Реферат: Проектирование производительности ЛВС

ляет управлять масштабом операций.  Он будет срабатывать тем  эф-

фективнее, чем больше сценарии приближены к реальности.

     Даже при помощи такого измерительного инструмента, как Snif-

fer,  моделирование позволяет получить лишь ту точность,  которую

дают базовые данные.  Если при измерении трафика не охвачен адек-

ватный  диапазон сетевой активности или неверны оценки роста объ-

ема трафика, генерируемого новым приложением, получить реалистич-

ное описание производительности невозможно.

     Необходимы не только точные данные, но и определенная подго-

товка  экспериментатора,  понимание того,  что означает программа

моделирования и какие сценарии более жизнеспособны.  Хотя инстру-

ментальные  средства  являются  графическими и с ними легко рабо-

тать, эти средства не дают конкретных рекомендаций, например, как

"выделить этот сегмент сети" или "уменьшить здесь длину кабеля".

     Средства моделирования способны показать,  каким образом из-

менения могут повлиять на производительность, но интерпретировать

данные,  разрабатывать план устранения "узких"  мест  и  готовить

сценарии для проверки этих планов должен администратор сети.

.

                             - 10 -

                   ИНДЕКСЫ ПРОИЗВОДИТЕЛЬНОСТИ

     Наиболее широко распространенные классы  количественных  ин-

дексов производительности для вычислительных систем перечислены в

табл. 1. Из общих определений, данных в той же таблице, очевидно,

что индексы продуктивности имеют размерность объем 7 & 0 время 5-1 0, ин-

дексы реактивности - размерность времени, а индексы использования

безразмерны. В настоящее время не существует стандартизированного

единого способа измерения объема,  или количества информации, пе-

реработанной системой.  Таким образом, в зависимости от системы и

от ее рабочей нагрузки будут использоваться различные  меры  объ-

ема;  среди  наиболее  распространенных  можно назвать:  задание,

программу,  процесс,  шаг задания, задачу, сообщение, взаимодейс-

твие (обмен сообщениями), команду. Перечислить все значения, при-

писанные ранее и приписываемые ныне этим терминам в литературе по

вычислительным системам, по-видимому, невозможно. Здесь мы только

отметим,  что все они до некоторой степени зависят от природы ра-

бочей нагрузки,  от языка, на котором программисты описывают свои

алгоритмы для машины,  от внутреннего языка машины и  от  способа

организации системы.  Таким образом, ни одна из этих мер не обла-

дает свойством независимости от рабочей нагрузки и свойством  не-

зависимости от системы - это два свойства,  необходимые для того,

чтобы можно было установить некоторую меру  объема  информации  в

качестве универсальной.

.

                             - 11 -

          АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ НА ОСНОВЕ ТЕОРИИ

                  СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ

                         ОБЩИЕ ПОЛОЖЕНИЯ

     При аналитическом моделировании исследование  процессов  или

объектов  заменяется построением их математических моделей и исс-

ледованием этих моделей.  В основу метода  положены  идентичность

формы  уравнений  и однозначность соотношений между переменными в

уравнениях,  описывающих оригинал и  модель.  Поскольку  события,

происходящие  в  локальных вычислительных сетях,  носят случайный

характер,  то для их изучения наиболее подходящими являются веро-

ятностные  математические  модели  теории массового обслуживания.

Объектами исследования в теории массового  обслуживания  являются

системы  массового обслуживания (СМО) и сети массового обслужива-

ния (СеМО).

     Системы массового обслуживания классифицируются по следующим

признакам:

     - закону распределения входного потока заявок;

     - числу обслуживающих приборов;

     - закону  распределения времени обслуживания в обслуживающих

приборах;

     - числу мест в очереди;

     - дисциплине обслуживания.

     Для краткости  записи при обозначении любой СМО принята сис-

тема кодирования A/B/C/D/E, где на месте буквы ставятся соответс-

твующие характеристики СМО:

     А - закон распределения интервалов времени между поступлени-

ями заявок.  Наиболее часто используются следующие законы распре-

деления: экспоненциальное (М), эрланговское (Е), гиперэкспоненци-

альное (Н),  гамма-распределение (Г),  детерминированное (D). Для

обозначения произвольного  характера  распределения  используется

символ G;

     В - закон распределения времени обслуживания в приборах СМО.

Здесь  приняты такие же обозначения,  как и для распределения ин-

тервалов между поступлениями заявок;

     С -  число  обслуживающих приборов.  Здесь приняты следующие

обозначения:  для одноканальных систем записывается 1, для много-

канальных в общем случае - l (число каналов);

     D - число мест в очереди. Если число мест в очереди не огра-

ничено,  то  данное  обозначение может опускаться.  Для конечного

числа мест в очереди в общем случае приняты обозначения r  или  n

(число мест);

     Е - дисциплина  обслуживания.  Наиболее  часто  используются

следующие варианты дисциплины обслуживания: FIFO (первым пришел -

первым вышел),  LIFO (последним пришел -  первым  вышел),  RANDOM

(случайный  порядок  обслуживания) .  При дисциплине обслуживания

FIFO данное обозначение может опускаться.

     Примеры обозначений:

     М/М/1 - СМО с одним обслуживающим прибором, бесконечной оче-

редью, экспоненциальными законами распределения интервалов време-

ни между поступлениями заявок и времени обслуживания, дисциплиной

                             - 12 -

обслуживания FIFO;

     Е/Н/l/r/LIFO - СМО с несколькими  обслуживающими  приборами,

конечной очередью,  эрланговским законом распределения интервалов

между поступлениями заявок,  гиперэкспоненциальным распределением

времени обслуживания в приборах, дисциплиной обслуживания LIFO;

     G/G/l - СМО с несколькими обслуживающими  приборами,  беско-

нечной  очередью,  произвольными  законами  распределения времени

между поступлениями заявок и  времени  обслуживания,  дисциплиной

обслуживания FIFO.

     Для моделирования ЛВС наиболее часто используются  следующие

типы СМО:

     1) одноканальные СМО с ожиданием - представляют  собой  один

обслуживающий прибор с бесконечной очередью.  Данная СМО является

наиболее распространенной при моделировании. С той или иной долей

приближения  с  ее  помощью  можно моделировать практически любой

узел ЛВС;

     2) одноканальные  СМО  с  потерями - представляют собой один

обслуживающий прибор с конечным числом мест в очереди. Если число

заявок превышает число мест в очереди, то лишние заявки теряются.

Этот тип СМО может быть использован при моделировании каналов пе-

редачи в ЛВС;

     3) многоканальные СМО с ожиданием - представляют собой  нес-

колько параллельно работающих обслуживающих приборов с общей бес-

конечной очередью.  Данный тип СМО часто используется при модели-

ровании групп абонентских терминалов ЛВС, работающих в диалоговом

режиме;

     4) многоканальные  СМО  с потерями - представляют собой нес-

колько параллельно работающих обслуживающих приборов с общей оче-

редью,  число мест в которой ограничено.  Эти СМО,  как и однока-

нальные с потерями,  часто используются для моделирования каналов

связи в ЛВС;

     5) одноканальные  СМО  с  групповым  поступлением  заявок  -

представляют  собой  один обслуживающий прибор с бесконечной оче-

редью.  Перед обслуживанием заявки группируются в пакеты по опре-

деленному правилу;

     6) одноканальные СМО с групповым обслуживанием заявок предс-

тавляют  собой  один обслуживающий прибор с бесконечной очередью.

Заявки обслуживаются  пакетами,  составляемыми  по  определенному

правилу.  Последние два типа СМО могут использоваться для модели-

рования таких узлов ЛВС, как центры (узлы) коммутации.

     В таблице  2  приведены  условные обозначения и схемы данных

систем массового обслуживания.

     Локальная вычислительная сеть в целом может быть представле-

на в виде сети массового обслуживания.  Различают открытые, замк-

нутые и смешанные сети.

      1Открытой 0 называется сеть массового  обслуживания,  состоящая

из  М узлов,  причем хотя бы в один из узлов сети поступает извне

входящий поток заявок,  и имеется сток заявок из сети. Для откры-

тых  сетей характерно то,  что интенсивность поступления заявок в

сеть не зависит от состояния сети, т.е. от числа заявок, уже пос-

тупивших  в  сеть.  Открытые  сети используются для моделирования

ЛВС,  работающих в неоперативном режиме.  Пример такой модели дан

                             - 13 -

на рис. 1. Здесь системы S1 и S2 моделируют работу узлов коммута-

ции, системы S3 и S4 - работу серверов и системы S5 и S6 - работу

межузловых каналов.  В сети циркулируют два потока заявок. Каждая

заявка поступает на вход соответствующего  узла  коммутации,  где

определяется  место  ее  обработки.  Затем  заявка  передается на

"свой" сервер или по каналу связи - на "соседний" сервер, где об-

рабатывается,  после  чего  возвращается  к  источнику и покидает

сеть.

      1Замкнутой 0 называется  сеть массового обслуживания с множест-

вом узлов М без источника и стока, в которой циркулирует постоян-

ное  число заявок.  Замкнутые СеМО используются для моделирования

таких ЛВС,  источниками информации для которых служат абонентские

терминалы,  работающие в диалоговом режиме.  В этом случае каждая

группа абонентских терминалов предтавляется в виде многоканальной

системы  массового обслуживания с ожиданием и включается в состав

устройств сети.

     Различают простой и сложный режимы работы диалоговых абонен-

тов.  В простом режиме абоненты не производят  никаких  действий,

кроме  посылки  заданий  в  ЛВС и обдумывания полученного ответа.

Пример такой модели дан на рис.  2. Здесь системы S01 и S02 моде-

лируют работу групп абонентских терминалов 1 и 2, системы S7 и S8

моделируют работу каналов связи с абонентами,  системы S1 и S2  -

работу узлов коммутации (моста),  системы S3 и S4 - работу серве-

ров и системы S5 и S6 - работу каналов межузловой связи. Абоненты

с терминалов посылают запросы, которые по каналам связи поступают

на узлы коммутации,  а оттуда - на обработку на "свой" или  ""со-

седний" сервер. Дальнейшая обработка осуществляется так же, как в

сети на рис. 1.

     При сложном режиме диалога работа абонентов представляется в

виде совокупности операций некоего процесса, называемого  1техноло-

 1гическим процессом 0. Каждая операция технологического процесса мо-

делируется соответствующей СМО.  Часть  операций  предусматривает

обращение к ЛВС,  а часть операций может такого обращения не пре-

дусматривать. Пример моделирования ЛВС со сложной структурой диа-

лога абонентов с помощью замкнутых СеМО дан на рис. 3. Здесь име-

ются две группы абонентов,  каждый абонент в процессе работы  со-

вершает несколько операций, причем часть из этих операций предус-

матривает обращение к ЛВС.  Алгоритм работы самой ЛВС  такой  же,

как для сети на рис. 2.

      1Смешанной 0 называется сеть массового обслуживания,  в которой

циркулирует  несколько  различных типов заявок (трафика),  причем

относительно одних типов заявок  сеть  замкнута,  а  относительно

других типов заявок сеть открыта.  С помощью смешанных СеМО моде-

лируются такие ЛВС,  часть абонентов которых работает в  диалого-

вом,  а часть - в неоперативном режиме.  Для диалоговых абонентов

также различают простой и сложный режим работы.  Часто  смешанные

СеМО  моделируют ЛВС,  в которых сервер дополнительно загружается

задачами, решаемыми на фоне работы самой сети.

     Пример моделирования ЛВС с простым режимом работы диалоговых

абонентов с помощью смешанных СеМО дан на рис. 4. Алгоритм работы

сети для диалоговых абонентов аналогичен алгоритму работы сети на

рис.  2, а алгоритм работы сети для неоперативных абонентов - ал-

                             - 14 -

горитму работы сети на рис. 1.

     Различают экспоненциальные и неэкспоненциальные модели  ЛВС.

 1Экспоненциальные модели 0 основаны на предположении о том,  что по-

токи заявок,  поступающие в ЛВС, являются пуассоновскими, а время

обслуживания  в  узлах  ЛВС имеет экспоненциальное распределение.

Для таких сетей получены точные методы для определения их  харак-

теристик;  трудоемкость  получения  решения зависит в основном от

размерности сети.

     Однако в  большинстве  сетей (и локальных сетей в частности)

потоки не являются пуассоновскими.  Модели таких сетей называются

 1неэкспоненциальными 0. При анализе неэкспоненциальных сетей в общем

случае отсутствуют точные решения,  поэтому наибольшее применение

здесь находят приближенные методы.

     Одним из таких методов является метод диффузионной аппрокси-

мации. Использование диффузионной аппроксимации позволило, к нас-

тоящему времени получить приближенные  аналитические  зависимости

для определения характеристик всех типов СМО, рассмотренных выше.

При этом не требуется точного знания функций  распределения  слу-

чайных величин,  связанных с данной СМО (интервалов между поступ-

лениями заявок временем обслуживания в  приборах),  а  достаточно

только  знание первого (математического ожидания) и второго (дис-

персии или квадрата коэффициента вариации -  ККВ)  моментов  этих

величин.

     Применение диффузионной аппроксимации при анализе ЛВС  осно-

вано на следующем:

     1) по каждому типу заявок вычисляется интенсивность  поступ-

ления заявок данного типа в узлы сети так, как если бы данный по-

ток заявок циркулировал в сети только один;

     2) по  определенному правилу,  зависящему от типа СМО и дис-

циплины обслуживания, складываются потоки заявок от всех источни-

ков;

     3) по определенному правилу определяется среднее время  обс-

луживания в каждом узле ЛВС;

     4) полученные значения подставляются в соответствующую  диф-

фузионную формулу 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  неопера-

тивном режиме;

     для диалоговых источников в случае сложного режима работы  -

число  технологических  процессов каждого типа,  число операций в

каждом технологическом процессе, среднее и ККВ времени выполнения

каждой операции, матрица вероятностей передач между операциями, а

также наличие или отсутствие на каждой операции обращения к ЛВС;

     для диалоговых  источников в случае простого режима работы -

число источников (терминалов) каждого типа, среднее и ККВ времени

                             - 15 -

реакции абонента на ответ сети;

     для неоперативных абонентов - средняя интенсивность  поступ-

ления заявок и ККВ времени между поступлениями заявок;

     по каждому типу  заявок  (диалоговому  и  неоперативному)  -

средняя интенсивность обслуживания в каждом узле ЛВС, ККВ времени

обслуживания в узлах ЛВС и матрица вероятностей передач между уз-

лами.

     Требуется найти:

     среднее значение  и  дисперсию  (или стандартное отклонение)

времени задержки заявки каждого типа в ЛВС в целом;

     среднее значение  и  дисперсию  (или стандартное отклонение)

времени задержки в узлах ЛВС;

     загрузку узлов ЛВС;

     вероятность потери заявки в узле ЛВС (для узлов,  моделируе-

мых 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 максимальное время задержки заявки каждого типа в ЛВС.  1Макси-

 1мальное время 0 - это такое время,  превышение  которого  допустимо

лишь  для  некоторого,  наперед заданного процента заявок каждого

типа.  Для определения максимального времени используется методи-

ка, основанная на аппроксимации функции распределения времени за-

держки в сети эрланговским или гиперэкспоненциальным  распределе-

нием, при этом необходимо задавать долю (процент) заявок, для ко-

торых рассчитывается максимальное время.

             ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ

     Существует довольно значительное количество ППП, автоматизи-

рующих  процессы  разработки и исследования аналитических моделей

вычислительных систем и сетей. Рассмотрим один из них, достаточно

простой  и удобный в использовании,  - ППП "ДИФАР".  В основу его

построения положены изложенные выше положения моделирования  сис-

тем и сетей массового обслуживания.

     Пакет ДИфАР предназначен для аналитического моделирования  и

оптимизации  систем,  сетей массового обслуживания и сетевых сис-

тем. Он позволяет рассчитывать вероятностно-временные характерис-

тики  СМО,  СеМО и сетевых систем,  задавая в качестве параметров

два момента входных потоков и обслуживания,  что позволяет иссле-

довать поведение систем в широком диапазоне изменений как средних

значений,  так и дисперсий потоков и обслуживания,  а также найти

оптимальное  построение  сетевых  систем по значениям вероятност-

но-временных характеристик (ВВХ),  адекватных фактическим распре-

делениям.

     Пакет ДИФАР обеспечивает расчет:

     - системных характеристик для одноканальных и многоканальных

систем массового обслуживания без ограничений на емкости буферных

накопителей  (среднее  значение  и  дисперсия времени пребывания,

максимальное время пребывания для r процентов заявок, загрузка);

                             - 16 -

     - системных характеристик для одноканальных и многоканальных

систем массового обслуживания, учитывающих ограничения на емкости

буферных накопителей (среднее значение и дисперсия времени пребы-

вания,  максимальное время пребывания для r процентов заявок, ве-

роятность отказа в обслуживании, загрузка);

     - системных характеристик для одноканальных систем массового

обслуживания с групповым поступлением заявок или групповым обслу-

живанием заявок (среднее значение и дисперсия времени  пребывания

заявки,  максимальное  время  пребывания  для r процентов заявок,

загрузка);

     - системных  и  сетевых  характеристик открытых неоднородных

сетей массового обслуживания с узлами  различных  типов  (среднее

значение и дисперсия времени пребывания в сети, максимальное вре-

мя пребывания в сети для r процентов заявок,  среднее значение  и

дисперсия  времени  пребывания  в каждом узле сети,  максимальное

время пребывания в каждом узле для r процентов  заявок,  загрузка

узлов сети, вероятности отказов в обслуживании в узлах);

     - системных и сетевых характеристик  замкнутых  и  смешанных

неоднородных  сетей массового обслуживания с узлами различных ти-

пов,  с простым режимом работы диалоговых абонентов (среднее зна-

чение  и дисперсия времени пребывания в сети заявки каждого типа,

максимальное время пребывания в сети для r процентов заявок  каж-

дого типа, среднее значение и дисперсия времени пребывания в каж-

дом узле сети,  загрузка узлов сети, вероятности отказов в обслу-

живании в узлах);

     - системных и сетевых характеристик  замкнутых  и  смешанных

неоднородных  сетей массового обслуживания с узлами различных ти-

пов со сложным режимом работы диалоговых абонентов (среднее  зна-

чение  и дисперсия времени цикла технологического процесса работы

каждого диалогового абонента, максимальное время цикла для r про-

центов технологических процессов каждого типа, среднее значение и

дисперсия времени пребывания в сети заявки каждого  типа,  макси-

мальное  время  пребывания  в сети для r процентов заявок каждого

типа,  среднее значение и дисперсия времени пребывания  в  каждом

узле сети,  загрузка узлов сети, вероятности отказов в обслужива-

нии в узлах);

     - показателей производительности сетевых систем,  в качестве

моделей которых используются открытые, замкнутые и смешанные сети

массового обслуживания (локальные вычислительные сети, информаци-

онно-вычислительные сети, центры коммутации пакетов и др.) .

     Пакет программ  позволяет  проводить  анализ сетевых систем,

включающих от 30 (замкнутые и смешанные сети со  сложным  режимом

работы диалоговых абонентов) до 50 узлов СМО (открытые, замкнутые

и смешанные сети с простым диалогом) на PC XT/AT с  512  Кбайтами

оперативной памяти.

     Ниже приведены примеры моделирования некоторых локальных вы-

числительных сетей.  Результаты расчетов характеристик данных се-

тей получены с помощью пакета ДИФАР.

                             - 17 -

                ПРИМЕРЫ АНАЛИТИЧЕСКИХ МОДЕЛЕЙ ЛВС

      2Пример 1 0. Рис. 5 иллюстрирует работу локальной сети с элект-

ронной почтой на базе городской телефонной сети (модель с потеря-

ми заявок).  На вход каждого узла сети поступает поток  заявок  с

некоторой интенсивностью. Системы S1 - S6 моделируют работу теле-

фонных каналов.  Если канал в требуемом направлении занят, то за-

явка теряется.

     Исходные данные:

          Устройство      Среднее время      ККВ времени       

                          обслуживания       обслуживания      

             1               7,69 с            2,0

             2               7,69 с            2,0

             3               7,69 с            2,0

             4               7,69 с            2,0

             5               7,69 с            2,0

             6               7,69 с            2,0

     Интенсивность поступления  заявок  от  каждого  источника  -

0,3 з/с.

     Результаты расчета:

     среднее время задержки в сети - 15,0477 с;

     стандартное отклонение времени задержки в сети - 18,7703;

     максимальное время задержки в сети для 90%  заявок - 35,2611

с.

     Характеристики устройств:

      Среднее время    Стандартное от-   Загрузка   Вероятность

       задержки, с     клонение времени              потери

                          задержки

 1      7,69231           10,8786        0,451431    0,022396

 2      7,69231           10,8786        0,451431    0,022396

 3      7,69231           10,8786        0,451431    0,022396

 4      7,69231           10,8786        0,451431    0,022396

 5      7,69231           10,8786        0,451431    0,022396

 6      7,69231           10,8786        0,451431    0,022396

      2Пример 2. 0 Рис. 6 иллюстрирует работу локальной сети с элект-

ронной почтой на телефонной сети (модель с ожиданием и без потерь

заявок).  Системы S1, S5, S9 моделируют работу передатчика инфор-

мации (узла коммутации). Системы S2, S3, S6, S7, S10, S11 модели-

руют задержку в каналах связи между соответствующими узлами. Сис-

темы S4, S8, S12 моделируют работу приемника информации (ЭВМ).

     Принцип работы следующий.

     Абонент узла  1  готовит  письмо,  которое поступает на узел

коммутации (система S1),  где определяется адресат письма и  осу-

ществляется передача в нужном направлении. Если адресатом являет-

ся абонент узла 2,  то письмо передается по каналу S3, а если ад-

ресат - абонент узла 3,  то передача осуществляется по каналу S2.

                             - 18 -

В случае занятости канала передатчик  ожидает  его  освобождения,

после  чего  производит передачу.  На приемном конце стоит персо-

нальная ЭВМ с жестким магнитным диском,  куда записывается  полу-

ченное письмо. Письма от абонентов других узлов передаются анало-

гично.

     Исходные данные:

          Устройство          Среднее время         ККВ  времени

                              обслуживания          обслуживания

            1                    12,000 с               0,5

            2                     3,410 с               2,0

            3                     3,410 с               2,0

            4                     0,016 с               2,0

            5                    12,000 с               0,5

            б                     3,410 с               2,0

            7                     3,410 с               2,0

            8                     0,016 с               2,0

            9                    12,000 с               0,5

           10                     З,410 с               2,0

           11                     3,410 с               2,0

           12                     0,016 с               2,0

     Интенсивность поступления заявок от каждого источника - 0,04

з/с,

     Результаты расчета:

     среднее время задержки в сети - 33,1653 с;

     стандартное отклонение времени задержки в сети - 26,0897;

     максимальное время задержки в сети для 90%  заявок - 67,1629

с.

     Характеристики устройств:

              Среднее время    Стандартное от-     Загрузка

               задержки, с    клонение времени

                                 задержки

         1      29,7505          25,6393           0,4819280

         2       3,41322          1,82667          0,0013930

         3       3,41322          1,82667          0,0013930

         4       0,01600          0,00226          0,000001З

         5      29,7505          25,6393           0,4819280

         6       3,41322          1,82667          0,0013930

         7       3,41322          1,82667          0,0013930

         8       0,01600          0,00226          0,0000013

         9      29,7505          25,6393           0,4819280

        10       3,41322          1,82667          0,0013930

        11       3,41322          1,82667          0,0013930

        12       0,01600          0,00226          0,000001З

      2Пример 3 0. Рис. 7 моделирует работу локальной сети по продаже

билетов.  Детально моделируется только работа одного абонентского

пункта,  потоки заявок от остальных пунктов сети представляются в

                             - 19 -

виде некоторого общего внешнего потока.

     Система S1  моделирует работу центрального процессора компь-

ютера,  установленного в пункте продажи билетов. Система S2 моде-

лирует работу принтера данного компьютера.  Система S3 моделирует

задержку в канале передачи к серверу при посылке запроса  на  би-

лет.  Система S4 моделирует задержку в канале передачи от сервера

на абонентский пункт при ответе на запрос.  Система S5 моделирует

работу сервера в центральном пункте сети.

     Принцип работы схемы следующий.

     Посетитель делает заказ на билет (операция 1).  Оператор на-

бирает запрос на клавиатуре и посылает  его  в  центральную  базу

данных на сервер (операция 2). После получения ответа клиент при-

нимает решение (операция 3). С вероятностью 0,1 требуемого билета

нет, и клиент уходит. С вероятностью 0,3 требуемого билета нет, и

клиент просит послать запрос на другой билет.  С вероятностью 0,6

требуемый  билет имеется,  оператор посылает в базу данных заявку

на этот билет и после получения ответа печатает билет на принтере

(операция 4). Затем клиент расплачивается, проверяет билет и ухо-

дит (операция 5).  Работа остальных пунктов сети моделируется об-

щим потоком со средней интенсивностью 100 з/мин, которые поступа-

ют непосредственно на сервер.

     Исходные данные.

     Техпроцесс:

                      Среднее время выпол-       ККВ времени

                      нения операции, мин    выполнения операции

           1                 2,0                     2,0

           2                 1,0                     2,0

           3                 4,0                     2,0

           4                 1,0                     2,0

           5                 4,0                     2,0

     Локальная сеть:

                  Среднее время обслужи-     ККВ времени обслужи-

                  вания в устройстве, мин     вания в устройстве

          1               0,1000                    2,0

          2               0,1500                    2,0

          3               0,0220                    2,0

          4               0,0022                    2,0

          5               0,0001                    2,0

     Результаты расчета.

     Характеристика техпроцесса:

          Среднее время цикла                     - 11,4027 мин

          Стандартное отклонение времени цикла    - 8,8591

          Максимальное время цикла

          для 90% случаев)                        - 22,9642 мин

                             - 20 -

     Характеристики запроса 1:

          Среднее время задержки в сети           - 0,245675 мин

          Стандартное отклонение задержки         - 0,284096

          Максимальное время задержки

          (для 90% случаев)                       - 0,574786 мин

     Характеристики запроса 2:

          Среднее время задержки в сети           - 0,361328 мин

          Стандартное отклонение задержки         - 0,497105

          Максимальное время задержки

          (для 90% случаев)                       - 0,839882 мин

     Характеристики устройств:

              Среднее время     Стандартное от-       Загрузка

              задержки, мин    клонение времени

                                   задержки

       1        0,109870           0,146328           0,0311816

       2        0,257241           0,357637           0,0073082

       3        0,022222           0,003143           0,0000282

       4        0,002222           0,031427           0,0002815

       5        0,001488           0,001718           0,1001267

.

                           ЛИТЕРАТУРА

     1. Локальные вычислительные сети. Книги 1-3.

        Под ред. Назарова С.В.

        Москва "Финансы и статистика" 1995

     2. Д. Феррари.

        Оценка производительности вычислительных систем.

        Москва "Мир" 1981

     3. Максименков А.В., Селезнев М.Л.

        Основы проектирования информационно-вычислительных систем

        и сетей ЭВМ.

        Москва "Радио и связь" 1991