Имитационное моделирование и оптимизация работы параллельного сервера с отказами в среде AnyLogic

Об авторах:

Сенкевич Людмила Борисовна, кандидат педагогических наук, доцент кафедры кибернетических систем, Тюменский индустриальный университет;  lyudmila1@yandex.ru

Сабитов Марат Асхатович, магистрант кафедры кибернетических систем, Тюменский индустриальный университет;  sabitov.m.a@yandex.ru

Аннотация:

Современные научные исследования всё чаще обращаются к проблеме обработки больших массивов данных. Широкое распространение клиент-серверной технологии взаимодействия и облачных вычислений в настоящий момент времени поднимает вопросы эффективности работы параллельного сервера, а также возможности прогнозировать результаты в зависимости от степени загрузки и характеристик оборудования.

В данной статье производится имитационное моделирование параллельного сервера с отказами в среде AnyLogic, а затем производится многомерная оптимизация методом взвешенной суммы. В рамках исследования построена имитационная модель системы массового обслуживания с отказами, содержащая имитатор работы сервера, терминалы, имитатор отказов и сегменты сбора статистики. Используемая модель параллельного сервера является абстрактной и достаточно обобщенной, что позволяет конкретизировать ее путем введения дополнительных зависимостей и уточнения характеристик. Эксперимент с оптимальными параметрами позволил получить следующий выигрыш в показателях эффективности системы: параметр загрузки процессора (по памяти) — 7%; параметр загрузки процессора (по коэффициенту загрузки) — 8%; вероятность простоя терминалов — 5,7%; частота отказов основного компьютера — в 36 раз меньше начальной конфигурации; число прерванных программ — на 7 меньше. При этом необходимо отметить, что общее количество выполненных запросов осталось на том же уровне (462-465, т. к. интенсивность терминалов не варьировалась).

Поскольку оптимизация стохастических моделей основывается на использовании случайных величин, была применена встроенная возможность переменного количества (от 5 до 10) репликаций («прогонов») с доверительной вероятностью 95% и уровнем ошибок 0,5. Полученные результаты позволяют говорить о возможности дальнейшего исследования модели и ее развития в среде AnyLogic.

Список литературы:

1. Кислицын Е. В. Моделирование систем: дискретно-событийный подход / Е. В. Кислицын, В. К. Першин. Екатеринбург: Урал. гос. экон. ун-т, 2013. 101 с.

2. Макаров В. Л. Разработка цифровых двойников для производственных предприятий / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян // Бизнес-информатика. 2019. № 13 (4). С. 7-16.

3. Обухов П. А. Исследование эффективности работы сетевых серверов в среде имитационного моделирования AnyLogic / П. А. Обухов, А. Б. Николаев, А. В. Остроух // Международный журнал экспериментального образования. 2015. № 3-3. С. 338-342.

4. Оптимизационный эксперимент. URL: https://help.anylogic.ru/index.jsp?topic=%2Fcom.anylogic.help%2Fhtml%2Fexperiments%2Foptimization-ex... (дата обращения: 11.10.2021).

5. Ржевский С. В. Исследование операций / С. В. Ржевский. СПб.: Лань, 2013. 480 с.

6. Ротт А. Р. Моделирование и расчеты производственно-технических систем / А. Р. Ротт. Йошкар-Ола: Мар. гос. техн. ун-т, 2010. 224 с.

7. Стин ван М. Распределенные системы / ван М. Стин, Э. С. Таненбаум; пер. с англ. В. А. Яроцкого. М.: ДМК Пресс, 2021. 584 с.

8. Эксперимент Монте-Карло. URL: https://help.anylogic.ru/index.jsp?topic=%2Fcom.anylogic.help%2Fhtml%2Fexperiments%2Fmonte-carlo-exp... (дата обращения: 11.10.2021).

9. Arora R. Optimization: Algorithms and Applications / R. Arora. Boca Raton: Chapman and Hall/CRC, 2015. 466 p.

10. Luc D. T. Multiobjective Linear Programming: An Introduction / D. T. Luc. London: Springer, 2016. XII, 325 p. DOI: 10.1007/978-3-319-21091-9