В даний час у використанні ЛОМ можна відзначити дві тенденції: створення потужних корпоративних мереж та перехід на тех-нології клієнт-сервер. Корпоративні ЛВС характеризуються багатосегментний структу-рій, великим числом робочих станцій (РС), наявністю декількох серверів (файлових, баз даних, друку, модемів), маршрутізато-рів, мостів і т.п. Ефективне використання технології кли-ент-сервер в таких мережах ставить ряд складних завдань перед адмініст-ратора і користувачами ЛОМ. Найважливіший комплекс завдань - забезпе-чення необхідної продуктивності, пропускної здатності мережі і планування її потужності. Зараз, коли ЛВС стали визначальним компонентом у інформа-ционной стратегії більшості організацій, недостатня увага до оцінки потужності ЛОМ та її планування призвело до того, що се-придатні для підтримки сучасних додатків в технології кли-ент-сервер багато мереж необхідно заново проектувати в багатьох випадках і замінювати. Продуктивність і пропускна здатність ЛОМ визначається рядом факторів: вибором серверів і робочих станцій, мережевого обо-устаткування, операційних систем робочих станцій, серверів та їх конфігурацій, розподілом файлів бази даних по серверах мережі, організацією розподіленого обчислювального процесу, захисту, підтримки та відновлення працездатності в ситуаціях збоїв і відмов і т. п. Максимальні можливості корпоративної ЛВС для певних програм (банківська, офісна, проектно-конструк-Торського, управлінська діяльність тощо) можуть бути досягнуті тільки на основі комплексного підходу до оптимізації ЛВС на всіх етапах життєвого циклу ( від техніко-економічного обгрунтування та технічного завдання на розробку до експлуатації і модернізації-ції). Для вирішення завдань оптимізації продуктивності і пропуск-ної здатності ЛОМ використовуються методи та засоби вимірювання (аналізу) і моделювання. Особливості трафіку ЛВС роблять моделі-вання мереж більш важким, ніж моделювання систем з головною машиною. У ЛВС трафік може сильно варіюватися, що визначає-ся природою розподіленої обробки. Так як така обробка ви-виконується і клієнтом, і сервером, є багато способів розподілений-ня обробки інформації між ними, але в першу чергу необ-обхідно знати про продуктивність самих програм та вплив прог-жений на загальну продуктивність і пропускну здатність мережі. Як правило, засоби моделювання дозволяють визначити продуктивність і пропускну здатність ЛОМ на основі показників її фактичного оцінюваного трафіку, згаданих адмініст-ратора мережі. Багато пакунків моделювання можуть сприймати дан Цінні та від інструментальних засобів аналізу мережі (мережевих аналізу-торів), таких, наприклад, як аналізатор протоколу Sniffer фірми Network General. Для великомасштабних моделей така можливість має важливе значення, оскільки в цьому випадку відпадає необхідність-тість у введенні в моделює програму множин даних. Устано-вив в мережі програмні вимірювальні засоби і з'ясувавши картину - 3 - повного мережевого трафіку, можна використовувати і дані за допомогою продуктів адміністративного управління мережею, таких, як Sun Net Manager фірми Sun Microsystem та Open View фірми Hewlett Packard. Іншим підходом до моделювання є створення варіантів "сце-наріев" роботи ЛВС, що дозволяє програмувати рівень трафіку на основі дій мережевих додатків. Засоби моделювання звичайно містять модулі, що емулює всі мережеві пристрої. Наприклад, пакет PlanNet фірми Comdisco дозволяє моделювати все обладнання ЛОМ Token Ring і Ethernet аж до засобів передачі мовних даних і телекомунікацій. Після того, як модель мережі розроблена і отла дружина з'являється возможност' проведення експериментів, наприклад, можна додати в мережу користувачів сегменти, мости, комутатори, концентратори, змінити тип передавальної середовища або сервера і т.п. Модель покаже пропускну здатність мережі, рівень трафіку і помилок, час ре-акції. Слід мати на увазі, що для вирішення завдань оптимізації ЛВС необхідні точні вихідні дані (наприклад, одержувані від сеті-вого аналізатора), правильна оцінка зростання трафіку, що генерується новим мережевим додатком, а також розуміння можливості програм-ми (пакета) моделювання і які з "сценаріїв" життєздатні. Інструментальні засоби не можуть дати конкретних рекомендацій з пошуку "вузьких" місць і оптимізації ЛВС, а тільки здатні поки-мовити, як зміни можуть вплинути на характеристики мережі. Ін-терпретіровать дані, отримані інструментальними засобами, розробляти плани усунення "вузьких місць" у ЛВС, сценарії для їх перевірки, вирішувати оптимізаційні задачі повинен адміністратор мережі. . - 4 - МЕТОДИ ОЦІНКИ ЕФЕКТИВНОСТІ ЛВС ТА ЇХ КОМПОНЕНТІВ МЕТОДИ ДОСЛІДЖЕННЯ На різних стадіях життєвого циклу ЛВС можуть вико-тися різні методи оцінки її ефективності та оптимізації. У процесі проектування ЛОМ з використанням сучасної методології проектування і технологічних комплексів (САПР) можуть застосовуватися експериментальні методи дослідження, аналіті-чного та імітаційне моделювання. На стадіях дослідної і робочої експлуатації ЛВС основним мето-дом оцінки їх якості слід вважати експериментальне дослід-вання. Воно дозволяє зібрати статистичну інформацію про дійство-вування ході обчислювального, процесу, використанні обладнан-ня, ступеня задоволення вимог користувачів системи і т.п. і потім за результатами її обробки зробити висновок про ка-честве проектних рішень, закладених при створенні системи, а так-же прийняти рішення з модернізації системи (усунення "вузьких" місць). Однак не виключено і використання методів моделювання, за допомогою яких можна оцінити ефект від модернізації ЛОМ, не змінюючи робочої конфігурації та організації роботи системи. 1Моделірованіе 0 - одна з найбільш поширених методів дослідження. Модель ЛОМ - це така її подання, яке складається з певної кількості організованою інформації про неї і побудоване з метою її вивчення. Іншими словами, модель - фізична або абстрактна система, що представляє об'єкт дослі-вання. При дослідженні ЛВС, як правило, використовуються абс-трактние моделі, що представляють собою опису ЛВС на деякій мові. Абстрактна модель, представлена на мові математичних відносин, називається 1математіческой моделлю 0. Математична мо-дель М має форму функціональної залежності W = W 4м 0 (Х, F), де W = (W 41 0, W 42 0 ,..., W 4n 0) - показники ефективності системи; Х = (x 41 0, x 42 0 ,..., х 4n 0) і F = (f 41 0, f 42 0 ,..., f 4Q 0) - відповідно параметри і функції, що виконуються системою. Оскільки при дослідженні ЛВС виникає багато різних питань, для вирішення тих чи інших завдань може бути розроблений ряд моделей M = (M 41 0, М 42 0 ,..., М 4o 0). Ці моделі представляють одну і ту ж систему, але розробляються в різних цілях, представляють НД з різних точок зору, а тому мають різну ступінь дета-лізації. Це означає, що в деякій моделі M 4i 0 CM можуть від-сутствовать певні математичні залежності, а слідові-тельно, модель М може бути неадекватною реальної нд Тому в сукупність моделей М повинні входити такі приватні моделі, кото-рие адекватно відображають окремі сторони функціонування ЛОМ у відповідності з метою дослідження і мають такий ступінь деталіза-ції, яка достатня для вирішення конкретної задачі з необхідною точністю. - 5 - АНАЛІТИЧНЕ МОДЕЛЮВАННЯ Використання аналітичних методів пов'язане з необхідністю побудови математичних моделей ЛОМ у строгих математичних термінах. Аналітичні моделі нд зазвичай носять імовірнісний ха-рактер і будуються на основі понять апарату теорій масового обслуговування, ймовірностей та марковських процесів, а також мето-дів дифузної апроксимації. Можуть також застосовуватися діфференці-ний і алгебраїчні рівняння. При використанні цього математичного апарату часто уда-ється швидко отримати аналітичні моделі для рішення досить широкого кола завдань дослідження ЛОМ. У той же час аналітічес-кі моделі мають ряд істотних недоліків, до числа яких слід віднести: - значні спрощення, властиві більшості аналіті-чеських моделей (подання потоків заявок як найпростіших, припущення про експоненційному розподіл тривалостей обслуговування заявок, неможливість обслуговування заявок одночасним-обелівську кількома приладами, наприклад процесором і оперативною пам'яттю, та ін.) Подібні спрощення, а часто штучне пристосування аналітичних моделей з метою використання хо-рошо розробленого математичного апарату для дослідження ре-альних ЛВС іноді ставлять під сумнів результати аналітичного моделювання; - громіздкість обчислень для складних моделей, наприклад, ис-користування для представлення в моделі процесу функціонування сучасної ЛВС за методом диференціальних рівнянь Колмогорова вимагає (для сталого режиму) рішення складної системи ал-гебраіческіх рівнянь; - складність аналітичного опису обчислювальних процесів ЛОМ. Більшість відомих аналітичних моделей можна розглядає-вати лише як спробу підходу до опису процесів функціонірова-ня ЛВС; - недостатня розвиненість аналітичного апарату в ряді випадків не дозволяє в аналітичних моделях вибирати для дослі-вання найбільш важливі характеристики (показники ефективності) ЛОМ. Особливо великі труднощі при аналітичному моделюванні пов'язані з урахуванням у процесах функціонування ЛОМ програмних засобів операційних систем та іншого загального ПЗ. Вказані особливості дозволяють зробити висновок, що аналітичні методи мають самостійне значення лише при дослідженні про-процесів функціонування ЛОМ у першому наближенні і в приватних, досить специфічних завданнях. У цих випадках можливості дослі-нання аналітичних моделей ЛОМ суттєво розширюють прибл-женние методи, наприклад методи дифузійного апроксимації, методи операційного аналізу та аналітичні мережеві моделі. Пізніше буде розглянуто аналітичне моделювання ЛОМ на основі теорії систем масового обслуговування. - 6 - імітаційного моделювання в відміну від аналітичного імітаційне моделювання сни-мает більшість обмежень, пов'язаних з можливістю відображення в моделях реального процесу функціонування досліджуваної ЛВС, динамічної взаємної обумовленості поточних і подальших подію-тий, комплексної взаємозв'язку між параметрами і показниками ефективності виро-бництва системи і т.п. Хоча імітаційні моделі в багатьох випадках більш трудомісткі, менш лаконічні, ніж аналітичні, вони можуть бути як завгодно близькі до моделюється системі і прості у використанні. Імітаційні моделі являють собою опис об'єкта допоміжні-ледованія на деякій мові, яка імітує елементарні яв-лення, складові функціонування досліджуваної системи, з сох-пораненням їх логічної структури, послідовності протікання в часі, особливостей і складу інформації про стан процес-са. Можна відзначити наявну аналогію між дослідженням процес-сов методом імітаційного моделювання та експериментальним їх дослідженням. Описи компонентів реальної НД в імітаційної моделі носять певний логіко-математичний характер і являють собою сукупність алгоритмів, що імітують функціонування досліджуваної нд Моделююча програма, побудована на основі цих алгоритмів (тобто на основі математичної моделі), що дозволяє звести імі-Ціон моделювання до проведення експериментів на ЕОМ шляхом їх "прогону" на деякій множині вхідних даних, що імітують пер-первинних події, які відбуваються в системі. Інформація, фікс-руемая в процесі дослідження імітаційної моделі, дозволяє оп-рідшали необхідні показники, що характеризують якість досліджуючи-мій нд Основними недоліками імітаційного моделювання, незважаючи на що з'явилися останнім часом різні системи моделювання, залишаються складність, висока трудомісткість і вартість розробки моделей, а іноді і велика ресурсомісткість моделей при реалізації на ЕОМ. Хоча існують сьогодні продукти моделювання здатні допомогти кваліфікованому інженеру ЛВС моделювати і планувати мережу, вони, на думку експертів, усе ще занадто складні в неналежного використання і часом неадекватно моделюють обчислювальну середу кли-ент-сервер. Фахівці вважають, що необхідні нові моделі розподіленої обробки, в яких основна увага приділялася б пропускної здатності мережі одного вузла до іншого. Пакетна орієнтація існуючих моделюючих програм озна-чає, що архітектор мережі або інженер повинен сам визначити, поз-воліт чи прискоренням конвеєрної передачі поліпшити час реакції. Це справедливо для будь-якого виду додатків, але особливо важливо для програм класу клієнт-сервер. Оскільки є багато способів про-ництва розподілу між клієнтом і сервером, виробник-ність потрібно вимірювати на основі впливу програми, а не тільки пропускної спроможності каналів зв'язку. Наприклад, додаток, кото-рої виконує більшу частину свого обробки з боку клієнта, може створювати враження інтенсивного використання. Однак - 7 - реально основний обсяг використання мережі відбувається під час завантаження програми, а тут прийнятний час реакції - 20 або 30 с. Напр-тив, для спільно використовуваної бази даних може знадобитися більш швидкий конвеєр. Засоби моделювання звичайно містять у собі модулі оброб-лення, що емулює мережеві пристрої (мости та концентратори), так що модельований трафік буде піддаватися тій же обробці, що і реальний. Наприклад, у пакеті моделювання PlanNet фірми Comdisco име-ється можливість емуляції всього устаткування - від мережі Token Ring і сегментів Ethernet до засобів передачі мовних даних і теле-комунікаційних ліній Т-З. Після того, як модель мережі побудована і працює, можна поек-сперіментіровать, додаючи в неї протоколи, користувачів або се-тевие сегменти. Можна розбити мережу на додаткові сегменти, застосувавши в них, наприклад, лінію зв'язку Т-1, і подивитися, що про-зійде. Засіб моделювання покаже коефіцієнт використання мережі у відсотках від її пропускної спроможності, рівні трафіку і помилок, час реакції. Все це вимагає часу. Побудова точної моделі складної мережі може зайняти місяць або більше. Слід брати до уваги також значну вартість подібних пакетів (близько 10 000 дол.). Ці продукти настільки складні, що багато фахівців з ЛВС займають вичікувальну позицію. Проте хороший пакет моделювання мережі допоможе не тільки знайти "вузькі" місця і допомогти в інсталяції нового мережного облад-нання, а й реально заощадити кошти. Точно передбачивши тра-фик ЛВС, можна уникнути неправильного побудови своєї мережі або відмовитися від придбання непотрібного обладнання. Фінансові аспекти моделювання є вирішальними. Продукт NetMaker фірми MakeSystems включає в себе шаблони трафіку для всіх основних типів кабелів, що дозволяє прикинути, чи допоможе MCI реально заощадити кошти для встановлення конкретної свя-зи. Продукт NetMaker унікальний ще й тим, що в ньому використовуються вказані постачальником характеристики продуктивності. Такі фірми-постачальники, як Wellfleet Communications і CiscoSystems, готують для Maker детальні таблиці продуктивності, на основі яких і проводиться моделювання. Цей процес нас-тільки відрізняється від інших засобів моделювання, що NetMaker є скоріше не програмою моделювання, а профайлером прог-жений. ЕКСПЕРИМЕНТАЛЬНІ МЕТОДИ Практичне використання моделей ЛОМ у багатьох випадках передбачає наявність інформації про реальні характеристики обчислюва-неністю процесу. Така інформація може бути отримана емпіреї-тичними методами, на основі яких в даний час створюються засоби для дослідження апаратно-програмних компонентів ЛОМ. Необхідна інформація збирається за допомогою спеціальних засобів, - 8 - які забезпечують вимірювання параметрів, що характеризують дина-Міку функціонування ЛОМ у режимах дослідної та нормальної експлуа-тації. До таких засобів належать мережеві аналізатори, аналізу-тори протоколів тощо. Створення засобів для вимірювання параметрів функціонування ЛОМ, в тому числі і операційних систем ЛВС, відноситься до числа но-вих задач в обчислювальній техніці. Експериментальні методи дозволяють створити основу кількісних-ної оцінки ефективності НД для досягненьвання наступних практи-чеських цілей: аналізу наявних ЛВС, вибору найкращої і синтезу нової ЛОМ. Оцінка характеристик апаратно-програмних засобів пов'язана з проведенням експериментів і вимірювань, які з прак-тичної точки зору можуть розглядатися як процес отримання корисної інформації. Дані вимірювань представляються у вигляді, придатному для після-дме аналізу. Це здійснюється за допомогою спеціальних засобів обробки, створення яких пов'язане з розробкою аналізаторів. Цей взаємозв'язок стосується, наприклад, вибору єдиних форматів дан-них, зручних не тільки для вимірювань, але і для обробки їх ре-зультатів. У загальному випадку етап вимірювань передує етапу оброб-лення, і засоби обробки повинні бути розраховані на ефективне застосування до великих масивів інформації, оскільки для вимірювань на ЛОМ характерні, як правило, великі обсяги й висока пліт-ність реєстрованих даних. На завершальному етапі експериментальних досліджень прово-диться аналіз результатів вимірювань, який полягає в отриманні змістовних висновків про досліджувану ЛОМ. Важливою умовою для формування таких висновків є вдале представлення резуль-ратів вимірювань. Ефективність експериментальних методів в значній сте-пені залежить від якості планування експериментів і правільнос-ти вибору типу навантаження. Експеримент складається з набору тестів, які виконуються в процесі досліджень, а тест, у свою чергу, сос-тоит з ряду сеансів або "прогонів". Термін "сеанс" частіше застосовують-ся для вимірювань, а "прогін", як правило, - для імітаційного моделювання. Протягом сеансу або прогону накопичується інфор-мація про поведінку системи і, можливо, робочого навантаження. Посколь-ку робоче навантаження змінюється, число спостережень, яке потрібно отримати для кожної цікавлять користувача величини, має бути таким, щоб розподілу для цих величин і їх моменти могли бути оцінені з необхідною точністю. Таким чином, продол-жітельность сеансу залежить від необхідного числа спостережень. Експеримент тривалістю в один сеанс достатній для оціню-ки, якщо потрібно, розглянути лише одну конфігурацію системи і один тип, робочого навантаження. Наприклад, якщо вимірювання проводяться для того, щоб з'ясувати, чи забезпечує дана ЛВС при заданій робочого навантаження (трафіку) задовільну продуктивність, тобто чи відповідає вона певним вимогам. Експерименти котрі три-ності в кілька сеансів необхідні, якщо має бути визна-лити вплив певних факторів на продуктивність системи або проводиться оптимізація системи послідовними ітерація-ми. Основною проблемою, що виникає при плануванні цих експе-- 9 - ріментов, є визначення складу і необхідної точності ре-гістраціі вимірюваних параметрів. ЗБІР ДАНИХ ДЛЯ МОДЕЛЮВАННЯ Як правило, засоби моделювання мережі обчислюють її вироби водітельность на основі показників її фактичного і оценіваемо-го трафіку, згаданих адміністратором мережі. Багато програм моделювання сприймають дані і від інструментальних засобів аналізу мережі, таких, як аналізатор протоколу Sniffer фірми Net-work General. Для великомасштабних моделей така можливість име-ет важливе значення: без неї довелося б підраховувати передані пакети і вводити безліч даних. Встановивши програмні датчики, що дозволяють отримати картину повного мережевого трафіку, можна ис-пользовать і дані, одержані за допомогою продуктів адміністра-тивного управління мережею, таких, як SunNet Manager фірми Micro-systems і Open View фірми Hewlett Packard. Іншим підходом до моделювання мережі є створення варі-антів сценарію роботи ЛВС, що дозволяє програмувати рівень трафіку на основі дій мережевих додатків. Різниця між ці-ми підходами полягає в тому, що в першому випадку просто вико-ється екстраполяція на основі обчисленого трафіку, а другий позво-ляєт управляти масштабом операцій. Він буде спрацьовувати тим ефективних, чим більше сценарії наближені до реальності. Навіть за допомогою такого вимірювального інструменту, як Snif-fer, моделювання дозволяє отримати лише ту точність, яку дають базові дані. Якщо при вимірюванні трафіку не охоплений адек-ватний діапазон мережевої активності або невірні оцінки зростання об'єк-ема трафіку, що генерується новим додатком, отримати реалістичний-ве опис продуктивності неможливо. Необхідні не тільки точні дані, а й певна підго-товки експериментатора, розуміння того, що означає програма моделювання і які сценарії більш життєздатні. Хоча інстру-ментальні засоби є графічними і з ними легко рабо-тать, ці кошти не дають конкретних рекомендацій, наприклад, як "виділити цей сегмент мережі" або "зменшити тут довжину кабелю". Засоби моделювання здатні показати, яким чином із-трансформаційних змін можуть вплинути на продуктивність, але інтерпретувати дані, розробляти план усунення "вузьких" місць і готувати сценарії для перевірки цих планів повинен адміністратор мережі. . - 10 - ІНДЕКСИ ПРОДУКТИВНОСТІ Найбільш широко поширені класи кількісних ін-Декс продуктивності для обчислювальних систем перераховані в табл. 1. Із загальних визначень, даних у тій же таблиці, очевидно, що індекси продуктивності мають розмірність обсяг 7 0время 5-1 0, ін-Декс реактивності - розмірність часу, а індекси використання безрозмірні. В даний час не існує стандартизованого єдиного способу вимірювання об'єму, або кількості інформації, пе-реработанной системою. Таким чином, залежно від системи і від її робочого навантаження будуть використовуватися різні заходи об'єк-ема; серед найбільш поширених можна назвати: завдання, програму, процес, роблять завдання, завдання, повідомлення, взаємодією-твіє (обмін повідомленнями), команду. Перелічити всі значення, при-писані раніше і приписуються нині цим термінам в літературі з обчислювальних систем, мабуть, неможливо. Тут ми тільки відзначимо, що всі вони певною мірою залежать від природи ра-бочей навантаження, від мови, на якому програмісти описують свої алгоритми для машини, від внутрішнього мови машини і від способу організації системи. Таким чином, жодна з цих заходів не обла-дає властивістю незалежності від робочого навантаження і властивістю не-залежності від системи - це дві властивості, необхідні для того, щоб можна було встановити деяку міру обсягу інформації в якості універсальної. . - 11 - АНАЛІТИЧНЕ МОДЕЛЮВАННЯ НА ОСНОВІ ТЕОРІЇ СИСТЕМ МАСОВОГО ОБСЛУГОВУВАННЯ ЗАГАЛЬНІ ПОЛОЖЕННЯ При аналітичному моделюванні дослідження процесів або об'єктів замінюється побудовою їх математичних моделей і допоміжні-ледованіем цих моделей. В основу методу покладено ідентичність форми рівнянь і однозначність співвідношень між змінними в рівняннях, що описують оригінал і модель. Оскільки події, що відбуваються в локальних обчислювальних мережах, носять випадковий характер, то для їх вивчення найбільш відповідними є веро-ятностние математичні моделі теорії масового обслуговування. Об'єктами дослідження в теорії масового обслуговування є системи масового обслуговування (СМО) і мережі масового обслуговуючи-ня (Семо). Системи масового обслуговування класифікуються за такими ознаками: - закону розподілу вхідного потоку заявок; - числу обслуговуючих приладів; - закону розподілу часу обслуговування в обслуговуючих приладах; - числу місць у черзі; - дисципліни обслуговування. Для стислості запису при позначенні будь-який СМО прийнята сис-тема кодування A/B/C/D/E, де на місці букви ставляться уівідповідності-твующіе характеристики СМО: А - закон розподілу інтервалів часу між надходженням-ями заявок. Найбільш часто використовуються такі закони розбраті-ділення: експоненційний (М), ерланговское (Е), гіперекспоненці-ально (Н), гамма-розподіл (Г), детерміноване (D). Для позначення довільного характеру розподілу використовується символ G; В - закон розподілу часу обслуговування в приладах СМО. Тут прийняті такі ж позначення, як і для розподілу ін-тервалов між надходженнями заявок; С - кількість обслуговуючих приладів. Тут прийняті наступні позначення: для одноканальних систем записується 1, для багато-канальних в загальному випадку - l (кількість каналів); D - число місць у черзі. Якщо число місць у черзі не обмежені-нічено, то дане позначення може опускатися. Для кінцевого числа місць у черзі в загальному випадку прийняті позначення r або n (кількість місць); Е - дисципліна обслуговування. Найбільш часто використовуються наступні варіанти дисципліни обслуговування: FIFO (першим прийшов - першим вийшов), LIFO (останнім прийшов - першим вийшов), RANDOM (випадковий порядок обслуговування). При дисципліни обслуговування FIFO дане позначення може опускатися. Приклади позначень: М/М/1 - СМО з одним обслуговуючим приладом, нескінченної оче-редью, експоненціальним законом розподілу інтервалів време-ни між надходженнями заявок і часу обслуговування, дисципліною - 12 - обслуговування FIFO; Е/Н/l/r/LIFO - СМО з кількома обслуговуючими приладами, кінцевою чергою, ерланговскім законом розподілу інтервалів між надходженнями заявок, гіперекспоненціальним розподілом часу обслуговування в приладах, дисципліною обслуговування LIFO; G/G/l - СМО з кількома обслуговуючими приладами, Беско-нечной чергою, довільними законами розподілу часу між надходженнями заявок і часу обслуговування, дисципліною обслуговування FIFO. Для моделювання ЛВС найбільш часто використовуються такі типи СМО: 1) одноканальні СМО з очікуванням - представляють собою один обслуговуючий прилад з нескінченною чергою. Дана СМО є найбільш поширеною при моделюванні. З тією або іншою часткою наближення з її допомогою можна моделювати практично будь-який вузол ЛВС; 2) одноканальні СМО з втратами - представляють собою один обслуговуючий прилад з кінцевим числом місць у черзі. Якщо кількість заявок перевищує кількість місць у черзі, то зайві заявки губляться. Цей тип СМО може бути використаний при моделюванні каналів пе-редачі в ЛВС; 3) багатоканальні СМО з очікуванням - представляють собою ніс-колько паралельно працюючих обслуговуючих приладів із загальною біс-кінцевої чергою. Даний тип СМО часто використовується при моделі-рованії груп абонентських терміналів ЛВС, що працюють у діалоговому режимі; 4) багатоканальні СМО з втратами - представляють собою ніс-колько паралельно працюючих обслуговуючих приладів із загальною оче-редью, число місць в якої обмежена. Ці СМО, як і одн-нальні з втратами, часто використовуються для моделювання каналів зв'язку в ЛВС; 5) одноканальні СМО з груповим надходженням заявок - представляють собою один обслуговуючий прилад з нескінченною оче-редью. Перед обслуговуванням заявки групуються в пакети з визначенням правилом; 6) одноканальні СМО з груповим обслуговуванням заявок представлення тавляют собою один обслуговуючий прилад з нескінченною чергою. Заявки обслуговуються пакетами, що складається за певним правилом. Останні два типи СМО можуть використовуватися для моделі-вання таких вузлів ЛВС, як центри (вузли) комутації. У таблиці 2 наведені умовні позначення та схеми даних систем масового обслуговування. Локальна обчислювальна мережа в цілому може бути пред-на у вигляді мережі масового обслуговування. Розрізняють відкриті, замк-нутие і змішані мережі. 1Откритой 0 називається мережу масового обслуговування, що складається з М вузлів, причому хоча б в один з вузлів мережі надходить ззовні вхідний потік заявок, і є сток заявок з мережі. Для відкритого-тих мереж характерно те, що інтенсивність надходження заявок до мережі не залежить від стану мережі, тобто від числа заявок, вже пос-тупівшіх в мережу. Відкриті мережі використовуються для моделювання ЛВС, що працюють в неоперативне режимі. Приклад такої моделі даний - 13 - на рис. 1. Тут системи S1 та S2 моделюють роботу вузлів комутац-ції, системи S3 і S4 - роботу серверів і системи S5 і S6 - роботу міжвузлових каналів. У мережі циркулюють два потоки заявок. Кожна заявка надходить на вхід відповідного вузла комутації, де визначається місце її обробки. Потім заявка передається на "свій" сервер або по каналу зв'язку - на "сусідній" сервер, де про-рабативается, після чого повертається до джерела і покидає мережу. 1Замкнутой 0 називається мережу масового обслуговування з велика кількість-вом вузлів М без джерела і стоку, в якій циркулює постійного-ве число заявок. Замкнені Семо використовуються для моделювання таких ЛВС, джерелами інформації для яких служать абонентські термінали, що працюють в діалоговому режимі. У цьому випадку кожна група абонентських терміналів предтавляется у вигляді багатоканальної системи масового обслуговування з очікуванням і включається до складу пристроїв мережі. Розрізняють простий і складний режими роботи діалогових абон-тів. У простому режимі абоненти не роблять жодних дій, окрім посилки завдань в ЛОМ та обдумування одержаної відповіді. Приклад такої моделі даний на рис. 2. Тут системи S01 і S02 моді-ліруют роботу груп абонентських терміналів 1 і 2, системи S7 і S8 моделюють роботу каналів зв'язку з абонентами, системи S1 та S2 - роботу вузлів комутації (моста), системи S3 і S4 - роботу серве-рів і системи S5 і S6 - роботу каналів міжвузлових зв'язку. Абоненти з терміналів посилають запити, які по каналах зв'язку надходять на вузли комутації, а звідти - на обробку на "свій" або "" з-Седнів "сервер. Подальша обробка здійснюється так само, як в мережі на рис. 1. При складному режимі діалогу робота абонентів представляється у вигляді сукупності операцій деякого процесу, званого 1техноло-1гіческім процесом 0. Кожна операція технологічного процесу мо-делірію відповідної СМО. Частина операцій передбачає звернення до ЛОМ, а частина операцій може такого звернення не пре-дусматрівать. Приклад моделювання ЛОМ з складною структурою діа-логу абонентів за допомогою замкнутих Семо даний на рис. 3. Тут име-ются дві групи абонентів, кожен абонент в процесі роботи з-вершать кілька операцій, причому частина з цих операцій передбачають матрівает звернення до ЛВС. Алгоритм роботи самої ЛВС такий же, як для мережі на рис. 2. 1Смешанной 0 називається мережу масового обслуговування, в якій циркулює кілька різних типів заявок (трафіку), причому щодо одних типів заявок мережа замкнута, а щодо інших типів заявок мережа відкрита. За допомогою змішаних Семо моде-ліруются такі ЛВС, частина абонентів яких працює в діалогове-вом, а частина - в неоперативне режимі. Для діалогових абонентів також розрізняють простий і складний режим роботи. Часто змішані Семо моделюють ЛВС, в яких сервер додатково завантажується задачами, які розв'язуються на фоні роботи самої мережі. Приклад моделювання ЛОМ з простим режимом роботи діалогових абонентів за допомогою змішаних Семо даний на рис. 4. Алгоритм роботи мережі для діалогових абонентів аналогічний алгоритму роботи мережі на рис. 2, а алгоритм роботи мережі для неоперативних абонентів - ал-- 14 -- горітму роботи мережі на рис. 1. Розрізняють експоненціальні і неекспоненціальние моделі ЛОМ. 1Експоненціальние моделі 0 засновані на припущенні про те, що як і струми заявок, що надходять в ЛВС, є пуассонівської, а час обслуговування у вузлах ЛВС має експоненційний розподіл. Для таких мереж отримані точні методи для визначення їх характе-теристик; трудомісткість одержання рішення залежить в основному від розмірності мережі. Однак у більшості мереж (і локальних мереж зокрема) потоки не є пуассонівської. Моделі таких мереж називаються 1неекспоненціальнимі 0. При аналізі неекспоненціальних мереж в загальному випадку відсутні точні рішення, тому найбільше застосування тут знаходять наближені методи. Одним з таких методів є метод дифузійного аппроксі-ції. Використання дифузійного апроксимації дозволило, до нас-тоящему часу отримати наближені аналітичні залежності для визначення характеристик всіх типів СМО, розглянутих вище. При цьому не потрібно точного знання функцій розподілу слу-чайних величин, пов'язаних з даною СМО (інтервалів між поступ-леніямі заявок часом обслуговування в приладах), а достатньо лише знання першого (математичного сподівання) та другого (дис-Персії або квадрата коефіцієнта варіації - ККВ) моментів цих величин. Застосування дифузійного апроксимації при аналізі ЛВС осно-вано на наступному: 1) по кожному типу заявок обчислюється інтенсивність поступ-лення заявок даного типу у вузли мережі так, як якби даний по-ток заявок циркулював в мережі тільки один; 2) за визнаділене правилом, що залежить від типу СМО і дис-ціпліни обслуговування, складаються потоки заявок від всіх Істочна-ков; 3) за певним правилом визначається середній час обс-лужіванія в кожному вузлі ЛВС; 4) отримані значення підставляються у відповідну диферен-фузіонную формулу і визначаються характеристики вузлів ЛВС; 5) визначаються характеристики ЛОМ у цілому. Постановка завдання аналізу ЛВС при цьому прийме наступний вигляд. Дано: число вузлів ЛВС; тип кожного вузла ЛОМ (тип СМО, що моделює даний вузол); дисципліна обслуговування в кожному вузлі ЛВС; загальне число типів джерел заявок, що працюють у діалоговому режимі; загальне число типів джерел заявок, що працюють в неопереним-тивно режимі; для діалогових джерел у випадку складного режиму роботи - кількість технологічних процесів кожного типу, число операцій в кожному технологічному процесі, середнє і ККВ часу виконання кожної операції, матриця ймовірностей передач між операціями, а також наявність або відсутність на кожній операції звернення до ЛВС; для діалогових джерел у разі простого режиму роботи - число джерел (терміналів) кожного типу, середня та ККВ часу - 15 - реакції абонента на відповідь мережі; для неоперативних абонентів - середня інтенсивність поступ-лення заявок і ККВ часу між надходженнями заявок; по кожному типу заявок ( діалогового і неоперативне) - середня інтенсивність обслуговування в кожному вузлі ЛВС, ККВ часу обслуговування у вузлах ЛОМ та матриця ймовірностей передач між уз-лами. Потрібно знайти: середнє значення та дисперсію (або стандартне відхилення) часу затримки заявки кожного типу в ЛОМ у цілому; середнє значення та дисперсію (або стандартне відхилення) часу затримки у вузлах ЛВС; завантаження вузлів ЛВС; ймовірність втрати заявки у вузлі ЛВС (для вузлів , моделюючи-екпортувати СМО з втратами). Обмеження можуть бути наступними: завантаження вузлів не повинна перевищувати 1; ймовірність втрати заявки не повинна перевищувати 1; всі характеристики повинні бути позитивні. Іноді становить інтерес визначення такого показника, як максимальний час затримки заявки кожного типу в ЛОМ. 1Максі-1мальное час 0 - це такий час, перевищення якого припустиме лише для деякого, наперед заданого відсотка заявок кожного типу. Для визначення максимального часу використовується методи-ка, заснована на апроксимації функції розподілу часу за-держки в мережі ерланговскім або гіперекспоненціальним розподілений-ням, при цьому необхідно ставити частку (відсоток) заявок, для ко-торих розраховується максимальний час. Інструментальних засобів моделювання Існує досить значна кількість ППП, автоматизованих ючий процеси розробки та дослідження аналітичних моделей обчислювальних систем і мереж. Розглянемо один з них, досить простий і зручний у використанні, - ППП "ДІФАР". В основу його побудови покладені викладені вище положення моделювання сис-тем і мереж масового обслуговування. Пакет ДІфАР призначений для аналітичного моделювання та оптимізації систем, мереж мас
