
- •Основы теории вычислительных систем Конспект лекций
- •Лекция №1 предмет и задачи курса
- •Состав и функционирование сод
- •Лекция №2 характеристики и параметры сод
- •1) По быстродействию технических средств.
- •2) По совместной работе устройств в комплексе.
- •3) Оценка производительности на рабочей нагрузке.
- •Лекция №3 режимы обработки данных
- •Системы параллельной обработки данных
- •Конвейерная обработка
- •Конвейер операций
- •Конвейер команд
- •Лекция №4 Классификация систем параллельной обработки.
- •Потоки событий
- •Лекция №5 Порядок функционирования систем реального времени используемые для управления техническими объектами.
- •Дисциплина обслуживания заявок со смешанными приоритетами.
- •Лекция №6 Обслуживание заявок в групповом режиме.
- •Смешанный режим обслуживания.
- •Диспетчирование на основе динамических приоритетов.
- •Классы систем реального времени
- •Лекция №6 Оценка начального быстродействия процессора
- •Задача назначения приоритетов по заявкам
- •Критерии выбора дисциплины обслуживания
- •Задача выбора
- •Порядок синтеза систем реального времени
- •Лекция №7 многопроцессорные вычислительные системы
- •Лекция №8 Характеристики мпвк с общей памятью
- •Характеристики мпвк с индивидуальной памятью.
- •Лекция №9 Сравнение мпвк с общей памятью и индивидуальной памятью.
- •Мвк с двухуровневой памятью.
- •Лекция №10 Многомашинные вк.
- •Сателлитные ммвк.
- •Лекция №11 Особенности организации вычислительных процессов в многомашинных и многопроцессорных вк.
- •Задача идентификации и моделирования вс. Задача идентификации.
- •Лекция №12 Принципы построения и свойства моделей.
- •Марковские модели в теории вычислительных систем.
- •Лекция №13 Статистические методы для построения моделей вс.
- •Методы регрессионного анализа.
- •Имитационные методы моделирования.
- •Аналитические и экспериментальные методы.
- •Экспериментальные методы.
- •Лекция №14 методы и средства измерения и оценки функционирования вс.
- •Универсальные и специальные мониторы.
- •Программные мониторы.
- •Аппаратные мониторы.
- •Лекция №15 некоторые варианты построения вычислительных систем. Матричные системы.
- •Ассоциативные системы.
- •Однородные системы и среды.
- •Функционально распределённые системы.
- •Системы с перестраиваемой структурой.
- •Лекция №16 контроль правильности функционирования в вм и системах.
- •Контроль правильности передачи данных.
- •Итеративные коды
- •Сверточное кодирование
- •Равновесные коды
- •Лекция №17 Система диагностирования вс.
- •Особенности программных изделий как объектов тестирования
- •Общие принципы подхода к тестированию пи
- •Функционально полные системы.
Задача идентификации и моделирования вс. Задача идентификации.
При эксплуатации ВС возникают задачи, связанные с идентификацией системы на базе введенных в нее новых элементов, структурных связей и подбора режима функционирования, соответствующего новым требованиям к качеству обслуживания пользователей. В этом случае необходимо заранее определить эффект, который возможно получить путем моделирования системы. Для этой цели проводятся измерения на реально функционирующей системе, строится модель системы на основе сведений о ее организации и проводится идентификация модели в реально существующей системе.
СИ – средства измерения
F – оператор
Процесс идентификации:
1). В соответствии с целью предлагается функциональная модель, которая является некоторой математической системой, позволяющей описать функционирование ВС. Этот этап носит название функциональная идентификация ВС.
2). В соответствии с данными, которые получены в процессе эксплуатации реальной ВС на реальной рабочей нагрузке, рассчитываются параметры x и характеристики X*, Y* и определяется множество параметров A, которые будут являться параметрами, реализующими функциональную модель. Реализация функциональной модели обозначена F. На основе множества параметров модели A могут быть определены параметры X и Y и характеристики Y реализации функциональной модели. Этот этап – параметрическая идентификация. Полученные характеристики Y могут быть сравнены с полученными и оценки их соответствия могут быть выражены в ∆ - погрешность идентификации. Если ∆ соответствует практическим требованиям, то модель является адекватной и может быть использована для исследования поведения ее в новых условиях. Процесс ее функционирования может быть описан как процесс определения новых характеристик от новых параметров: Yн=F(xн).
Лекция №12 Принципы построения и свойства моделей.
Модель – это физическая или абстрактная система, адекватно представляющая объект исследования. Абстрактная модель – описание объекта на некотором формальном языке. Абстрактные модели – ее компоненты не физические модели, а понятия, в качестве которых наиболее часто используются математические отношения. Абстрактная модель, основанная на математическом отношении, называется математической моделью. Математическая модель имеет форму функциональной зависимости:
Y=F(x).
Y – набор характеристик Y={y1, y2, …, ym}
X – набор параметров X={x1, x2, …,xn}
F – функция воспроизводящая модель.
Модель создается исходя из цели исследования, которая определяет
1). состав характеристик Y,
2
).
состав параметров X,
3). область определения модели
4). задается точность, как предельная допустимая погрешность оценки Y на модели. Модель, построенная на основе этих принципов, называется адекватной системе моделью. Свойства адекватности модели являются относительными. Они связаны с целью исследования. Больше всего адекватность определяется в точности воспроизведения. Если не найдена точность, то модель не может считаться адекватной. Высокая точность может быть получена только в узкой окрестности точки x. Чем больше окрестность точки x, тем более сложной должна быть модель.
Кроме адекватности, к свойствам модели относятся:
1). мощность,
2). размерность,
3). сложность вычислений.
Размерность – число величин, представленных в модели, параметры и характеристики(X и Y).
Сложность вычислений – оценивается числом операций, приходящихся на одну реализацию оператора F. Напрямую связана с затратами вычислительного времени.
Т.к. процессы, протекающие в ВС, носят характер случайных, то в качестве математической базы используемой как метод исследования ВС наиболее часто используют аппарат теории вероятностей и математической статистике. При этом случайные величины, соответствующие параметрам, характеристикам и другими элементами моделей могут быть представлены на разных уровнях, среди которых наиболее часто используются следующие:
1). Статистическая выборка,
2). Закон распределения случайной величины,
3). Математическое ожидание и дисперсия,
4). Математическое ожидание.