2570

Топология вычислительной сети и методы доступа

Топология (конфигурация) – это способ соединения компьютеров в сеть. Тип топологии определяет стоимость, защищенность, производительность и надежность эксплуатации рабочих станций, для которых имеет значение время обращения к файловому серверу.

Понятие топологии широко используется при создании сетей. Одним из подходов к классификации топологий ЛВС является выделение двух основных классов топологий: широковещательные и последовательные.

Вшироковещательныхтопологиях ПК передает сигналы,

которые могут быть восприняты остальными ПК. К таким топологиям относятся топологии: общая шина, дерево, звезда.

Впоследовательныхтопологиях информация передается только одному ПК. Примерами таких топологий являются: произвольная (произвольное соединение ПК), кольцо, цепочка.

При выборе оптимальной топологии преследуются три основных цели:

обеспечение альтернативной маршрутизации и

максимальной надежности передачи данных;

выбор оптимального маршрута передачи блоков данных;

предоставление приемлемого времени ответа и нужной пропускной способности.

При выборе конкретного типа сети важно учитывать ее топологию. Основными сетевыми топологиями являются: шинная (линейная) топология, звездообразная, кольцевая и древовидная.

Например, в конфигурации сети ArcNet используется одновременно и линейная, и звездообразная топология. Сети TokenRing физически выглядят как звезда, но логически их пакеты передаются по кольцу. Передача данных в сети Ethernet происходит по линейной шине, так что все станции видят сигнал одновременно.

Виды топологий Существуют пять основных топологий :

общая шина (Bus);

кольцо (Ring);

121

звезда (Star);

древовидная (Tree);

ячеистая (Mesh).

Звездообразная

Древовидная Шинная

Кольцевая

Ячеистая

Рис. 7.16. Типы топологий

Общая шина Общая шина это тип сетевой топологии, в которой рабочие

станции расположены вдоль одного участка кабеля, называемого сегментом.

Рис. 7.17. Топология Общая шина

Топология Общая шина предполагает использование одного кабеля, к которому подключаются все компьютеры сети. В случае топологии Общая шина кабель используется всеми станциями по очереди. Принимаются специальные меры для того, чтобы при работе с общим кабелем компьютеры не мешали друг другу передавать и принимать данные. Все сообщения, посылаемые отдельными компьютерами, принимаются и прослушиваются всеми остальными компьютерами, подключенными к сети. Рабочая станция отбирает адресованные ей сообщения, пользуясь адресной

122

информацией. Надежность здесь выше, так как выход из строя отдельных компьютеров не нарушит работоспособность сети в целом. Поиск неисправности в сети затруднен. Кроме того, так как используется только один кабель, в случае обрыва нарушается работа всей сети. Шинная топология - это наиболее простая и наиболее распространенная топология сети.

Примерами использования топологии общая шина является сеть 10Base–5 (соединение ПК толстым коаксиальным кабелем) и 10Base– 2 (соединение ПК тонким коаксиальным кабелем).

Рис. 7.18. Топология Кольцо

Кольцо – это топология ЛВС, в которой каждая станция соединена с двумя другими станциями, образуя кольцо (рис. 7.18). Данные передаются от одной рабочей станции к другой в одном направлении (по кольцу). Каждый ПК работает как повторитель, ретранслируя сообщения к следующему ПК, т.е. данные, передаются от одного компьютера к другому как бы по эстафете. Если компьютер получает данные, предназначенные для другого компьютера, он передает их дальше по кольцу, в ином случае они дальше не передаются. Очень просто делается запрос на все станции одновременно. Основная проблема при кольцевой топологии заключается в том, что каждая рабочая станция должна активно участвовать в пересылке информации, и в случае выхода из строя хотя бы одной из них, вся сеть парализуется. Подключение новой рабочей станции требует краткосрочного выключения сети, т.к. во время установки кольцо должно быть разомкнуто. Топология Кольцо имеет хорошо предсказуемое время отклика, определяемое числом рабочих станций.

Чистая кольцевая топология используется редко. Вместо этого кольцевая топология играет транспортную роль в схеме метода доступа. Кольцо описывает логический маршрут, а пакет передается

123

от одной станции к другой, совершая в итоге полный круг. В сетях TokenRing кабельная ветвь из центрального концентратора называется MAU (MultipleAccessUnit). MAU имеет внутреннее кольцо, соединяющее все подключенные к нему станции, и используется как альтернативный путь, когда оборван или отсоединен кабель одной рабочей станции. Когда кабель рабочей станции подсоединен к MAU, он просто образует расширение кольца: сигналы поступают к рабочей станции, а затем возвращаются обратно во внутреннее кольцо

Звезда Звезда – это топология ЛВС, в которой все рабочие станции

присоединены к центральному узлу (например, к концентратору), который устанавливает, поддерживает и разрывает связи между рабочими станциями. Преимуществом такой топологии является возможность простого исключения неисправного узла. Однако, если неисправен центральный узел, вся сеть выходит из строя.

В этом случае каждый компьютер через специальный сетевой адаптер подключается отдельным кабелем к объединяющему устройству. При необходимости можно объединять вместе несколько сетей с топологией Звезда, при этом получаются разветвленные конфигурации сети. В каждой точке ветвления необходимо использовать специальные соединители (распределители, повторители или устройства доступа).

Рис. 7.19. Топология Звезда

Примером звездообразной топологии является топология Ethernet с кабелем типа Витая пара 10BASE-T, центром Звезды обычно является Hub.

Звездообразная топология обеспечивает защиту от разрыва кабеля. Если кабель рабочей станции будет поврежден, это не приведет к выходу из строя всего сегмента сети. Она позволяет также легко диагностировать проблемы подключения, так как каждая

124

рабочая станция имеет свой собственный кабельный сегмент, подключенный к концентратору. Для диагностики достаточно найти разрыв кабеля, который ведет к неработающей станции. Остальная часть сети продолжает нормально работать.

Однако звездообразная топология имеет и недостатки. Вопервых, она требует много кабеля. Во-вторых, концентраторы довольно дороги. В-третьих, кабельные концентраторы при большом количестве кабеля трудно обслуживать. Однако в большинстве случаев в такой топологии используется недорогой кабель типа витая пара. В некоторых случаях можно даже использовать существующие телефонные кабели. Кроме того, для диагностики и тестирования выгодно собирать все кабельные концы в одном месте. По сравнению с концентраторами ArcNet концентраторы Ethernet и MAU TokenRing достаточно дороги. Новые подобные концентраторы включают в себя средства тестирования и диагностики, что делает их еще более дорогими.

5.12. Базы данных в сети Интернет

Основой публикации баз данных во всемирной сети Интернет является простое расположение информации из баз данных на Webстраницах сети.

Публикация баз данных в Интернет призвана решить целый ряд задач, среди которых можно выделить следующие:

1)организация взаимосвязи систем управления базами данных, которые работают на различных платформах;

2)построение информационных систем в сети Интернет на основе многоуровневой архитектуры баз данных;

3)построение локальных Интранет-сетей с помощью технологий публикации баз данных в Интернет;

4)применение в Интернет информации из имеющихся локальных сетевых баз данных;

5)использование баз данных для упорядочения информации, представленной в сети Интернет;

6)использование обозревателя Web как доступной клиентской программы для доступа к базам данных в Интернет.

125

Для публикации баз данных на Web-страницах используются два основных способа формирования Web-страниц, содержащих информацию из баз данных:

1)статическая публикация – Web-страницы создают и хранят на Web-сервере до момента поступления запроса пользователя на их получение (в виде файлов на жестком диске в формате Webдокумента). Данный способ используется при публикации информации, редко обновляемой в базе данных. Основными достоинствами такой организации публикации баз данных в сети Интернет является ускоренный доступ к Web-документам, которые содержат информацию из баз данных, и уменьшение нагрузки на сервер при обработке клиентских запросов;

2)динамическая публикация – Web-страницы создают при поступлении запроса пользователя на сервер. Сервер пересылает запрос на генерацию таких страниц программе – расширению сервера, формирующей требуемый документ. После этого сервер отсылает готовые Web-страницы обратно обозревателю. Данный способ формирования Web-страниц используется тогда, когда содержимое базы данных часто обновляется, например в режиме реального времени. Данным способом публикуется информация из баз данных для интернет-магазинов и информационных систем. Динамические страницы образуются с помощью различных средств и технологий, например ASP (Active Server Page – активная серверная страница), PHP (Personal Home Page tools – средства персональных домашних страниц).

Среди программных средств, позволяющих получить информацию из сети Интернет, выделились Web-приложения (интернет-приложения), которые представляют собой набор Webстраниц, сценариев и других программных средств, расположенных на одном или нескольких компьютерах и предназначенных для выполнения прикладной задачи. Приложения, которые публикуют базы данных в сети Интернет, выделены в отдельный класс Webприложений.

126

5.13. Искусственный интеллект

Активно развивающейся областью систем передачи и обработки данных (информации) с помощью ЭВМ является создание баз знаний и их применение в различных областях науки и техники. База знаний представляет собой семантическую модель, предназначенную для представления в ЭВМ знаний, накопленных человеком в определенной предметной области. Основные функции базы знаний:

1.Создание, загрузка;

2.Актуализация, поддержание в достоверном состоянии;

3.Расширение, включение новых знаний;

4.Обработка, формирование знаний, соответствующих текущей ситуации.

Для выполнения указанных функций разрабатываются соответствующие программные средства. Совокупность этих программных средств и баз знаний принято называть искусственным интеллектом.

Искусственный интеллект в настоящее время находит применение в таких областях, как планирование и оперативное управление производством, выработка оптимальной стратегии поведения в соответствии со сложившейся ситуацией, экспертные системы и т. д.

Искусственный интеллект - это одно из направлений обработки информации, цель которого разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Искусственный интеллект - самое молодое научное направление. Появление его было подготовлено развитием мощности вычислительных машин.

Искусственный интеллект занимает исключительное положение. Это связано со следующим:

1) часть функций программирования в настоящее время оказалось возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения,

127

процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ.

2)В связи с внедрением ЭВМ во все сферы человеческой жизни становится возможным переход к безбумажной технологии обработки информации.

3)Если раньше производство ориентировалось на обязательное участие человека, то в настоящее время находят применение безлюдные технологии, основанные на роботизации и автоматизации системы управления.

4)Интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия.

В настоящее время к системам искусственного интеллекта относят следующие системы:

1)Экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний высококвалифицированных специалистов (экспертов) в ЭВМ и разработке специальной системы по их использованию.

2)Системы естественно - языкового общения (подразумевается письменная речь). Данные системы позволяют производить обработку связанных текстов по какой-либо тематике на естественном языке.

3)Системы речевого общения. Состоят из двух частей:

системы восприятия речи

системы воспроизведения речи.

4)Системы обработки визуальной информации. Находят применение в обработке аэрокосмических снимков, данных, поступающих с датчиков, роботов и автоматизированных систем.

5)Системы машинного перевода. Подразумеваются естественные языки человеческого общения.

6)Системы автоматического проектирования. Без этих систем не может обойтись ни одно крупное машиностроительное предприятие

Идея создания искусственного подобия человеческого разума

128

для решения сложных задач и моделирования мыслительной способности витала в воздухе с древнейших времен. Впервые ее выразил Р. Луллий (ок.1235-ок.1315), который еще в XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий.

ВXVIII в. Г. Лейбниц (16461716) и Р.Декарт (15961650)

независимо друг от друга развили эту идею, предложив универсальные языки классификации всех наук. Эти идеи легли в основу теоретических разработок в области создания искусственного интеллекта.

Развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это же время Н.Винер(1894 - 1964) создал свои основополагающие работы по новой науке - кибернетике.

Термин искусственный интеллект (artificialintelligence) предложен в 1956 г. на семинаре с аналогичным названием в Станфордском университете (США). Семинар был посвящен разработке логических, а не вычислительных задач. Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло разделение на два основных направления: нейрокибернетику и кибернетику "черного ящика". И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое.

Основную идею нейрокибернетики можно сформулировать следующим образом: единственный объект, способный мыслить, - это человеческий мозг. Поэтому любое "мыслящее" устройство должно каким-то образом воспроизводить его структуру.

Воснову кибернетики "черного ящика" лег принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.

Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. В 1956 -1963 гг. велись интенсивные поиски моделей и алгоритма человеческого

129

мышления и разработка первых программ.

Вконце 50-х гг. родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторый граф, отражающий пространство состояний, и в этом графе проводится поиск оптимального пути от входных данных к результирующим.

Начало 60-х гг. – эпоха эвристического программирования. Эвристическое программирование - разработка стратегии действий на основе известных, заранее заданных эвристик (правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска).

В1963 - 1970 гг. к решению задач стали подключать методы математической логики. На основе метода резолюций, позволившего автоматически доказывать теоремы при наличии набора исходных аксиом, в 1973 г. создается язык Пролог.

Среди наиболее значимых результатов, полученных отечественными учеными, следует отметить алгоритм "Кора" М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов (60-е гг.).

Существенный прорыв в практических приложениях искусственного интеллекта произошел в середине 70-х гг., когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Пришел новый подход к решению задач искусственного интеллекта - представление знаний.

Начиная с середины 80-х гг. происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам.

Экспертные системы Экспертные системы составляют самую существенную часть

систем искусственного интеллекта. Экспертная система обычно определяется как программа ЭВМ, моделирующая действия эксперта человека при решении задач в узкой предметной области: составление базы знаний и накопления их. Создание систем базы

130