Содержание к диссертации
Введение
ГЛАВА 1. Современное состояние проблемы эффективного использования вычислительных ресурсов в высоконагруженных информационных системах 17
1.1 Проблемы эффективного использования вычислительных ресурсов в информационных системах 17
1.2 Технологии распределения и балансировки нагрузки в высоконагруженных информационных системах 20
1.3 Виртуализация вычислительных ресурсов в облачных системах 26
1.4 Управление вычислительными ресурсами в высоконагруженных информационных системах, построенных на базе концепции облачных вычислений 31
1.5 Обзор существующих алгоритмов планирования в вычислительных системах 33
1.6 Анализ особенностей потребления вычислительных ресурсов в информационных системах образовательных учреждений 43
1.7 Постановка задачи 45
ГЛАВА 2. Разработка моделей вычислительных ресурсов интерактивных сервисов инфокоммуникационных сетей на базе облачной архитектуры 46
2.1 Структурная модель облачной системы и модель доступа к данным и приложениям 47
2.2 Построение модели виртуализации вычислительных ресурсов облачной системы 51
2.3 Модель потоков данных высоконагруженных информационных систем, применяющих концепцию облачных вычислений 54
2.4 Разработка модели обслуживания заявок пользователей информационной системы 62
2.5 Управление потоками запросов в информационных системах 66
2.6 Построение модели доступа к хранилищу данных и приложений 69
2.7 Критерии и показатели оценки эффективности разработанных моделей 72
ГЛАВА 3. Архитектура и программная реализация компонентов управления нагрузкой в вычислительной среде 79
3.1 Разработка алгоритма распределения и динамической балансировки
нагрузки в облачной системе 79
3.2 Алгоритм управления виртуальными ресурсами и приложениями 85
3.3 Алгоритм распределения нагрузки при доступе к данным облачной системы хранения 88
3.4 Алгоритм оптимизации процесса миграции данных в облачной системе хранения 93
3.5 Проектирование и разработка автоматизированного программного симулятора для распределения и динамической балансировки нагрузки в облачной системе 96
3.6 Программная реализация эффективных алгоритмов распределения и
динамической балансировки нагрузки для контроллера облачной системы 100
ГЛАВА 4. Моделирование процесса управления нагрузкой на вычислительные ресурсы коммуникационно- информационной системы дистанционного обучения, построенной с использованием облачных технологий и анализ полученных результатов 105
4.1 Моделирование и анализ вычислительных ресурсов информационной системы дистанционного обучения 105
4.2 Анализ нагрузки на мультимедийные сервисы информационной системы дистанционного обучения 112
4.3 Оценка эффективности модели информационной системы дистанционного обучения, использующей концепцию облачных вычислений 115
4.4 Имитационное моделирование работы высоконагруженных интерактивных сервисов информационной системы с учетом облачной архитектуры 117
4.5 Проведение экспериментального исследования в облачной системе Openstack 125
4.6 Анализ результатов моделирования 128
Заключение 131
Список литературы
- Технологии распределения и балансировки нагрузки в высоконагруженных информационных системах
- Модель потоков данных высоконагруженных информационных систем, применяющих концепцию облачных вычислений
- Алгоритм распределения нагрузки при доступе к данным облачной системы хранения
- Анализ нагрузки на мультимедийные сервисы информационной системы дистанционного обучения
Введение к работе
Актуальность темы. В настоящее время область применения интегрированных информационных систем (ИС) не ограничивается только обработкой, хранением и передачей значительных объемов данных. Одной из задач ИС является поддержка бесперебойной работы интерактивных сервисов в условиях постоянного роста потребления вычислительных ресурсов при их ограниченном объеме. Таким образом, с помощью современных средств телекоммуникаций и связи необходимо решить задачу оптимизации использования доступных вычислительных ресурсов с учетом особенностей их востребованности, включая неоднородность поступающих потоков запросов пользователей, и физические ограничения оборудования.
Проблема ограниченности ресурсов особенно актуальна для образовательных учреждений, поддерживающих собственные ИС. В ВУЗе вычислительные ресурсы ИС востребованы множеством пользователей, осуществляющих одновременный доступ к нескольким сервисам. Одной из наиболее востребованной составляющей ИС ВУЗа является система дистанционного обучения (СДО), поддерживающая работу нескольких разнородных приложений. Следовательно, для обеспечения непрерывного доступа к ИС требуется решить проблему эффективного распределения между сервисами ограниченного объема ресурсов. В настоящее время нет универсальных решений, способных одновременно осуществлять распределение и балансировку нагрузки между различными мультимедийными сервисами в условиях физических ограничений по вычислительным ресурсам.
Для оценки эффективности существующих решений, с учетом качества предоставляемых услуг, необходима разработка соответствующих моделей и применение наукоемких теоретических и экспериментальных методов изучения. В настоящее время, в исследуемой нами области, широко используется математический аппарат теории систем массового обслуживания (СМО). Данной проблеме посвящены фундаментальные работы таких авторов как Л. Клейнрок, С.А. Майоров, А.П. Пшеничников, Т.Л. Саати, Е.С. Вентцель, А.Л. Лифшиц, А.К. Эрланг и ряда других. Ведущее место в общей математической модели СМО занимает модель входящего потока заявок, поступающих в систему на обслуживание. Потоки передаваемых данных в мультимедийных приложениях отличаются повышенными требованиями к параметрам качества обслуживания (QoS), таких как, задержка пакетов, скорость передачи, а также пропускная способность каналов связи.
Указанные проблемы предлагается решать посредством применения современной концепции облачных вычислений (Cloud Computing), в соответствии с которой конечным пользователям предоставляется доступ к виртуальным ресурсам единой системы, осуществляющей контроль, распределение и балансировку нагрузки между вычислительными узлами и приложениями. При этом для обеспечения выполнения ограничения по общему объему вычислительных ресурсов предлагается разработать дополнительные модели и алгоритмы, оптимизирующие размещение объектов и данных ИС, а
также формирующие порядок обслуживания запросов в соответствии с выбранными критериями.
Технологии распределения и балансировки нагрузки в высоконагруженных информационных системах
Одной из проблем современных высоконагруженных информационных систем (ИС) является потребность в больших объемах вычислительных ресурсов. Для организации работы сервисов в едином информационном пространстве с использованием современных средств телекоммуникаций и связи требуется решение нескольких классов задач, включающих в себя оптимизацию следующих компонентов: - сетевых ресурсов; - архитектуры аппаратных средств, обеспечивающих работу ИС; - программных комплексов и алгоритмов, применяемых для обработки запросов и предоставления доступа к данным. При решении поставленных задач оптимизации необходимо учитывать проблему физических ограничений по техническим ресурсам. В высоконагруженных информационных системах, использующих современные средства телекоммуникаций и связи, рост потребления ресурсов имеет экспоненциальный характер [20]. В связи с этим для повышения эффективности обслуживания запросов пользователей требуется разработка соответствующих методов и алгоритмов, позволяющих в комплексе повысить производительность и надежность вычислительных ресурсов информационных систем. Оценку эффективности предлагаемых решений для обозначенных классов задач можно произвести, используя коэффициент масштабирования. Рассмотрим более подробно основные проблемы, оказывающие влияние на каждую из представленных задач.
Основной проблемой для телекоммуникационных сетей и информационных систем в условиях ограниченности технических ресурсов является обеспечение качества обслуживания (QOS) при выполнении запросов пользователей [81,69,28]. При этом для обеспечения работы различных типов приложений, входящих в состав информационных систем, используются одновременно несколько подходов, позволяющих управлять ресурсами и масштабированием. К ним относят управление шириной полосы пропускания и временем задержек прохождения информации по сети [10]. Кроме этого, существенное влияние на качество обслуживания оказывает сам канал связи с информационным ресурсом от пользователя до вычислительного узла, обрабатывающего запрос. На характеристики канала связи оказывает влияние его физическая структура, топология сети, а так же маршрутизация трафика. В современных сетях передачи данных основные проблемы создают большие объемы передаваемых данных и разнородный трафик [27]. Современные концепции программно-конфигурируемых сетей, позволяющие динамически перестраивать ее компоненты для передачи необходимого трафика в нужном направлении, решают данные проблемы [5,25]. На уровне архитектуры аппаратных средств, обеспечивающих работу информационных систем с использованием современных средств телекоммуникаций и связи, основной проблемой, в условиях ограниченности ресурсов является неравномерность их потребления. При этом неэффективное использование ресурсов в современных информационных системах возникает по причине изолированности корпоративных приложений на отдельных вычислительных узлах. Для обеспечения непрерывного доступа к вычислительным узлам и снижению отказов всей информационной системы в целом, как правило, применяют системы распределения и балансировки нагрузки. Однако такой подход имеет ряд недостатков, главным из которых является усложнение самой архитектуры информационной системы и, как следствие, введение накладных расходов на обеспечение безотказной работы компонентов, осуществляющих распределение и балансировку нагрузки между вычислительными узлами. Отказы оборудования на физическом уровне являются наиболее критичными для высоконагруженных информационных систем, так как на их устранение требуется значительно большее время. Следовательно, для повышения эффективности масштабирования требуется изолировать физические вычислительные узлы от размещаемых на них приложений информационной системы. Одним из методов, решающих данную задачу, является виртуализация вычислительных ресурсов [8]. Используя гибкую архитектуру, традиционные вычислительные узлы преобразуются в контейнеры, поддерживающие динамическое изменение конфигурации основных компонентов в ИС. Однако стандартные средства виртуализации не учитывают особенности размещаемых приложений и сервисов, а также ограничения по вычислительным ресурсам в техническом и экономическом аспектах. Следовательно, для решения задачи оптимизации на уровне архитектуры аппаратных средств требуется разработка дополнительных способов, методов и алгоритмов, позволяющих повысить коэффициент масштабирования информационной системы. На прикладном уровне коэффициент масштабирования зависит от программных комплексов и алгоритмов, применяемых для обработки данных. Масштабируемые приложения позволяют распараллелить процесс обслуживания однотипных запросов пользователей, используя кэширование данных и алгоритмы оптимизации потребления ресурсов. Как правило, для оценки ресурсоемкости приложений применяются следующие характеристики вычислительных систем: загрузка процессора и потребление оперативной памяти [15]. Для высоконагруженных приложений, входящих в состав информационных систем, перечисленные показатели не являются основными. Причиной тому назначение самих информационных систем. Как правило, информационные системы строят для обработки, хранения и передачи больших массивов данных [27]. При этом производительность обработки запросов пользователей зависит от эффективности работы системы управления базами данных, системы хранения данных, а также от загрузки каналов связи между вычислительными узлами информационной системы.
Таким образом, для оптимизации использования вычислительных ресурсов в условиях физических ограничений требуется учитывать прикладной и физический уровень архитектуры информационной системы. Рассмотрим более детально подходы, применяемые для решения задачи оптимизации использования вычислительных ресурсов в высоконагруженных информационных системах.
Технологии распределения и балансировки нагрузки в высоконагруженных информационных системах Как определено ранее, для обеспечения высокой доступности вычислительных ресурсов применяют различные технологии распределения и балансировки нагрузки [70].
В общем виде любое распределение нагрузки строится с использованием единой точки доступа к вычислительным ресурсам [64]. Как правило, для этих целей используется граничное устройство, выполняющее функции принятия, распределения и переадресации запросов на наименее нагруженные вычислительные узлы информационной системы (рисунок 1.1) [1].
В сетях передачи данных выделяют два подхода к распределению нагрузки. Первый реализован на канальном и сетевом уровне модели OSI и осуществляет управление сетевым трафиком. Второй подход распределяет нагрузку за счет управления потоками приложений. При этом для распределения нагрузки в информационных системах могут одновременно применяться оба подхода.
Помимо указных подходов системы распределения нагрузки принято классифицировать по двум основным типам архитектуры: некластеризованную и кластеризованную. Основным отличием между этими архитектурами является подход к выбору компонентов для системы распределения. Системы, построенные с использованием кластеризованной архитектуры, используют однотипные вычислительные ресурсы. В некластеризованной системе ресурсы разнородны, кроме того, они могу быть не связаны друг с другом.
Модель потоков данных высоконагруженных информационных систем, применяющих концепцию облачных вычислений
Вторая глава посвящена разработке моделей, описывающих предметную область исследования, а именно: уровни абстракции мультимедийных приложений, схему виртуализации основных компонентов облачной системы, а также особенности обслуживания запросов пользователей при обращении к информационным ресурсам.
Для создания эффективных алгоритмов управления балансировкой и распределением нагрузки в системах, предоставляющих широкополосный доступ к мультимедийным образовательным сервисам, необходима разработка адекватных моделей. Модели должны описывать работу облачной системы с учетом неоднородности поступающих запросов, виртуализации основных компонентов и узлов, а также существенных ограничений в вычислительных ресурсах.
В структуре облачной системы выделены: - структурная модель облачной системы; - структурная модель доступа к данным и приложениям; - модель виртуализации вычислительных ресурсов облачной системы; - модель потоков данных информационных систем, применяющих концепцию облачных вычислений; - модель обслуживания заявок пользователей; - модель доступа к хранилищу данных и приложений.
Опишем более подробно каждую из перечисленных моделей. 2.1 Структурная модель облачной системы и модель доступа к данным и приложениям
Основным отличием структурной облачной системы от традиционных вычислительных ресурсов заключается в том, что вводятся виртуальные вычислительные узлы, представляющие собой экземпляры виртуальных машин, соединенных на каждом физическом вычислительном узле с помощью виртуального коммутатора.
В структуре физического вычислительного узла выделим: виртуальные вычислительные узлы, операционную систему физического вычислительного узла и виртуальный коммутатор (Рисунок 2.1). Физический вычислительный узел Операционная система вычислительного узла Виртуальная машина Виртуальная машина n Операционная система виртуальной машины Операционная система виртуальной машины n Приложение Приложение Приложение n Приложение n Аппаратное обеспечение виртуальной машины Аппаратное обеспечение виртуальной машины n Физическое аппаратное обеспечение вычислительного узла Структура физического вычислительного узла в модели облачной системы Все виртуальные вычислительные узлы подключены с помощью одного или нескольких виртуальных портов к виртуальному коммутатору. Сам физический вычислительный узел с помощью виртуального порта соединен с виртуальным коммутатором. Виртуальный коммутатор подключен к физическим портам физического вычислительного узла, через которые он связан с другими устройствами сети. На каждом физическом вычислительном узле, как правило, расположено несколько виртуальных машин. Основной задачей использования виртуальных машин в облачной инфраструктуре является разделение между аппаратной и программной составляющей работы информационной системы. Это позволяет более гибко использовать имеющиеся вычислительные ресурсы и исключать простои, связанные со сбоями в работе физических вычислительных узлов. Динамическая конфигурация виртуальных машин позволяет гибко настраивать их работу и обеспечивать балансировку нагрузки между узлами. Построенная структурная модель позволяет представить особенности организации работы облачной системы и описать назначение ее основных компонентов. Однако данная модель не описывает непосредственную работу самой информационной системы, предоставляющей доступ к данным и приложениям конечным пользователям.
Для описания механизмов доступа к данным и приложениям информационных систем необходимо дать характеристику основных процессов, а также структуры их связей. Традиционно модель связи пользователя и приложений, использующихся в информационных системах, можно описать в виде схемы представленной на рисунке 2.2.
Структурная модель связи пользователей и приложений ИС
Основой взаимодействия объектов является поток передачи данных между пользователем и вычислительным узлом, содержащим требуемое приложение. Изображенные линии связи структурной модели демонстрируют соединения на сетевом уровне между основными узлами. Пользователь при этом выступает в качестве источника, формирующего заявки на доступ к данным, а также приемника результата их выполнения при получении ответа.
Следовательно, основная бизнес-логика заложена в серверной части, отвечающей за обработку запросов пользователей и доступ к данным. Рассмотрим более детально элементы модели. В представленной модели приведены укрупненные объекты, демонстрирующие информационные потоки получения данных. Каждый из объектов предполагает горизонтальное масштабирование на несколько физических устройств. В качестве прикладного компонента чаще всего рассматривают веб-сервер, как наиболее удобный объект исследования и эффективный компонент организации доступа. Однако на практике в высоконагруженных приложениях, предоставляющих доступ к мультимедийным данным, этот компонент делят на несколько частей. Помимо самого веб-сервера, при использовании трехзвенной архитектуры, выделяют сервер приложений, а также сервера балансировки и распределения нагрузки.
В рассматриваемой информационной системе поток заявок, поступающий к приложениям, является неоднородным, а интенсивность поступления заявок к каждому из запущенных экземпляров приложений неравномерна. Все поступившие заявки становятся в очередь и ожидают начала обслуживания в соответствии с правилами обслуживания, установленными для данного экземпляра приложения. При этом время ожидания в очереди не должно превысить порогового значения некоторой величины T. Если до истечения этого срока заявка не будет обслуженной, то она покидает систему. Как правило, архитектуру информационной системы описывают в виде уровней [77]. В основном выделяют три базовых уровня: - уровень представления; - уровень приложений; - уровень хранения данных.
Алгоритм распределения нагрузки при доступе к данным облачной системы хранения
В третьей главе описываются разработанные алгоритмы оптимизации управления вычислительных ресурсов в высоконагруженных информационных системах, использующих современные средства телекоммуникаций и связи, работающих в условиях ограниченности ресурсов, учитывающие особенности размещения данных и приложений в облачной архитектуре и особенности работы мультимедийных приложений, описанные в рамках моделей, построенных в главе 2.
Кроме того, детально описаны два программных комплекса, реализующих разработанные алгоритмы: автоматизированный программный симулятор облачной системы, служащий для моделирования обслуживания запросов пользователей в информационной системе, и модуль распределения и динамической балансировки нагрузки для контроллера облачной системы OpenStack, применяемый для оптимизации использования вычислительных ресурсов и повышающий ее производительность в целом.
Основной задачей алгоритма распределения и динамической балансировки нагрузки является повышение производительности работы компонентов информационной системы за счет эффективного перераспределения потоков данных между запущенными экземплярами приложений в условиях физической ограниченности вычислительных ресурсов, обеспечивая при этом должное качество обслуживания для поступивших запросов пользователей [46,36]. В основе разработанного в рамках исследования алгоритма распределения и динамической балансировки нагрузки для облачной системы лежит агрессивный вариант алгоритма Backfill (алгоритма обратного заполнения), применяемого для оптимизации выполнения задач в Грид [107,118]. При этом решается задача повышения эффективности использования ресурсов информационной системы путем динамического управления ресурсами в условиях ограничения потребления им вычислительных мощностей.
Заявки пользователей хранятся в очереди и упорядочены согласно приоритетам. В алгоритме Backfill значение приоритета заявки определяется только относительно объема выполняемой операции, то есть путем оценки ресурсоемкости выполнения запроса пользователя. В каждом цикле планирования ресурсы выделяются заявкам в порядке их приоритетов, причем заявка пользователя может получить вычислительные ресурсы, если они не отнесены к самым приоритетным заявкам. Другое не менее важное преимущество консервативного варианта алгоритма Backfill – возможность точного резервирования ресурсов для запросов пользователей сразу же после их поступления в очередь.
При разработке алгоритма распределения и динамической балансировки нагрузки в облачной системе использованы преимущества алгоритма Backfill, но для повышения его эффективности произведен ряд оптимизационных улучшений. При работе с сервисами, размещенными в облачной системе, не исключена ситуация, при которой для обслуживания запроса пользователя могут быть задействованы сразу несколько компонентов (СХД/СУБД/каналы связи). При этом нагрузка на вычислительных узлах, обслуживающих виртуальные машины с требуемыми компонентами, может быть неравномерной. Поэтому при распределении запросов пользователей и определении приоритетов необходимо учитывать тип запроса относительно уровневой классификации приложений (видеопортал, система тестирования, электронная библиотека), представленной в модели обслуживания заявок пользователей (п.2.4), учитывающей интенсивность использования каждого из компонентов.
Таким образом, разработанный алгоритм распределения нагрузки в ходе работы строит ряд внутренних правил, тем самым подстраиваясь под поток запросов пользователей для каждого экземпляра приложений, работающих в информационной системе. В результате, план выполнения запросов с одинаковой интенсивностью в разные моменты времени может быть распределен по-разному. Перестроение правил происходит в соответствии с востребованностью ресурсов, что позволяет эффективно управлять распределением и динамической балансировкой нагрузки. Обобщенная блок-схема работы алгоритма представлена на рисунке 3.1.
На первом этапе анализируются характеристики запроса, поступающего от пользователя, а именно определяется уровень приложения назначения, входящего в состав информационной системы. Так как сам уровень приложения в многокомпонентной информационной системе подразумевает доступ к нескольким типам вычислительных ресурсов с различной интенсивностью их использования, определенной согласно модели обслуживания заявок пользователей (п. 2.4), то дополнительно определяются конкретные объекты доступа согласно модели виртуализации вычислительных ресурсов облачной системы (п. 2.2). Оценка востребованности каждого из объектов доступа производится на основе предварительных данных, полученных в результате выполнения предшествующих запросов. Так же учитываются затраты вычислительных ресурсов не только для выполнения текущего запроса, но и для других связанных с объектом доступа активных сеансов пользователей с учетом уровневой классификации востребованности компонентов представленной в модели обслуживания заявок пользователей (п. 2.4). В случаях высокой ресурсоемкости запроса по данным предварительной оценки в алгоритме применяется поэлементный анализ объектов доступа, входящих в запрос.
Для эффективного распределения нагрузки и повышения производительности приложений при обслуживании запросов пользователей в условиях ограниченности ресурсов на втором этапе работы алгоритма анализируется состояние основных компонентов информационной системы с учетом декомпозиции облачных вычислительных ресурсов. Результатом анализа является определение оптимального физического вычислительного узла, обладающего достаточным количеством ресурсов и поддерживающего работу требуемого экземпляра приложения. При анализе используется следующий набор критериев, классифицированный согласно уровням архитектуры вычислительной среды, учитывающий модель виртуализации ресурсов и приложений (п.2.2) :
Анализ нагрузки на мультимедийные сервисы информационной системы дистанционного обучения
Средствами среды Matlab нами построен симулятор облачной системы и проведено имитационное моделирование с использованием различных параметров, характерных для высоконагруженной информационной системы дистанционного обучения [29,17,63]. В качестве основных параметров моделирования будем использовать количество поступающих заявок в систему и их интенсивность. Отличительной особенностью построенной имитационной модели, от применяемых в других исследованиях, является возможность регулирования интенсивности поступления запросов с использованием выбора соответствующей функций распределения согласно уровневой классификации приложений, используемых в информационной системе, что позволяет учитывать особенности функционирования реальной инфокоммуникационной среды [54,14,6]. Определение уровня приложения для текущей заявки осуществляется в момент инициализации обслуживания заявки, таким образом, в модели создается поток заявок аналогичный реальному трафику пользователя, использующего одновременно несколько мультимедийных приложений. Кроме того имитационная модель позволяет определить для каждой из поступающих заявок весовой коэффициент, относительно определенного базового значения, установленного экспериментально и определенного в параметрах модели. Применение весового коэффициента позволяет задать объем требуемого ресурса, приближенного к реальным данным, для выполнения заявки с учетом особенностей приложений, запущенных в информационной системе.
Функционально имитационная модель представлена тремя основными блоками: Sourse, Queue, Channel. Каждый из функциональных блоков имитационной модели реализует обработку заявки, поступившей от пользователя, в соответствии фазами, описанными в схеме управления потоками запросов в информационной системе, использующей облачную архитектуру. Так блок Sourse выполняет роль источника заявок, поступающих в контроллер облачной системы. В данном блоке для каждой из заявок определяется тип приложения, в соответствии с которым задается ее ресурсоемкость.
Блок Sourse имитационной модели Блок Queue реализует очередь контроллера облачной системы. Одним из отличительных особенностей модели является использование очереди с приоритетом, формируемый динамически относительно параметров определенных алгоритмом распределения и балансировки нагрузки представленном в главе 3. Функционально имитационная модель поддерживает возврат заявок на обслуживание, минуя очередь контроллера, что позволяет обрабатывать повторные запросы пользователей в течении одного сеанса доступа к вычислительным ресурсам облачной системы.
Queue имитационной модели Блок Channel описывает непосредственное обслуживание заявки на вычислительных узлах, выделенных для работы приложений информационной системы в облаке. Отличительной особенностью построенной модели является использование 3 серверов, характеристики которых заданы равноценно [63]. Это позволяет обеспечить одинаковые начальные условия для выполнения запросов для всех типов приложений. Каждый из серверов, как и описано в схеме управления потоками запросов в информационной системе, является универсальным и может принять запрос для любого приложения, это обусловлено концепцией виртуализации ресурсов. Средства matlab не позволяют динамически создавать объекты модели, поэтому ресурс виде виртуальных машин является общим для всех вычислительных узлов [126]. Таким образом, в имитационной модели виртуальные машины с требуемым приложением присутствует на каждом из вычислительных узлов, а обращение к ним определяться параметром запроса пользователя. Порядок обслуживания запросов на вычислительных узлах и в приложениях определяется приоритетами, формируемыми относительно параметров длинны очереди к вычислительному узлу и характеристик загруженности вычислительных узлов и виртуальных машин, выполняющих также роль приложений в имитационной модели.
Интервал времени обслуживание на каждом вычислительном узле определяется функцией распределения, соответствующей данному типу приложения, и весовым коэффициентом ресурсоемкости определенным в момент поступления заявки. Кроме перечисленных отличий в построенной имитационной модели возврат заявок на повторное обслуживание возможен только для одного типа приложений (потоковых данных), все остальные заявки выходят в канал и успешно завершают обслуживание или получают отказ в обслуживании. На рисунках 4.11, 4.12 представлен блок Channel, построенной имитационной модели.
Проведем исследование представленной модели. В качестве варьируемого параметра зададим интенсивность входного потока в диапазоне от 1..200. При этом число заявок установим равным 10000, что соответствует числу зарегистрированных пользователей в системе. Так же применим приоритетную обработку заявок в очереди на контроллере облачной системы. Максимальное значение приоритета заявки определим в диапазоне от 0..200. График результатов моделирования с перечисленными выше параметрами представлен на рисунке 4.14.
Время Время а) график изменения количества б) график изменения количества поступивших заявок изменение обслуженных заявок Рисунок 4.14 - График результатов первого эксперимента В результате эксперимент показал, что абсолютная пропускная способность системы составила 112,6 (заявки/с), среднее время пребывания заявки в системе – 27 с., средняя длина очереди на контроллере облачной системы составила 150 заявок.
Для верификации возможностей имитационной модели рассмотрим заявки с равным приоритетом в очереди на контроллере облачной системы. При этом, количество заявок и интенсивность их поступления оставим неизменной. Такой подход часто применяется в облачных системах, при этом поступающие заявки формируются в очереди контроллера и поступают на обслуживание по принципу FIFO [29,17]. Результаты моделирования представлены на рисунке 4.15.
