МОДЕЛЬ ОЦЕНИВАНИЯ АКТУАЛЬНОСТИ ИНФОРМАЦИИ В БАЗАХ ДАННЫХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ Текст научной статьи по специальности «Компьютерные и информационные науки»

Список литературы

1. Концепция развития информационных и телекоммуникационных технологий Вооруженных Сил Российской Федерации на период до 2025 года. М.: МО РФ, 2015. 16 с.

2. Захаров А.И., Основы передачи данных. Санкт-Петербург, Военная академия связи, 1985. С. 19-41.

3. Хедми А. Таха, Исследование операций. Санкт-Петербург, Издательский дом «Вильямс», 2016.

4. Вентцель Е.С., Теория вероятностей. Москва, Издательский дом «Академия», 2003.

5. Чуднов А.М. Монография. Математические основы моделирования, анализа и синтеза систем. Санкт-Петербург, Военная академия связи, 2021.

6. Богатырев В.А., Богатырев С.В. Своевременность обслуживания в многоуровневых кластерных системах поэтапным уничтожением просроченных запросов // Вестник компьютерных и информационных технологий, 2018. № 2. С. 28-35, 2018.

Чернобровкин Сергей Владимирович, адъюнкт, [email protected], Россия, Санкт-Петербург, Военная академия связи имени Маршала Советского Союза С.М. Буденного

INFORMATION DELIVERY PROCESS MODEL TO MOBILE MEDIA S.V. Chernobrovkin

For the purpose of management, with the development of technology, the amount of information required for timely decision making by officials is increasing. In this regard, it makes sense to provide information delivery by fragmenting the initial volume of transmitted data in order to increase the probability of its timely delivery to officials. To solve the problem, a model of the process of information communication is proposed.

Key words: data transfer, data fragmentation, probability of timely communication.

Chernobrovkin Sergei Vladimirovich, adjunct, [email protected], Russia, Saint Petersburg, Military Academy of Communications named after Marshal of the Soviet Union S.M. Budyonny,

УДК 004.654

DOI: 10.24412/2071-6168-2024-12-140-141

МОДЕЛЬ ОЦЕНИВАНИЯ АКТУАЛЬНОСТИ ИНФОРМАЦИИ В БАЗАХ ДАННЫХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ

А.В. Удальцов

Рассматриваются вопросы построения модели оценки актуальности информации, содержащейся в базе данных информационных систем специального назначения. Приведена аналитическая модель оценки вероятности сохранения актуальности информации в системе поддержки принятия решений на момент ее использования и построена имитационная модель синхронизации баз данных на основе актуальности информации в среде разработки AnyLogic. Данная модель позволяет оценить состояние актуальности информационных ресурсов.

Ключевые слова: синхронизация баз данных, актуальность информации, система поддержки принятия решений, информационные ресурсы, имитационное моделирование, AnyLogic.

Сегодня автоматизированные системы управления широко используются для решения задач, связанных с управлением сложными объектами и процессами. Однако увеличение сложности этих задач и сопровождающих их информационных процессов вызывает потребность в создании и внедрении систем поддержки принятия решений (СППР).

Лицо принимающее решение (ЛПР) должен принимает решение основываясь на информации которой обладает. Эффективность такого решения зависит от полноты информации и своевременности ее получения. Предположим, что ЛПР получает информацию для принятия решений своевременно с вероятностью не ниже 0.95. Такой показатель своевременности можно обеспечить строгой организации работы должностных лиц и постоянной технической готовности системы связи специального назначения. Полнота информации достигается предоставлением максимально возможного объема данных об объекте. Коэффициент полноты информации можно определить как отношение числа доступных источников информации к их общему количеству:

Кп = (1)

М.ге

Предполагая, что для каждого доступного источника существует показатель актуальности, коэффициент полноты информации может быть уточнён и представлен в виде отношения числа источников, находящихся в актуальном состоянии, к общему количеству источников:

2 А

Кп (2)

Таким образом для принятия решений, эффективных с точки зрения управления, ЛПР должно обладать актуальными информационными ресурсами (ИР). Информационные ресурсы хранятся в базах данных (БД). Для того чтобы ИР были актуальными, необходимо проводить синхронизацию БД. Синхронизации БД по типу делятся на синхронную и асинхронною [1].

Необходимость предоставления ЛПР наиболее своевременной и полной информации требует выполнения синхронизации с определенной периодичностью. Кроме того, низкая пропускная способность каналов связи, используемых для соединения серверов между собой, обуславливает необходимость минимизации объемов данных, пересылаемых по сети.

В качестве примера распределенной системы, в работе которой процедура синхронизации информации играет ключевую роль, можно рассмотреть организацию работы модуля распределенной системы с синхронизацией информации в полуавтоматическом режиме.

В условиях, накладывающих ограничения на использование системных ресурсов, полуавтономный режим функционирования приложения в рамках распределенной системы представляет собой эффективное решение ряда задач. Во-первых, при наличии ненадежных каналов связи, полуавтономный режим повышает отказоустойчивость приложения. Во-вторых, использование этого режима позволяет снизить нагрузку на сеть за счет минимизации объема сетевого трафика. В-третьих, полуавтономный режим обеспечивает возможность избежать обмена данными между рабочими станциями и центральной базой данных в периоды пиковых нагрузок, что способствует более равномерному и оптимальному распределению нагрузки на центральный сервер системы во времени.

Целью исследования является повышение эффективности принятия решений за счет разработки подхода к оценке актуальности ИР для последующей синхронизацией БД в полуавтоматическом режиме.

Анализ требований к оценке актуальности информации позволяет выделить следующие показатели эффективности работы синхронизации БД:

- время, затрачиваемое на подготовку, передачи и ввода в БД данных от источников информации

(T);

- время между изменениями ИР реальных объектов относительно информации, хранимой в БД, используемой в СППР (E);

- среднее время между соседними обновлениями (Q);

- устойчивость работы в многопользовательском режиме (F) (выражается как максимальное число параллельно работающих приложений СУБД, при котором сохраняется требуемый уровень своевременности);

- размеры буферов приложений СУБД (0);

- количество каналов используемых приложениями СУБД (L).

Обозначим совокупность параметров, описывающих синхронизацию БД, вектором p. Поскольку повышение эффективности синхронизации соответствует уменьшению показателей T, E, Q и увеличение показателей F, 0, L. То задача повышение эффективности принятия решений сводится к нахождению такого значения вектора p, при котором функция E(p) будет стремиться к максимуму:

E( p) = ^^ ^ max (3)

F&L

Таким образом, синхронизация информационных ресурсов на прямую влияет на эффективность принятия решений. Так как синхронизация информационных ресурсов должна проводиться в полуавтоматическом режиме, необходимо определить оптимальную частоту синхронизации. Для этого предлагается использовать модель оценки актуальности информации в СППР на момент ее использования [2].

После первоначального ввода данных в систему о реально существующих информационных ресурсах эти данные, устаревают со временем, т.е. теряют свою актуальность для выполнения СППР своих функций [3]. Требуемая пороговая актуальность синхронизируемых данных обеспечивается на основе своевременного выявления изменений, а также за счет достаточно частого обновления применяемых данных в БД [4].

Вероятность сохранения актуальности информации в СППР P( Ajn ) на момент ее использования вычисляют по формулам:

- при изменении состояния ИР:

P( Ain ) =-p— , (4)

8+ Тбд

- при обновлении информации в СППР вне зависимости от наличия или отсутствия изменения текущего состояния ИР:

в2

P( Ain ) =-p;-, (5)

(6+ Тбдт )(в + q)

В случае, когда обновление информации в СППР осуществляется строго через постоянный интервал времени q, вычисляется по формуле:

, q Ï

P( Ain ) =

- q 1 - e Е

(6)

где в - время между изменениями ИР реальных объектов относительно информации, хранимой в БД, используемой т

в СППР; т бд - время подготовки, передачи и ввода в БД данных от источников информации; q - среднее время

между соседними обновлениями.

Необходимые для моделирования границы исходных значений в задаются в исходных данных решаемых задач в СППР.

Разработаем имитационную модель синхронизации баз данных на основе оценки актуальности информации в СППР на момент ее использования.

В качестве среды для проведения моделирования была выбрана система имитационного моделирования AnyLogic версии 7.3.6. AnyLogic представляет собой современную платформу для разработки моделей на языке Java, оснащенную русскоязычным графическим интерфейсом и детализированной контекстной справочной системой [5]. Данная среда включает обширную библиотеку визуальных компонентов, а также предоставляет возможность разработчику создавать и интегрировать собственные элементы. Модели в AnyLogic сохраняются в формате Java-апплетов, что обеспечивает их совместимость с Java-инфраструктурой. Среди ключевых особенностей AnyLogic следует отметить высокие возможности 2D- и 3D-симуляции, интерактивного взаимодействия, а также проведения различных типов экспериментов, включая оптимизационные. Таким образом, использование данной среды предоставляет широкие возможности для объектно-ориентированного моделирования и анализа. Схема имитационной модели представлена на рисунке 1.

© Модель оценки актуалы-Ввод исходных данных Рас

и информации

актуальности информации AnyLogic Справ»

Количество буферов для диспетчера ActualManager:

Количество буферов приложений СУБД;

«В буфер» 1 i Размер входящего буфера:

Сохранить 1

Количество каналов |о m"] Настроить к.

а

К?буфера ||1 ;

Размер входящего буфера приложений СУБД:

:

I Сохранить I

КопичестаокдипюОБД |о~ ^ | Наорипъ каната ..,j|

Рис. 1. Фрагмент работы имитационной модели

Описание имитационной модели, представленной на рисунке 1, включает ключевые параметры, определяющие ее функционирование:

- интенсивность поступления запросов в систему;

- среднее время, затрачиваемое на обработку одного запроса приложением диспетчером;

- максимальная емкость общей очереди запросов, поступающих в систему;

- интенсивность поступления запросов в каждое серверное приложение СУБД;

- максимальная емкость очереди запросов для каждого серверного приложения СУБД;

- среднее время, затрачиваемое на обработку одного запроса для каждого серверного приложения СУБД;

- количество каналов обслуживания в диспетчере и в каждом серверном приложении СУБД.

Рассмотрим совокупность запросов, поступающих в систему в течение определенного временного интервала. Поскольку запросы в большинстве случаев поступают в произвольные моменты времени, это позволяет охарактеризовать их как поток. Данный поток можно описать как поток Пальма, поскольку при наличии большого числа одновременно работающих клиентских приложений временные интервалы между поступлениями запросов во входящую очередь сервера представляют собой независимые случайные величины.

В распределенной системе входящий поток запросов можно охарактеризовать как ординарный, поскольку любые два запроса, поступающие в серверную очередь, разделены во времени. Это обусловлено тем, что очередь, как системный ресурс, не способна одновременно принять более одного нового элемента в единицу времени.

К серверу поступает множество независимых потоков запросов, от клиентов. Предельная теорема утверждает, что для суммарного потока сумма независимых ординарных стационарных потов сходится в пределе к простейшему потоку [6]. Интенсивность суммарного потока при этом будет:

х=Е X (7)

г=1

В процессе исследования можно считать суммарный поток простейшим или стационарным пуассонов-

Для интенсивностей потоков входящих запросов и потов обслуживания справедливы соотношения:

1

X-,

t

ц-

t обс

(8)

(9)

где X - интенсивность входящего потока; ц - интенсивность потока обслуживания; 1вх - математическое ожидание

длины промежутка моментами поступления запросов; - математическое ожидание времени обслуживания одного запроса системой.

Диспетчер является многоканальным и имеет Ьа каналов обслуживания и очередь размером 0а При поступлении очередного запроса, в системе уже может находиться к запросов. Если к<Ьа, значит имеются свободные каналы, обслуживание начинается незамедлительно, и среднее время обработки запроса в этом случае составляет:

ta =— (10)

Иа

При Ьа<к<Ьа+9а, при наличии свободных мест в очереди, запрос поступает на обслуживание и среднее время пребывание запроса в системе составляет:

~а = ~а+~а (11) где 5а среднее время ожидания в очереди; 1а - среднее время обслуживания запроса.

Если к моменту поступления нового запроса в очереди уже находилось г запросов, ожидающих обслуживания, то случае работы без приоритезации, обслуживание новых запросов начнется не раньше чем, обслужатся запросы г. Следовательно среднее время ожидание в очереди будет равно, произведению среднего количество ожидаемых запросов в очереди на среднее время обслуживания запроса:

^ = га*а (12)

Исходя из (11) и (12) можно переписать в виде:

Т. = ^ (13)

На

При Ьа+9а < к, очередь заполнена и все каналы заняты, запрос будет отклонен.

После обработки диспетчером поток разветвляется исходя от типа запроса (например, чтение и запись) с вероятностью р1,р2,...,рп.

Интенсивность потока запросов для каждого элемента системы будет равна:

X , = Хр, (14)

Среднее время пребывания запроса в каждом элементе системы может быть найдено по аналогичной

формуле:

— г, +1

Т, = -*— (15)

_ И,

где гя - среднее количество запросов находящихся в очереди, и^ - интенсивность обслуживания запросов приложениями СУБД.

Тогда среднее время нахождения запросов в системе после диспетчера в приложениях СУБД находится по формуле:

— N Г +1

Т =2 р, (16)

,=0 и,

Время пребывания каждого запроса в системе складывается из времени в диспетчере, времени обслужи-

ТГ1ш = трт + Трт + Трт (17)

вания и времени ввода данных в систему [7]:

гРгт _ т^РГт . тРгт . тРг) Тбд = Та

Исходя из (13) и (16), можно записать (18):

Рг Г„ +1 Рг N г, +1 рг рг

Трдт = р-]РГт + [ 2 р,—-]РГт + Те Гт (18)

иа ,=0 и,

На основе разработанной имитационной модели была собрана статистика, а также проведен эксперимент для оценки актуальности ИР, обновляющих БД посредством процесса синхронизации. Это позволило оценить степень эффективности данных в условиях реального функционирования (СППР) [8].

Важной задачей является определение обоснованного периода обновления данных о состоянии реальных объектов принимаемых в решении задач ЛПР. Возникает диалектическое противоречие, с одной стороны, обновление ИР по мере изменения их состояния необходимо для обеспечения полноты информации с последующим ее применением по назначению. С другой стороны, слушком частое обновление ИЭ необоснованно перегружает каналы связи и компьютерную память, приводит к программным сбоям, создает недопустимые временные задержки, может рассинхронизировать информационные процессы в СППР, нарушая тем самым режим реального времени функционирования самой СППР и лишая необходимой информационно-аналитической поддержки ЛПР в процессе управления информацией на рабочем месте [9].

Допустим полнота отражения оперативной информации об обстановке будет с вероятностью не ниже требуемой, тогда необходимо определить такой оптимальный период обновления информации в СППР, при котором

актуальность ИР будет А(¡щ) > Л™р,Л™р = 0,95 .

Анализ совокупности обновляемой информации при круглосуточном функционировании позволил выявить три варианта условий:

- обычные условия, характеризуемые частотой изменения состояния системы не реже раз

в неделю;

- повышенные условия, возникающие в системе характеризуемые частотой изменения состояния не реже 1 раза в сутки;

- высокие условия, характеризуемые частотой изменения состояния системы не реже 4 раз в час.

Время подготовки, передачи и ввода в БД данных от источников информации съема, передачи и ввода в БД вычисляется по формуле (18) в среднем 5,3 с, 10,7 с, 20,4 с соответственно.

Модель оценки вероятности сохранения актуальности информации в СППР на момент ее использования рассчитываются по формулам (4), (6).

Моделирование для определения искомого периода обновления информации в информационной системе осуществлено по этим исходным данным с использованием модели оценки актуальности информации в СППР на момент ее использования [10].

Сравнительные результаты расчетов приведены на рисунках 2-4.

0,999 0.98 0.96 0.94 0.92 0.9 0.88

0.86

Рис. 2. Вероятность сохранения актуальности информации для обычных условий загрузки оборудования Тбд = 5,3 с и зависимостьвероятности сохранения актуальности информации от периода

обновления (в секундах)

0,999 0.98 0.96 0.94 0.92 0.9 0.88 0.86

0.99

0.97

0.95

0.93

0.91 0.90 0.89

Рис. 3. Вероятность сохранения актуальности информации для повышенных условий загрузки оборудования Т^д = 10,7 с и зависимость вероятности сохранения актуальности информации от периода

обновления (в секундах)

0,999 0.98 0.96 0.94 0.92 0.9 0.88 0.86

0.99

0.97

0.95

0.93

0.91 0.90 0.89

Рис. 4. Вероятность сохранения актуальности информации для высоких условий загрузки оборудования

Т}д = 20,4 с и зависимость вероятности сохранения актуальности информации от периода

обновления (в секундах)

Анализ результатов расчетов показывает, что для обеспечения актуальности информации в СППР для ЛПР с вероятностью не ниже 0.95, период обновления может быть выбран следующим образом:

- для обычных условий синхронизируемой информации и времени подготовки, передачи и ввода в БД данных от источников информации 5,3 сек - до 1 мин 18с;

- для повышенных условий обновляемой информации и времени подготовки, передачи и ввода в БД данных от источников информации 10,7 сек - до 1 мин 8с;

- для высоких условий обновляемой информации и времени подготовки, передачи и ввода в БД данных от источников информации 20,4 сек - до 53 с.

30 с

60 с

120 с

180 с

30 с

60 с

120 с

180 с

0.962

30 с

60 с

120 с

180 с

30 с

60 с

120 с

180 с

Таким образом, результатом моделирования является вывод оптимального времени синхронизации для каждого ИР с заданной требуемой актуальностью информации.

Список литературы

1. Удальцов А.В., Корякин Д.Д., Саенко И.Б. Синхронизация баз данных в системах военного управления // Современное состояние и перспективы развития инфокоммуникационных сетей связи специального назначения: Сборник материалов научно-практической конференции, Санкт-Петербург. 2023. С. 81-87.

2. Допира Р.В., Потапов А.Н., Брежнев Д.Ю., Гетманчук А.В., Семин М.В. Оценка эффективности методического и алгоритмического обеспечения системы поддержки принятия решений специального назначения // Программные продукты и системы. 2019. № 2. С. 273-282.

3. И.Б. Саенко, Анализ проблемы синхронизации локальных баз данных в распределенной информационной системе // Труды Научно-исследовательского института радио. 2022. №4. С. 37-41.

4. ГОСТ Р 59341-2021. Системная инженерия. Защита информации в процессе управления информацией системы. М.: Изд-во стандартов, 2021.

5. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 // Ю. Карпов. СПб.: БХВ-Петербург, 2005. C.400

6. Овчаров Л.А. Прикладные задачи в теории массового обслуживания. М.: Машиностроение, 1969. C.

324.

7. Белоусов В.Е. Частное решение задачи репликации данных в распределенных системах обработки информации. // Вооружение, безопасность, конверсия: Материалы конференции 17-19 октября 2023 г. Ч. II. Пенза, Изд-во ПГУ, 2004. С. 180-187.

8. Матвеев С.Г. Стохастическая модель для обоснования управленческого решения по оптимизации работы сервисного подразделения компании // Контроллинг. 2023. № 3(89). С. 44-53.

9. Бирюков М.А., Брунилин А.А., Саенко И.Б. Имитационный подход к моделированию системы разграничения доступа к единому информационному пространству // Актуальные проблемы инфотелекоммуникаций в науке и образовании. Сборник научных статей: в 4-х томах. Под редакцией С.В. Бачевского. 2017. С. 78-83.

10. Анфилатов В.С., Авраменко В.С., Пантюхин О.И. Теоретические основы автоматизации управления войсками и связью. Часть 1. Системные основы автоматизации управления войсками и связью: учеб. Пособие. СПб.: ВАС, 2014. C. 312.

Удальцов Александр Владимирович, адъюнкт, [email protected], Россия, Санкт-Петербург, Военная академия связи имени Маршала Советского Союза С.М. Буденного

THE ASSESSMENT MODEL OF THE RELEVANCE OF INFORMATION IN DATABASES OF AUTOMATED SYSTEMS

SPECIAL PURPOSE

A.V. Udaltsov

The issues of constructing a model for assessing the relevance of information contained in a database in information systems of special purpose are considered. An analytical model for estimating the probability of maintaining the relevance of information in the decision support system at the time of its use is presented and a simulation model of database synchronization based on the relevance of information in the AnyLogic development environment is built. This model allows you to assess the state of relevance of information resources.

Key words: database synchronization, information relevance, decision support system, information resources, simulation modeling, AnyLogic.

Udaltsov Alexander Vladimirovich, adjunct, axil2003@yandex. ru, Russia, Saint Petersburg, Military Academy of Communications named after Marshal of the Soviet Union S.M. Budyonny