Семейство имитационных моделей для исследования характеристик веб-серверов

Размещено на http://www.allbest.ru/

Семейство имитационных моделей для исследования характеристик веб-серверов

Манасова Каринэ Сергеевна

студентка 6 курса, кафедра информационных систем и компьютерных технологий БГТУ

Каминский Виктор Николаевич

научный руководитель, канд. тех. наук, доцент БГТУ,

г. Санкт-Петербург

На сегодняшний день нельзя представить современный мир без использования всемирной паутины, Интернет-ресурсов. Число пользователей данных ресурсов и появление новых сайтов растет каждый день. Таким образом, система разрастается, усложняется и требует новых подходов для решения ее проблем. С проблемами эффективности и производительности борются различными способами: и повышают мощность ЭВМ, и используют различные конфигурации веб-серверов.

Многообразие всех существующих веб-серверов можно классифицировать следующим образом:

Рис. 1. Классификация веб-серверов

Одномашинные вычислительные системы. Данная вычислительная система представляет собой систему, состоящую из одной машины. Чтобы была высокая производительность, такая машина должна быть очень мощной.

Многомашинные вычислительные системы. На практике чаще всего встречаются именно такие вычислительные системы. Данная система состоит из двух или более вычислительных машин. Эти машины представляют собой веб-сервера, которые могут быть соединены между собой различными способами.

Здесь можно рассмотреть 3 варианта конфигурации информационной системы: когда все машины однопроцессорные, многопроцессорные или смешанные (в составе есть как однопроцессорные, так и многопроцессорные).

Однопроцессорные вычислительные системы. На однопроцессорных системах веб-сервер обрабатывает запросы одним за другим в порядке поступления. Поэтому при поступлении запроса, который требует выборки из базы, веб-сервер будет ожидать окончания операции выборки, при этом в очереди запросов будет находиться запрос страницы, содержимое которой находится в кэше или оперативной памяти.

Многопроцессорные вычислительные системы. К данному виду систем относятся веб-сервера, представляющие собой многоядерные и многопроцессорные машины. Здесь помимо «псевдо виртуализации» используются компьютеры с несколькими процессорами (ядрами), за счёт чего возрастает производительность веб-серверов в десятки раз. За счет распараллеливания запросов между процессорами производительность возрастает в разы. Однако при поступлении большого количества запросов, требующих выборку разных данных из БД и при отсутствии необходимых данных в кэшах, производительность может резко снизиться.

Из-за огромного количества пользователей и сайтов веб-сервер испытывает большую нагрузку, которая сказывается на его работоспособности и надежности. Из-за большой нагрузки веб-сервер может либо постоянно не справляться с обслуживанием потока поступающих на него заявок, либо испытывать кратковременные пиковые перегрузки. С возникшими проблемами можно бороться двумя способами: в первом случае простым, но дорогим способом борьбы с перегруженностью будет повышение мощности оборудования (сервера). Во втором случае дешевле будет в моменты перегруженности обслуживать в первую очередь наиболее важные, имеющие высокий приоритет заявки. В обоих случаях часто можно устранить перегруженность веб-сервера, реорганизовав вычислительный процесс. В теории массового обслуживания доказано (формула Поллачека-Хинчина [4, c. 155]), что при одном и том же коэффициенте загрузки оборудования среднее время пребывания заявки в системе тем меньше, чем меньше входящий поток заявок, и время обслуживания отличаются от детерминированных. Грубо говоря, чем меньше время обслуживания и промежутки между поступления заявок отличаются от средних, тем меньше времени ожидания пользователем сайта ответа на его запрос. Неоднородность потока заявок определяется типом веб-сайта. Например, веб-сайт для просмотра расписания электричек выполняет запросы примерно одинаковой трудоёмкости. Запросы к поисковой системе Google могут иметь трудоёмкость, различающуюся в сотни раз.

Подбирая смесь заявок на выполнение из числа стоящих в очереди, можно значительно равномернее загрузить оборудование компьютера (процессор, диски, оперативную память и т.д.), тем самым, увеличив производительность системы. Теория даёт лишь общее направление выработки стратегии управления вычислительным процессом [3, c. 325]. Практические способы оптимизации загрузки оборудования для конкретной вычислительной системы, на которой установлен веб-сервер, можно подобрать лишь эмпирическим путём. Эксперименты с работающим веб-сервером могут нарушить его работу или вывести всю систему из строя, что является нецелесообразным. Поэтому для изучения свойств веб-сервера лучше использовать имитационное моделирование.

На сегодняшний день имитационное моделирование пользуется широким спросом во всех областях науки. Метод имитационного моделирования позволяет решать задачи исключительной сложности. Исследуемая система может одновременно содержать элементы непрерывного и дискретного действия, быть подверженной влиянию многочисленных случайных факторов сложной природы, описываться весьма громоздкими соотношениями и т. д. Результаты моделирования позволяют вскрыть закономерности процесса, существенные с точки зрения автоматизированного управления, определить потоки управляющей информации и обоснованно выбрать алгоритмы управления. По данным моделирования может быть оценена эффективность различных принципов управления, вариантов построения управляющих систем, а также работоспособность и надежность управляющей аппаратуры [1, c. 75].

В настоящее время существует огромное множество языков моделирования. В свое время Е. Киндлер отмечал существование более 500 языков моделирования [2, c. 11]. Современная статистика говорит уже о существовании 750 языков. Самыми популярными языками являются SIMULA, SIMSCRIPT, GPSS, SOL, CSL[2, c. 214].

Несмотря на такое большое разнообразие языков моделирования для исследования характеристик веб-серверов с помощью имитационного моделирования был выбран современный универсальный язык программирования С++, потому что универсальные языки позволяют быстрее и проще из более простой программы сделать более сложную, а также позволяет отключить вывод собираемой статистики для более быстрой работы программы. Более того для моделирования на специализированном языке моделирования требуется некоторое время для изучения особенностей одного из языков.

Для исследования характеристик веб-серверов было разработано семейство имитационных моделей:

· Сеть одноканальных СМО со случайным однородным потоком заявок;

· Сеть многоканальных СМО со случайным однородным потоком заявок;

· Сеть многоканальных СМО с несколькими дисциплинами обслуживания со случайным однородным потоком заявок;

· Неоднородная сеть или сеть с несколькими классами заявок со случайным временем поступления.

· Сеть одноканальных СМО с детерминированным однородным потоком заявок;

· Сеть многоканальных СМО с детерминированным однородным потоком заявок;

· Сеть многоканальных СМО с несколькими дисциплинами обслуживания с детерминированным однородным потоком заявок;

· Неоднородная сеть или сеть с несколькими классами заявок с детерминированным временем поступления.

Сеть одноканальных СМО соответствует вычислительной сети, состоящей из однопроцессорных машин, а сеть многоканальных СМО соответствует сети, состоящей из многопроцессорных машин.

В каждой из этих моделей веб-сервер рассматривается как отдельная СМО, которых в системе может быть одна и более систем, они могут быть как связанными, так и несвязанными между собой. Особый интерес представляют следующие характеристики СМО: средняя длина очереди, максимальная длина очереди, время ожидания заявки в системе, время пребывания заявки в системе, время простоя системы, коэффициент загрузки СМО и дисциплины обслуживания.

Рассмотрим первые три имитационные модели со случайным потоком поступления заявок. Пусть в системе будет количество СМО равно KOLSMO=2, для многоканальных СМО - количество каналов равно kan=2, интенсивность поступающих заявок л=0,8, интенсивность обслуживания каждой СМО µ₁=0,8 и µ₂=0,75, количество поступающих заявок М=100000. Все заявки сначала поступают на первую СМО, после обслуживания на первой СМО поступают на вторую СМО. Поступающий поток и обслуживание имеют экспоненциальный характер. Моделирование продолжается до тех пор пока на выходе не получим М обслуженных заявок. Для сети многоканальных СМО с несколькими дисциплинами обслуживания со случайным однородным потоком заявок рассмотрим 3 дисциплины обслуживания: FIFO, LIFOи «короткая заявка вперед». Количество поступающих заявок М=1000000, интенсивность поступающих заявок л=0,9, интенсивность обслуживания каждой СМО µ₁=0,4 и µ₂=0,375.

Таблица 1. Сети многоканальных и одноканальных СМО

Таблица 2. Сеть многоканальных СМО с разными дисциплинами обслуживания

Из таблицы 1 видно, что показатели сети многоканальной СМО лучше, чем показатели сети одноканальных СМО. Также на практике было выявлено, что с увеличением интенсивности потока увеличиваются коэффициенты загрузки, возрастает МАХ и средняя длины очереди, МАХ и среднее времена ожидания, среднее время пребывания заявки в сети и среднее время ожидания заявки в сети. Уменьшается время моделирования. Остается неизменным среднее время обслуживания заявки в сети.

Из таблицы 2 видно, что дисциплина обслуживания влияет на характеристики системы. Наилучшие показатели дает дисциплина «короткая заявка вперед».

Таким образом, если увеличить количество машин в сети и процессоров (ядер) этих машин, а также использовать дисциплину «короткая заявка вперед», мы получим более мощную систему веб-серверов.

веб сервер перегруженность имитационный

Список литературы

1. Бусленко Н.П. Моделирование сложных систем - Главная редакция физико-математической литературы изд-ва «Наука», 1978.

2. Киндлер Е. Языки моделирования. Пер. с чеш. - М.: Энергоатомиздат, 1985. - 288 с. - М., 1985

3. Майоров С.А., Новиков Г.И. Основы теории вычислительных систем - М.: «Высшая школа», 1978.

4. Митрофанов C.П. Организационно-технологическое проектирование ГПС - Ленинград «Машиностроение» ленинградское отделение, 1986.

Размещено на Allbest.ru