.1.    В файл.

6.4.2.    Во внешнюю среду.

Оценку концевых свойств, входящих в данную структуру качества системы, будем выполнять в шкалах с тремя градациями:

0 – рассматриваемое свойство для системы отсутствует;

1 – рассматриваемое свойство для системы присутствует, но реализовано плохо/неудобно;

2 – рассматриваемое свойство для системы присутствует и реализовано хорошо/удобно.

В качестве механизма агрегирования используем суммирование значений показателей по локальным или интегральным группам дерева. При таком выборе шкал и механизма агрегирования оценка качества разрабатываемого комплекса имеет хорошую интерпретацию – число требований, выполняемых для рассматриваемого комплекса.

В таблице приведены оценки концевых вершин дерева признаков для рассматриваемых пакетов имитационного моделирования. В ней также отражены суммы оценок качества для каждой группы возможностей. Максимальная оценка качества пакета имитационного моделирования M = 70. По результатам оценки для решения задачи имитационного моделирования ТПОИ в глобально распределенной АИС наиболее оптимальной по сравнению с другими системами является система Simulink. Необходимо отметить, что Simulink получила столь высокую оценку благодаря полной интеграции в пакет Matlab, который, в свою очередь, позволяет производить любые манипуляции с наборами данных.

Литература

1.     Советов Б.Я., Яковлев С.А. Моделирование систем: учеб. для вузов; 3-е изд. М.: Высш. шк., 2001. 343 с.

2.     Аверилл М. Лоу, В. Дэвид Кельтон. Имитационное моделирование. Классика CS; 3-е изд. СПб: Питер; Киев; Издат. группа BHV, 2004. 847 с.

3.     Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: учеб.; 2-е изд. Томск: Изд-во НТЛ, 1997. 396 с.

4.     Рыжиков Ю.И. Оценка системы моделирования GPSS WORLD // Информационно-управляющие системы. 2003. № 2–3. С. 30–38.

5.     Красносельский А.В., Сидоренко В.Н. Имитационное моделирование в науке и бизнесе: подходы, инструменты, применение // Бизнес-информатика. 2009. № 2. С. 52–57.

6.     Altiok T., Melamed Benjamin. Simulation Modeling and Analysis with ARENA. Amsterdam; Boston: Academic Press, 2007, 440 p.

7.     Klee H. Simulation of Dynamic Systems with Matlab and Simulink. CRC Press Inc, Taylor&Francis Group, Boca Raton London, NY, 2007, 784 p.

References

1.     Sovetov B.Ya., Yakovlev S.A. Modelirovanie sistem [System modeling]. University textbook. 3rd ed., Moscow, Vyssh. shk. Publ., 2001, 343 p.

2.     Law A.M., Kelton W.D. Simulation modeling and analysis. Classic CS. 3rd ed., St. Petersburg, Piter Publ., Kiev, BHV Publ. group, 2004, 847 p.

3.     Peregudov F.I., Tarasenko F.P. Basics of system analysis. Textbook, 2nd ed., Tomsk, NTL Publ., 1997, 396 p.

4.     Ryzhikov Yu.I. Evaluating of Modeling System of GPSS WORLD. Informatsionno-upravlyayushchie sistemy [Information and Control Systems]. 2003, no. 2–3, pp. 30–38 (in Russ.).

5.     Krasnoselskiy A.V., Sidorenko V.N. Simulation in science and business: approaches, tools, application. Biznes-informatika [Business Informatics]. 2009, no. 2, pp. 52–57 (in Russ.).

6.     Altiok T., Melamed B. Simulation Modeling and Analysis with ARENA. Amsterdam, Boston, Academic Press, 2007, 440 p.

7.     Klee H. Simulation of Dynamic Systems with Matlab and Simulink. CRC Press Inc., Taylor&Francis Group, Boca Raton London, NY, 2007, 784 p.