Практическая работа №1

Иркутский государственный технический университет

НАДЕЖНОСТЬ ИНФОРМАЦИОННЫХ СИСТЕМ

Методические указания для студентов специальности

«Информационные системы в машиностроении»

ИРКУТСК

Г.

Надежность информационных систем. Методическое пособие по выполнению практических работ. Составил доцент Хрусталев Ю.П. - Иркутск, 2007

 

Рассмотрены методы анализа надежности информационных систем с учетом выхода из строя отдельных их элементов. Анализ основан на использовании результатов теории случайных процессов. Широко используется понятие «состояние системы». На основе графа состояний составляются системы дифференциальных уравнений – уравнения Колмогорова. Решения этих уравнений дают представления о динамике надежности систем и позволяют получить количественные оценки надежности. В пособии рассмотрены различные методы исследования надежности информационных систем:

- аналитические методы, основанные на применении преобразования Лапласа;

- метод численного решения систем ОДУ: метод Рунге – Кутты;

- методы имитационного моделирования.

На конкретных примерах показано, что все эти методы дают решения задач надежности, совпадающие с очень высокой точностью.

Предполагается, что студенты, изучающие данный предмет, прослушали курс «Моделирование информационных систем» и знакомы с методами имитационного моделирования таких систем.

Пособие состоит из 4 работ, содержит 28 страниц текста и содержит 10 рисунков. Список литературы содержит 4 наименования.

 

Практическая работа №1.

Решение задач на ЭВМ при наличии сбоев.

Потоки сбоев описываются потоками Пальма (потоками Эрланга порядка k). Если

точка случайно попадает на интервал между событиями потока, то закон распределения интервала изменяется. При этом он по прежнему подчиняется закону Эрланга, но порядок становится равным k+1 [1].

Рассмотрим более подробно интервал :

 

0

 

 

Рис.1 Схема попадания случайной точки τ на интервал T^*

 

– участок точки от предыдущего события.

– интервал времени от точки до последующего события (сбоя).

Если решение задачи начинается в случайный момент времени , то задача будет решена, если время ее решения будет меньше, чем время, оставшееся до очередного сбоя

(т.е. меньше интервала R). Чтобы найти вероятность такого события - Р(А), необходимо знать плотность распределения случайной величины R.

В [1] показано, что

(1)

где - плотность распределения случайной величины R,

F (t)= - функция распределения случайной величины t;

k - порядок процесса Эрланга;

m_t = - математическое ожидание интервалов времени между событиями

потока;

- интенсивность потока.

 

Таким образом, вероятность того, что задача, решение которой начато в момент t_0, будет решена с первого раза, равна интегралу от плотности вероятности f_R(t), вычисленному в пределах от t₀ до бесконечности.

 

(2)

 

 

Введём функцию: (3)

 

Т.к , [1]

то вероятность Р(А) можно достаточно просто вычислить с помощью функции R(m,a).

Эту задачу можно решить с помощью методов имитационного моделирования [2]. Программа, написанная в системе GPSS, состоит из двух сегментов. Первый сегмент имитирует процесс решения задачи. Транзакт вводится в систему в случайный момент времени (случайная величина выбирается из равномерного распределения: пусть для определенности в интервале, равном восьми часам). Затем задача – транзакт – занимает компьютер, где и задерживается на время решения. После чего компьютер освобождается и задача покидает систему через оператор TERMINATE 1 с меткой GOOD (задача решена успешно).

Во втором сегменте имитируется поток сбоев. Генерация потоков Эрланга производится выбором из простейшего потока (интервалы между сбоями подчиняются экспоненциальному распределению) каждого k-го события. Данная процедура может быть реализована с помощью такой группы операторов:

 

num fvariable N$GO@3

GENERATE 120,FN$EXP

GO ADVANCE 1

TEST E V$num,0,TER

…. … …

TER TERMINATE

 

В данном фрагменте программы предполагается, что в исходном потоке сбои следуют в среднем через 120 интервалов времени. Интервалы между сбоями подчиняются экспоненциальному распределению (оператор GENERATE 120,FN$EXP). Оператор TEST пропускает далее только каждый третий транзакт (переменная num равна частному от деления по модулю на 3 числа транзактов, прошедших через метку GO). Транзакты, не кратные трем, покидают систему через оператор TERMINATE с меткой TER.

Таким образом формируется поток Эрланга 3-го порядка. Оператор ADVANCE необходим только для того, чтобы вставить метку GO (оператор GENERATE не может быть помеченным).

Транзакты, прошедшие блок TEST, захватывают компьютер, отсылая транзакт- задачу (если она в этот момент решалась на компьютере) на оператор с меткой AWAY:

AWAY TERMINATE 1

Многократно запустив программу с помощью оператора START (например, START 10000), необходимо подсчитать число транзактов, покинувших систему через метку GOOD, т. е. число успешных «прогонов» задачи, чтобы найти вероятность решения задачи с одного раза.

 

Пример решения задачи.

Интервал между последовательными сбоями ЭВМ, устраняемыми практически мгновенно с помощью программных средств, имеет распределение Эрланга порядка с параметром (1/час). Для решения задачи требуется работа ЭВМ без сбоев в течение 2-х часов. Задачи начинают решать в произвольный момент , никак не связанный с потоком сбоев.

Найти вероятность события:

A={задача будет решена с первого раза}.

Решение:

Событие состоит в том, что с.в. -время, оставшееся до очередного сбоя, принимает значение больше 2-х часов.

при получаем:

(4)

(т.к. )

т.к.

т.е. сделав замену переменных: , получим:

(нижний предел в интеграле заменили: )

Но

Или можно получить: и т.д.

т.е.

 

Интеграл можно вычислить непосредственно, т.е. без использования функций R(m,a), используя возможности системы MathCAD.

 

Метод имитационного моделирования при достаточно большом числе прогонов(10000 и более) дает решение, совпадающее с аналитическим с точностью до одной тысячной.