Общая характеристика методов теории вычислительных систем

Выбор методов, используемых в теории ВС, предопределяется характером процессов в ВС и целями, которые ставятся при про­ведении исследований.

Вероятностный подход к исследованию ВС. Процесс функцио­нирования ВС — это процесс выполнения совокупностью устройств некоторого набора программ (алгоритмов). В теории ВС вычисли­тельные процессы в системах изучаются в основном во времен­ном аспекте — с целью определения временных характеристик процесса функционирования систем: доли времени, в течение ко­торого устройства простаивают; времени получения каких-то ре­зультатов, производимых соответствующей программой; произво­дительности, определяемой числом задач, решаемых в единицу времени, и т. п. Для ВС типично наличие элемента случайности в порядке инициирования программ, реализуемых системой. Так, во-первых, запросы на выполнение программ генерируются поль­зователями в случайные моменты времени; пакет программ, пред­назначенных для обработки, состоит из случайным образом сфор­мированной смеси задач и т. д. Во-вторых, хотя процесс выполнения программы по своей сути детерминированный, однако практи­ческая бесконечность числа различных вычислительных процессов, порождаемых программой в зависимости от исходных данных, не позволяет выявить представляющие интерес свойства вычисли­тельных процессов при исследовании их с позиций детерминизма.

Многочисленность вариантов выполнения программы является фактором, предопределяющим необходимость исследования вы­числительного процесса как процесса случайного. Такой подход правомочен тогда, когда свойства изучаемого объекта проявляются на множестве процессов, например, на множестве реализаций про­граммы или совокупности программ. Таким образом, случайный характер инициирования программ, практическая непредсказуе­мость данных, обрабатываемых программой, и связанная с этим случайность моментов времени, в которые начинает выполняться и заканчивается программа, приводят к необходимости рассматри­вать процесс функционирования ВС как случайный процесс и изучать свойства ВС с позиций теории вероятностей. В связи с этим алгоритмы, несмотря на присущую им определенность, интер­претируются как генераторы случайных процессов, порождающие в случайные моменты времени запросы на передачу и обработку информации, и фактор случайности включается в модели алгорит­мов.

Итак, функционирование ВС можно рассматривать как компо­зицию трех классов в общем случае недетерминированных процес­сов: 1) на входе ВС, порождающих заявки на выполнение опреде­ленных алгоритмов (программ); 2) выполнения программ, по­рождающих заявки на передачу и обработку информации; 3) обслуживания заявок устройствами, обеспечивающими передачу и обработку информации.

Изучение процессов, связанных с обслуживанием какого-либо вида запросов, с учетом случайного характера поступления запро­сов и обслуживания проводится в рамках теории массового об­служивания, являющейся разделом прикладной математики. Аппа­рат теории массового обслуживания — основной в теории ВС, широко используемый для постановки и решения задач анализа ВС.

Большинство моделей теории ВС строится на основе моделей теории массового обслуживания. В теории массового обслужива­ния изучаются процессы, являющиеся в основном марковскими либо некоторым образом связанные с марковскими процессами. Поэтому для решения задач теории массового обслуживания ис­пользуется аппарат теории марковских процессов.

В теории ВС применяют аналитические, числовые и экспери­ментальные методы исследования.

Аналитические методы. Аналитические методы состоят в пре­образовании символьной информации, записанной на языке мате­матического анализа. При использовании аналитических методов строится математическая модель объекта, представляющая физические свойства объекта в виде математических объектов и отно­шений (математических операций над величинами), например в виде дифференциальных или интегральных уравнений. Математи­ческая модель строится на основе понятий, символики и методов некоторой теории, например теории массового обслуживания, определяющей класс математических аналогий, т. е. основопола­гающих математических моделей. При аналитическом подходе требуемые зависимости выводятся из математической модели по­следовательным применением математических правил. Препят­ствием при этом может быть неразрешимость уравнений в анали­тической форме, отсутствие первообразных для подынтегральных функций и т. п., с чем приходится сталкиваться весьма часто. Поэтому лишь при определенных свойствах модели можно получить решение в явной аналитической форме. Несмотря на ограниченные возможности аналитического подхода, решения, полученные в яв­ной аналитической форме, имеют большую познавательную цен­ность и находят результативное применение при решении ши­рокого класса теоретических и прикладных задач.

Численные методы. Численные методы основываются на по­строении конечной последовательности действий над числами, приводящей к получению требуемых результатов. При наличии математической модели исследуемого объекта применение числен­ных методов сводится к замене математических операций и отно­шений соответствующими операциями над числами: замене инте­гралов суммами, производных разностными отношениями, беско­нечных сумм конечными и т. д. В результате этого строится алго­ритм, позволяющий точно или с допустимой погрешностью опреде­лить значения требуемых величин. Алгоритм реализуется вручную или программируется для ЭВМ. Результат применения численных методов — таблицы (графики) зависимостей, раскрывающих свой­ства объекта. Численные методы по сравнению с аналитическими позволяют решать значительно более широкий круг задач.

Характер процессов, присущих исследуемому объекту и под­лежащих отображению в модели, может быть столь сложным, что построение математической модели превращается в трудную за­дачу, а анализ модели даже численными методами может ока­заться нерезультативным из-за трудоемкости или неустойчивости алгоритмов в отношении погрешностей аппроксимации и округ­ления. Воспроизведение в модели динамики сложных простран­ственно-временных отношений между объектами, образующими систему, всего многообразия ее связей со средой, действующих в системе законов управления, адаптивных свойств и черт целена­правленного поведения трудновыполнимо чисто математическими средствами. При исследовании таких систем широкое применение находят модели, представляющие собой содержательное описание объектов исследования в форме алгоритмов. В описаниях отра­жаются как структура исследуемых систем, что достигается отож­дествлением элементов систем с соответствующими элементами алгоритмов, так и процессы функционирования систем во вре­мени, представляемые в логико-математической форме. При этом описания объектов исследования имеют алгоритмический харак­тер, а сами модели суть программы для ЭВМ. Модели такого типа называют имитационными или алгоритмическими.

Главная особенность данного подхода к моделированию заклю­чается в том, что используемые для построения модели алгорит­мические языки — гораздо более гибкое и доступное средство опи­сания сложных систем, нежели язык математических функциональных соотношений. Благодаря этому в имитационных моделях сложных систем находят отражение многие детали их структуры и функций, которые вынужденно опускаются или непроизвольно утрачиваются в математически строгих моделях. Свойственная имитационным моделям реалистичность основывается на исполь­зовании для их построения всех имеющихся представлений об объекте исследования как теоретического, так и эвристического характера.

В теории ВС с присущим ей вероятностным подходом к ана­лизу систем при построении имитационных моделей наиболее широко используется метод статистических испытаний (метод Монте-Карло). Процедура построения и анализа имитационных моделей методом статистических испытаний называется статисти­ческим моделированием. Статистическое моделирование представ­ляет собой процесс получения статистических данных о процес­сах, происходящих в моделируемой системе. Для получения представляющих интерес результатов статистические данные обра­батываются и классифицируются с использованием методов мате­матической статистики. Позитивное свойство статистического моделирования — универсальность, гарантирующая принципиальную возможность анализа систем любой степени сложности с любой степенью детализации изучаемых процессов. Негативное свойство статистического моделирования — трудоемкость процесса моделирования, т. е. необходимость выполнения очень большого количества операций над числами, и частный характер результа­тов, не раскрывающий зависимости, а лишь определяющий ее в отдельных априорно назначенных точках.

Экспериментальные методы. Экспериментальные методы бази­руются на измерении характеристик вычислительных процессов, происходящих в реальных системах, и обработке результатов из­мерения с целью выявления представляющих интерес зависимо­стей. Экспериментальные исследования являются источником наи­более достоверной информации, однако, получаемые при этом результаты носят частный характер. Эти методы — пока единст­венный источник сведений о характеристиках задач, решаемых в вычислительных центрах, процессах взаимодействия пользовате­лей с ВС и т. д. Данные сведения используются в качестве исход­ных данных при проектировании новых ВС. Естественно, что воз­можности экспериментальных методов ограничиваются парком существующих ВС.

При проведении исследований даже узкого круга вопросов воз­никает необходимость в использовании нескольких методов ре­шения одной и той же задачи. Решение задач аналитическими методами всегда предполагает использование допущений, прини­маемых либо на этапе построения концептуальной модели, либо на этапе построения математической модели, т. е. вывода резуль­тирующих зависимостей. Получаемые при этом зависимости могут быть использованы для решения прикладных задач только после оценки методической погрешности, вносимой принятыми допуще­ниями. Оценить погрешность аналитическими методами — задача обычно более сложная, чем вывод зависимостей. Поэтому для оценки методической погрешности широко используется метод имитационного моделирования, позволяющий получить численное решение с любой заданной точностью. В таком же аспекте исполь­зуются и экспериментальные методы анализа ВС.

Методы оптимизации. Задачи синтеза, ВС решаются с исполь­зованием численных методов оптимизации, иначе называемых методами математического программирования. Методология по­становки и решения экстремальных задач на основе математиче­ских и имитационных моделей систем изучается в общей постанов­ке в рамках исследования операций.

СПОСОБЫ ПОСТРОЕНИЯ И КЛАССИФИ-КАЦИЯ

Система обработки данных (СОД, КС) — совокупность технических средств и программного обеспечения, предназначенная для информационного обслуживания пользователей и технических объектов. В состав технических, средств входит оборудование для ввода, хранения, преобразования и вывода данных, в том числе ЭВМ, устройства сопряжения ЭВМ с объектами, аппаратура передачи данных и линии связи. Программное обеспечение (программные средства)—совокупность программ, реализующих возложенные на систему функции. Функции СОД состоят в выполнении требуемых актов обработки данных: ввода, хранения, преобразования и вывода. Примерами СОД являются вычислительные системы для решения научных, инженерно-технических, планово-экономических и учетно-статистических задач, автоматизированные системы управления предприятиями и отраслями народного хозяйства, системы автоматизированного и автоматического управления технологическим оборудованием и техническими объектами, информационно-измерительные системы и др.

Основа СОД—это технические средства, так как их производительностью и надежностью в наибольшей степени определяется эффективность СОД.

Одномашинные СОД. Исторически первыми и до сих пор широко распространенными являются одномашинные СОД, построенные на базе единственной ЭВМ с традиционной однопроцессорной структурой. К настоящему времени накоплен значительный опыт проектирования и эксплуатации таких СОД, и поэтому создание их, включая разработку программного обеспечения, не вызывает принципиальных трудностей. Однако производительность и надежность существующего парка ЭВМ оказывается удовлетворительной лишь для ограниченного применения, когда требуется относительно невысокая (до нескольких миллионов операций в секунду) производительность и допускается простой системы в течение нескольких часов из-за отказов оборудования. Повышение производительности и надежности ЭВМ обеспечивается в основном за счет совершенствования элементно-технологической базы. Достигнутое к настоящему времени быстродействие электронных схем приближается к физическому пределу, и производительность ЭВМ на уровне десяти миллионов операций

в секунду можно рассматривать как максимальную возможную. При любом уровне технологии нельзя обеспечить абсолютную надежность элементной базы, и поэтому нельзя для одномашинных СОД исключить возможность потери работоспособности. Таким образом, одномашинные СОД лишь частично удовлетворяют потребность в автоматизации обработки данных. .

Вычислительные комплексы. Начиная с 60-х годов для повышения надежности и производительности СОД несколько ЭВМ связывались между собой, образуя многомашинный вычислительный комплекс.

В ранних многомашинных комплексах связь между ЭВМ обеспечивалась через общие внешние запоминающие устройства — накопители на магнитных дисках (НМД) или магнитных лентах (НМЛ) (рис. 1.1,и), т. е. за счет доступа к общим наборам данных. Такая связь называется косвенной и оказывается эффективной только в том случае, когда ЭВМ взаимодействуют достаточно редко, например при отказе одной из ЭВМ или в моменты начала и окончания обработки данных. Более оперативное взаимодействие ЭВМ достигается за счет прямой связи через адаптер, обеспечивающий обмен данными между каналами ввода—вывода (КВВ) двух ЭВМ (рис. 1-1, б) и передачу сигналов прерывания. За счет этого создаются хорошие условия для координации процессов обработки данных и повышается оперативность обмена данными, что позволяет вести параллельно процессы обработки и существенно увеличивать производительность СОД. В настоящее время многомашинные вычислительные комплексы широко используются для повышения надежности и производительности СОД.

В многомашинных вычислительных комплексах взаимодействие процессов обработки данных обеспечивается только за счет обмена сигналами прерывания и передачи данных через адаптеры канал—канал или общие внешние запоминающие устройства. Лучшие условия для взаимодействия процессов—когда все процессоры имеют доступ ко всему объему данных, хранимых в оперативных запоминающих устройствах (ОЗУ), и могут взаимодействовать со всеми периферийными устройствами комплекса. Вычислительный комплекс, содержащий несколько процессоров с общей оперативной памятью и периферийными устройствами, .называется многопроцессорным. Принцип построения таких комплексов иллюстрируется рис. 1.2. Процессоры, модули оперативной

Рис. 1-й. Многопроцессорный вычислительный комплекс

памяти (МП) и каналы ввода—вывода, к которым подключены периферийные устройства (ПУ), объединяются в единый комплекс с помощью средств коммутации, обеспечивающих доступ каждого процессора к любому модулю оперативной памяти и каналу ввода-вывода, а также возможность передачи данных между последними. В многопроцессорном комплексе отказы отдельных устройств влияют на работоспособность СОД в меньшей степени, чем в многомашинном, т. е. многопроцессорные комплексы обладают большей устойчивостью к отказам. Каждый процессор имеет непосредственный доступ ко всем данным, хранимым в общей оперативной памяти, и к периферийным устройствам, что позволяет параллельно обрабатывать не только независимые задачи, но и блоки одной задачи.

Многомашинные и многопроцессорные вычислительные комплексы рассматриваются как базовые средства для создания КС различного назначения. Поэтому в состав вычислительного комплекса принято включать только технические средства и общесистемное (базовое), но не прикладное программное обеспечение, связанное с конкретной областью применения комплекса. Таким, образом, вычислительный комплекс—совокупность технических средств, включающих в себя несколько ЭВМ или процессоров, и общесистемного (базового) программного обеспечения.

Вычислительные системы. СОД, настроенная на решение задач конкретной области применения, называется вычислительной cuстемой. Вычислительная система включает в себя технические средства и программное обеспечение, ориентированные на решение определенной совокупности задач. Существует два способа ориентации.

Во-первых, вычислительная система может строиться на основе ЭВМ или вычислительного комплекса общего применения и ориентация системы обеспечивается за счет программных средств—прикладных программ и, возможно, операционной системы.

Во-вторых, ориентация на заданный класс задач может достигаться за счет использования специализированных ЭВМ и вычислительных комплексов. В этом случае удается при умеренных затратах оборудования добиться высокой производительности.

Специализированные вычислительные системы наиболее широко используются при решении задач векторной и матричной алгебры, а также связанных с интегрированием дифференциальных уравнений, обработкой изображений, распознаванием образов и т. д.

Вычислительные системы, построенные на основе специализированных комплексов, начали интенсивно разрабатываться с конца 60-х годов. В таких системах использовались процессоры со специализированными системами команд и конфигурация комплексов жестко ориентировалась на конкретный класс задач.

В последнее десятилетие начались исследования и разработки адаптивные вычислительных систем, гибко приспосабливающихся к решаемым задачам.

Адаптация вычислительной системы с целью приспособления ее к структуре реализуемого алгоритма достигается за счет изменения конфигурации системы. При этом соединения между процессорами, а также модулями памяти и периферийными устройствами устанавливаются динамически в соответствии с потребностями задач, обрабатываемых системой в текущий момент времени. В связи с этим адаптивные вычислительные системы иначе называются системами с динамической структурой. За счет адаптации достигается высокая производительность в широком классе задач и обеспечивается устойчивость системы к отказам. Поэтому адаптивные системы рассматриваются как одно из перспективных направлений развития систем обработки данных.

Системы телеобработки. Уже первоначальное применение СОД для управления производством, транспортом и материально-техническим снабжением показало, что эффективность систем можно значительно повысить, если обеспечить ввод данных в систему непосредственно с мест их появления и выдачу результатов обработки к местам их использования. Для этого необходимо связать СОД и рабочие места пользователей с помощью каналов связи. Системы, предназначенные для обработки данных, передаваемых по каналам связи, называются системами- телеобработки данных.

Состав технических средств системы телеобработки данных укрупненно представлен на рис. 1.3. Пользователи (абоненты) взаимодействуют с системой посредством терминалов (абонентских пунктов), подключаемых через каналы связи к средствам обработки данных—ЭВМ или вычислительному комплексу. Данные передаются по каналам связи в форме сообщений—блоков данных, несущих в себе кроме собственно данных служебную информацию, необходимую для управления процессами передачи и защиты данных от искажений. Программное обеспечение систем телеобработки содержит специальные средства, необходимые для

Управления техническими средствами, установления связи между ВМ и абонентами, передачи данных между ними и организации взаимодействия пользователей с программами обработки данных.

Телеобработка данных значительно повышает оперативность информационного обслуживания пользователей и наряду с этим позволяет создавать крупномасштабные системы, обеспечивающие доступ широкого круга пользователей к данным и процедурам их обработки.

Вычислительные сети. С ростом масштабов применения электронной вычислительной техники в научных исследованиях, про-ектно-конструкторских работах, управлении производством и

транспортом и прочих областях стала очевидна необходимость объединения СОД, обслуживающих отдельные предприятия и коллективы. Объединение разрозненных СОД обеспечивает доступ к данным и процедурам их обработки для всех пользователей, связанных общей сферой деятельности. Так, экспериментальные данные, полученные группой исследователей, могут использоваться при проектно-конструкторских работах, результаты проектирования — при технологической подготовке производства, результаты испытаний и эксплуатации изделий—для совершенствования конструкций и технологии производства и т. д. Чтобы объединить территориально разрозненные СОД в единый комплекс, необходимо, во-первых, обеспечить возможность обмена данными между СОД, связав соответствующие ЭВМ и вычислительные комплексы каналами передачи данных, • и, во-вторых, оснастить системы программными средствами, позволяющими пользователям одной системы обращаться к информационным, программным и техническим ресурсам других систем.

В конце 60-х годов был предложен способ построения вычислительных сетей, объединяющих ЭВМ (вычислительные комплексы) с помощью базовой сети передачи данных.

Структура вычислительной сети в общих чертах представлена на рис. 1.4, Ядром является базовая сеть передачи данных (СПД), которая состоит из каналов и узлов связи (УС). Узлы связи принимают данные и передают их в направлении, обеспечивающем доставку данных абоненту. ЭВМ подключаются к узлам базовой сети передачи данных, чем обеспечивается возможность обмена данными между любыми парами ЭВМ. Совокупность ЭВМ, объединенных сетью передачи данных, образует сеть ЭВМ. К ЭВМ непосредственно или с помощью каналов связи подключаются терминалы, через которые пользователи взаимодействуют с сетью. Совокупность терминалов и средств связи, используемых для подключения терминалов к ЭВМ, образует терминальную сеть. Таким образом, вычислительная сеть представляет собой композицию базовой сети передачи данных, сети ЭВМ и терминальной сети. Такая вычислительная сеть называется глобальной или распределенной (в дальнейшем — «вычислительная сеть», в отличие от локальной) . Вычислительные сети используются для объединения ЭВМ, находящихся на значительном расстоянии друг от друга в пределах региона, страны или континента.

В вычислительной сети все ЭВМ оснащаются специальными программными средствами для сетевой обработки данных. На сетевое программное обеспечение возлагается широкий комплекс функций: управление аппаратурой сопряжения и каналами связи;

установление соединений между взаимодействующими процессами и ЭВМ; управление процессами передачи данных; ввод и выполнение заданий от удаленных терминалов; доступ программ к наборам данных, размещенных в удаленных ЭВМ, и др. К сетевому программному обеспечению предъявляются следующие требования: сохранение работоспособности сети при изменении ее структуры вследствие выхода из строя отдельных ЭВМ, каналов и узлов связи, а также возможность работы ЭВМ с терминалами различных типов и взаимодействия разнотипных ЭВМ. Функции, возлагаемые на сетевое программное обеспечение, отличаются высоким уровнем сложности и реализуются с использованием специально разработанных методов управления процессами передачи и обработки данных.

Вычислительные сети—наиболее эффективный способ построения крупномасштабных СОД. Использование вычислительных сетей позволяет автоматизировать управление отраслями производства, транспортом и материально-техническим снабжением в масштабе крупных регионов и страны в целом. За счет концентрации в сети больших объемов данных и общедоступности средств обработки значительно улучшается информационное . обслуживание научных исследований, повышается производительность труда инженерно-технических работников и качество административно-управленческой деятельности. Кроме того, объединение ЭВМ в вычислительные сети позволяет существенно повысить эффективность их использования. Как показывает практика, стоимость обработки данных в вычислительных сетях по крайней мере в полтора раза меньше, чем при использовании автономных ЭВМ.

Локальные вычислительные сети. К концу 70-х годов в сфере обработки данных широкое распространение наряду с ЭВМ общего назначения получили мини- и микро-ЭВМ и начали применяться персональные ЭВМ. При этом для обработки данных в рамках одного предприятия или его подразделения использовалось большое число ЭВМ, каждая из которых обслуживала небольшую группу пользователей, а микро-ЭВМ и персональные ЭВМ—отдельных пользователей- В то же время коллективный характер труда требовал оперативного обмена данными между пользователями, т- е- объединения ЭВМ в единый комплекс. В конце 70-х годов

был разработан эффективный способ объединения ЭВМ, расположенных на незначительном расстоянии друг от друга—в пределах одного здания или группы соседних зданий, с помощью моноканала (последовательного интерфейса) —локальные вычислительные сети.

Локальная вычислительная сеть (ЛВС) —совокупность близкорасположенных ЭВМ, которые связаны последовательными интерфейсами и оснащены программными средствами, обеспечивающими информационное взаимодействие между процессами в разных ЭВМ. Типичная структура ЛВС изображена на рис. 1.5. Сопрягаются ЭВМ с помощью моноканала—единого для всех ЭВМ сети канала передачи данных. В моноканале наиболее широко используются скрученная пара проводов, коаксиальный кабель или волоконно-оптическая линия. Длина моноканала не превышает обычно нескольких сотен метров. При этом пропускная способность моноканала составляет 10⁵—10⁷ бит/с, что достаточно для обеспечения информационной связи между десятками ЭВМ. ЭВМ сопрягаются с моноканалом с помощью сетевых адаптеров (СА), иначе контроллеров, реализующих операции ввода—вывода данных через моноканал. Наличие в сети единственного канала для обмена данными между ЭВМ существенно упрощает процедуры установления соединений и обмена данными между ЭВМ. Поэтому сетевое программное обеспечение ЭВМ оказывается более простым, чем в вычислительных сетях, содержащих сеть передачи данных, и легко встраивается даже в микро-ЭВМ. Вследствие этого локальные вычислительные сети оказываются эффективным средством построения сложных СОД на основе микро- и мини-ЭВМ.

Локальные вычислительные сети получают широкое применение в системах автоматизации проектирования и технологической подготовки производства, системах управления производством, транспортом, снабжением и сбытом (учрежденческих системах), а также в системах автоматического управления технологическим оборудованием, создаваемых на основе микро- н мини-ЭВМ, в частности в гибких производственных системах.