Реферат: Корпоративные ЛВС - текст реферата. Скачать бесплатно.
Банк рефератов, курсовых и дипломных работ. Много и бесплатно. # | Правила оформления работ | Добавить в избранное
 
 
   
Меню Меню Меню Меню Меню
   
Napishem.com Napishem.com Napishem.com

Реферат

Корпоративные ЛВС

Банк рефератов / Компьютерные сети

Рубрики  Рубрики реферат банка

закрыть
Категория: Реферат
Язык реферата: Русский
Дата добавления:   
 
Скачать
Microsoft Word, 183 kb, скачать бесплатно
Заказать
Узнать стоимость написания уникального реферата

Узнайте стоимость написания уникальной работы

Корпоративные ЛВС СОДЕРЖАНИЕ ВСТУПЛЕНИЕ МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ ЛВС И ИХ КОМПОНЕНТОВ МЕТОДЫ ИССЛЕДОВАНИЯ АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКСПЕРИМЕНТАЛЬНЫЕ МЕТОДЫ СБОР ДАННЫХ ДЛЯ МОДЕЛИРОВАНИЯ ИНДЕКСЫ ПРОИЗВОДИТЕЛЬНОСТИ АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ НА ОСНОВЕ ТЕОРИИ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ ОБЩИЕ ПОЛОЖЕНИЯ ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ ПРИМЕРЫ АНАЛИТИЧЕСКИХ МОДЕЛЕЙ ЛВС ПРИЛОЖЕНИЯ ЛИТЕРАТУРА ВСТУПЛЕНИЕ В настоящее время в использовании ЛВС можно отметить две тенденции: созд ание мощных корпоративных сетей и переход на технологию клиент-сервер. Корпоративные ЛВС характеризуются многосегментной структурой, больши м числом рабочих станций (РС) , наличием нескольких серверов (файловых, баз данных, печати, модемов) , маршрутизаторов, мостов и т.п. Эффективное испол ьзование технологии клиент-сервер в таких сетях ставит ряд сложных зада ч перед администраторами и пользователями ЛВС. Важнейший комплекс зада ч обеспечение требуемой производительности, пропускной способности се ти и планирование ее мощности. Сейчас, когда ЛВС стали определяющим компонентом в информационной стра тегии большинства организаций, недостаточное внимание к оценке мощнос ти ЛВС и ее планированию привело к тому, что сегодня для поддержки соврем енных приложений в технологии клиент-сервер многие сети необходимо зан ово проектировать во многих случаях и заменять. Производительность и пропускная способность ЛВС определяется рядом фа кторов: выбором серверов и рабочих станций, сетевого оборудования, опера ционных систем рабочих станций, серверов и их конфигураций, распределен ием файлов базы данных по серверам сети, организацией распределенного в ычислительного процесса, защиты, поддержания и восстановления работос пособности в ситуациях сбоев и отказов и т.п. Максимальные возможности к орпоративной ЛВС для конкретных приложений (банковская, офисная, проект но-конструкторская, управленческая деятельность и др.) могут быть достиг нуты только на основе комплексного подхода к оптимизации ЛВС на всех эта пах жизненного цикла (от технико-экономического обоснования и техничес кого задания на разработку до эксплуатации и модернизации) . Для решения задач оптимизации производительности и пропускной способн ости ЛВС используются методы и средства измерения (анализа) и моделирова ния. Особенности трафика ЛВС делают моделирование сетей более трудным, ч ем моделирование систем с главной машиной. В ЛВС трафик может сильно вар ьироваться, что определяется природой распределенной обработки. Так ка к такая обработка выполняется и клиентом, и сервером, есть много способо в распределения обработки информации между ними, но в первую очередь нео бходимо знать о производительности самих приложений и влиянии приложе ний на общую производительность и пропускную способность сети. Как правило, средства моделирования позволяют определить производител ьность и пропускную способность ЛВС на основе показателей ее фактическ ого оцениваемого трафика, указываемых администратором сети. Многие пак еты моделирования могут воспринимать данные и от инструментальных сре дств анализа сети (сетевых анализаторов) , таких, например, как анализатор протокола Sniffer фирмы Network General. Для крупномасштабных моделей такая возможность имеет важное значение, поскольку в этом случае отпадает необходимость в о вводе в моделирующую программу множеств данных. Установив в сети прогр аммные измерительные средства и уяснив картину полного сетевого трафи ка, можно использовать и данные с помощью продуктов административного у правления сетью, таких, как Sun Net Manager фирмы Sun Microsystem и Open View фирмы Hewlett Packard. Другим подходом к моделированию является создание вариантов "сценарие в" работы ЛВС, что позволяет программировать уровень трафика на основе д ействий сетевых приложений. Средства моделирования обычно включают модули, эмулирующие все сетевы е устройства. Например, пакет PlanNet фирмы Comdisco позволяет моделировать все обор удование ЛВС Token Ring и Ethernet вплоть до средств передачи речевых данных и телеком муникаций. После того как модель сети разработана и отлажена, появляется возможнос ть проведения экспериментов, например, можно добавить в сеть пользовате лей сегменты, мосты, коммутаторы, концентраторы, изменить тип передающей среды или сервера и т.п. Модель покажет пропускную способность сети, уров ень трафика и ошибок, время реакции. Следует иметь в виду, что для решения задач оптимизации ЛВС необходимы т очные исходные данные (например, получаемые от сетевого анализатора) , пр авильная оценка роста трафика, генерируемого новым сетевым приложение м, а также понимание возможности программы (пакета) моделирования и каки е из "сценариев" жизнеспособны. Инструментальные средства не могут дать конкретных рекомендаций по по иску "узких" мест и оптимизации ЛВС, а только способны показать, как измене ния могут повлиять на характеристики сети. Интерпретировать данные, пол ученные инструментальными средствами, разрабатывать планы устранения "узких мест" в ЛВС, сценарии для их проверки, решать оптимизационные задач и должен администратор сети. МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ ЛВСИ ИХ КОМПОНЕНТОВ МЕТОДЫ ИССЛЕДОВАНИЯ На различных стадиях жизненного цикла ЛВС могут использоваться различ ные методы оценки ее эффективности и оптимизации. В процессе проектирования ЛВС с использованием современной методологи и проектирования и технологических комплексов (САПР) могут применяться экспериментальные методы исследования, аналитическое и имитационное м оделирование. На стадиях опытной и рабочей эксплуатации ЛВС основным методом оценки и х качества следует считать экспериментальное исследование. Оно позвол яет собрать статистическую информацию о действительном ходе вычислите льного, процесса, использовании оборудования, степени удовлетворения т ребований пользователей системы и т.п. и затем по результатам ее обработ ки сделать заключение о качестве проектных решений, заложенных при созд ании системы, а также принять решение по модернизации системы (устранени ю "узких" мест) . Однако не исключено и использование методов моделировани я, с помощью которых можно оценить эффект от модернизации ЛВС, не изменяя рабочей конфигурации и организации работы системы. Моделирование - один из наиболее распространенных методов исследовани я. Модель ЛВС - это такое ее представление, которое состоит из определенно го количества организованной информации о ней и построено с целью ее изу чения. Другими словами, модель физическая или абстрактная система, предс тавляющая объект исследования. При исследовании ЛВС, как правило, исполь зуются абстрактные модели, представляющие собой описания ЛВС на некото ром языке. Абстрактная модель, представленная на языке математических о тношений, называется 1математической моделью 0. Математическая модель М имеет форму функциональной зависимости W=W 4м 0(Х, F) , где W= W 41 0, W 42 0,..., W 4n 0 - показате ли эффективностисистемы; Х= x 41 0, x 42 0,..., х 4n 0 и F= f 41 0, f 42 0,..., f 4Q 0 соответственно пара метры и функции, выполняемые системой. Поскольку при исследовании ЛВС возникает много различных вопросов, для решения тех или иных задач может быть разработан ряд моделей M= M 41 0, М 42 0,..., М 4o 0 . Эти модели представляют одну и ту же систему, но разрабатываются в разл ичных целях, представляют ВС с различных точек зрения, а потому имеют раз личную степень детализации. Это означает, что в некоторой модели M 4i 0 C M мог ут отсутствовать определенные математические зависимости, а следовате льно, модель М может быть неадекватной реальной ВС. Поэтому в совокупнос ть моделей М должны входить такие частные модели, которые адекватно отра жают отдельные стороны функционирования ЛВС в соответствии с целью исс ледования и имеют такую степень детализации, которая достаточна для реш ения конкретной задачи с требуемой точностью. АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ Использование аналитических методов связано с необходимостью построе ния математических моделей ЛВС в строгих математических терминах. Анал итические модели ВС носят обычно вероятностный характер и строятся на о снове понятий аппарата теорий массового обслуживания, вероятностей и м арковских процессов, а также методов диффузной аппроксимации. Могут так же применяться дифференциальные и алгебраические уравнения. При использовании этого математического аппарата часто удается быстро получить аналитические модели для решения достаточно широкого круга з адач исследования ЛВС. В то же время аналитические модели имеют ряд суще ственных недостатков, к числу которых следует отнести: - значительные уп рощения, свойственные большинству аналитических моделей (представлени е потоков заявок как простейших, предположение об экспоненциальном рас пределении длительностей обслуживания заявок, невозможность обслужив ания заявок одновременно несколькими приборами, например процессором и оперативной памятью, и др.) . Подобные упрощения, а зачастую искусственно е приспособление аналитических моделей с целью использования хорошо р азработанного математического аппарата для исследования реальных ЛВС ставят иногда под сомнение результаты аналитического моделирования: - громоздкость вычислений для сложных моделей, например, использование д ля представления в модели процесса функционирования современной ЛВС п о методу дифференциальных уравнений Колмогорова требует (для установи вшегося режима) решения сложной системы алгебраических уравнений; - сложность аналитического описания вычислительных процессов ЛВС. Боль шинство известных аналитических моделей можно рассматривать лишь как попытку подхода к описанию процессов функционирования ЛВС; - недостаточная развитость аналитического аппарата в ряде случаев не по зволяет в аналитических моделях выбирать для исследования наиболее ва жные характеристики (показатели эффективности) ЛВС. Особенно большие за труднения при аналитическом моделировании связаны с учетом в процесса х функционирования ЛВС программных средств операционных систем и друг ого общего ПО. Указанные особенности позволяют заключить, что аналитические методы и меют самостоятельное значение лишь при исследовании процессов функцио нирования ЛВС в первом приближении и в частных, достаточно специфичных з адачах. В этих случаях возможности исследования аналитических моделей ЛВС существенно расширяют приближенные методы, например методы диффуз ионной аппроксимации, методы операционного анализа и аналитические се тевые модели. Позднее будет рассмотрено аналитическое моделирование ЛВС на основе т еории систем массового обслуживания. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ В отличие от аналитического имитационное моделирование снимает больши нство ограничений, связанных с возможностью отражения в моделях реальн ого процесса функционирования исследуемой ЛВС, динамической взаимной обусловленности текущих и последующих событий, комплексной взаимосвяз и между параметрами и показателями эффективности системы и т.п. Хотя ими тационные модели во многих случаях более трудоемки, менее лаконичны, чем аналитические, они могут быть сколь угодно близки к моделируемой систем е и просты в использовании. Имитационные модели представляют собой описание объекта исследования на некотором языке, которое имитирует элементарные явления, составляющ ие функционирование исследуемой системы, с сохранением их логической с труктуры, последовательности протекания во времени, особенностей и сос тава информации о состоянии процесса. Можно отметить имеющуюся аналоги ю между исследованием процессов методом имитационного моделирования и экспериментальным их исследованием. Описания компонентов реальной ВС в имитационной модели носят определе нный логико-математический характер и представляют собой совокупность алгоритмов, имитирующих функционирование исследуемой ВС. Моделирующа я программа, построенная на основе этих алгоритмов (т.е. на основе математ ической модели) , позволяет свести имитационное моделирование к проведе нию экспериментов на ЭВМ путем их "прогона" на некотором множестве входн ых данных, имитирующих первичные события, которые происходят в системе. Информация, фиксируемая в процессе исследования имитационной модели, п озволяет определить требуемые показатели, характеризующие качество ис следуемой ВС. Основными недостатками имитационного моделирования, несмотря на появи вшиеся в последнее время различные системы моделирования, остаются сло жность, высокая трудоемкость и стоимость разработки моделей, а иногда и большая ресурсоемкость моделей при реализации на ЭВМ. Хотя существующие сегодня продукты моделирования способны помочь квал ифицированному инженеру ЛВС моделировать и планировать сеть, они, по мне нию экспертов, все еще слишком сложны в использовании и порой неадекватн о моделируют вычислительную среду клиент-сервер. Специалисты считают, ч то необходимы новые модели распределенной обработки, в которых основно е внимание уделялось бы пропускной способности сети одного узла к друго му. Пакетная ориентация существующих моделирующих программ означает, что архитектор сети или инженер должен сам определить, позволит ли убыстрен ие конвейерной передачи улучшить время реакции. Это справедливо для любого вида приложений, но особенно важно для програ мм класса клиент-сервер. Поскольку есть много способов обработки распре деления между клиентом и сервером, производительность нужно измерять н а основе влияния приложения, а не только пропускной способности каналов связи. Например, приложение, которое выполняет большую часть своей обраб отки со стороны клиента, может создавать впечатление интенсивного испо льзования. Однако реально основной объем использования сети происходи т при загрузке программы, а здесь приемлемое время реакции - 20 или 30 с. Напро тив, для совместно используемой базы данных может потребоваться более б ыстрый конвейер. Средства моделирования обычно включают в себя модули обработки, эмулир ующие сетевые устройства (мосты и концентраторы) , так что моделируемый т рафик будет подвергаться той же обработке, что и реальный. Например, в пакете моделирования PlanNet фирмы Comdisco имеется возможность эмуляц ии всего оборудования от сети Token Ring и сегментов Ethernet до средств передачи рече вых данных и телекоммуникационных линий Т-З. После того как модель сети построена и работает, можно поэкспериментиро вать, добавляя в нее протоколы, пользователей или сетевые сегменты. Можн о разбить сеть на дополнительные сегменты, применив в них, например, лини ю связи Т-1, и посмотреть, что произойдет. Средство моделирования покажет к оэффициент использования сети в процентах от ее пропускной способност и, уровни трафика и ошибок, время реакции. Все это требует времени. Построение точной модели сложной сети может зан ять месяц или более. Следует принимать во внимание также значительную ст оимость подобных пакетов (порядка 10 000 дол.) . Эти продукты настолько сложны, что многие специалисты по ЛВС занимают вы жидательную позицию. Однако хороший пакет моделирования сети поможет не только найти "узкие" места и помочь в инсталляции нового сетевого оборудования, но и реально сэкономить средства. Точно предсказав трафик ЛВС, можно избежать неправ ильного построения своей сети или отказаться от приобретения ненужног о оборудования. Финансовые аспекты моделирования являются решающими. Продукт NetMaker фирмы MakeSystems включает в себя шаблоны трафика для всех основных типов кабелей, что позволяет прикинуть, поможет ли MCI реально сэкономить средства для устан овления конкретной связи. Продукт NetMaker уникален еще и тем, что в нем используются указываемые постав щиком характеристики производительности. Такие фирмы-поставщики, как Wellfleet Communications и CiscoSystems, подготавливают для Maker детальные таблицы производительност и, на основе которых и производится моделирование. Этот процесс настольк о отличается от других средств моделирования, что NetMaker является скорее не программой моделирования, а профайлером приложений. ЭКСПЕРИМЕНТАЛЬНЫЕ МЕТОДЫ Практическое использование моделей ЛВС во многих случаях предполагает наличие информации о реальных характеристиках вычислительного процес са. Такая информация может быть получена эмпирическими методами, на осно ве которых в настоящее время создаются средства для исследования аппар атно-программных компонентов ЛВС. Необходимая информация собирается с помощью специальных средств, кото рые обеспечивают измерение параметров, характеризующих динамику функц ионирования ЛВС в режимах опытной и нормальной эксплуатации. К таким сре дствам относятся сетевые анализаторы, анализаторы протоколов и т.п. Создание средств для измерений параметров функционирования ЛВС, в том ч исле и операционных систем ЛВС, относится к числу новых задач в вычислит ельной технике. Экспериментальные методы позволяют создать основу количественной оце нки эффективности ВС для достижения следующих практических целей: анал иза имеющихся ЛВС, выбора наилучшей и синтеза новой ЛВС. Оценка характер истик аппаратно-программных средств связана с проведением эксперимент ов и измерений, которые с практической точки зрения могут рассматривать ся как процесс получения полезной информации. Данные измерений представляются в виде, пригодном для последующего ана лиза. Это осуществляется с помощью специальных средств обработки, созда ние которых связано с разработкой анализаторов. Эта взаимосвязь касается, например, выбора единых форматов данных, удобн ых не только для измерений, но и для обработки их результатов. В общем случ ае этап измерений предшествует этапу обработки, и средства обработки до лжны быть рассчитаны на эффективное применение к большим массивам инфо рмации, поскольку для измерений на ЛВС характерны, как правило, большие о бъемы и высокая плотность регистрируемых данных. На завершающем этапе экспериментальных исследований проводится анали з результатов измерений, который состоит в получении содержательных вы водов об исследуемой ЛВС. Важным условием для формирования таких выводо в является удачное представление результатов измерений. Эффективность экспериментальных методов в значительной степени завис ит от качества планирования экспериментов и правильности выбора типа н агрузки. Эксперимент состоит из набора тестов, выполняемых в процессе ис следований, а тест, в свою очередь, состоит из ряда сеансов или "прогонов". Т ермин "сеанс" чаще применяется для измерений, а "прогон", как правило, - для и митационного моделирования. В течение сеанса или прогона накапливаетс я информация о поведении системы и, возможно, рабочей нагрузке. Поскольк у рабочая нагрузка меняется, число наблюдений, которое требуется получи ть для каждой интересующей пользователя величины, должно быть таким, что бы распределения для этих величин и их моменты могли быть оценены с треб уемой точностью. Таким образом, продолжительность сеанса зависит от нео бходимого числа наблюдений. Эксперимент длительностью в один сеанс достаточен для оценки, если нужн о, рассмотреть только одну конфигурацию системы и один тип, рабочей нагр узки. Например, если измерения производятся для того, чтобы выяснить, обе спечивает ли данная ЛВС при заданной рабочей нагрузке (трафике) удовлетв орительную производительность, т.е. отвечает ли она определенным требов аниям. Эксперименты длительностью в несколько сеансов необходимы, если предстоит определить влияние определенных факторов на производительн ость системы или производится оптимизация системы последовательными и терациями. Основной проблемой, возникающей при планировании этих экспе риментов, является определение состава и требуемой точности регистрац ии измеряемых параметров. СБОР ДАННЫХ ДЛЯ МОДЕЛИРОВАНИЯ Как правило, средства моделирования сети вычисляют ее производительно сть на основе показателей ее фактического и оцениваемого трафика, указы ваемых администратором сети. Многие программы моделирования восприним ают данные и от инструментальных средств анализа сети, таких, как анализ атор протокола Sniffer фирмы Network General. Для крупномасштабных моделей такая возмож ность имеет важное значение: без нее пришлось бы подсчитывать передавае мые пакеты и вводить множество данных. Установив программные датчики, по зволяющие получить картину полного сетевого трафика, можно использова ть и данные, получаемые с помощью продуктов административного управлен ия сетью, таких, как SunNet Manager фирмы Microsystems и Open View фирмы Hewlett Packard. Другим подходом к моделированию сети является создание вариантов сцен ария работы ЛВС, что позволяет программировать уровень трафика на основ е действий сетевых приложений. Разница между этими подходами состоит в т ом, что в первом случае просто используется экстраполяция на основе изме ренного трафика, а второй позволяет управлять масштабом операций. Он буд ет срабатывать тем эффективнее, чем больше сценарии приближены к реальн ости. Даже при помощи такого измерительного инструмента, как Sniffer, моделировани е позволяет получить лишь ту точность, которую дают базовые данные. Если при измерении трафика не охвачен адекватный диапазон сетевой активнос ти или неверны оценки роста объема трафика, генерируемого новым приложе нием, получить реалистичное описание производительности невозможно. Необходимы не только точные данные, но и определенная подготовка экспер иментатора, понимание того, что означает программа моделирования и каки е сценарии более жизнеспособны. Хотя инструментальные средства являют ся графическими и с ними легко работать, эти средства не дают конкретных рекомендаций, например, как "выделить этот сегмент сети" или "уменьшить зд есь длину кабеля". Средства моделирования способны показать, каким образом изменения мог ут повлиять на производительность, но интерпретировать данные, разраба тывать план устранения "узких" мест и готовить сценарии для проверки эти х планов должен администратор сети. ИНДЕКСЫ ПРОИЗВОДИТЕЛЬНОСТИ Наиболее широко распространенные классы количественных индексов прои зводительности для вычислительных систем перечислены в табл. 1. Таблица 1 Основные классы количественных индексов производительности вычислительных систем Класс инде кса Примеры индексов Общее определение Продуктив ность Пропускная способ ность Скорость выработки Максимальная выработка (максимум пропускной способности) Скорость выполнения команд Скорость обработки данных Объем информации, обрабатыв аемой системой в единицу времени Реактивно сть Время ответа Время пр охождения Время реакции Время между предъявлением системе входных данных и появлением соответ ствую щей выходной информации Использов ание Коэффициенты испол ьзования оборудования (центральный процессор, канал ввода-вывода, устро йство ввода-вывода) Коэффициент использования операционной системы Ко эффициент использования общего модуля программного обеспечения (напри мер компилятора) Коэффициент использования базы данных Отношение времени использования у казанной части системы (или ее использование для заданной цели) в течени е заданного интервала времени к длительности этого интервала Из общих о пределений, данных в той же таблице, очевидно, что индексы продуктивност и имеют размерность объем 7 & 0 время 5-1 0, индексы реактивности размерность времени, а индексы использования безразмерны. В настоящее время не сущес твует стандартизированного единого способа измерения объема, или коли чества информации, переработанной системой. Таким образом, в зависимост и от системы и от ее рабочей нагрузки будут использоваться различные мер ы объема; среди наиболее распространенных можно назвать: задание, програ мму, процесс, шаг задания, задачу, сообщение, взаимодействие (обмен сообще ниями) , команду. Перечислить все значения, приписанные ранее и приписыва емые ныне этим терминам в литературе по вычислительным системам, по-види мому, невозможно. Здесь мы только отметим, что все они до некоторой степен и зависят от природы рабочей нагрузки, от языка, на котором программисты описывают свои алгоритмы для машины, от внутреннего языка машины и от сп особа организации системы. Таким образом, ни одна из этих мер не обладает свойством независимости от рабочей нагрузки и свойством независимости от системы - это два свойства, необходимые для того, чтобы можно было уста новить некоторую меру объема информации в качестве универсальной. АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ НА ОСНОВЕ ТЕОРИИ СИСТЕМ МАССОВОГО ОБСЛУЖИ ВАНИЯ ОБЩИЕ ПОЛОЖЕНИЯ При аналитическом моделировании исследование процессов или объектов з аменяется построением их математических моделей и исследованием этих моделей. В основу метода положены идентичность формы уравнений и однозн ачность соотношений между переменными в уравнениях, описывающих ориги нал и модель. Поскольку события, происходящие в локальных вычислительны х сетях, носят случайный характер, то для их изучения наиболее подходящи ми являются вероятностные математические модели теории массового обсл уживания. Объектами исследования в теории массового обслуживания являются систе мы массового обслуживания (СМО) и сети массового обслуживания (СеМО) . Системы массового обслуживания классифицируются по следующим признак ам: - закону распределения входного потока заявок; - числу обслуживающих п риборов; - закону распределения времени обслуживания в обслуживающих пр иборах; - числу мест в очереди; - дисциплине обслуживания. Для краткости записи при обозначении любой СМО принята система кодиров ания A/B/C/D/E, где на месте буквы ставятся соответствующие характеристики СМО : А - закон распределения интервалов времени между поступлениями заявок. Наиболее часто используются следующие законы распределения: экспоненц иальное (М) , эрланговское (Е) , гиперэкспоненциальное (Н) , гамма-распределен ие (Г) , детерминированное (D) . Для обозначения произвольного характера рас пределения используется символ G; В - закон распределения времени обслуж ивания в приборах СМО. Здесь приняты такие же обозначения, как и для распределения интервалов м ежду поступлениями заявок; С - число обслуживающих приборов. Здесь приня ты следующие обозначения: для одноканальных систем записывается 1, для м ногоканальных в общем случае - l (число каналов) ; D - число мест в очереди. Если число мест в очереди не ограничено, то данное обозначение может опускат ься. Для конечного числа мест в очереди в общем случае приняты обозначен ия r или n (число мест) ; Е - дисциплина обслуживания. Наиболее часто использу ются следующие варианты дисциплины обслуживания: FIFO (первым пришел первы м вышел) , LIFO (последним пришел - первым вышел) , RANDOM (случайный порядок обслужив ания) . При дисциплине обслуживания FIFO данное обозначение может опускатьс я. Примеры обозначений: М/М/1 - СМО с одним обслуживающим прибором, бесконечной очередью, экспоненц иальными законами распределения интервалов времени между поступления ми заявок и времени обслуживания, дисциплиной обслуживания FIFO; Е/Н/l/r/LIFO - СМО с несколькими обслуживающими приборами, конечной очередью, эр ланговским законом распределения интервалов между поступлениями заяв ок, гиперэкспоненциальным распределением времени обслуживания в прибо рах, дисциплиной обслуживания LIFO; G/G/l - СМО с несколькими обслуживающими приборами, бесконечной очередью, пр оизвольными законами распределения времени между поступлениями заяво к и времени обслуживания, дисциплиной обслуживания FIFO. Для моделирования ЛВС наиболее часто используются следующие типы СМО: 1) одноканальные СМО с ожиданием представляют собой один обслуживающий п рибор с бесконечной очередью. Данная СМО является наиболее распростран енной при моделировании. С той или иной долей приближения с ее помощью мо жно моделировать практически любой узел ЛВС; 2) одноканальные СМО с потерями - представляют собой один обслуживающий п рибор с конечным числом мест в очереди. Если число заявок превышает числ о мест в очереди, то лишние заявки теряются. Этот тип СМО может быть использован при моделировании каналов передачи в ЛВС; 3) многоканальные СМО с ожиданием представляют собой несколько параллел ьно работающих обслуживающих приборов с общей бесконечной очередью. Да нный тип СМО часто используется при моделировании групп абонентских те рминалов ЛВС, работающих в диалоговом режиме; 4) многоканальные СМО с потерями - представляют собой несколько параллел ьно работающих обслуживающих приборов с общей очередью, число мест в кот орой ограничено. Эти СМО, как и одноканальные с потерями, часто использую тся для моделирования каналов связи в ЛВС; 5) одноканальные СМО с групповым поступлением заявок представляют собой один обслуживающий прибор с бесконечной очередью. Перед обслуживанием заявки группируются в пакеты по определенному правилу; 6) одноканальные СМО с групповым обслуживанием заявок представляют собо й один обслуживающий прибор с бесконечной очередью. Заявки обслуживаются пакетами, составляемыми по определенному правилу . Последние два типа СМО могут использоваться для моделирования таких уз лов ЛВС, как центры (узлы) коммутации. Локальная вычислительная сеть в целом может быть представлена в виде се ти массового обслуживания. Различают открытые, замкнутые и смешанные се ти. Открытой называется сеть массового обслуживания, состоящая из М узлов, п ричем хотя бы в один из узлов сети поступает извне входящий поток заявок, и имеется сток заявок из сети. Для открытых сетей характерно то, что интен сивность поступления заявок в сеть не зависит от состояния сети, т.е. от чи сла заявок, уже поступивших в сеть. Открытые сети используются для модел ирования ЛВС, работающих в неоперативном режиме. Каждая заявка поступае т на вход соответствующего узла коммутации, где определяется место ее об работки. Затем заявка передается на "свой" сервер или по каналу связи - на "с оседний" сервер, где обрабатывается, после чего возвращается к источнику и покидает сеть. Замкнутой называется сеть массового обслуживания с множеством узлов М без источника и стока, в которой циркулирует постоянное число заявок. За мкнутые СеМО используются для моделирования таких ЛВС, источниками инф ормации для которых служат абонентские терминалы, работающие в диалого вом режиме. В этом случае каждая группа абонентских терминалов представ ляется в виде многоканальной системы массового обслуживания с ожидани ем и включается в состав устройств сети. Различают простой и сложный режимы работы диалоговых абонентов. В прост ом режиме абоненты не производят никаких действий, кроме посылки задани й в ЛВС и обдумывания полученного ответа. Абоненты с терминалов посылают запросы, которые по каналам связи поступ ают на узлы коммутации, а оттуда - на обработку на "свой" или ""соседний" серв ер. Дальнейшая обработка осуществляется так же, как в открытой сети. При сложном режиме диалога работа абонентов представляется в виде сово купности операций некоего процесса, называемого технологическим проце ссом. Каждая операция технологического процесса моделируется соответс твующей СМО. Часть операций предусматривает обращение к ЛВС, а часть опе раций может такого обращения не предусматривать. Алгоритм работы самой ЛВС такой же, как для замкнутой сети. Смешанной называется сеть массового обслуживания, в которой циркулиру ет несколько различных типов заявок (трафика) , причем относительно одни х типов заявок сеть замкнута, а относительно других типов заявок сеть от крыта. С помощью смешанных СеМО моделируются такие ЛВС, часть абонентов которых работает в диалоговом, а часть - в неоперативном режиме. Для диало говых абонентов также различают простой и сложный режим работы. Часто см ешанные СеМО моделируют ЛВС, в которых сервер дополнительно загружаетс я задачами, решаемыми на фоне работы самой сети. Алгоритм работы сети для диалоговых абонентов аналогичен алгоритму ра боты замкнутой сети, а алгоритм работы сети для неоперативных абонентов - алгоритму работы открытой сети. Различают экспоненциальные и неэкспоненциальные модели ЛВС. Экспоненциальные модели основаны на предположении о том, что потоки зая вок, поступающие в ЛВС, являются пуассоновскими, а время обслуживания в у злах ЛВС имеет экспоненциальное распределение. Для таких сетей получены точные методы для определения их характеристи к; трудоемкость получения решения зависит в основном от размерности сет и. Однако в большинстве сетей (и локальных сетей в частности) потоки не явля ются пуассоновскими. Модели таких сетей называются неэкспоненциальным и. При анализе неэкспоненциальных сетей в общем случае отсутствуют точн ые решения, поэтому наибольшее применение здесь находят приближенные м етоды. Одним из таких методов является метод диффузионной аппроксимации. Испо льзование диффузионной аппроксимации позволило, к настоящему времени получить приближенные аналитические зависимости для определения хара ктеристик всех типов СМО, рассмотренных выше. При этом не требуется точного знания функций распределения случайных в еличин, связанных с данной СМО (интервалов между поступлениями заявок вр еменем обслуживания в приборах) , а достаточно только знание первого (мат ематического ожидания) и второго (дисперсии или квадрата коэффициента в ариации - ККВ) моментов этих величин. Применение диффузионной аппроксимации при анализе ЛВС основано на сле дующем: 1) по каждому типу заявок вычисляется интенсивность поступления заявок д анного типа в узлы сети так, как если бы данный поток заявок циркулировал в сети только один; 2) по определенному правилу, зависящему от типа СМО и дисциплины обслужив ания, складываются потоки заявок от всех источников; 3) по определенному правилу определяется среднее время обслуживания в ка ждом узле ЛВС; 4) полученные значения подставляются в соответствующую диффузионную фо рмулу и определяются характеристики узлов ЛВС; 5) определяются характеристики ЛВС в целом. Постановка задачи анализа ЛВС при этом примет следующий вид. Дано: число узлов ЛВС; тип каждого узла ЛВС (тип СМО, моделирующей данный узел) ; дисциплина обслуживания в каждом узле ЛВС; общее число типов источников заявок, работающих в диалоговом режиме; общее число типов источников заявок, работающих в неоперативном режиме; для диалоговых источников в случае сложного режима работы число технол огических процессов каждого типа, число операций в каждом технологичес ком процессе, среднее и ККВ времени выполнения каждой операции, матрица вероятностей передач между операциями, а также наличие или отсутствие н а каждой операции обращения к ЛВС; для диалоговых источников в случае пр остого режима работы число источников (терминалов) каждого типа, среднее и ККВ времени реакции абонента на ответ сети; для неоперативных абонент ов - средняя интенсивность поступления заявок и ККВ времени между поступ лениями заявок; по каждому типу заявок (диалоговому и неоперативному) ср едняя интенсивность обслуживания в каждом узле ЛВС, ККВ времени обслужи вания в узлах ЛВС и матрица вероятностей передач между узлами. Требуется найти: среднее значение и дисперсию (или стандартное отклонен ие) времени задержки заявки каждого типа в ЛВС в целом; среднее значение и дисперсию (или стандартное отклонение) времени задержки в узлах ЛВС; заг рузку узлов ЛВС; вероятность потери заявки в узле ЛВС (для узлов, моделиру емых СМО с потерями) . Ограничения могут быть следующими: загрузка узлов не должна превышать 1; вероятность потери заявки не должна превышать 1; все характеристики должны быть положительны. Иногда представляет интерес определение такого показателя, как максим альное время задержки заявки каждого типа в ЛВС. Максимальное время это такое время, превышение которого допустимо лишь для некоторого, наперед заданного процента заявок каждого типа. Для определения максимального времени используется методика, основанная на аппроксимации функции ра спределения времени задержки в сети эрланговским или гиперэкспоненциа льным распределением, при этом необходимо задавать долю (процент) заявок , для которых рассчитывается максимальное время. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ Существует довольно значительное количество ППП, автоматизирующих про цессы разработки и исследования аналитических моделей вычислительных систем и сетей. Рассмотрим один из них, достаточно простой и удобный в исп ользовании, - ППП "ДИФАР". В основу его построения положены изложенные выше положения моделирования систем и сетей массового обслуживания. Пакет ДИфАР предназначен для аналитического моделирования и оптимизац ии систем, сетей массового обслуживания и сетевых систем. Он позволяет р ассчитывать вероятностно-временные характеристики СМО, СеМО и сетевых систем, задавая в качестве параметров два момента входных потоков и обсл уживания, что позволяет исследовать поведение систем в широком диапазо не изменений как средних значений, так и дисперсий потоков и обслуживани я, а также найти оптимальное построение сетевых систем по значениям веро ятностно-временных характеристик (ВВХ) , адекватных фактическим распред елениям. Пакет ДИФАР обеспечивает расчет: - системных характеристик для одноканальных и многоканальных систем ма ссового обслуживания без ограничений на емкости буферных накопителей ( среднее значение и дисперсия времени пребывания, максимальное время пр ебывания для r процентов заявок, загрузка) ; - системных характеристик для одноканальных и многоканальных систем ма ссового обслуживания, учитывающих ограничения на емкости буферных нак опителей (среднее значение и дисперсия времени пребывания, максимально е время пребывания для r процентов заявок, вероятность отказа в обслужив ании, загрузка) ; - системных характеристик для одноканальных систем массового обслужив ания с групповым поступлением заявок или групповым обслуживанием заяв ок (среднее значение и дисперсия времени пребывания заявки, максимально е время пребывания для r процентов заявок, загрузка) ; - системных и сетевых характеристик открытых неоднородных сетей массов ого обслуживания с узлами различных типов (среднее значение и дисперсия времени пребывания в сети, максимальное время пребывания в сети для r про центов заявок, среднее значение и дисперсия времени пребывания в каждом узле сети, максимальное время пребывания в каждом узле для r процентов за явок, загрузка узлов сети, вероятности отказов в обслуживании в узлах) ; - системных и сетевых характеристик замкнутых и смешанных неоднородных сетей массового обслуживания с узлами различных типов, с простым режимо м работы диалоговых абонентов (среднее значение и дисперсия времени пре бывания в сети заявки каждого типа, максимальное время пребывания в сети для r процентов заявок каждого типа, среднее значение и дисперсия времен и пребывания в каждом узле сети, загрузка узлов сети, вероятности отказо в в обслуживании в узлах) ; - системных и сетевых характеристик замкнутых и смешанных неоднородных сетей массового обслуживания с узлами различных типов со сложным режим ом работы диалоговых абонентов (среднее значение и дисперсия времени ци кла технологического процесса работы каждого диалогового абонента, ма ксимальное время цикла для r процентов технологических процессов каждо го типа, среднее значение и дисперсия времени пребывания в сети заявки к аждого типа, максимальное время пребывания в сети для r процентов заявок каждого типа, среднее значение и дисперсия времени пребывания в каждом у зле сети, загрузка узлов сети, вероятности отказов в обслуживании в узла х) ; - показателей производительности сетевых систем, в качестве моделей кот орых используются открытые, замкнутые и смешанные сети массового обслу живания (локальные вычислительные сети, информационно-вычислительные сети, центры коммутации пакетов и др.) . Пакет программ позволяет проводить анализ сетевых систем, включающих о т 30 (замкнутые и смешанные сети со сложным режимом работы диалоговых абон ентов) до 50 узлов СМО (открытые, замкнутые и смешанные сети с простым диало гом) на PC XT/AT с 512 Кбайтами оперативной памяти. Ниже приведены примеры моделирования некоторых локальных вычислитель ных сетей. Результаты расчетов характеристик данных сетей получены с по мощью пакета ДИФАР. ПРИМЕРЫ АНАЛИТИЧЕСКИХ МОДЕЛЕЙ ЛВС Пример 1. Исходные данные: Устройство Среднее время ККВ времени обслуживания 17,69 с 2,0 27,69 с 2,0 37,69 с 2,0 47,69 с 2,0 57,69 с 2,0 67,69 с 2,0 Интенсивность поступления заявок от каждого ист очника 0,3 з/с. Результаты расчета: среднее время задержки в сети - 15,0477 с; стандартное откл онение времени задержки в сети - 18,7703; максимальное время задержки в сети дл я 90% заявок - 35,2611 с. Пример 2. Посетитель делает заказ на билет (операция 1) . Оператор набирает запрос на клавиатуре и посылает его в центральную базу данных на сервер (операция 2) . После получения ответа клиент принимает решение (операция 3) . С вероятн остью 0,1 требуемого билета нет, и клиент уходит. С вероятностью 0,3 требуемог о билета нет, и клиент просит послать запрос на другой билет. С вероятност ью 0,6 требуемый билет имеется, оператор посылает в базу данных заявку на э тот билет и после получения ответа печатает билет на принтере (операция 4) . Затем клиент расплачивается, проверяет билет и уходит (операция 5) . Рабо та остальных пунктов сети моделируется общим потоком со средней интенс ивностью 100 з/мин, которые поступают непосредственно на сервер. ЛИТЕРАТУРА 1. Локальные вычислительные сети. Книги 1-3. Под ред. Назарова С. В. Москва "Фина нсы и статистика" 1995 2. Д. Феррари. Оценка производительности вычислительных систем. Москва "Ми р" 1981 3. Максименков А. В., Селезнев М. Л. Основы проектирования информационно-выч ислительных систем и сетей ЭВМ. Москва "Радио и связь" 1991
1Архитектура и строительство
2Астрономия, авиация, космонавтика
 
3Безопасность жизнедеятельности
4Биология
 
5Военная кафедра, гражданская оборона
 
6География, экономическая география
7Геология и геодезия
8Государственное регулирование и налоги
 
9Естествознание
 
10Журналистика
 
11Законодательство и право
12Адвокатура
13Административное право
14Арбитражное процессуальное право
15Банковское право
16Государство и право
17Гражданское право и процесс
18Жилищное право
19Законодательство зарубежных стран
20Земельное право
21Конституционное право
22Конституционное право зарубежных стран
23Международное право
24Муниципальное право
25Налоговое право
26Римское право
27Семейное право
28Таможенное право
29Трудовое право
30Уголовное право и процесс
31Финансовое право
32Хозяйственное право
33Экологическое право
34Юриспруденция
 
35Иностранные языки
36Информатика, информационные технологии
37Базы данных
38Компьютерные сети
39Программирование
40Искусство и культура
41Краеведение
42Культурология
43Музыка
44История
45Биографии
46Историческая личность
47Литература
 
48Маркетинг и реклама
49Математика
50Медицина и здоровье
51Менеджмент
52Антикризисное управление
53Делопроизводство и документооборот
54Логистика
 
55Педагогика
56Политология
57Правоохранительные органы
58Криминалистика и криминология
59Прочее
60Психология
61Юридическая психология
 
62Радиоэлектроника
63Религия
 
64Сельское хозяйство и землепользование
65Социология
66Страхование
 
67Технологии
68Материаловедение
69Машиностроение
70Металлургия
71Транспорт
72Туризм
 
73Физика
74Физкультура и спорт
75Философия
 
76Химия
 
77Экология, охрана природы
78Экономика и финансы
79Анализ хозяйственной деятельности
80Банковское дело и кредитование
81Биржевое дело
82Бухгалтерский учет и аудит
83История экономических учений
84Международные отношения
85Предпринимательство, бизнес, микроэкономика
86Финансы
87Ценные бумаги и фондовый рынок
88Экономика предприятия
89Экономико-математическое моделирование
90Экономическая теория

 Анекдоты - это почти как рефераты, только короткие и смешные Следующий
Продавщица секс-шопа, отчаявшаяся наладить свою личную жизнь, научилась залезать в резиновую женщину.
Anekdot.ru

Узнайте стоимость курсовой, диплома, реферата на заказ.

Обратите внимание, реферат по компьютерным сетям "Корпоративные ЛВС", также как и все другие рефераты, курсовые, дипломные и другие работы вы можете скачать бесплатно.

Смотрите также:


Банк рефератов - РефератБанк.ру
© РефератБанк, 2002 - 2016
Рейтинг@Mail.ru