Оценка операционных систем и систем реального времени с помощью функции желательности Харрингтона

Размещено на http://www.allbest.ru/

Оценка операционных систем и систем реального времени с помощью функции желательности Харрингтона

Оглавление

Введение

1. Выбор параметров для оценки ОС и ОСРВ

1.1 Раскрытие и обоснование выбранных параметров

1.2 Выбор исследуемых ОС и ОСРВ и аппаратной платформы

Заключение

Список используемой литературы

Введение

Цели производственной практики:

изучение метода оценки ОС и ОСРВ с помощью функции желательности Харрингтона и закрепление теоретических знаний в этой области на практике;

приобретение навыков разработки плана систематического подхода к выбору и подсчету параметров ОС и ОСРВ, и получение конкретизированных оценок.

Задачи производственной практики:

установить выбранные ОС на конкретную аппаратную платформу;

научиться систематизировать и применять различные методики тестирования ОС;

научиться обосновывать возможность использования исследовательского инструментария;

развить навыки в области для эффективного применения данного инструментария;

получить обобщенную оценку выбранных ОС и ОСРВ, с помощью функции Харрингтона.

Задание на время прохождения практики: систематизация и подготовка материалов для магистерского проекта по темам:

Выбор параметров для оценки ОС и ОСРВ;

Предобработка исследуемых ОС и ОСРВ;

Пересчет функционала данных задач в таблицу значений;

Подготовка к расчету общей оценки ОС и ОСРВ с помощью функции Харрингтона.

Сейчас существует большое количество операционных систем и постоянно появляются новые, которые учитывают недостатки предыдущих и расширяют возможности пользователей в системе. И здесь перед различными пользователями и организациями встает вопрос: "Какую же из этих многочисленных операционных систем выбрать?"

Многие из ОС не просто являются конкурирующими друг с другом или совершенствующими друг друга, а предназначены для конкретной цели. Существуют ОС для персональных компьютеров, для рабочих станций, для серверов.

Каждая операционная система обладает набором функций, таких как: обеспечение интерфейса с пользователем, разделение ресурсов пользователей, обеспечение операций ввода/вывода, защита информации и др. Сейчас все большее количество ОС поддерживают работу с сетью и обеспечивают выход как в локальную сеть, к общим ресурсам рабочей группы, так и во всемирную глобальную сеть Internet. Эти сетевые соединения могут быть реализованы как посредством сетевой карты, так и через модем, а так же Wi-Fi.

Каждая из ОС требует для своей работы определенные ресурсы с соответствующими параметрами такими как: объем оперативной памяти, объем винчестера, тип процессора и его производительность. В связи с этим очень важно установить на компьютер ту систему, которая соответствует его ресурсам, иначе ее работа будет неэффективна.

Подходы выбора ОС и ОСРВ.

Производительность и безопасность.

Набор программного обеспечения.

Интерфейс пользователя и поддержка

Характеристика аппаратной платформы.

Надежность и устойчивость.

1. Выбор параметров для оценки ОС И ОСРВ

1.1 Раскрытие и обоснование выбранных параметров

В ходе исследования методик и классификаций по выбору ОС и ОСРВ, были выбраны следующие параметры для определения функционала ОС:

Таблица 1

1	Поддержка многопроцессорности
2	Кластеризация
3	Модульность - Модули и пакеты
4	Производительность
5	Сетевые средства
6	Способность к развитию
7	Поддержка: возможность обновлений и редакций
8	Сопровождение (литература, помощь, обратная связь)
9	Приоритетная многозадачность
10	Параллельная обработка данных
11	Набор функций для обработки информации
12	Устойчивость
13	Совместимость
14	Масштабируемость.
15	Возможность установки на иное оборудование

1. Поддержка многопроцессорности. Многопроцессорная обработка. Другим важным свойством ОС является отсутствие или наличие в ней средств поддержки многопроцессорной обработки - мультипроцессирование. Мультипроцессирование приводит к усложнению всех алгоритмов управления ресурсами.

В наши дни становится общепринятым введение в ОС функций поддержки многопроцессорной обработки данных. Такие функции имеются в операционных системах Solaris 2.x фирмы Sun, Open Server 3.x компании Santa Crus Operations, OS/2 фирмы IBM, Windows NT фирмы Microsoft и NetWare 4.1 фирмы Novell.

Многопроцессорные ОС могут классифицироваться по способу организации вычислительного процесса в системе с многопроцессорной архитектурой: асимметричные ОС и симметричные ОС. Асимметричная ОС целиком выполняется только на одном из процессоров системы, распределяя прикладные задачи по остальным процессорам. Симметричная ОС полностью децентрализована и использует весь пул процессоров, разделяя их между системными и прикладными задачами.

Выше были рассмотрены характеристики ОС, связанные с управлением только одним типом ресурсов - процессором. Важное влияние на облик операционной системы в целом, на возможности ее использования в той или иной области оказывают особенности и других подсистем управления локальными ресурсами - подсистем управления памятью, файлами, устройствами ввода-вывода.

Специфика ОС проявляется и в том, каким образом она реализует сетевые функции: распознавание и перенаправление в сеть запросов к удаленным ресурсам, передача сообщений по сети, выполнение удаленных запросов. При реализации сетевых функций возникает комплекс задач, связанных с распределенным характером хранения и обработки данных в сети: ведение справочной информации о всех доступных в сети ресурсах и серверах, адресация взаимодействующих процессов, обеспечение прозрачности доступа, тиражирование данных, согласование копий, поддержка безопасности данных.

Значения параметра 0 - не поддерживает многопроцессорность, 1 поддерживает многопроцессорность

2. Кластеризация

Задача кластеризации - частный случай задачи обучения без учителя, которая сводится к разбиению имеющегося множества объектов данных на подмножества таким образом, что элементы одного подмножества существенно отличались по некоторому набору свойств от элементов всех других подмножеств. Объект данных обычно рассматривается как точка в многомерном метрическом пространстве, каждому измерению которого соответствует некоторое свойство (атрибут) объекта, а метрика - есть функция от значений данных свойств. От типов измерений этого пространства, которые могут быть как числовыми, так и категориальными, зависит выбор алгоритма кластеризации данных и используемая метрика. Этот выбор продиктован различиями в природе разных типов атрибутов.

В этой статье приведён краткий обзор методов кластеризации числовых пространств данных. Она будет полезна тем, кто только начинает изучать Data Mining и кластерный анализ и поможет сориентироваться в многообразии современных алгоритмов кластеризации и получить о них общее представление. Статья не претендует на полноту изложения материала, напротив, описание алгоритмов в ней максимально упрощено. Для более подробного изучения того или иного алгоритма рекомендуется использовать научную работу, в которой он был представлен.

Методы разбиения

Наиболее известные представители этого семейства методов - алгоритмы k-means и k-medoids. Они принимают входной параметр k и разбивают пространство данных на k кластеров таких, что между объектами одного кластера сходство максимально, а между объектами разных кластеров минимально. Сходство измеряется по отношению к некоторому центру кластера как дистанция от рассматриваемого объекта до центра. Основное различие между этими методами заключается в способе определения центра кластера.

В алгоритме k-means сходство рассматривается по отношению к центру масс кластера - среднему значению координат объектов кластера в пространстве данных. Сначала произвольно выбираются k объектов, каждый из которых является прототипом кластера и представляет его центр масс. Затем для каждого из оставшихся объектов выполняется присоединение к тому кластеру, с которым сходство больше. После этого центр масс каждого кластера вычисляется заново. Для каждого полученного разбиения рассчитывается некоторая оценочная функция, значения которой на каждом шаге образуют сходящейся ряд. Процесс продолжается до тех пор, пока указанный ряд не сойдётся к своему предельному значению. Иными словами, перемещение объектов из кластера в кластер заканчивается тогда, когда с каждой итерацией кластеры будут оставаться неизменными. Минимизация оценочной функции позволяет сделать результирующие кластеры настолько компактными и раздельными, насколько это возможно. Метод k-means хорошо работает, когда кластеры представляют собой значительно разделённые между собой компактные «облака». Он эффективен для обработки больших объёмов данных, однако не применим для обнаружения кластеров невыпуклой формы или сильно различающегося размера. Более того, метод очень чувствителен к шуму и обособленным точкам пространства, поскольку даже малое количество таких точек может существенно влиять на вычисление центра масс кластера.

Чтобы сократить влияние шума и обособленных точек пространства на результат кластеризации, алгоритм k-medoids, в отличие от k-means, использует для представления центра кластера не центр масс, а представительный объект - один из объектов кластера. Как и в методе k-means, сначала произвольным образом выбирается kпредставительных объектов. Каждый из оставшихся объектов объединяется в кластер с ближайшим представительным объектом. Затем итеративно для каждого представительного объекта производится его замена произвольным непредставительным объектом пространства данных. Процесс замены продолжается до тех пор, пока улучшается качество результирующих кластеров. Качество кластеризации определяется суммой отклонений между каждым объектом и представительным объектом соответствующего кластера, которую метод стремится минимизировать. То есть, итерации продолжаются до тех пор, пока в каждом кластере его представительный объект не станет медоидом - наиболее близким к центру кластера объектом. Алгоритм плохо масштабируем для обработки больших объёмов данных, но эту проблему решает дополняющий метод k-medoids алгоритм CLARANS. Для кластеризации многомерных пространств на основе CLARANS построен алгоритм PROCLUS.

Иерархические методы

Общая идея методов данной группы заключается в последовательной иерархической декомпозиции множества объектов. В зависимости от направления построения иерархии различают дивизимный и агломеративный методы. В случае агломеративного метода (снизу вверх) процесс декомпозиции начитается с того, что каждый объект представляет собой самостоятельный кластер. Затем на каждой итерации пары близлежащих кластеров последовательно объединяются в общий кластер. Итерации продолжаются до тех пор, пока все объекты не будут объединены в один кластер или пока не выполнится некоторое условие остановки. Дивизимный метод (сверху вниз) напротив, подразумевает, что на начальном этапе все объекты объединены в единый кластер. На каждой итерации он разделяется на более мелкие до тех пор, пока каждый объект не окажется в отдельном кластере или не будет выполнено условие остановки. В качестве условия остановки можно использовать пороговое число кластеров, которое необходимо получить, однако обычно используется пороговое значение расстояния между кластерами.

Основная проблема иерархических методов заключается в сложности определения условия остановки таким образом, чтобы выделить «естественные» кластеры и в то же время не допустить их разбиения. Еще одна проблема иерархических методов кластеризации заключается в выборе точки разделения или слияния кластеров. Этот выбор критичен, поскольку после разделения или слияния кластеров на каждом последующем шаге метод будет оперировать только вновь образованными кластерами, поэтому неверный выбор точки слияния или разделения на каком-либо шаге может привести к некачественной кластеризации. Кроме того, иерархические методы не могут быть применены к большим наборам данных, потому как решение о разделении или слиянии кластеров требует анализа большого количества объектов и кластеров, что ведёт к большой вычислительной сложности метода. Примерами алгоритмов, основанных на иерархическом методе являются BIRCH и CHAMELEON.

Плотностные методы

Кластеры рассматриваются как регионы пространства данных с высокой плотностью объектов, которые разделены регионами с низкой плотностью объектов.

Алгоритм DBSCAN - один из первых алгоритмов кластеризации плотностным методом. В основе этого алгоритма лежит несколько определений:

· е-окрестностью объекта называется окрестность радиуса е некоторого объекта.

· Корневым объектом называется объект, е-окрестность которого содержит не менее некоторого минимального числа MinPts объектов.

· Объект p непосредственно плотно-достижим из объекта q если p находится в е-окрестности q и q является корневым объектом.

· Объект p плотно-достижим из объекта q при заданных е и MinPts, если существует последовательность объектов p₁, …, p_n, где p₁ = q и p_n = p, такая что p_i+1 непосредственно плотно достижим из p_i, 1 ? i ? n.

· Объект p плотно-соединён с объектом q при заданных е и MinPts, если существует объект o такой, что p и qплотно-достижимы из o.

Для поиска кластеров алгоритм DBSCAN проверяет е-окрестность каждого объекта. Если е-окрестность объекта pсодержит больше точек чем MinPts, то создаётся новый кластер с корневым объектом p. Затем DBSCAN итеративно собирает объекты непосредственно плотно-достижимые из корневых объектов, которые могут привести к объединению нескольких плотно-достижимых кластеров. Процесс завершается, когда ни к одному кластеру не может быть добавлено ни одного нового объекта.

Хотя, в отличие от методов разбиения, DBSCAN не требует заранее указывать число получаемых кластеров, требуется указание значений параметров е и MinPts, которые непосредственно влияют на результат кластеризации. Оптимальные значения этих параметров сложно определить, особенно для многомерных пространств данных. Кроме того, распределение данных в таких пространствах часто несимметрично, что не позволяет использовать для их кластеризации глобальные параметры плотности. Для кластеризации многомерных пространств данных на базе DBSCAN был создан алгоритм SUBCLU.

Сетевые методы

Общая идея методов заключается в том, что пространство объектов разбивается на конечное число ячеек, образующих сетевую структуру, в рамках которой выполняются все операции кластеризации. Главное достоинство методов этой группы в малом времени выполнения, которое обычно не зависит от количества объектов данных, а зависит только от количества ячеек в каждом измерении пространства.

Алгоритм CLIQUE, адаптированный под кластеризацию данных высокой размерности, является одним из классических сетевых алгоритмов. Метод основан на том предположении, что если в многомерном пространстве данных распределение объектов не равномерно - встречаются регионы плотности и разрежения, то проекция региона плотности в подпространство с меньшей размерностью будет частью региона плотности в этом подпространстве. Алгоритм CLIQUE производит кластеризацию многомерного пространства данных следующим образом: пространство данных разбивается на не пересекающиеся ячейки фиксированного размера, среди них идентифицируются плотные ячейки - такие, плотность объектов данных в которых превышает заданное пороговое значение. Далее из найденных ячеек формируется пространство, в котором могут существовать плотные ячейки большей размерности. Процесс начинается с одномерных пространств (описанная процедура выполняется для каждого измерения) с последующим переходом к подпространствам более высокой размерности.

Этот алгоритм масштабируем для обработки большого количества данных, однако, при большом количестве измерений число рассматриваемых комбинаций растёт нелинейно, следовательно, требуется использовать эвристики для сокращения количества рассматриваемых комбинаций. Кроме того, получаемый результат очень сильно зависит от выбора размера ячейки и порогового значения плотности объектов в ячейке. Это является большой проблемой, поскольку одни и те же значения этих параметров используются при рассмотрении всех комбинаций измерений. Эту проблему решает алгоритм MAFIA, работающий по схожему принципу, но использующий адаптивный размер ячеек при разбиении подпространств.

Модельные методы

Методы этого семейства предполагают, что имеется некоторая математическая модель кластера в пространстве данных и стремятся максимизировать сходство этой модели и имеющихся данных. Часто при этом используется аппарат математической статистики.

Алгоритм EM основан на предположении, что исследуемое множество данных может быть смоделировано с помощью линейной комбинации многомерных нормальных распределений. Его целью является оценка параметров распределения, которые максимизируют функцию правдоподобия, используемую в качестве меры качества модели. Иными словами, предполагается, что данные в каждом кластере подчиняются определенному закону распределения, а именно, нормальному распределению. С учетом этого предположения можно определить оптимальные параметры закона распределения - математическое ожидание и дисперсию, при которых функция правдоподобия максимальна. Таким образом, мы предполагаем, что любой объект принадлежит ко всем кластерам, но с разной вероятностью. Тогда задача будет заключаться в «подгонке» совокупности распределений к данным, а затем в определении вероятностей принадлежности объекта к каждому кластеру. Очевидно, что объект должен быть отнесен к тому кластеру, для которого данная вероятность выше.

Алгоритм EM прост и лёгок в реализации, не чувствителен к изолированным объектам и быстро сходится при удачной инициализации. Однако он требует для инициализации указания количества кластеров k, что подразумевает наличие априорных знаний о данных. Кроме того, при неудачной инициализации сходимость алгоритма может оказаться медленной или может быть получен некачественный результат. Очевидно, что подобные алгоритмы не применимы к пространствам с высокой размерностью, поскольку в этом случае крайне сложно предположить математическую модель распределения данных в этом пространстве.

Концептуальная кластеризация

В отличие от традиционной кластеризации, которая обнаруживает группы схожих объектов на основе меры сходства между ними, концептуальная кластеризация определяет кластеры как группы объектов, относящейся к одному классу или концепту - определённому набору пар атрибут-значение.

Алгоритм COBWEB - классический метод инкрементальной концептуальной кластеризации. Он создаёт иерархическую кластеризацию в виде дерева классификации: каждый узел этого дерева ссылается на концепт и содержит вероятностное описание этого концепта, которое включает в себя вероятность принадлежности концепта к данному узлу и условные вероятности вида:

P(A_i = v_ij|C_k),

где A_i = v_ij - пара атрибут-значение, C_k - класс концепта.

Узлы, находящейся на определённом уровне дерева классификации, называют срезом. Алгоритм использует для построения дерева классификации эвристическую меру оценки, называемую полезностью категории - прирост ожидаемого числа корректных предположений о значениях атрибутов при знании об их принадлежности к определённой категории относительно ожидаемого числа корректных предположений о значениях атрибутов без этого знания. Чтобы встроить новый объект в дерево классификации, алгоритм COBWEB итеративно проходит всё дерево в поисках «лучшего» узла, к которому отнести этот объект. Выбор узла осуществляется на основе помещения объекта в каждый узел и вычисления полезности категории получившегося среза. Также вычисляется полезность категории для случая, когда объект относится к вновь создаваемому узлу. В итоге объект относится к тому узлу, для которого полезность категории больше.

Однако COBWEB имеет ряд ограничений. Во-первых, он предполагает, что распределения вероятностей значений различных атрибутов статистически независимы друг от друга. Однако это предположение не всегда верно, потому как часто между значениями атрибутов существует корреляция. Во-вторых, вероятностное представление кластеров делает очень сложным их обновление, особенно в том случае, когда атрибуты имеют большое число возможных значений. Это вызвано тем, что сложность алгоритма зависит не только от количества атрибутов, но и от количества их возможных значений.

Перед нами представлены 12 типов кластеризации, которые будут учитываться в ходе оценки параметров ОС и ОСРВ.

3. Модульность - Модули и пакеты

Модули и пакеты.

Программное обеспечение (приложение или библиотека) оформляется в виде модулей, которые в свою очередь могут быть собраны в пакеты. Модули могут располагаться как в каталогах, так и в ZIP-архивах. Модули могут быть двух типов по своему происхождению: модули, написанные под конкретную среду, и модули расширения (extension modules), написанные на других языках программирования. Например, в стандартной библиотеке есть «чистый» модуль pickle и его аналог на Си: cPickle. Модуль оформляется в виде отдельного файла, а пакет -- в виде отдельного каталога. Подключение модуля к программе осуществляется оператором import. После импорта модуль представлен отдельным объектом, дающим доступ к пространству имён модуля. В ходе выполнения программы модуль можно перезагрузить функцией reload().

Модули расширения и программные интерфейсы

Помимо стандартной библиотеки существует множество библиотек, предоставляющих интерфейс ко всем системным вызовам на разных платформах; в частности, на платформе Win32 поддерживаются все вызовы Win32 API, а также COM в объёме не меньшем, чем у Visual Basic или Delphi. Количество прикладных библиотек в самых разных областях без преувеличения огромно (веб, базы данных, обработка изображений, обработка текста,численные методы, приложения операционной системы и т. д.).

Принята спецификация программного интерфейса к базам данным DB-API 2 и разработаны соответствующие этой спецификации пакеты для доступа к различным СУБД: Oracle, MySQL, PostgreSQL, Sybase, Firebird (Interbase), Informix, Microsoft SQL Server и SQLite. На платформе Windows доступ к БД возможен через ADO (ADOdb). Коммерческий пакет mxODBC для доступа к СУБД через ODBC для платформ Windows и UNIX разработан eGenix. Для Питона написано много ORM (SQLObject, SQLAlchemy, Dejavu, Django), выполнены программные каркасы для разработки веб-приложений (Django, Pylons,Pyramid).

Библиотека NumPy для работы с многомерными массивами позволяет достичь производительности научных расчётов, сравнимой со специализированными пакетами. SciPy использует NumPy и предоставляет доступ к обширному спектру математических алгоритмов (матричная алгебра -- BLAS уровней 1--3,LAPACK, БПФ…). Numarray специально разработан для операций с большими объёмами научных данных.

WSGI -- интерфейс шлюза с веб-сервером (Python Web Server Gateway Interface).

Другой подход состоит во встраивании интерпретатора в приложения. Который легко встраивается в программы на Java, C/C++, Ocaml. Взаимодействие приложений с другими системами возможно также с помощью CORBA, XML-RPC, SOAP, COM.

С помощью проекта Cython возможна трансляция программ написанных на языках Python и Pyrex (англ.) в код на языке Си, с последующей компиляцией в машинный код. Cython используется для упрощения написания Python-библиотек, при его использовании отмечается ускорение кода и уменьшение накладных расходов.

Данный параметр содержит 5 наиболее важных значений.

4. Производительность

Это количественная характеристика скорости выполнения определённых операций на компьютере. Чаще всего вычислительная мощность измеряется в флопсах (количество операций с плавающей точкой в секунду), а также производными от неё. На данный момент принято причислять к суперкомпьютерам системы с вычислительной мощностью более 10 Терафлопс (10*10¹² или десять триллионов флопс; для сравнения среднестатистический современный настольный компьютер имеет производительность порядка 0.1 Терафлопс). Одна из наиболее мощных на тесте HPL компьютерных систем -- китайский Tianhe-2 -- имеет производительность, превышающую 33,8 Петафлопс.

Есть определенные характеристики работы компьютера в целом, но как привести отдельные результаты к конкретному числу производительности?

61939712 -- доступная физическая память (Байт),

2070818816 -- доступная виртуальная память (Байт),

655265792 -- доступное пространство на диске жестком (Байт),

6603 -- время работы ОС (sec.),

82 -- время работы определенной программы (процесса) (sec.),

49 -- загрузка процессора %,

10000 -- количество допустимых (одновременно) сетевых коннекшенов.

Неоднозначность определения. Существует несколько сложностей при определении вычислительной мощности компьютера. Во-первых, следует иметь в виду, что производительность системы может сильно зависеть от типа выполняемой задачи. В частности, отрицательно сказывается на вычислительной мощности необходимость частого обмена данных между составляющими компьютерной системы, а также частое обращение к памяти. В связи с этим выделяют пиковую вычислительную мощность -- гипотетически максимально возможное количество операций над числами с плавающей запятой в секунду, которое способен произвести данный компьютер.

Важную роль играет также разрядность значений, обрабатываемых программой (обычно имеется в виду формат чисел с плавающей запятой). Так, например, у графических процессоров NVIDIA Tesla первых двух поколений максимальная производительность в режиме одинарной точности (32 бит) составляет порядка 1 Терафлопс, однако при проведении вычислений с двойной точностью (64 бит) она в 10 раз ниже. (Так, в чипах серии GF200 в 10 раз меньше блоков с поддержкой FP64).

Измерение производительности. Оценка реальной вычислительной мощности производится путём прохождения специальных тестов (бенчмарков) -- набора программ, специально предназначенных для проведения вычислений и измерения времени их выполнения. Обычно оценивается скорость решения системой большой системы линейных алгебраических уравнений, что обусловливается, в первую очередь, хорошей масштабируемостью этой задачи.

Наиболее популярным тестом производительности является Linpack benchmark. В частности, HPL (высокопараллельная реализация Linpack с применением MPI) используется при составлении списка TOP500 суперкомпьютеров в мире.

Другими популярными программами для проведения тестирования являются NAMD (решение задач молекулярной динамики), HPCC (HPC Challenge Benchmark), NAS Parallel Benchmarks.

Данную расчетную характеристику поведения системы я предоставила программе PC-Wizard 2012

Рис. 1

5. Сетевые средства

Первый из элементов сети - сетевые средства и службы. Понятие о сетевых средствах и службах. Общие сетевые службы (файловые, печати, передачи сообщений, приложений, баз данных). Централизованные и распределенные сетевые службы. Централизованная и распределенная файловая служба.

Сетевые приложения. Сетевая операционная система

Выше уже были определены сетевые средства и службы - это все то, что может делать сеть. Специальные программы, называемые сетевыми приложениями, позволяют программам пользователя использовать услуги сети. Сетевые приложения выполняются «прозрачно» для пользователя. То есть пользователь не видит непосредственно их работу. Сетевые приложения обычно входят в состав сетевой операционной системы (NOS - networking operating system), хотя некоторые такие приложения интегрированы и в состав обычных операционных систем. Сетевые операционные системы специально разработаны чтобы координировать и поставлять различные сетевые услуги пользовательским приложениям. Если обычная операционная система находится на одном компьютере, то сетевая операционная система может быть распределена по многим компьютерам, входящим в сеть. Самые известные сетевые ОС - это Novell NetWare и Windows NT.

Общие сетевые службы

Самыми распространенными являются следующие сетевые службы:

- Файловые службы

- Службы печати

- Службы передачи сообщений

- Средства приложений

- Средства баз данных.

Ниже будет рассмотрено определение каждой сетевой службы и подробно разобраны выполняемые ею операции.

Файловые службы

Файловые службы включают в себя сетевые приложения, обеспечивающие хранение и передачу файлов. То есть они производят следующие операции: передачу файлов, хранение и перемещение данных, синхронизацию изменений файлов, архивацию файлов. Файловые службы - одни из важнейших сетевых служб, так как они позволяют создать эффективное хранение информации и обеспечить доступ к информации. Рассмотрим более подробно, как проистекают эти операции.

Службами передачи файлов можно легко пользоваться независимо от размера файла, удаленности источника и даже от операционной системы источника. Также с помощью этих служб можно определять права доступа к той или иной информации. В компьютерной сети обычно пользователю нужно идентифицировать себя, чтобы использовать эту службу. Также может быть применена специальная схема шифрования информации, когда только авторизованный персонал сможет прочитать данные.

Хранение и перемещение данных

Возрастание объема компьютерной информации привело к появлению трех типов сетевых устройств хранения данных. Каждый тип устройств разработан под свою задачу, но существующие сетевые приложения эффективно обеспечивают работу со всеми тремя типами устройств.

1. Оперативно доступные устройства хранения данных обеспечивают немедленный доступ к хранимой информации без вмешательства человека. Пример такого устройства - жесткий диск (винчестер). Этот тип устройств наиболее всего подходит для хранения повседневных рабочих данных и приложений. Стоимость хранения единицы информации на таких устройствах самая высокая.

2. Автономные устройства хранения данных требуют вмешательства человека для получения информации. Они сравнительно недороги и позволяют хранить большие объемы информации. Лучшая область применения для них - резервное копирование информации.

3. Устройства, занимающие промежуточное положение не являются оперативно доступными для компьютера, но и не требуют человеческого вмешательства.

Данные, которые редко используются в сети, могут быть перенесены с «дорогого» жесткого диска на дешевые автономные устройства. Можно управлять службой перемещения данных и отбирать информацию по ее возрасту, по авторству, занимаемому объему или любому другому параметру.

Синхронизация изменений файлов

Если в организации используются мобильные компьютеры, то они на какое-то время могут терять связь с основной файловой базой. Обычно пользователи хранят в таких случаях копии необходимых файлов на своем локальном диске. Однако если в основной файловой базе произойдет изменение информации, то файлы на локальном компьютере окажутся устаревшими. Для урегулирования таких ситуаций и служит служба синхронизации изменений файлов. Как правило, служба сравнивает размер и дату последнего изменения файла и автоматически замещает старые файлы более новыми версиями. Эта служба также может отследить, кто и когда вносил изменения в файл.

Архивация файлов

Существует аксиома: информация рано или поздно будет утеряна, и весь вопрос заключается лишь в том, когда это произойдет. Для предотвращения таких ситуацию используют архивацию или резервное копирование файлов.

Компьютерная сеть позволяет сделать операцию резервного копирования централизованной - один оператор может произвести архивацию информации сразу с нескольких серверов не покидая своего рабочего места. Сейчас существует большое количество сетевых приложений, реализующих службу архивации.

Службы печати

Службы печати включают в себя сетевые приложения, которые управляют доступом к принтерам и факсам. В их задачу входит принятие запроса к принтеру, перевод данных в язык, понятный принтеру, управление очередью печати принтера, а также взаимодействие с другими сетевыми принтерами и факсами.

Использование сетевой службы печати позволяет

- уменьшить количество необходимых в организации принтеров,

- расположить принтеры в наиболее доступных и удобных местах,

- использовать очередь печати для уменьшения простоя,

- компьютеризировать процесс приема и передачи факсов.

Сетевая служба печати производит следующие операции: обслуживает нескольких клиентов одновременно, устраняет ограничения по расстоянию, управляет очередью печати, обеспечивает общий доступ к специализированному оборудованию. Также существует специальная служба сетевого факса.

Обслуживание нескольких клиентов одновременно

Хотя современные принтеры могут подключаться сразу через несколько портов (например, через LPT или инфракрасный порт), число таких портов не безгранично. А это значит, что с принтером может работать лишь ограниченное число клиентов, причем каждый клиент через отдельный порт. В случае же сетевого принтера множество клиентов соединяется через сеть с одним принтером, задействуя всего один порт.

Сетевые принтеры очень выгодны в организациях - они позволяют сэкономить на числе принтеров за счет их совместного использования.

Использование очереди печати

Современные сетевые приложения, входящие в службы печати, могут одновременно обслуживать нескольких клиентов. Если принтер уже занят одним клиентом, то служба печати примет задание от другого клиента и поместит его в специальную очередь печати (print queue). Иногда очередь печати еще называют спулером (spooler). После завершения первого задания на принтер будет послано следующее задание из очереди. Служба печати также поддерживает управление очередью - можно устанавливать приоритеты на задания, можно «замораживать» и удалять задания из очереди.

Приложение пользователя при отсылке задания на сервер печати в очередь «считает» что задание было послано на принтер, то есть очередь «прозрачна» для приложений. Поэтому приложение не ждет выполнения задания и пользователь может работать сразу же после отправки задания в очередь. Очередь печати намного повышает эффективность работы в сети.

Обеспечение общего доступа к специализированному оборудованию

Если в организации существуют специализированные принтеры: широкоформатные, цветные, с повышенной скоростью печати, то компьютерная сеть повышает эффективность их использования, так как пользователь может выбирать тип принтера, на который нужно отправить задание.

Служба сетевого факса

Использование этой службы становится все более и более популярной. Обычная факс-машина сочетает в себе технологии модема, сканера и принтера, чтобы превратить изображение в цифровой вид и отослать получателю. Сетевой факс использует те же технологии, но уже применительно к компьютерной сети, что позволяет экономить ресурсы организации.

Службы передачи сообщений

Службы передачи сообщений включают в себя сетевые приложения, обеспечивающие хранение, доставку сообщений и доступ к ним. Сообщение может содержать любые виды информации: текстовую, графическую, видео- и аудиоинформацию. Службы передачи сообщений не просто передают информацию от одной точки к другой (как это осуществляют файловые службы), а информируют приложение пользователя или самого пользователя о поступившем сообщении.

Использование служб передачи сообщений позволяет:

- передавать сообщения между пользователями;

- использовать голосовые сообщения, интегрированные в электронную почту;

- оперировать объектно-ориентированным программным обеспечением (ПО) с распределенными по сети объектами;

- маршрутизировать и разделять данные с помощью специального программного обеспечения (ПО автоматизации предприятий и т.д.)

- организовывать пользовательскую информацию с помощью службы каталогов.

Сетевые приложения, входящие в службы передачи сообщений, можно разделить на четыре основные группы:

- электронная почта;

- интегрированная с голосовой почтой электронная почта;

- объектно-ориентированные приложения;

- приложения для рабочих групп.

Электронная почта

Под электронной почтой (E-mail) понимают передачу сообщений между двумя или более компьютерами, в сообщение можно включать практически любой вид информации. Приложения электронной почты должны иметь не только средства доставки сообщений, но и средства воспроизведения различных видов информации. Службы электронной почты должны отслеживать перемещение адресатов в сети, чтобы правильно доставлять сообщения.

Электронная почта - одна из самых используемых и популярных служб в сети. Интегрированная с голосовой почтой электронная почта

Голосовая почта - это служба передачи голоса, использующая специальное программное и аппаратное обеспечение. Сейчас существует множество решений для передачи голоса по компьютерной сети, и ведутся исследований в этой области. Одно из возможных применений - это IP-телефония, то есть организация одной сети, как для компьютерной информации, так и для телефонных переговоров. В идеале при дальнейшем росте вычислительной мощности компьютера текстовые сообщения легко могут быть переведены в голосовые и наоборот.

Объектно-ориентированные приложения

Объектно-ориентированные приложения - это компьютерные программы, которые для выполнения сложных задач включают в себя более мелкие приложения (объекты), выполняющие простые задачи. Службы передачи сообщений передают информацию от одного такого объекта к другому в компьютерной сети и объект работает только с локальным сетевым приложением для передачи информации.

Приложения для рабочих групп

Приложения для рабочих групп подразделяют на две категории:

- управление документооборотом;

- документы со встроенными и связанными объектами.

Приложения по управлению документооборотом выполняют работу по маршрутизации форм и документов среди клиентов сети. При введении компьютерной системы управления предприятием службы управления документооборотом играют немаловажную роль.

В документы со встроенными и связанными объектами введены различные объекты информации. Такой документ очень похож по структуре на объектно-ориентированное приложения, и может сочетать в себе текст, электронные таблицы, графическую, аудио- и видеоинформацию. Причем все эти объекты информации могут находиться в различных частях сети. При просмотре документа он обращается через сетевые приложения к объектам в сети.

Служба каталогов (Directory Service)

Служба каталогов не относится напрямую к службам доставки сообщений. Эта служба постоянно отслеживает местоположение пользователей и ресурсов в компьютерной сети. Для отправки сообщения пользователю достаточно указать имя адресата и обратиться к службе каталогов, которая найдет местоположение адресата, и возьмет на себя обязанности по оптимальной доставке сообщения. Служба каталогов - это единый источник, который содержит в себе информацию обо всех ресурсах и пользователях сети.

Средства приложений

Средства приложений содержат в себе сетевые приложения, которые могут запускать программы на компьютере по требованию клиентов сети. Эти службы отличны от файловых служб, так как идет не только обмен информацией, но и предоставление вычислительных мощностей другому компьютеру. Средства приложений обеспечивают следующие функции:

- координируют работу аппаратного и программного обеспечения по запуску необходимых приложений на наиболее подходящем ресурсе;

- увеличивают вычислительную мощность без модернизации сетевых компьютеров.

Следует обсудить два важных аспекта средств приложений. Это

- специализированные сервера приложений;

- модернизация.

Специализированные сервера приложений

Самое главное преимущество специализированного сервера состоит в том, что он сочетает в себе такую комбинацию аппаратного и программного обеспечения, которая приводит к улучшению производительности сервера в данной задаче. Такие сервера позволяют объединить удобство локальной обработки данных с преимуществами централизованной обработки: высокой скоростью, безопасностью, единой структурой данных.

Клиент разделяет задание между собой и сервером в определенной пропорции, что позволяет повысить скорость его выполнения.

Существует два основных типа специализированных серверов: СУБД клиент-сервер (который будет рассмотрен позднее) и сервер частных телефонных линий (PBX - Private Branch Exchange), который производит коммутацию телефонных линий. В настоящее время происходит все большая интеграция таких серверов с компьютерной сетью, что позволит клиентам сети запрашивать телекоммуникационные услуги.

Модернизация. Использование специализированных серверов приложений также позволяет сравнительно недорого увеличивать производительность сети. Для этого достаточно модернизировать только сам сервер, не затрагивая остальных клиентов сети.

Средства баз данных

Средства баз данных включают в себя приложения, которые предусматривают централизованное хранение данных, их поиск и передачу клиентам сети. Существует специальный термин - СУБД - система управления базами данных, который характеризует такие взаимодействия. Обычно задача разделяется между СУБД и приложением пользователя. Как правило, приложение пользователя подготавливает запрос и обрабатывает ответ, а СУБД обслуживает запрос и возвращает требуемые данные. Как правило, запрос переводится на специальный язык SQL - structured query language, который понятен машине. Язык SQL поддерживают большинство СУБД.

СУБД характеризуется:

- наличием специализированных серверов, которые хранят данные, производят поиск и обрабатывают запрос;

- контролем географического положения баз данных;

- логической организацией данных;

- обеспечением надлежащей безопасности;

- коротким временем обслуживания запроса.

К средствам баз данных применимы два основных аспекта их работы:

- координация изменений в распределенных базах данных;

- тиражирование (replication).

Координация изменений в распределенных базах данных - важная задача в случаях, если база находится на нескольких серверах. СУБД должна представлять такую базу как единое целое и своевременно обрабатывать изменения, производимые в отдельных частях базы.

Тиражирование. Работа с небольшой локальной базой происходит обычно быстрее, чем с удаленным сервером. Однако в случаях существования нескольких копий базы данных существует опасность устаревания базы. При тиражировании выполняется синхронизация копий баз данных в сети. Сейчас существует два способа выполнения такой координации.

Первый способ - при существовании основной базы данных - в сети есть только одна база данных, в которую можно вносить изменения и дополнения. СУБД в таком случае несет ответственность за своевременное копирование главной базы на клиентов сети.

При использовании второго способа уже в локальные базы вносятся изменения и дополнения, а СУБД координирует изменения с другими копиями базы данных.

Централизованные и распределенные сетевые службы и средства

Современные сетевые ОС используют метод вытесняющей многозадачности.

Рассмотрим более подробно клиентскую часть сетевых ОС. Тремя выделяющимися компонентами клиентской части сетевой ОС являются редиректоры (redirectors), распределители (designators) и имена UNC (UNC pathnames).

Редиректор - это специальное приложение, которое проверят запросы программ пользователя к сетевым приложениям или службам. Если запрошенный ресурс находится на локальном компьютере, редиректор направляет запрос на немедленную локальную обработку. Если ресурс находится в сети, редиректор направляет запрос к соответствующему серверу.

Распределитель - это приложение, которое управляет присвоением букв накопителей локальным и удаленным сетевым ресурсам. Сетевому каталогу можно сопоставить букву диска и работать с ним как с еще одним диском. При обращении пользователя к таком диску распределитель подставляет сетевой адрес ресурса и переадресовывает запрос редиректору.

Имена UNC расшифровываются как Universal Name Convention - универсальное соглашение по наименованию. Это способ универсального наименования сетевого ресурса. Эти имена имеют форму \\имя_сервера\имя_ресурса.

Централизованные и распределенные файловые службы

Выбор централизованной или распределенной архитектуры сети влияет на все службы, но наиболее критичным к выбору той или иной архитектуры являются файловые службы.

При централизованной архитектуре, файловые сетевые службы находятся на поставщике услуг - файл-сервере. Как правило, под файл-сервером понимают отдельный компьютер, в котором находятся накопители большой емкости. Все файлы, которыми обмениваются пользователи, проходят через файл-сервер. В некоторых сетях существует несколько файл-серверов, но их количество все равно крайне мало по сравнению с количеством компьютеров-клиентов.

Распределенная файловая система

Ресурсу, находящемуся в сети, можно присвоить букву диска на локальном компьютере. Но часто бывают ситуации, когда количество нужных ресурсов достаточно велико, и букв может не хватить. В Windows NT 2000 реализована распределенная файловая система DFS (Distributed File System) которая позволяет объединить сетевые ресурсы в общее пространство имен. То есть DFS обеспечивает однородный доступ к набору совместно используемых ресурсов и файлов, организуя их в виде иерархичной структуры. В свою очередь том DFS может, входит в другой том, что увеличивает гибкость системы.

Преимущества DFS.

Иерархический вид совместно используемых сетевых ресурсов. Администратор может создавать том в виде удобного дерева требуемых сетевых ресурсов. Пользователи сами могут создавать тома DFS, которые могут быть включены в другие тома DFS. Это называется интер-DFS связи.

Гибкое администрирование тома. Отдельные ресурсы, входящие в DFS могут быть отключены без воздействия на остальные ресурсы. Также ресурс может быть физически перемещен в другое место, что не заметно для пользователя в пространстве имен DFS. В DFS используется модель безопасности Windows NT, поэтому пользователь может обращаться только к тем ресурсам, к которым имеет доступ.

Повышенная доступность данных и баланс нагрузки. Нескольких одинаковых сетевых ресурсов, предоставленных только для чтения, могут быть объединены в одно логическое имя DFS. Если один из ресурсов недоступен, автоматически становится доступным другой ресурс. Также при обращении к логическому ресурсу DFS пользователь может быть направлен на один из физических ресурсов, что позволяет направлять различных пользователей на различные физические ресурсы и таким образом балансировать нагрузку.

Взаимодействие с другими сетевыми файловыми системами. Любая система, доступная через редиректор Windows NT может быть включена в пространство имен DFS.

Подведем итог

Компьютерные сети играют свою важную роль, прежде всего благодаря сетевым средствам и службам, которые они обеспечивают. Особо выделяют следующие сетевые средства и службы:

- файловые службы, отвечающие за передачу файлов, хранение и перемещение данных, синхронизацию изменений файлов, архивацию файлов;

- службы печати (и входящие в них службы факса), выполняющие следующие операции: обслуживание нескольких клиентов одновременно, устранение ограничения по расстоянию, управление очередью печати, обеспечение общего доступа к специализированному оборудованию;

- службы передачи сообщений, включающие в себя электронную почту, интегрированную с голосовой почтой электронную почту, объектно-ориентированные приложения, приложения для рабочих групп, службу каталогов;

- средства приложений, включающие в себя специализированные сервера приложений и возможность простой модернизации сети;

- средства баз данных, координирующие изменения в распределенных базах данных и выполняющие тиражирование.

Мы можем с вами увидеть, что количественная максимальная характеристика данного параметра 23.

6. Способность к развитию

Способность к развитию. Одним из главных условий способности системы к развитию является хорошо продуманная модульная структура, в которой четко определены функции каждого модуля и его взаимосвязи с другими модулями. При этом создается возможность совершенствования отдельных модулей с минимальным риском вызвать нежелательные последствия для других частей системы.

...