Автор работы: Пользователь скрыл имя, 29 Января 2013 в 22:06, курсовая работа
В свете вышеизложенного возникает потребность в модели оценки производительности системы при выполнении заданных условий как на этапе проектирования системы, так и на этапе ее эксплуатации в целях повышения производительности. Для повышения производительности эксплуатируемой системы определение глубины вносимых в отдельные подсистемы изменений.
Введение
Глава 1 Автоматизированные банковские системы
1.1 Предпосылки возникновения задачи оптимизации банковских автоматизированных систем
1.2 Содержательное описание задачи
1.3 Система показателей
Глава 2 Моделирование оценки производительности банковских автоматизированных систем
2.1 Построение аналитической модели оптимизации временных характеристик подсистем банковской автоматизированной системы
2.2 Методы решения задач нелинейного программирования
2.2.1 Постановка задачи НЛП
2.2.2 Методы штрафных функций
2.2.3 Методы прямого поиска
2.2.4 Методы случайного поиска
2.2.5 Методы линеаризации
2.3 Пути решения проблемы очередей в системе
2.4 Построение имитационной модели банковской автоматизированной системы
2.4.1 Предпосылки построения имитационной модели
2.4.2 Показатели имитационной модели
2.4.3 Разработка требований к концептуальной модели
2.4.4 Выбор языка моделирования
2.4.5 Построение концептуальной модели
2.4.6 Построение имитационной модели
Глава 3 Применение модели и анализ полученных результатов
3.1 Исходные данные задачи нахождения оптимальных временных характеристик подсистем
3.2 Решение задачи нахождения оптимальных временных характеристик подсистем
3.3 Анализ полученных результатов
Заключение
Транзакции, запросы, неисправности (необработанные прикладными мониторами) направляются в приоритетную очередь Queue19, а затем в обслуживающий прибор с приоритетным обслуживанием Serv20.
А) Если в данный обслуживающий прибор поступает неисправность (приоритет равен 2), то на интервале [0;1] случайным образом выбирается величина, которая сравнивается с вероятностью возникновения неисправности системного монитора транзакций. Если данная величина меньше вероятности возникновения неисправности системного монитора транзакций, то после обслуживания за интервал времени, подчиняющийся равномерному распределению с заданными параметрами, неисправность направляется в терминатор Term21. В противном случае неисправность направляется в приоритетную очередь Queue22.
Б) Если в узел поступает запрос (приоритет равен 1), то он направляется в приоритетную очередь Queue22.
В) Если в узел поступает транзакция (приоритет равен 0) и ее параметр iu1=-1, то она направляется в неприоритетную очередь Queue23. Если параметр транзакции iu1=0, а параметр iu2=-1, то транзакция направляется на обработку в приоритетную очередь Queue22.
Все исходящие данные прикладных мониторов направляются в приоритетную очередь Queue26, а затем в обслуживающий прибор с приоритетным обслуживанием Serv27, где производится анализ поступивших данных:
А) Если поступает неисправность БД (приоритет равен 2), то она обслуживается за интервал времени, подчиняющийся равномерному распределению с априорными параметрами, и направляется в терминатор Term21.
Б) Если поступает запрос (приоритет равен 1), то он без задержки направляется в неприоритетную очередь Queue26, а затем в обслуживающий прибор Serv30, который имитирует формирование оператором транзакции, содержащей вкладную операцию. Далее запрос, преобразованный в транзакцию, направляется в подсистему доставки (Queue3).
В) Если поступает транзакция, то она без задержки направляется на обработку подсистемой Mon (в узел Queue14).
Глава 3 Применение модели и анализ полученных результатов
В следствие того, что транзакция, содержащая вкладную операцию, формируется после формирования запросу по счету вкладчика и получения на него ответных данных (алфавитных данных, остатка и т.п.), предлагается считать, что запрос, поступивший в АС ЦОД, возвращается транзакцией с некоторой задержкой. Также предлагается из множества данных, обрабатываемых АС ЦОД, выделить два: запросы и транзакции и дальнейшее решение проводить используя маршруты их обработки (см. рис.15).
Для моделирования оценки производительности банковской автоматизированной системы для каждого маршрута обработки требуется выполнить следующую последовательность действий:
где [n] - число подсистем маршрута обработки
[ti] - среднее значение времени обработки данных рассматриваемого типа i-й подсистемой маршрута.
За время эксплуатации АС ЦОД
была накоплена статистическая информация,
на основании которой были получены
усредненные временные
В силу сделанного допущения о конвертации запроса, поступившего в АС ЦОД, в транзакцию предлагается маршрут обработки запроса и транзакции (см. рис. 15) слить воедино, т.е. аналитическая модель запишется в виде:
Временные характеристики подсистем, находящихся в обобщенном маршруте обработки запросов представлены в таблице №4.
«Временные характеристики подсистем, находящихся в
обобщенном маршруте обработки запросов»
Таблица №4
Номер подсистемы маршрута | ||||||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 | |
Время |
0,001 |
0,002 |
0,006 |
0,00001 |
0,00002 |
0,001 |
0,004 |
0,002 |
0,004 |
0,005 |
0,004 |
0,001 |
Примечание: Обслуживающие приборы, соответствующие подсистемам №4 и №5 имеют заданное количество каналов обработки (100), поэтому соответствующие временные характеристики приведены в соотношении t/100.
3.2 Решение задачи нахождения оптимальных временных характеристик подсистем
Решение данной задачи нелинейного
программирования проведем градиентным
методом (методом сопряженных
где li - множитель Лагранжа.
Зададим точность вычислений e=0.000001. Исходные временные характеристики подсистем и результаты решения задачи нелинейного программирования представим в таблице 6:
Таблица 6
№ п/с в |
Временные характеристики подсистем | |
маршруте |
Исходные |
Найденные |
1 |
0,00001 |
0,00001 |
2 |
0,002 |
0,00113 |
3 |
0,006 |
0,00113 |
4 |
0,00001 |
0,00001 |
5 |
0,00002 |
0,00002 |
6 |
0,001 |
0,00100 |
7 |
0,004 |
0,00113 |
8 |
0,002 |
0,00113 |
9 |
0,004 |
0,00113 |
10 |
0,005 |
0,00463 |
11 |
0,004 |
0,00113 |
12 |
0,001 |
0,00100 |
Подставим найденные временные характеристики подсистем в имитационную модель и получим характеристики работы системы, которые представим в таблице №7.
Заданный критерий оптимальности (Tнеобх.=2) времени обработки системой очереди запросов заданного размера (L=430) «сильно» отличается от аналогичного показателя, полученного аналитическим путем (Tтек.=2,6). Как было показано ранее, текущие временные характеристики системы не могут обеспечить выполнение заданного критерия оптимальности: по окончании модельного времени, равного критерию, в системе остается порядка 215 необработанных транзактов, что составляет половину длины очереди запросов, поступающих за модельное время в систему. В следствие этого, для соответствия времени обработки очереди запросов (L=430) системой критерию Tнеобх.=2, производительность системы необходимо увеличить на 30%, поэтому можно говорить о том, что при неизменной структуре системы необходимо существенно увеличить производительность ее отдельных подсистем и, в первую очередь, наименее производительных.