Загрузка...
Учебная работа. Курсовая работа: Имитационное моделирование работы вычислительной системы из трех ЭВМ в среде GPSS
Объяснительная записка к курсовому проекту
по курсу «Моделирование систем»
Тема: «Имитационное моделирование работы вычислительной системы из 3-х ЭВМ в среде GPSS»
Екатеринбург 2008г
Содержание
Введение
1. Построение концептуальной модели системы и ее формализация
1.1 Формулировка цели и постановка задачки машинного моделирования системы
1.2 Анализ задачки моделирования системы
1.3 Определение требований к начальной инфы о объекте моделирования и организация ее сбора
1.4 Выдвижение гипотез и принятие догадок
1.5 Определение характеристик и переменных модели
1.6 установление основного содержания модели
1.7 Обоснование критериев оценки эффективности системы
1.8 Определение процедур аппроксимации
1.9 Описание концептуальной модели системы
1.10 Проверка достоверности концептуальной модели
2. Алгоритмизация модели системы и ее машинная реализация
2.1 Построение логической схемы модели
2.2 Получение математических соотношений
2.3 Проверка достоверности модели системы
2.4 Выбор инструментальных средств моделирования
2.5 Составление плана выполнения работ по программированию
2.6 Спецификация и построение схемы программки
2.7 Проведение программирования модели
2.8 Проверка достоверности программки
3. Получение и интерпретация результатов моделирования системы
3.1 Планирование машинного опыта с моделью системы
3.2 Определение требований к вычислительным средствам
3.3 Проведение рабочих расчетов
3.4 анализ результатов моделирования системы
3.5 Представление результатов моделирования
3.6 Интерпретация результатов моделирования
3.7 Подведение итогов моделирования и выдача советов
Введение
Вычислительная система состоит из 3-х ЭВМ . С интервалом 3 ± 1 мин в систему поступают задания, которые с вероятностями Р1
= 0,4; P2
= P3
= 0,3 адресуются одной из 3-х ЭВМ . Перед каждой ЭВМ имеется очередь заданий, длина которой не ограничена. Опосля обработки задания на первой ЭВМ , оно с вероятностью P12
= 0,3 поступает в очередь ко 2-ой ЭВМ и с вероятностью P13
= 0,7 – в очередь к третьей ЭВМ . Опосля обработки на 2-ой либо третьей ЭВМ задание считается выполненным. Длительность обработки заданий на различных ЭВМ характеризуется интервалами времени Т1
= 7 ± 4 мин, T2
= 3 ± 1 мин, T3
= 5 ± 2 мин. Смоделировать процесс обработки 200 заданий. Найти наивысшую длину каждой очереди и коэффициенты загрузки ЭВМ .
1. Построение концептуальной модели системы и ее формализация
1.1 Формулировка цели и постановка задачки машинного моделирования системы
Нужно изучить работу вычислительной системы из 3-х ЭВМ . В качестве цели моделирования выберем исследование функционирования системы, а конкретно оценивание ее черт исходя из убеждений эффективности работы системы, т.е. минимизацию длины очереди к ЭВМ и максимизацию коэффициента загрузки ЭВМ (т.е. будет ли она простаивать, работать на износ либо работать с припасом). В качестве цели действенного функционирования системы целенаправлено избрать максимизацию коэффициента загрузки каждой ЭВМ .
С учетом имеющихся ресурсов в качестве способа решения задачки выберем способ имитационного моделирования, позволяющий не только лишь рассматривать свойства модели, да и проводить структурный, алгоритмический и параметрический синтез модели на ЭВМ при данных аспектах оценки эффективности и ограничениях.
Постановка задачки исследования функционирования вычислительной системы состоящей из 3-х ЭВМ представлена в задании к курсовому проектированию, из которого следует, что нужно найти:
— наивысшую длину очередей к каждой ЭВМ ;
— коэффициенты загрузки каждой ЭВМ .
Пересмотр исходной постановки задачки исследования не предусмотрен.
1.2 анализ задачки моделирования системы
В качестве аспекта оценки эффективности процесса функционирования системы целенаправлено избрать коэффициент загрузки ЭВМ , который должен быть наибольшим, при всем этом длина очереди к каждой ЭВМ обязана быть малой. Соотношение загрузки каждой ЭВМ обязано быть в среднем схожим, чтоб каждое устройство было задействовано равноценно. В качестве еще 1-го обычного аспекта оценки эффективности процесса функционирования системы можно избрать малое время обработки заданий в системе в целом при наивысшем количестве обработанных заданий.
Экзогенные (независящие) переменные модели:
— интервал времени поступления заданий;
— возможность поступления заданий на первоначальную обработку к каждой из ЭВМ ;
— возможность поступления заданий на последующую обработку к оставшимся ЭВМ ;
— длительность обработки заданий на каждой из ЭВМ ;
— количество заданий.
Эндогенные (зависимые) переменные модели:
— длину очереди к каждой из ЭВМ ;
— коэффициент загрузки каждой ЭВМ .
При построении математической имитационной модели действий функционирования системы будем употреблять непрерывно-стохастический подход на примере типовой Q-схемы, поэтому что исследуемая система – вычислительная система из 3-х ЭВМ – быть может представлена как система массового обслуживания с непрерывным временем обработки характеристик при наличии случайных причин.
Формализовав процесс функционирования исследуемой системы в абстракциях Q-схемы, на втором шаге алгоритмизации модели и ее машинной реализации выберем язык имитационного моделирования, поэтому что высочайший уровень проблемной ориентации языка существенно упростит программирование, а специально предусмотренные в нем способности сбора, обработки и вывода результатов моделирования дозволят стремительно и тщательно проанализировать вероятные финалы имитационного опыта с моделью. Для получения полной инфы о свойствах процесса функционирования системы нужно будет провести полный факторный инфы о объекте моделирования и организация ее сбора
Вся нужная информация о системе и наружной среде представлена в задании к курсовому проектированию и не просит подготовительной обработки.
1.4 Выдвижение гипотез и принятие догадок
Для наполнения пробелов в осознании задачки исследования, также проверки вероятных результатов моделирования при проведении машинного опыта выдвигаем последующие догадки:
— если интенсивность поступления заданий в ВС будет меньше времени обработки заданий на каждой из ЭВМ , то коэффициент загрузки каждой из ЭВМ будет возрастать, и, как следствие, будет возрастать количество поступивших заданий в ВС, которые образуют длинноватые очереди;
— 1-ая ЭВМ прорешивает меньше заданий 2-ух остальных ЭВМ и при всем этом имеет длину очереди постоянно больше длины очереди ко 2-ой ЭВМ ;
— 3-я ЭВМ прорешивает постоянно больше заданий, чем две остальные ЭВМ по отдельности.
Для упрощения модели можно выдвинуть последующие догадки:
— время перехода задания от одной ЭВМ к иной равно нулю.
1.5 Определение характеристик и переменных модели
Входные переменные модели:
— интервал времени (интенсивность) поступления заданий в вычислительную систему (ВС), tп
±Dtп
, где tп
– средний интервал времени меж поступлением заданий в ВС, Dtп
– половина интервала, в каком умеренно распределено
Выходные переменные модели:
— количество заданий обработанных на каждой из ЭВМ в данные интервалы времени обработки заданий и вероятностями поступления заданий на их, NОЗ1
, NОЗ2
, NОЗ3
, единица измерения – количество заданий;
— коэффициент загрузки каждой из ЭВМ , ZЭ1
, ZЭ2
, ZЭ3
, единица измерения — относительная единица;
— количество заданий, которым пришлось ожидать в очереди, вследствие высочайшего коэффициента загрузки ЭВМ в данные интервалы времени обработки заданий на каждой из ЭВМ и вероятностями поступления заданий на их, NО1
, NО2
, NО3
, единица измерения – количество студентов.
Характеристики модели:
· возможность поступления заданий на вторую либо третью ЭВМ опосля обработки на первой ЭВМ , РР2
, РР3
, единица измерения – %;
· возможность поступления заданий на первоначальную обработку к каждой из ЭВМ , РП1
, РП2
, РП3
, единица измерения – количество заданий;
· количество заданий, решенных 2-ой либо третьей ЭВМ в данные интервалы времени обработки заданий на каждой из ЭВМ и вероятностями поступления заданий на их, NРЗ2
, NРЗ3
, единица измерения – количество заданий;
· количество заданий, которые нужно прорешать, NО
, единица измерения — количество заданий;
· интервал времени (интенсивность) обработки заданий каждой из ЭВМ , tЭ1
, tЭ2
, tЭ3
, единица измерения – минутка.
действия наружной среды отсутствуют.
1.6 установление основного содержания модели
На базе анализа начальных данных и выдвинутых гипотез можно прийти к выводу о том, что процессы, происходящие в моделируемой системе, являются действиями массового обслуживания, потому эти процессы целенаправлено обрисовать на языке Q-схем.
1.7 Обоснование критериев оценки эффективности системы
Для оценки свойства процесса функционирования моделируемой системы сформируем на основании анализа задачки моделирования системы функцию поверхности отклика в исследуемой области конфигурации характеристик и переменных как совокупа критериев оценки эффективности. Эта функция дозволит найти экстремумы реакции системы.
1.8 Определение процедур аппроксимации
Для аппроксимации настоящих действий, протекающих в системе, воспользуемся процедурой определения средних значений выходных переменных, так как в системе имеются случайные значения переменных и характеристик.
1.9 Описание концептуальной модели системы
Мировозренческая модель исследуемой системы представлена в виде структурной схемы (рис. 1), состоящей из 1-го входного потока х – задания, поступающие в вычислительную систему, 2-ух выходных потоков у1
, у2
– задания, решенные в вычислительной системе на 2-ой и третьей ЭВМ .
Мотивированная функция модели системы:
Рис. 1. Мировозренческая модель в виде структурной схемы
В качестве типовой математической схемы применяется Q-схема, состоящая из 1-го источника (И), 3-х накопителей (Н1
, Н2
, Н3
), 3-х каналов (К1
, К2
, К3
), восемью клапанов (рис. 2). Задания в систему поступают от источника И с интервалом 3 ± 1 мин в любой из первых 3-х клапанов с вероятностями: клапан 1 – 40%, клапан 2 – 30%, клапан 3 – 30%. Клапан 1, клапан 2, клапан 3 управляются накопителями Н1
, Н2
, Н3
, ёмкость которых LН1
, LН2
, LН3
не ограничена по условию задачки. С накопителя 1 (Н1
), задания поступают в клапан 4, который управляется каналом 1 (К1
). Аналогично с накопителями 2 и 3 (Н2
, Н3
), задания с которых поступают в клапан 5 и 6, управляются каналами 2 и 3 (К2
, К3
) соответственно. Обработка (задержка) заданий в каналах К1
, К2
, К3
занимает 7 ± 4 мин, 3 ± 1 мин, 5 ± 2 мин соответственно. Опосля обработки каналом 1 (К1
), задания поступают на конечный шаг обработки до решенного состояния с вероятностями 30% в клапан 2 и 70% в клапан 3. Опосля вновь поступившие задания в клапан 2 и 3, управляются накопителями 2 и 3 (Н2
, Н3
), задания с которых поступают в клапан 5 и 6, управляются каналами 2 и 3 (К2
, К3
) соответственно. Опосля очередной обработки (задержки) в каналах 2 и 3 (К2
, К3
), задания поступают в клапаны 7 и 8, где и уничтожаются, как на сто процентов выполненные (решенные) задания.
Рис. 2. Мировозренческая модель в виде Q-схемы
Формальная модель системы:
Q = {И, Н1
, Н2
, Н3
, К1
, К2
, К3
, NО
, NОЗ1
, NРЗ2
, NРЗ3
, кл1
, кл2
, кл3
, кл4
, кл5
, кл6
, кл7
, кл8
, LН
= ∞ }.
Согласно разработанной концептуальной модели окончательные догадки и догадки совпадают с ранее принятыми. Избранная процедура аппроксимации определения средних значений выходных переменных соответствует настоящим случайным действиям, протекающим в системе массового обслуживания.
1.10 Проверка достоверности концептуальной модели
Проверка достоверности концептуальной модели включает:
а) проверку плана модели: изначальное исследование поставленной задачки было изготовлено весьма тщательно, а конкретно описаны все характеристики и переменные, выдвинуты догадки и догадки, подтверждение которых обязано быть доказано в последующих шагах анализа;
б) оценку достоверности начальной инфы: в течение первого шага анализа задачки верно обусловились и выявились данные, которые необходимо отыскать и при помощи чего же, что подтверждается простой логикой;
в) рассмотрение задачки моделирования: проходит через анализ по отдельным шагам, по которым выдвигаются исходные зависимости данных в задачке;
г) анализ принятых аппроксимаций: на принятых аппроксимациях, вероятен предстоящий анализ и оборотная логика тоже доказана, но полный анализ будет проходить на последующих шагах исследования;
д) исследование гипотез и догадок: из данных и приобретенных разных формулировок может быть выдвинуть догадки и догадки, которые не опровергают все выше произнесенное.
2. Алгоритмизация модели системы и ее машинная реализация
2.1 Построение логической схемы модели
Логическая схема модели представлена на рис. 3.
Опосля генерации заявок в источнике И (блок 1) осуществляется распределение потока заданий с вероятностями 40%, 30%, 30% меж накопителями Н1
(блок 2), Н2
(блок 3), Н3
(блок 4). В условии задачки емкость накопителя не ограничена, потому отказов в системе нет. Опосля ожидания в накопителях Н1
, Н2
, Н3
, задания поступают на сервис в каналы К1
(блок 5), К2
(блок 6), К3
(блок 7). Задание, закончившее обработку на первом канале не является решенным, потому поступает на ожидание крайней обработки в накопители Н2
(блок 3), Н3
(блок 4) с вероятностным распределением 30% и 70% соответственно. Для того чтоб найти загруженность (либо простои) каналов К1
, К2
и К3
, можно проанализировать статистические данные, касающиеся очереди перед надлежащими каналами. Опосля обработки в каналах К2
и К3
, задание поступает на удаление (блок 8 и блок 9) и покидает систему.
Рис. 3. Логическая схема
2.2 Получение математических соотношений
Для построения машинной модели системы в комбинированном виде, т.е. с внедрением аналитико-имитационного подхода, нужно часть действий в системе обрисовать аналитически, а другую часть сымитировать надлежащими методами. На данном шаге построения аналитической модели зададим математические соотношения в виде очевидных функций.
Загрузки каждой ЭВМ и наивысшую длину очередей в виде очевидных функций записать тяжело. Эти величины определим при помощи языка имитационного моделирования.
2.3 Проверка достоверности модели системы
На данном подэтапе достоверность модели системы проверяется по последующим показателям:
а) способности решения поставленной задачки:
Решение данной задачки при помощи математических отношений нецелесообразно, потому что разыскиваемые данные не имеют очевидных функций. Внедрение имитационного моделирования решает эти трудности, но для правильной реализации необходимо буквально и безошибочно найти характеристики и переменные модели, доказать аспекты оценки эффективности системы, составить концептуальную модель и выстроить логическую схему. Все эти шаги выстроить модель данного процесса;
б) точности отражения плана в логической схеме:
При составлении логической схемы, принципиально осознавать смысл задачки, ранее выстроить концептуальную модель. Проверку точности можно выполнить при подробном описании самой схемы, при всем этом, сопоставлять с описанием концептуальной модели;
в) полноте логической схемы модели:
Проверить наличие всех выше обрисованных переменных, характеристик, зависимостей, последовательности действий;
г) корректности применяемых математических соотношений:
2.4 Выбор инструментальных средств моделирования
В нашем случае для проведения моделирования системы массового обслуживания с непрерывным временем обработки характеристик при наличии случайных причин нужно употреблять ЭВМ с применением языка имитационного моделирования GPSS, т.к. в истинное время самым легкодоступным средством моделирования систем является ЭВМ , а применение обычного и доступного языка имитационного моделирования GPSS (HTTP://www.gpss.ru) дозволяет получить информацию о функции состояний zi
(t) системы, анализируя непрерывные процессы функционирования системы лишь в «особенные» дискретные моменты времени при смене состояний системы благодаря моделирующему методу, реализованному по «принципу особенных состояний» (принцип dz). Не считая того, высочайший уровень проблемной ориентации языка GPSS существенно упростит программирование, специально предусмотренные в нем способности сбора, обработки и вывода результатов моделирования дозволят стремительно и тщательно проанализировать вероятные финалы имитационного опыта с моделью.
2.5 Составление плана выполнения работ по программированию
Избранный язык имитационного моделирования GPSS имеет три версии: MICRO-GPSS Version 88-01-01, GPSS/PC Version 2, GPSS World Students Version 4.3.5. Micro-GPSS имеет DOS-интерфейс, который чувствителен к стилю написания программки (количеству пробелов меж операндами, длине меток и имен и др.), не содержит редактора текста. GPSS/PC лишен обозначенных недочетов, но интерпретатор GPSS World Students имеет ряд преимуществ перед ним, к примеру наличие интерфейса Windows, пошагового отладчика, возможность сбора и сохранения в файлах различной статистической инфы, зрительный ввод установок. Потому для разработки модели был избран конкретно интерпретатор GPSS World Students.
Для моделирования довольно употреблять ЭВМ типа IBM/PC, применение специализированных устройств не требуется. В программное обеспечение ЭВМ , на которой проводится моделирование, должны заходить операционная система Windows (версия 9Х и выше) и интерпретатор GPSS. Издержки оперативной и наружной памяти ерундовы, и необходимости в их расчете при современном уровне техники нет. Издержки времени на программирование и отладку программки на ЭВМ зависят лишь от уровня познаний языка и имеющихся способностей, которые были получены мною на лабораторных работах.
2.6 Спецификация и построение схемы программки
к программке на языке имитационного моделирования GPSS согласно спецификации программки предъявляются классические требования: структурированность, читабельность, правильность, эффективность и работоспособность.
Спецификация постановки задачки данного курсового проекта – найти наивысшую длину очередей перед каждой ЭВМ (NО1
, NО2
, NО3
) и коэффициенты загрузки каждой из ЭВМ (ZЭ1
, ZЭ2
, ZЭ3
). В качестве начальных данных задаются интервал времени (интенсивность) поступления заданий в вычислительную систему, состоящую их 3-х ЭВМ (tпр
±Dtпр
), интервал времени обработки заданий на каждой из ЭВМ (tЭ1
, tЭ2
, tЭ3
), также процент распределения заданий на одну из 3-х ЭВМ (РЭ1
, РЭ2
, РЭ3
), процент распределения заданий на крайний шаг обработки на вторую и третью ЭВМ (РР2
, РР3
).
Спецификация ограничений на характеристики исследуемой системы последующая: начальные данные должны быть положительными числами, не считая того, процент распределения заданий на одну из 3-х ЭВМ (РЭ1
, РЭ2
, РЭ3
) и процент распределения заданий на крайний шаг обработки на вторую и третью ЭВМ (РР2
, РР3
), любой по отдельности в сумме должен составлять 100%.
Схема программки (см. рис. 4) зависит от избранного языка моделирования.
Блоки схемы соответствуют блок-диаграмме языка GPSS, что дозволит просто написать текст программки, провести ее модификацию и тестирование. Для полного покрытия программки тестами нужно так подобрать характеристики, чтоб все ветки в разветвлениях проходились по наименьшей мере по одному разу. Интерпретатор языка GPSS дозволяет проанализировать статистические данные по каждой ветки программки.
Оценка издержек машинного времени проводится по нескольким аспектам эффективности программки: Издержки памяти ЭВМ , Издержки вычислений (схожи времени вычислений при поочередной обработке), время вычислений («время ответа»). Форма представления входных и выходных данных определяется интерпретатором языка GPSS и поменять ее по усмотрению юзера нереально.
рис. 4. Схема программки
2.7 Проведение программирования модели
Метки
текст программки
Комменты
Simulate
Начало программирования
Generate 3,1,,200
Генерация входных заданий
Transfer .400, Met4, Met1
40% заданий направляется на метку 1, а 60% — на метку 4
Met1
Queue EVMQ1
Сбор статистических данных о входе задания в очередь EVMQ1 к устройству EVM1
Seize EVM1
Занятие устройства EVM1
Depart EVMQ1
Сбор статистических данных о выходе задания из очереди EVMQ1 к устройству EVM1
Advance 7,4
Обработка заявки в приборе EVM1
Release EVM1
Освобождение устройства EVM1
Transfer .300, Met3, Met2
30% заданий, обработанных на приборе EVM1 направляется на метку 2, а 70% — на метку 3
Met4
Transfer .500, Met3, Met2
из 60% заданий — 30% заданий направляется на обработку к метке 2 и 30% к метке 3
Met2
Queue EVMQ2
Сбор статистических данных о входе задания в очередь EVMQ2 к устройству EVM2
Seize EVM2
Занятие устройства EVM2
Depart EVMQ2
Сбор статистических данных о выходе задания из очереди EVMQ2 к устройству EVM2
Advance 3,1
Обработка заявки в приборе EVM2
Release EVM2
Освобождение устройства EVM2
Terminate 1
Ликвидирование 1-го задания
Met3
Queue EVMQ3
Сбор статистических данных о входе задания в очередь EVMQ3 к устройству EVM3
Seize EVM3
Занятие устройства EVM3
Depart EVMQ3
Сбор статистических данных о выходе задания из очереди EVMQ2 к устройству EVM3
Advance 5,2
Обработка заявки в приборе EVM3
Release EVM3
Освобождение устройства EVM3
Terminate 1
Ликвидирование 1-го задания
Start 200
End
Конец моделирования
2.9 Проверка достоверности программки
На данном подэтапе крайняя проверка машинной реализации модели проводится последующим образом:
а) оборотным переводом программки в начальную схему, что в очередной раз подтверждает корректность пути исследования для моделирования;
б) проверкой отдельных частей программки при решении разных тестовых задач;
в) объединением всех частей программки и проверкой ее в целом на контрольном примере моделирования варианта системы.
На этом подэтапе нужно также проверить Издержки машинного времени на моделирование.
3. Получение и интерпретация результатов моделирования системы
3.1 Планирование машинного опыта с моделью системы
Для получения наибольшего размера нужной инфы о объекте моделирования при малых издержек машинных ресурсов проведем полный факторный системы и мотивированной функции модели выберем последующие значительные причины:
х1
– интервал времени (интенсивность) поступления заданий в вычислительную систему, состоящую их 3-х ЭВМ , Dtпр
= 3мин;
х2
– интервал времени обработки заданий на первой ЭВМ , tЭ1
= 7;
х3
– интервал времени обработки заданий на 2-ой ЭВМ tЭ2
= 3;
х4
– интервал времени обработки заданий на третьей ЭВМ tЭ3
= 5.
Зададим уровни варианты для всякого фактора:
Dх1
= 1, Dх2
= 4, Dх3
= 1, Dх2
= 2.
Составим матрицу плана полного факторного опыта
Номер опыта
Фактор х1
Фактор х2
Фактор х3
Фактор х4
0 (базисный)
3
7
3
5
1
2
3
2
3
2
2
3
2
7
3
2
3
4
3
4
2
3
4
7
5
2
11
2
3
6
2
11
2
7
7
2
11
4
3
8
2
11
4
7
9
4
3
2
3
10
4
3
2
7
11
4
3
4
3
12
4
3
4
7
13
4
11
2
3
14
4
11
2
7
15
4
11
4
3
16
4
11
4
7
3.2 Определение требований к вычислительным средствам
Для проведения опыта будет нужно лишь один индивидуальный комп без наружных устройств. время выполнения опыта ограничено только временем доступа к индивидуальному компу.
3.3 Проведение рабочих расчетов
Набор начальных данных для ввода в ЭВМ представлен в виде матрицы плана, при помощи которой в достаточном объеме исследуется факторное место. Получение выходных данных зависит от интерпретатора языка GPSS. Доп расчеты не требуются.
3.4 анализ результатов моделирования системы
Планирование полного факторного опыта с моделью дозволяет вывести нужное количество выходных данных, при всем этом любой опыт соответствует одному из вероятных состояний исследуемой системы. Статистические свойства модели рассчитываются в интерпретаторе языка GPSS автоматом. Проведение регрессионного, корреляционного и дисперсионного анализа не требуется.
3.5 времени моделирования, в течение которого устройство было занято. Среднее время занятия устройства из расчета конкретно одним транзактом в течение времени моделирования, единица измерения — в минутках.
Таблица 1. Результаты работы устройств EVM1, EVM2, EVM3
Номер опыта
Устройство
Кол-во раз, когда устройство было занято
Коэффициент использования
Среднее время занятия устройства
Конечное время работы устройств
1
2
3
4
5
6
0
EVM1
77
0,831
7
649,000
EVM2
73
0,337
3
EVM3
127
0,978
5
1
EVM1
80
0,583
3
412,000
EVM2
84
0,408
2
EVM3
116
0,845
3
2
EVM1
81
0,303
3
803,000
EVM2
86
0,214
2
EVM3
114
0,994
7
3
EVM1
86
0,623
3
414,000
EVM2
81
0,783
4
EVM3
119
0,862
3
4
EVM1
83
0,316
3
789,000
EVM2
88
0,446
4
EVM3
112
0,994
7
5
EVM1
96
0.996
11
1060,000
EVM2
83
0.331
2
EVM3
117
0.157
3
6
EVM1
89
0.991
11
988,000
EVM2
91
0.772
2
EVM3
109
0.184
7
7
EVM1
87
0.994
11
963,000
EVM2
87
0.352
4
Продолжение таблицы 1
1
2
3
4
5
6
EVM3
113
0.361
3
963,000
8
EVM1
84
0.994
11
930,000
EVM2
87
0.374
4
EVM3
113
0.851
7
9
EVM1
81
0.302
3
805,000
EVM2
92
0.229
2
EVM3
108
0.402
3
10
EVM1
66
0.239
3
830,000
EVM2
90
0.217
2
EVM3
110
0.928
7
11
EVM1
75
0.280
3
804,000
EVM2
92
0.458
4
EVM3
108
0.403
3
12
EVM1
77
0.945
3
822,000
EVM2
89
0.433
4
EVM3
111
0.281
7
13
EVM1
91
0.993
11
1008,000
EVM2
87
0.336
2
EVM3
113
0.173
3
14
EVM1
78
0.975
11
880,000
EVM2
93
0.211
2
EVM3
107
0.851
7
15
EVM1
80
0.992
11
887,000
EVM2
85
0.383
4
EVM3
115
0.389
3
16
EVM1
82
0.988
11
913,000
EVM2
83
0.364
4
EVM3
117
0.897
7
Таблица 2. Результаты работы очередей EVMQ1, EVMQ2, EVMQ2
Номер опыта
Устройство
Наибольшее содержимое очереди
Общее кол-во входов транзактов в очередь в течение времени моделирования
Общее кол-во входов транзактов в очередь с нулевым временем ожидания
Среднее значение содержимого очереди в течение времени моделирования
Среднее время пребывания 1-го транзакта в очереди с учетом всех входов в очередь
Среднее время пребывания 1-го транзакта в очереди без учета «нулевых» входов в очередь
1
2
3
4
5
6
7
8
0
EVMQ1
4
77
12
1,020
8,597
10,185
EVMQ2
2
73
65
0,020
0,178
1,625
EVMQ3
9
127
4
3,488
17,827
18,407
1
EVMQ1
2
80
43
0,160
0,825
1,784
EVMQ2
2
84
65
0,070
0,345
1,526
EVMQ3
6
116
30
1,063
3,776
5,093
2
EVMQ1
2
81
50
0,062
0,617
1,613
EVMQ2
2
86
57
0,055
0,512
1,517
EVMQ3
57
114
1
27,928
196,719
198,460
3
EVMQ1
2
86
48
1,162
0,779
1,763
EVMQ2
6
81
15
1,179
6,025
7,394
EVMQ3
8
119
28
1,645
5,723
7,484
4
EVMQ1
2
83
40
0,106
1,012
1,953
EVMQ2
6
88
16
0,790
7,080
8,653
EVMQ3
55
112
1
28,999
204,286
206,126
5
EVMQ1
60
96
1
28,930
319,438
322,800
EVMQ2
1
83
81
0,002
0,024
1,000
EVMQ3
2
117
81
0,070
0,632
2,056
6
EVMQ1
52
89
1
25.302
280.876
284.068
EVMQ2
1
91
87
8.890
80.578
92.453
EVMQ3
25
109
14
0.005
0.055
1.250
7
EVMQ1
51
87
1
24.082
266.563
269.663
EVMQ2
3
87
48
0.073
0.619
2.059
EVMQ3
2
113
79
0.134
1.483
3.308
8
EVMQ1
48
84
1
23.465
259.786
262.916
EVMQ2
4
87
56
0.154
1.644
4.613
EVMQ3
30
113
11
10.389
85.504
94.725
9
EVMQ1
1
81
81
0.000
0.000
0,000
Продолжение таблицы 2
1
2
3
4
5
6
7
8
EVMQ2
1
92
85
0.009
0.296
0,076
EVMQ3
1
108
91
0.040
0.076
0,296
10
EVMQ1
1
66
66
0,000
0,000
0,000
EVMQ2
1
90
87
0,004
0,033
1,000
EVMQ3
7
110
12
3,117
23,518
26,398
11
EVMQ1
1
75
75
0,000
0,000
0,000
EVMQ2
1
92
71
0,078
0,685
3,000
EVMQ3
1
108
86
0,047
0,352
1,727
12
EVMQ1
1
77
77
0,000
0,000
0,000
EVMQ2
1
89
80
0,033
0,303
3,000
EVMQ3
5
111
10
1,491
11,045
12,139
13
EVMQ1
19
91
1
8,268
95,571
96,633
EVMQ2
1
87
80
0,008
0,092
1,143
EVMQ3
1
113
94
0,032
0,283
1,684
14
EVMQ1
7
78
4
2,802
31,615
33,324
EVMQ2
1
93
88
0,007
0,065
1,200
EVMQ3
5
107
27
0,956
7,860
10,512
15
EVMQ1
12
80
2
5,781
64,100
65,774
EVMQ2
2
85
69
0,054
0,565
3,000
EVMQ3
1
115
87
0,057
0,443
1,821
16
EVMQ1
10
82
1
4,525
50,378
51,000
EVMQ2
2
83
65
0,041
0,446
2,056
EVMQ3
5
117
15
1,388
10,829
12,422
3.6 Интерпретация результатов моделирования
Приобретенные результаты можно интерпретировать последующим образом.
Согласно мотивированной функции хорошими вариациями модели являются опыты № 3, 9, 11, т.к. ЭВМ1, ЭВМ2 и ЭВМ3 загружены умеренно, наибольшая длина очередей перед каждой ЭВМ в течение моделирования мала.
Это разъясняется тем, что в 9 и 11 опытах задания поступают пореже – любые 4 минутки, в то время как время обработки заданий на каждой из ЭВМ мало, конкретно потому в этих вариантах коэффициент использования наиболее умеренно распределен, по сопоставлению с иными опытами (9: 0,302; 0,229; 0,422. 11: 0,28; 0,458; 0,403 соответственно).
При всем этом данные опыты являются наилучшими для минимизации длины очередей перед каждой ЭВМ в отдельности (9: 1,1,1. 11: 1,1,1 соответственно). Опыт №3 тоже по-своему отвечает мотивированной функции – длина очередей перед каждой ЭВМ мала, по сопоставлению с иными опытами (2,6,8 соответственно), но наилучшим опыт является не только лишь из-за наиболее либо наименее равномерного распределения загрузки меж ЭВМ , да и из-за максимизации коэффициента использования, которые всех поближе к единице и при всем этом к тому же практически равны меж ЭВМ (0,623; 0, 723; 0,862 соответственно).
Наихудшими вариациями модели являются опыты № 5, 6, 8, т.к. загруженность ЭВМ неравномерна, наибольшая длина очередей перед каждой ЭВМ в течение моделирования громадна. Это разъясняется тем, что в 5, 6 и 8 опытах задания поступают почаще — любые 2 минутки, в то время как время обработки заданий на каждой из ЭВМ разбросано в большенном интервале времени (от 3 до 11 минут), конкретно потому в этих вариантах коэффициент использования также разбросан в интервале от 0 до 1 по сопоставлению с иными опытами (5: 0,996; 0,331; 0,157. 6: 0,991; 0,772; 0,184. 8: 0,994; 0,374; 0,851. Соответственно).
Также данные опыты являются наихудшими в показателях по минимизации длины очередей перед каждой ЭВМ в отдельности (5: 60, 1, 2. 6: 52, 1, 25. 8: 48, 4, 30. Соответственно). Опыт № 5 является измерителем очень вероятной длины очереди перед ЭВМ (в данном случае перед ЭВМ1), при решении в процессе моделирования 200 заданий с данными критериями задачки.
3.7 Подведение итогов моделирования и выдача советов
Результаты моделирования при проведении машинного опыта подтвердили последующие догадки для базисной точки опыта:
— если интенсивность поступления заданий в ВС будет меньше времени обработки заданий на каждой из ЭВМ , то коэффициент загрузки каждой из ЭВМ будет возрастать, и, как следствие, будет возрастать количество поступивших заданий в ВС, которые образуют длинноватые очереди;
— 1-ая ЭВМ обрабатывает меньше заданий 2-ух остальных ЭВМ и при всем этом почти всегда имеет длину очереди постоянно больше длины очереди ко 2-ой ЭВМ ;
— 3-я ЭВМ обрабатывает постоянно больше заданий, чем две остальные ЭВМ по отдельности.
Советы по практическому использованию результатов моделирования последующие:
· для получения наиболее высочайшего коэффициента использования каждой ЭВМ сразу, необходимо уменьшить время интенсивности поступления заданий в систему, при всем этом время обработки на каждой ЭВМ должны быть практически равны (к примеру, у первой и третьей ЭВМ схожи, а у 2-ой различаться на единицу);
· для минимизации очереди необходимо прирастить время интенсивности поступления заданий, при всем этом время обработки заданий на каждой из ЭВМ обязано быть меньше либо даже равно интенсивности поступления.
]]>