Автоматизированные банковские системы

Как было сказано выше, совокупность банковских АС представляет собой гетерогенную среду и формулирование выводов, справедливых для всех АС затруднительно. Поэтому оценку эффективности функционирования будет проводится на примере Автоматизированной Системы Центр Обработки Данных (АС ЦОД) Московского Банка Акционерного Коммерческого Сберегательного Банка Российской Федерации.

АС ЦОД представляет собой интегрированную  базу данных (ИБД) под управлением  СУБД UNIFY 2000, реализованную на серверах Sun Sparc 1000 фирмы Sun Microsystems с операционной системой SOLARIS. АС ЦОД соединена при помощи канала связи с АС филиал, что делает возможным их взаимодействие в режиме реального времени (online). Транспортным протоколом является протокол TCP/IP. Описание блоков функциональной схемы (см. рис. 2) АС ЦОД представлено в таблице 1.

                          

Системный монитор транзакций –  один из наиболее сложных и функциональных узлов любой банковской автоматизированной системы. В следствие большого числа  выполняемых функций и значительного  количества типов обрабатываемой информации большая часть времени обработки транзакции/запроса приходится именно на данный узел. Следовательно, возникает потребность получить статистические характеристики элементов системного монитора транзакций с целью оценки эффективности его функционирования. Функциональная схема системного монитора транзакций представлена на рис. 3. Описание блоков функциональной схемы «Системный монитор транзакций» представлено в таблице 2. Системный монитор транзакций осуществляет маршрутизацию трех типов данных: запросов, команд и операций.

• Маршрутизация запросов: В следствие того, что количество типов запросов очень ограничено (исчисляется десятками), то для ускорения их обработки маршрутизация осуществляется по диапазону кода запроса. Поступающий в АС ЦОД запросы обрабатываются подсистемой Req, входящей в состав системного монитора транзакций, которая анализирует код запроса и на основании таблицы маршрутов запросов направляет его соответствующему прикладному монитору. Прикладной монитор путем обращения к ИБД формирует ответные данные на запрос, которые направляются в подсистему доставки.
• Маршрутизация операций и команд: Число возможных операций и команд довольно велико, причем необходимо фиксировать завершение (или сбой) команд и операций. В следствие этих причин маршрутизация этого вида данных усложняется. Поступающая в АС ЦОД команда или операция принимается подсистемой доставки и поступает на обработку подсистемой Jrn, которая отражает их в журнале банковских транзакций и в статусном журнале, в котором фиксируется завершенность команд и операций. Далее поступившая команда(операция) направляется головной подсистеме Mon системного монитора транзакций, которая осуществляет выборку маршрута обработки из таблиц маршрутов команд (операций) и прикладных мониторов из таблицы соответствия, в которые должны обработать поступившую команду(операцию). Далее подсистема Mon направляет согласно маршруту поступившую команду(операцию) прикладным мониторам и анализирует код возврата. Первым в маршруте обработки всегда стоит прикладной монитор «Транзит» (логическая схема п/с «Транзит» представлена на рис. 4), который не допускает дублирования команд(операций) в ИБД. Так например, оператор в филиале Сбербанка может случайно дважды нажать клавишу «Ввод» и в АС ЦОД будет доставлен дубликат команды(операции), который не должен отражаться в ИБД ЦОД. В случае успешной обработки монитором «Транзит», команда(операция) поступает на обработку другими прикладными мониторами согласно маршруту. Подсистема Mon, получив результат(код) обработки команды(операции) маршрутом прикладных мониторов, направляет его подсистеме Ack, которая фиксирует в статусном журнале результат обработки команды(операции).

Функциональная схема  маршрутизации данных системным  монитором транзакций представлена на рис. 5.

 

Схема прохождения  транзакции:

 

Транзакция online-филиала, поступающая  по каналу связи, принимается сетевой  службой оперативного online, которая  отражает ее в журнале банковских транзакций. Системный монитор транзакций (маршрутизатор) считывает транзакцию из журнала и направляет ее (согласно типу) соответствующим прикладным мониторам, которые отражают ее в ИБД ЦОД.

Процесс журналирования транзакций и  их считывания системным монитором  транзакций может быть параллельным во времени в случае образования очереди транзакций.

Если транзакция содержит вкладную операцию («приход», «расход», «зачисление», «списание»), то она через прикладной монитор поступает в системный  монитор транзакций, который отражает ее в журнале отделения-«хозяина»  филиала. После журналирования сетевая служба доставки в ОСБ считывает транзакцию из журнала и доставляет ее в соответствующее ОСБ для актуализации ИБД отделения.

 

 

Схема прохождения  запроса

 

Если от online-филиала поступает  запрос по счету, то он (минуя процесс журналирования) направляется через системный монитор транзакций в соответствующий прикладной монитор, который путем обращения к ИБД ЦОД формирует ответные данные на запрос.

Сформированный «ответ» через  прикладной монитор и системный  монитор транзакций поступает на «вход» сетевой службы оперативного online, который передает его в филиал-«адресат». В случае образования очереди запросов «ответ» на них может формироваться и отправляться с некоторой задержкой.

 

Требуется найти такие временные  характеристики подсистем АС ЦОД (прикладных мониторов, сетевой службы, системного монитора транзакций и т.п.), которые повысят ее производительность до заданного значения.

 

1.3 Система показателей

 

Исходными данными модели оценки производительности банковских автоматизированных систем являются:

1. Типизация входных данных, т.е. выделение [k] типов входных данных.
2. Целевое значение времени обработки очереди входных данных для каждого из k маршрутов.
3. Наиболее вероятный (или средний) размер очереди каждого типа входных данных.
4. Среднее время обработки подсистемами данных различных типов.
5. Среднее время обработки очереди входных данных для каждого маршрута.

 

Введем условные обозначения:

 

k	- число типов (маршрутов) входных  данных.
n	- число  подсистем рассматриваемой системы.
tij	- среднее время обработки единицы  входных данных типа [j]   i-й  подсистемой, 1£j£k, 1£i£n.
Lj	- наиболее вероятный  или средний размер (текущее значение) очереди данных типа [j], 1£j£k.
Tj	- наиболее вероятное  или среднее время (текущее  значение) обработки очереди входных данных размером Lj j-м маршрутом обработки, 1£j£k.
Tj необх.	- целевое (необходимое)  значение времени обработки очереди  входных данных размером Lj j-м маршрутом обработки, 1£j£k.

 

Исходные  данные удобно представлять в следующем  виде:

 

 

 

 

 

 

 

где

 

T(n´k) –	матрица соответствия подсистем и  средних значений времен обработки  различных типов данных.
L  -	вектор наиболее вероятных (средних) значений очередей различных типов  данных.
T1 -	вектор соответствия длин очередей различных типов данных и их времен обработки
T2 -	вектор соответствия длин очередей различных типов данных и целевых (необходимых) значений времен их обработки.

 

Решением задачи минимизации общего времени обработки системой очереди  входных данных является матрица T^мод_(n´k), компоненты которой обеспечивают обработку очередей различных типов данных (компоненты вектора L) за целевое время (компоненты вектора T²). Структура матрицы T^мод_(n´k) аналогична структуре матрицы T _(n´k).

Нахождение матрицы T^мод_(n´k) возможно воздействием неизвестного оператора на исходную матрицу T_(n´k) или решением семейства из [k] задач, решения которых представляют собой соответствующие столбцы матрицы T^мод_(n´k). В обоих случаях необходима формулировка правила заполнения матрицы T_(n´k): если  i-я подсистема не осуществляет обработку j-го типа входной информации, то элемент t_ij считается равным нулю и в дальнейшем не оказывает влияния на получение матрицы T^мод_(n´k).

 

Рекомендации к получению  исходных данных:

1. Элементы матрицы T_(n´k) – текущие параметры подсистем рассматриваемой системы (среднее время, которое затрачивает i-я подсистема на обработку j-го типа входных данных) должны быть получены путем усреднения имеющихся статистических данных по соответствующим подсистемам.
2. Элементы вектора L – текущие средние (наиболее вероятные) размеры очередей входных данных различных типов, поэтому они могут быть получены следующими способами:

• Усреднением имеющихся статистических данных.
• Заданы из расчета частоты поступления входных данных: если входные данные типа [j] поступают в систему с частотой [x] ед./с, то j-я компонента вектора L считается равной [x], а соответствующая компонента вектора T² равной 1 с.

3. Элементы вектора T¹ - наиболее вероятное или среднее время (текущее значение) обработки очереди входных данных размером L_j j-м маршрутом обработки могут быть получены как усреднением имеющихся статистических данных, так и рассчитаны по формуле:

 

 

 

4. Компоненты вектора T² - целевые (необходимые) значения времени обработки очереди входных данных размером L_j   j-м маршрутом обработки в общем случае задаются экспертно или заданы из расчета частоты поступления входных данных: если входные данные типа [j] поступают в систему с частотой [x] ед./c, то j-я компонента вектора T² считается равной 1c, а соответствующая компонента вектора L считается равной [x].

 

Такая система показателей обеспечивает поиск необходимых временных  характеристик подсистем рассматриваемой  АБС с использованием аналитической  модели. Однако, аналитическая модель не учитывает стохастические характеристики системы и прочие факторы:

1. Сложность структуры и стохастичность связей между элементами.
2. Неоднозначность алгоритмов поведения при различных условиях.
3. Большое число параметров и переменных.
4. Неполноту и недетерминированность исходной информации.
5. Разнообразие и вероятностный характер воздействий внешней среды.

Это приводит к необходимости сочетания  аналитических и имитационных методов  при исследования сложных систем.

Имитационное  моделирование позволяет достаточно просто учитывать такие факторы, как наличие стохастических и детерминированных процессов, нелинейность их характеристик, многочисленные случайные воздействия и другие явления [1]. Имитационное моделирование включает в себя ряд основных этапов, последовательность которых показана на рис. 6.

Система показателей имитационной модели системы в общем случае может быть представлена в виде множества  величин, описывающих процесс ее функционирования [2]:

1. Совокупность входных воздействий на систему:
2. Совокупность воздействий внешней среды:
3. Совокупность внутренних параметров системы:
4. Совокупность выходных характеристик:

Входные воздействия, воздействия внешней среды, внутренние параметры системы являются зависимыми (экзогенными) переменными:

Выходные характеристики являются зависимыми (эндогенными) переменными:

При синтезе структур сложных систем необходимо обеспечить в процессе моделирования  выбор не просто приемлемого, а оптимального варианта системы. Очевидно, что простым перебором такая задача не может быть решена. Учет динамических и стохастических аспектов функционирования сложных систем приводит к необходимости совместного использования оптимизационных и имитационных моделей. При этом возникает проблема рационального сочетания таких моделей для синтеза структуры сложных систем. Это приводит к специфическим итерационным процедурам поиска рациональных вариантов структуры системы путем направленного варьирования входных параметров на некотором множестве реализаций [17].

Задача синтеза структуры  сложной системы формализуется  следующим образом:

, где

F(x) - критерий  оптимальности (значение функционала  эффективности работы системы  при заданном наборе параметров X).

X=(x₁, ... , x_n) - вектор управляемых параметров.

g_j(x), h_s(x) - функциональные ограничения.

D - область допустимых  значений управляемых параметров.

 

В большинстве случаев  возникает необходимость получить наилучшие значения для некоторых  характеристик объектов оптимизации, то есть требуется определить такие значения управляемых переменных XÎD, которые обеспечивают минимум или максимум по нескольким критериям оптимальности. В этом случае идет речь о многокритериальной оптимизации. Схема оптимизации сложной системы на имитационной модели приведена на рис. 7.

Значения временных характеристик  подсистем рассматриваемой АБС, соответствующий критерию(ям) оптимальности, предлагается находить при помощи аналитической  модели. При этом имитационная модель системы будет служить средством визуализации результатов и, если возникнет необходимость, средством их корректировки для получения рационального решения.