Учебное пособие 2036

Исследования поддержаны грантом Министерства образования и науки Российской Федерации, проект № 1.3270.2017/4.6.

Литература

1.Ланцов В.Н. Применение тензорного исчисления в задачах САПР электроники (обзор). // Динамика сложных систем – XXI век. 2019, № 1, с. 53 - 60.

2.Liu H., Daniel L., Wong N. Model reduction and simulation of nonlinear circuits via Tensor decomposition // IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems, 2015, v. 34, No. 7, pp. 1059–1069.

3.Zhang Z., Batselier K., Liu H., Daniel L., Wong N. Tensor computation: a new framework for high-dimensional problems in EDA // IEEE Trans. on ComputerAided Design of Integrated Circuits and Systems, 2017, v. 36, No. 4, pp. 521-536.

4.Zare A., Ozdemir A., Iwen M.A., AviyenteExtension S. of PCA to higher order data structures: an introduction to tensors, tensor decompositions, and tenzor PCA // Proc. of IEEE, 2018, v. 106, No. 8, p. 1341-1356

ФГБОУ ВО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых», Россия

УДК 004.942

К.А. Маковий, Ю.В. Хицкова

ОПРЕДЕЛЕНИЕ КРИТЕРИЕВ СРАВНЕНИЯ РАЗЛИЧНЫХ СИСТЕМ ВИРТУАЛИЗАЦИИ УЧЕБНОГО ПРОЦЕССА

Система Virtual Desktop Infrastructure предназначена для доставки виртуальных рабочих столов из централизованной сети на клиентский компьютер. При использовании традиционного VDI для всех клиентов создается эталонное описание (эталонный компьютер или ядро), а затем при необходимости персонализируется образ.

При рассмотрении альтернативных решений традиционных клиентских ПК, необходимо учитывать, что это решение не будет оптимальным для всех рабочих станций. Достаточное количество распределенных приложений и систем хорошо работают в существующей инфраструктуре, для них переход на VDI не принесет существенных преимуществ.

Другие приложения успешно работают в рамках концепции классического сервера терминалов или его обновленной версии так называемой виртуализации приложений [1,2]. При внедрении виртуальных рабочих столов обычно выбирают между 2 технологиями VDI и IaaS. В ходе анализа деятельности вендоров, работающих в сфере виртуализации и изучения особенностей ее внедрения нами выделены критерии выбора технологий

110

виртуализации. Критерии разделены нами на две группы: критерии внедрения и критерии эксплуатации. Одними из основных критериев являются стоимости внедрения и эксплуатации. К критериям внедрения отнесены: зона ответственности клиента, финансовые затраты прямые и косвенные, прочие ресурсы организации, необходимые для внедрения виртуализации, согласованность с бизнес –стратегией организации. Критерии эксплуатации: стоимость поддержания инфраструктуры, техническая возможность осуществления миграции. обеспечение информационной безопасности и риски, связанные с ней, отказоустойчивость системы и риски, связанные с отказоустойчивостью.

Инфраструктура виртуальных рабочих столов (VDI) существует уже давно и традиционно является удобным способом запуска виртуальных рабочих столов [3]. Основными этапами работы являются: подключение сервера в центре обработки данных, загрузка его с программным обеспечением виртуализации, включение некоторых машин. Поскольку рабочие столы VDI расположены на сервере организации, ИТ-отдел отвечает за управление ими. Это означает, что оборудование, программное обеспечение, лицензирование и развертывание обрабатываются внутри компании. Задержка минимальна, ИТотдел имеет полный контроль [4,5,6].

Но это не значит, что VDI не имеет своих недостатков. Например, несмотря на то, что рабочие столы VDI удобны для управления аппаратным и программным обеспечением, внутри системы VDI требуют хорошо подготовленного ИТ-персонала для обработки всех возможных непредвиденных обстоятельств.

IaaS - это VDI, который размещается в облаке компании. С IaaS все оборудование управляется поставщиком, поэтому клиенту не придется беспокоиться о поломке оборудования или обслуживании. Системы IaaS основаны на подписке и обычно оплачиваются по местам. Может быть эффективно для организации воспользоваться IaaS, чтобы очистить ЦОД и календари ИТ-персонала, но данная технология также имеет свои недостатки. Чаще всего возникают проблемы с обеспечением информационной безопасности и постоянным наличием широкополосного подключения к сети Интернет. Сравнение технологий виртуализации IasS и VDI по некоторым из перечисленных критериев представлено в таблице.

Сравнение технологий виртуализации IasS и VDI

111

Окончание таблицы

112

Каждая из технологий имеет свои плюсы и минусы, что делает проблему выбора актуальной.

Литература

1. Маковий К.А., Хицкова Ю.В., Касымова А.А. Методологические основы оценки эффективности внедрения виртуальных рабочих столов в вузе // В сборнике: Интеллектуальные информационные системы Труды Международной научно-практической конференции. В 2-х частях. 2018. С. 106109.

2.Гордеев А. В., Балберин В. В. Концепция организации технологий виртуализации для использования в учебном процессе. / А. В. Гордеев, В. В. Балберин; Санкт-Петербургский государственный университет аэрокосмического приборостроения. – СПб 2014.

3.Маковий К. А., Хицкова Ю. В., Герус С. В. Использование метода гибридных оценок в области информационных технологий //Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Информационные технологии в строительных, социальных и экономических системах. – 2016. – №. 1. – С. 120-124.

4.Касымова А.А., К.А. Маковий, Ю.В. Хицкова Анализ структуры затрат при внедрении облачных технологий / Информационные технологии в строительных, социальных и экономических системах. 2018. № 1-2 (11-12). С. 40-44.

5.ИНТУИТ Национальный открытый институт. Desktop виртуализация [Электронный ресурс] Режим доступа: https://www.intuit.ru/studies/courses/2324/624/lecture/13610 Дата обращения: 15.01.2019.

6.Маковий К.А., Ю.В. Хицкова, А.А. Соколова Управление затратами на проекты в сфере информационных технологий // Информационные технологии в строительных, социальных и экономических системах. 2019. № 2 (16). С. 83-86.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 51-7

Е.А. Махн ва

ОПТИМИЗАЦИЯ УЧЕТА РАБОТ ПО МОНТАЖУ КОМПЬЮТЕРНЫХ СЕТЕЙ

С развитием бизнеса появляется необходимость точного учета материальных ресурсов, кроме того для бесперебойной работы предприятия

113

требуется информация о плановых потребностях материалов и комплектующих, а так же оптимизация бизнес потоков. Для небольшого предприятия имеет значение как недостаток материалов (невозможность выполнения текущих заказов) так и затоваривание складов (замораживание денежных средств на длительный срок). Иными словами, одной из задач каждого предприятия является сокращение издержек и повышение эффективности работы склада.

Была взята следующая модель: существует предприятие, которое занимается оказанием услуг по подключению интернета. В данной организации работают несколько монтажников(занимаются подключением абонентов), которым распределяют заявки (рис. 1) Фирма имеет филиалы и склады в других регионах.

Рис. 1. Пример распределенного склада

Цель – решить задачу управления закупками. [2]. То есть уменьшить издержки на формирование товарного запаса, которые складываются из расходов на доставку и формирование заказа, закуп товара и хранение его.

Динамическая модель [3] для одного склада и одного типа товара (рис. 2) имеет вид

решение о величине объема поступлений принимается ЛПР (лицо принимающее решение), Rk – расход материалов, является случайной величиной, Xk – остаток запаса на складе.

114

В зависимости от структуры склада модель (1) можно обобщить по нескольким направлениям – несколько монтажников(2), несколько складов(3).

Рис. 3. Схема модели 1 регионального и 1 центрального складов

Была разработана программа и выполнено моделирование работы одного центрального склада и одного регионального склада (3). Для случая одного центрального склада и двух региональных проведена оптимизация модели, с целью минимизации случаев недостатка материала и затоваривания склада. Найдена оптимальная нижняя граница для закупки отвара на склад (рис. 4).

115

Рис. 4. Моделирование центрального и регианального складов

Витоге исследований разработана бизнес модель предприятия, а так же модель пополнения товарного запаса с учетом заданных ограничений. Проведены исследования на модельных и реальных данных

Вкачестве основной модели случайного расхода была выбрана смесь двух случайных величин (Расход1 - частые, но мелкие объ мы и Расход2 - крупные, но редкие).

Использование динамической модели пополнения товарного запаса позволяет оптимизировать затраты, исключая затоваривание склада и недостатка материала.

Литература

1.Орлов А.И. Теория принятия решений / Учебное пособие. М.: Издательство «Март»2004. – 656с.

2.Чуйкова Ю.С. Динамическая модель пополнения товарного запаса предприятия с учетом заданных ограничений // Вестник Нижегородского университета им. Н.И. Лобачевского, –2009. –С. 125-128.

ФГБОУ ВО «Новосибирский государственный технический университет», Россия

116

УДК 004.627, 004.921, 621.396.946

Е.М. Мельников, А.Г. Якунин

АЛГОРИТМ СЖАТИЯ SQL-ДАМПА ДАННЫХ ТЕМПЕРАТУРНОГО МОНИТОРИНГА

Системы технического и экологического мониторинга, в том числе и системы наблюдения метеорологических и температурных данных, находят широкое применение при проведении научных исследований, прогнозировании погоды, выявлении нештатных ситуаций, контролировании и управлении различными технологическими процессами. В частности, в Алтайском техническом университете с 2010 года функционирует подобная система [1,2], позволяющая, в частности, осуществлять температурный мониторинг как внутри помещения, так и на улице. На рисунке 1 приведены примеры работы такой системы в режиме наблюдения температурных графиков.

Рис. 1. Информационная система технического и метеорологического мониторинга АлтГТУ: общий вид страницы и пример регистрируемых данных с большими выбросами и с другой версией интерфейса для выбора каналов

Поскольку одной из задач такой системы являлось разработка алгоритмов выявления нештатных ситуаций и природных аномалий по температурным

117

графикам, временное разрешение температурных каналов составляло 30 с, а температурное – 0.0625°С, поэтому даже при относительно небольшом общем числе температурных датчиков за достаточно непродолжительное время накапливался большой объем данных (порядка сотен мегабайт), что приводило к снижению эффективности работы системы. Поэтому уже на начальном этапе эксплуатации возникла необходимость оптимизации структуры базы данных, в которой хранились результаты мониторинга [3]. Но даже при наличии такой оптимизации из-за ограничения общего объема выделенной под реализацию проекта дисковой памяти возникала необходимость выполнения дампа данных

спериодичностью около полугода. Попытки применения для компактификации данных, хранимых как в самой базе, так и в ее дампах классических методов сжатия, описанных, например, в [4-6], показали их невысокую эффективность, что вызвало необходимость проведения дополнительных исследований по разработке новых, более эффективных методов сжатия, адаптированных под особенности регистрируемых данных. В частности, был разработан метод хранения на основе разностных схем [7,8] и ряд других методов, показавших их более высокую эффективность по сравнению с известными решениями [9].

Вданной работе предлагается еще один подход к решению задачи сжатия данных температурного мониторинга за счет применения гибридного подхода, заключающегося в последовательном применении известных алгоритмов или их модификаций непосредственно к тестовому файлу SQL-дампа.

Суть предлагаемого алгоритма заключается в следующем.

Сначала из исходного текста, имеющего вид, например, INSERT INTO `pokazanie` (`termometr_id`, `time`, `meaning`) VALUES (1, '2016-07-14 20:52:05', 29.8125),(4, '2016-07-14 20:52:05', 30.0625),(3, '2016-07-14 20:52:05', 28.9375),(2, '2016-07-14 20:52:05', 31.4375),(5, '2016-07-14 20:52:05', 30), извлекаются сами данные (`meaning`), отдельно по каждому каналу (`termometr_id`) и отдельно фиксируется время начала цепочки данных, поскольку временной интервал между температурными отсчетами строго фиксирован и задается в свойствах канала. В результате получается временной числовой ряд, состоящий из чисел

сфиксированной запятой, к которому изначально применяется модифицированный RLE – алгоритм. Базовая версия RLE работает с символами непосредственно, и перед каждым символом пишется количество его повторений (даже когда символ не повторяется), причем максимальная длина цепочки не может превышать 9 идущих подряд одинаковых символов.

Впредлагаемой модифицированной версии рассматривается повторение не отдельных символов, а отдельных чисел и снимается ограничение на длину повторения посредством добавления ключевого разделителя между числом повторений и самим значением. При этом для значений, не имеющих повторов, не указывается значение повторений и разделитель отсутствует. Например, для исходного ряда "30.0625 ,30.0625 ,30.0625 ,30.125 ,30 ,29.9375" базовый RLE метод формирует строку "1310.10161215,1310.10161215,1310.10161215, 1310.111215,1310,1219.191317", а в модифицированном алгоритме на выходе

118

получится строка "3|30.0625,30.125,30,29.9375", где в качестве разделителя используется символ "|".

На следующем этапе анализируется частота повторения блоков вида <число повторов – разделитель - значение> и из них формируется словарь, в начало которого помещаются наиболее часто встречающиеся блоки. В результате получается строка, например, вида

"3|30.0625,2|30.125,4|30.0625,30.125,29.9375,29.9375,30.0625,3|30,29.875,30,2|30, *,0,3,9,4,7,0,1,2,3,9,4,7,0,1,6,9,2,1,5,8,5,10,0,3,6,11", где знак "*" ставится в месте окончания словаря, а за ним стоит цепочка чисел, показывающих номера блоков в словаре. Данная процедура напоминает алгоритм Хаффмана, но без бинарных деревьев.

На следующем этапе число, указывающее номер блока в словаре, заменятся символом, что позволяет вместо трехзначного (максимум) числа использовать лишь один байт (поскольку число элементов в словаре для реальных данных никогда не превышало 256). Пример результата работы алгоритма после выполнения данного этапа показан на рис. 2.

Рис. 2. Частичное символьное замещение числового ряда (часть символов невидимы и отображаются как пробелы)

Аналогичным образом замещаются символами (или просто представляются бинарным кодом) цифровые значения в словаре, находящиеся между знаками "|" , "." и "," (рис. 3).

Рис. 3. Полное символьное (или бинарное) замещение числовых последовательностей

Финальное сжатие всей цепочки выполняется последовательным применением к ранее полученному результату BWT и RLE алгоритмов (рис. 4).

Рис. 4. Применение к показанной на рисунке 3 последовательности BWT + RLE алгоритмов

Как показали проведенные исследования, применение вышеописанного алгоритма позволяет в итоге добиться степени сжатия порядка 86% для относительно коротких блоков и до 88-96%, если брать блоки данных по 600 –

119