Особенности моделирования специализированной вычислительной системы

При разработке распределённых вычислительных систем с параллельной обработкой данных возникает задача оценки влияния значений рабочей нагрузки и структуры на показатели её производительности. Одним из ключевых моментов в данной задаче становится оценка влияния различных дисциплин приоритизации на временные характеристики возникающих очередей заявок в системе, для проведения которой используются статистические методы анализа данных.

Целью данного исследования является составление метода построения имитационной модели, которая позволит оценить временные характеристики системы в зависимости от изменяющихся значений рабочей нагрузки и алгоритма обработки приоритетов. Метод основан на совместном использовании разработанной имитационной модели, детально описывающей функционирование системы рассматриваемого класса во времени с учётом конфликтных ситуаций, возникающих при параллельной обработке информации, и эксперементально полученных отдельных временных характеристик системы.

Материалы и методы. Модель реализована на языке GPSS. Рассмотрены все этапы применения представленного метода. Приведены примеры рабочей нагрузки для проведения моделирования. Даны обоснования для использования представленных данных, а также принципы, с использованием которых они были выбраны. Для анализируемого класса задач проведено имитационное моделирование функционирования вычислительной системы. В ходе построения имитационной модели системы в качестве имитируемых функциональных узлов были выбраны специализированное устройство сбора данных в качестве источника запросов; коммутатор, для которого производится моделирование очереди заявок с различным приоритетом; устройство обработки данных, являющееся конечным получателем данных. Типы используемых алгоритмов для решения задачи приоритезации заявок взяты на основе распространённых алгоритмов приоритезации, свойственных для службы Quality of Service (QoS), используемой в современном коммутационном оборудовании. Были рассмотрены 3 алгоритма приоритезации: без использования приоритетов в качестве эталона; приоритетная очередь; Weighted Round Robin в качестве более комплексного алгоритма. Данные о времени обработки различных типов запросов были получены экспериментальным методом при использовании средства анализа сетевого трафика Wireshark. Полученные времена, а также интенсивность поступления заявок на обработку заявок и соотношение заявок различных типов являются параметрами созданной модели и могут быть изменены для моделирования другой системы с аналогичной архитектурой.

Результаты. На основании анализа полученных результатов моделирования показано влияние различных дисциплин обработки приоритетов заявок в очередях на показатели производительности системы. Для анализа полученных данных используется регенеративный метод анализа модели. Представленный метод позволяет провести детальный анализ временных характеристик системы с учётом приоретизации заявок при их обработке в очередях.

Заключение. Произведённый анализ исследований показывает невозможность получения данных метрик средствами аналитического моделирования, что подчёркивает новизну исследования. Метод, полученный в ходе исследования, используется в ходе разработки систем представленного класса, что подчёркивает его практическую значимость и актуальность.

1. Павский В.А., Павский К.В. Математическая модель для расчета показателей надежности масштабируемых вычислительных систем с учетом времени переключения // Известия ЮФУ. Технические науки. 2020. № 2(212). С. 134–145. DOI: 10.18522/2311-3103-2020-2-134-145.

2. Брехов О.М., Морару В.А. Аналитическое моделирование ЭВМ, управляемой потоком данных // Автоматика и телемеханика. 1993. № 12. С. 165–178.

3. Афанасьев А.П., Посыпкин М.А., Хританков А.С. Аналитическая модель оценки производительности распределённых систем // Программные продукты и системы. 2009. № 4. С. 60–64.

4. Леонтьев А.С., Жматов Д.В. Исследование вероятностно-временных характеристик беспроводных сетей с методом доступа CSMA/CA // Russian Technological Journal. 2024. № 12(2). С. 67−76. DOI: 10.32362/2500-316X2024-12-2-67-76.

5. Леонтьев А.С. Разработка аналитических методов, моделей и методик анализа локальных вычислительных сетей. Теоретические вопросы программного обеспечения: Межвузовский сборник научных трудов. М.: МИРЭА, 2001. С. 70–94.

6. Лёвина А.П. Обзор метода имитационного моделирования [Электрон. ресурс] // Современная техника и технологии. 2017. № 5. Режим доступа: https://technology.snauka.ru/2017/05/13530 (Дата обращения: 17.12.2021).

7. Брехов О.М., Звонарева Г.А., Рябов В.В. Особенности разработки и анализа имитационной модели мультипроцессорной вычислительной системы // Открытое образование. 2017. № 3. С. 48–56.

8. Крейн М., Лемуан О. Введение в регенеративный метод анализа моделей. М.: Наука, 1982, 104 с.

9. Звонарёва Г.А., Бузунов Д.С. Использование имитационного моделирования для оценки временных характеристик распределённой вычислительной системы // Открытое образование. 2022. № 26(5). С. 32-39. DOI: 10.21686/1818-4243-2022-5-32-39.

10. Хоринг Ч. A Standard for the Transmission of IP Datagrams over Ethernet Networks [Электрон. ресурс]. Режим доступа: https://datatracker. ietf.org/doc/html/rfc894.

11. Ничолс К, Блейк С. Definition of the Differentiated Services Field (DS Field) in the IPv4 and IPv6 Headers [Электрон. ресурс]. 1998. Режим доступа: https://datatracker.ietf.org/doc/html/rfc2474.

12. Dordal L.P. An Introduction to Computer Networks. Chicago, Loyola University. 2020. [Электрон. ресурс]. Режим доступа: https://intronetworks.cs.luc.edu/current/html/index. html.

13. Бузунов Д.С., Звонарева Г.А. Моделирование специализированной вычислительной системы с параллельной обработкой информации // 20-я Международная конференция «Авиация и космонавтика». 2021. С.183–184.

14. Davies J. The Cable Guy TCP Receive Window Auto-Tuning, TechNet Magazine, 2007.

15. Бехтерев А. Качество сетей передачи данных. Программные и аппаратные измерения [Электрон. ресурс]. Режим доступа: https://habr. com/ru/articles/250821/.

16. Брехов О.М., Звонарева Г.А., Корнеенкова А.В. Имитационное моделирование. М.: МАИ, 2015. 324 с.

17. Шрайбер Т. Моделирование на GPSS. 1980. 592 с.

18. Kling T., The impact of transport protocol, packet size, and connection type on the round trip time // Blekinge Institute of Technology. 2017.

19. Siemon D., Queueing in the Linux netwok stack // Linux Journal: Networking. 2013.

20. Ross K., Kurose J. «Delay and Loss in Packet-Switched Networks». 2012.