Моделирование предметных областей пользователей при использовании облачных технологий Текст научной статьи по специальности «Компьютерные и информационные науки»

В.О. Сиротюк, С.А. Косяченко

Моделирование предметных областей пользователей при использовании облачных технологий

В работе приводятся модели и методы формализованного описания предметных областей пользователей, анализа и классификации их на пользователей облачных баз данных (ОБД) и пользователей локальных БД (ЛБД), проектирования канонической структуры ОБД.

Ключевые слова: облачные технологии; предметная область пользователей облачных баз данных; функция подобия объектов предметной области; объектная модель требований пользователей; объектная каноническая структура облачной базы данных.

Парадигма облачных вычислений (сЬи^отрий^) в настоящее время активно используется при построении АИУС различного класса и назначения1. Использование облака в качестве информационно-технологической среды распределенной обработки данных, предоставляющей на условиях аренды повсеместный сетевой доступ пользователям к пулу конфигурируемых по требованию ресурсов (серверам, системам хранения данных, приложениям, программному обеспечению, базам данных, информации и сервисам) провайдера облака, обеспечивает следующие важные преимущества для организации:

- существенное сокращение капитальных и операционных затрат на приобретение дорогостоящих средств вычислительной техники, лицензионного системного и прикладного программного обеспечения, их постоянное обновление и модернизацию, создание и содержание ИТ-служб и подразделений;

- доступность и мобильность: с помощью веб-сервисов доступ к информации и приложениям можно получать из любой

© Сиротюк В.О., Косяченко С.А., 2017

точки мира с помощью компьютеров и мобильных устройств (смартфонов, ноутбуков, планшетов), подключенных к сети Интернет;

- гибкость и высокая технологичность: необходимые ресурсы (информационные, вычислительные, программные) оперативно предоставляются, конфигурируются и освобождаются провайдером облака по требованию пользователей с минимальными эксплуатационными и временными затратами;

- экономичность: парадигма облачных вычислений основана на том, что требуемые ресурсы предоставляются пользователям как пакеты услуг по требованию и оплачиваются только за фактическое количество предоставленных ими функций. Основными услугами, предоставляемыми облачными технологиями, являются: SaaS (программное обеспечение как сервис), PaaS (платформа как сервис) и IaaS (инфраструктура как сервис). Разновидностями данных услуг являются такие, как STaas (система хранения как сервис), DBaaS (база данных как сервис), INaaS (информация как сервис) и некоторые другие2;

- надежность: облака в виде полноценных центров обработки данных (ЦОД), включающих десятки и сотни серверов, разбросанных по сети Интернет, мощные системы хранения (СХД) и разнообразное ПО, создаются и поддерживаются специализированными организациями, укомплектованными штатом высококвалифицированных ИТ-специалистов. Создание таких ЦОД для многих организаций и предприятий, требующих значительных капитальных затрат, практически не представляется возможным.

В России облачные вычисления пока не получили столь широкого распространения, как на Западе. Объясняется это не только отсутствием понимания новой парадигмы, но и предельной осторожностью, связанной с рисками «перемещения» бизнес-процессов, программного и информационного обеспечения в облако и связанными с этим вопросами безопасности.

В зависимости от назначения различают 4 типа облаков3: частное, публичное, общественное и гибридное.

Частное облако (private cloud) представляется в виде ИТ-инфраструктуры, предназначенной для использования, как правило, одной организацией (предприятием). Частное облако может находиться в собственности, управлении и эксплуатации как самой организации, так и провайдера облака, либо их комбинации. Физически оно может размещаться как внутри организации, так и вне нее (на стороне провайдера облака).

Публичное облако (public cloud) представляет собой ИТ-инфраструктуру, предназначенную для свободного использования общественностью. Публичное облако может находиться в собственности, управлении и эксплуатации коммерческих, научных и правительственных организаций (или какой-либо их комбинации) и физически размещается на территории владельца - поставщика услуг. Пользователи не имеют возможности управлять данным облаком, и вся ответственность за его обслуживание возлагается на владельца ресурса.

Общественное облако (community cloud) - вид инфраструктуры, предназначенный для использования конкретным сообществом потребителей из организаций, имеющих общие задачи. Общественное облако может находиться в кооперативной (совместной) собственности, управлении и эксплуатации одной или более из организаций сообщества или третьей стороны (или какой-либо их комбинации), и оно может физически существовать как внутри, так и вне юрисдикции владельца

Гибридное облако (hybrid cloud) - это комбинация из двух или более различных облачных инфраструктур (частных и публичных). Часто такой тип облака применяется, когда внутренняя ИТ-инфраструктура частного облака не справляется с текущими задачами и часть мощностей и ресурсов перемещается на публичное облако (например, большие объемы статистической информации). Поэтому актуальной задачей, стоящей в настоящее время перед организациями - создателями облаков, является интеграция частных и общественных облаков4.

Для обеспечения пользователей требуемой информацией наиболее важными являются услуги по предоставлению доступа к информации (INaaS) и базам данных (DBaaS). Реализовать такие услуги при наличии проектных решений можно быстро, получив при этом значительный эффект. В то же время отсутствие формализованных моделей и методов анализа и структуризации информации предметных областей пользователей облачных вычислений не позволяет принимать обоснованных решений о возможности создания для отдельных групп пользователей частного облака, определения оптимального состава и структуры «облачной» БД.

Разработка блок-схемы и алгоритма анализа и структуризации предметных областей пользователей облачных технологий

В настоящем разделе рассмотрены методы кластерного анализа предметных областей пользователей, обеспечивающие классификацию их на пользователей, для которых целесообразно использование частного облака, и пользователей, для которых целесообразно

создание собственной (локальной) БД (ЛБД). Целесообразность определяется наличием заданной степени общности между предметными областями рассматриваемого множества пользователей. В дальнейшем для группы пользователей частного облака с использованием объектно-ориентированного подхода и объектно-ориентированной модели данных (ООМД) осуществляется построение и анализ объектных моделей требований пользователей, обобщенной объектной модели предметной области и объектной канонической структуры «облачной» БД (ОБД). Полученные результаты могут в дальнейшем использоваться при синтезе оптимальных логических и физических структур объектно-ориентированной ОБД. Предложенные методы основаны на результатах работ, полученных авторами в области анализа и синтеза оптимальных структур локальных, распределенных и объектно-ориентированных БД5. Блок-схема этапов анализа и структуризации предметных областей пользователей облачных технологий приведена на рисунке.

Рассмотрим методы кластерного анализа для классификации предметных областей пользователей. Предлагаемые методы основаны на процедурах анализа степени общности и оценке функции подобия предметных областей заданного множества пользователей.

Пусть и = {ик}, к = 1, К0 - множество территориально распределенных пользователей организации, Б = {й}, ] = 1, п0 - полное безызбыточное множество информационных элементов рассматриваемой совокупности пользователей, где п0 - количество элементов в полном множестве. _

Пусть Бк = Ш, I = 1, Ь0 - множество информационных элементов, описывающих предметную область к-го пользователя, Ьк - количество информационных элементов в множестве.

Отношение каждого пользователя к полному множеству информационных элементов Б формализованно представляется в виде матрицы смежности В = \\Ьк\\, проиндексированной по осям множеством пользователей и = {ик} и полным множеством информационных элементов Б = {й}. Элементы матрицы В = \\Ьк\\ принимают единичные значения, если информационный элемент й требуется пользователю ик, в противном случае Ьы = 0.

На основании введенных исходных данных определим объединенное множество информационных элементов Б0 = {й}, I = 1, N N = £Ьь получаемое путем объединения множеств Б. и содержащее

к к ко

повторяющиеся информационные элементы, т. е. В0 = уБк. Далее определим множество Бук : Бук = Б0 - Бк, к е 1, К0.

11. Конец. Вывод результатов

Степень общности информации предметных областей пользователей определяется методом последовательного получения и анализа попарных пересечений информационных множеств пользователей с соответствующими множествами Б1 .

Пусть Бк = Бк П Бкк - множество общих элементов информационного множества отдельного пользователя Бк и подмножества пользователей Бку . Если множество Бк является не пустым, а мощность пересечения удовлетворяет заданной величине, то предметная область к-го пользователя имеет достаточную степень общности с предметными областями других пользователей, что позволяет рассматривать его в качестве пользователя ОБД.

Для получения количественной характеристики степени общности предметной области к-го пользователя с объединенной предметной областью остальных пользователей воспользуемся понятием меры подобия.

Пусть заданы множества Бк и Бу. Тогда мерой подобия называется отображение пересечения множеств Бк = Бк П Бкк на некоторое множество вещественных чисел, выраженное неотрицательной вещественной функцией Бк, удовлетворяющей условию 0 < Sk < 1.

В теории автоматической классификации используется ряд функций для вычисления мер подобия между объектами, представленных в таблице на стр. 80. Большинство функций подобия включает в свой состав величину р00, которая определяет количество элементов, одновременно отсутствующих в обоих рассматриваемых множествах. Так как по определению Б0 = П Бк и Бу = Б0 - Бк , то величина р00 всегда принимает нулевое значение. Таким образом, использование ряда функций подобия (52, 55, 57) приводит к вырожденным оценкам, не обеспечивающим адекватности сравнения. Анализ функций подобия 51, 53, 54, Б6 показывает, что они обеспечивают сравнимость результатов. Среди них функция Б6 наиболее точно отражает степень общности между двумя множествами, так как позволяет учесть общие (р11) и специфические (р и р ) информационные элементы в обоих множествах.

Поэтому меру подобия предлагается вычислять с использованием выражения 56, где п0 = р + р10 + р01 - общее количество различных информационных элементов в рассматриваемых множествах, равное количеству элементов в полном множестве Б = {й}; р11 - количество общих элементов в информационных множествах

Б, и Бк

к

Таблица

Код Стандартная форма функции подобия Вид функции в матричной модели

Р11 Р11

Р11 + Р1о + Ро1 «о

Р11 + роо рИ

р «о

Р11 р11

р «о

2 р11 2 р11

2 р\1 + рю + ро1 р11+«о

2( р11 + ро1) 2( р11 + ро1)

р11 + р1о + роо р11 + «о

р11 р11

р11 + 2( рю + ро1) «о + рю + ро1

^7 р11 + роо р11

р + рю + ро1 «о + рю + ро1

Величину р11 предлагается рассчитывать на основании характе-

«о

ристик матрицы В = \\Ь \\ следующим образом: ри = 2 , где ^ = 1,

к0 1

если 31 : й. е Б. и 2 > 1; в противном случае 2 = 0; р - количе-

1 к к=1 10

ство элементов, принадлежащих множеству Бк, но отсутствующих

«о

в множестве Бу. Величина р рассчитывается как рю = 2 Х\ , где

ко \=1

Х. = 1, если 3/ : й.е Бк и 2 = 1; в противном случае Х. = 0; р01 -

1 1 к=1 1

количество элементов, отсутствующих во множестве Б, но принад-

«о

лежащих множеству Бу, р определяется в виде ро1 =2 ^, где

\=1

«о

У. = 1, если 3/ : й . г Бк и 2 > 1; в противном случае У. = 0.

\=1

С учетом введенных обозначений функция подобия принимает вид:

Я =-1-•

Зададим на множестве пользователей и = {мк} отношение принадлежности Я, которое определяется величиной меры подобия из множества Б = {Бк} : ик е иОБД < Я > Бк > Б', где иоБД - множество пользователей ОБД, Б * - критическая мера подобия.

Отношение Я принадлежности пользователей к классу илБД, для которого целесообразно проектирование локальных БД, определятся как ик е иЛБД < Я > Бк < Б*.

Соотношение Бк > Б * обычно выполняется в случае наличия пользователей, решающих близкие по функциональному назначению и характеристикам задачи управления и переработки информации.

Таким образом, в результате выполнения процедур кластерного анализа формируется множество пользователей «облачной» БД (ОБД) и0 е

иОБД и множество пользователей локальных БД (ЛБД) и0 е илБД.

Разработка методов построения объектной канонической структуры ОБД

В данном разделе статьи для группы пользователей ик е иОБД предложены модели и методы построения внешних моделей, обобщенной внешней модели и объектной канонической структуры ОБД на основе методов объектно-ориентированного проектирования.

Использование данных методов неслучайно. Они наиболее адекватно отражают технологию облачных вычислений и предоставляемых услуг, поскольку предполагают инкапсуляцию в одном объекте как данных, так и методов (процедур) их обработки. Это позволяет создавать БД открытой архитектуры, с присущими ей свойствами переносимости, мобильности и интероперабельности; сократить сроки, стоимость и трудоемкость разработки БД за счет распараллеливания процесса создания структур БД и прикладных программ между коллективами разработчиков, а также возможности повторного использования наследованных объектов; обеспечить простоту сопровождения БД и приложений за счет использования принципа непрозрачности информации, при котором обеспечивается сокрытие в объекте как процедур обработки данных, так и самих данных; свойство полиморфизма позволяет использовать одни и те же процедуры путем посылки сообщений для разных объектов, различающихся только переменными вызовов.

Введем ряд необходимых определений.

Под объектом предметной области будем понимать некоторую совокупность информационных элементов и методов (процедур) их обработки, а также отношений между ними, составляющих единое целое с точки зрения семантических и процедурных аспектов предметной области.

Под объектной моделью требований пользователей будем понимать информационно-функциональную структуру, формируемую в результате выполнения операций наложения на графы информационных структур пользователей технологических составляющих, описывающих процедуры поиска и обработки данных.

Под обобщенной объектной моделью предметной области будем понимать информационно-функциональную структуру, формируемую в результате операций наложения объектных моделей требований пользователей.

Под анализом обобщенной объектной модели предметной области понимается процесс сведения многообразия зафиксированных в ней объектных моделей требований пользователей к базовым (типовым) и специфическим объектам, в результате которого осуществляется построение объектной канонической структуры БД.

Проектирование объектных моделей требований пользователей осуществляется в 2 этапа.

На первом этапе с помощью предложенных в работах6 структурных методов осуществляется построение и нормализация информационных структур пользователей.

На втором этапе осуществляется отображение на сформированные информационные структуры требований пользователей по обработке данных.

Исходными данными для реализации этого этапа являются:

а) формализованные описания нормализованных информационных структур пользователей, задаваемые в виде матриц смежности Вк и орграфов С * , на которых выделены групповые и информационные элементы, ключи и атрибуты групп данных;

б) формализованные описания требований пользователей по обработке данных.

Формализованные описания требований к-го пользователя по обработке данных задаются с помощью:

- множества процедур обработки данных ¥к = {/кг/т = 1, Як}, где ¡кг - г-я процедура к-го пользователя;

- матрицы использования 1-го информационного элемента (I е Ьк с Ь) г-й процедурой (г е Як с Я) Жк = Ц^Ц. Элемент wкг1= 1, если 1-й информационный элемент используется г-й процедурой; в противном случае w кг1 = 0;

- структуры поиска требуемых для обработки данных, задаваемой в виде дерева поиска данных на графе информационной структуры G* .

Отображение требований обработки данных на графах информационных структур пользователей производится следующим образом.

Использование некоторой r-й процедурой обработки данных l-го элемента формально представляется на графе G* петлей на группе dj, в которую он входит, что свидетельствует об обработке данного группового элемента.

Деревья поиска, требуемые для обработки данных, отображаются дополнительными дугами на графе G* .

Таким образом, формализованно объектная модель требований k-го пользователя представляется в виде мультиграфа с одним типом вершин и двумя типами дуг G°k (Dk, Uk), где Dk = {d*/ l = 1, Lk, Lk с L} - множество информационных элементов (включая ключи и атрибуты данных), выявленные в результате выполнения структурных методов, описанных в работе В.В. Кульбы и др.7; Uk = = иэкл U U*ip, где иэкл - множество дуг, характеризующих структуру взаимосвязей между информационными элементами (группами данных, ключами и атрибутами), а UпР - множество дуг, характеризующих технологию обработки данных для k-го пользователя в виде реализации совокупности методов (процедур) поиска и непосредственной обработки данных, включая петли и непосредственно дуги.

Основные характеристики объектной модели требований G°k

1. Вектор технологических весов вершин = {z где z - технологический вес dl-й вершины графа G°k.

2. Вектор технологических толщин дуг Zk = {zfl, k }, где zj - технологическая толщина дуги на графе.

Технологический вес z4= const, где const е {0, 1, 2, ... , N}, N-множество целых чисел означает степень использования информационного элемента dl множеством процедур обработки данных. Чем больше значение z \ для некоторого dl, тем более важным является элемент dl в процессах обработки данных.

Технологическая толщина дуги (dl, dl) zfl, k = const (где const е {0, 1, 2, ... , N}, N-множество целых чисел) означает степень использования дуги (ll') в процессах поиска требуемых данных. Чем больше значение zj k для некоторой дуги (dl, dl), тем более часто используется данная дуга в путях доступа к требуемым для обработки данным.

Определение технологических весов вершин осуществляется путем суммирования значений матрицы по столбцам (информационным элементам): z^k = £ wkrl .

VreRk

Определение технологических толщин дуг осуществляется путем суммирования дуг, входящих в множество и^

2?Г,к = Е (¿1, ¿г).

1,1 'ей к

Вычислив основные характеристики графа С°к , можно перейти к другому формализованному представлению объектной модели

^ •-> •-> 1 у~»взв / 7-ЧБЭБ т ГБЭБЧ

требований пользователей - взвешенному графу Ск (Бк , ик ), где каждой вершине й1 е Б™ и дуге (¿¡, ¿¡) е и™ приписаны соответствующие им веса.

Построение обобщенной объектной модели предметной области осуществляется после построения объектных моделей для всех требований пользователей путем последовательного наложения мультиграфов С°к(Бк, ик) друг на друга. Разработанная процедура основана на совмещении идентичных информационных элементов независимо от уровня их размещения на графах

с;б(Бк, ик).

Результатом выполнения процедуры наложения является упорядоченный по уровням иерархии мультиграф обобщенной модели предметной области С°б (Б, и) с одним типом вершин Б = {¿1/1 = 1, Ь}, соответствующих множеству информационных элементов, и двумя типами дуг: иэл - множество информационных взаимосвязей между элементами йг е Б и ипр - множество процедурных (технологических) взаимосвязей между информационными элементами, и = иэл и ипр.

Основные характеристики обобщенной объектной модели предметной области

1. Вектор информационных весов вершин графа С°6: = {г]"}, где г] - информационный вес вершины й1 е Б. Информационный вес для некоторой вершины й1 равен целому положительному числу (0, 1, 2 ... Ы) и характеризует степень потребности множества пользователей в данном элементе. Чем больше значение г] , тем более важным и необходимым является элемент й1 для удовлетворения информационных потребностей пользователей.

2. Вектор технологических весов вершин графа С°6:= {г^}, где г ^ - технологический вес ¿1 -го элемента (вершины), г ^ е {0, 1, ... , Ы}.

3. Вектор информационных толщин дуг графа С°6: ={ zf1,}, где - информационная толщина дуги (й1, й1). Информационная толщина дуги равна целому положительному числу (0, 1, 2 ... Ы) и характеризует степень семантической (смысловой) связности элементов и йгв заданной предметной области. Чем больше значение

, тем более семантически связаны (ассоциированы) элементы

¿1 и йг что подтверждено подмножеством пользователей в их информационных требованиях.

4. Вектор технологических толщин дуг графа Соб: ={ ^ }, где ^ - технологическая толщина дуги (¿¡, ¿г), ^ е {0, 1, 2 ... Л}.

Далее на основе анализа обобщенной объектной модели предметной области осуществляется построение объектной канонической структуры ОБД путем сведения многообразия объектных моделей требований пользователей, зафиксированных в обобщенной объектной модели, к базовым (типовым) и специфическим объектам.

На первом этапе анализа осуществляется переход от мульти-графа Соб(В, V) к взвешенному графу СВЗВ(А V) обобщенной объектной модели предметной области. С этой целью для каждой вершины графа Со6 вычисляются их средние веса, которые рассчитываются по формуле

^ = 4 + 41 , уй1 е В, 1 2

а для каждой связи - средние веса толщин дуг: 4Р = ^^, У(4, е и.

Взвешенный граф Свзв(В, V) представляется в виде орграфа с одним типом вершин и дуг, каждая из которых имеет определенный средний вес. Графу Свзв(В, V) ставится в соответствие взвешенная матрица смежности В = \\Ьу\\. Элементы Ь^ матрицы В, лежащие не на главной диагонали, равны положительным вещественным числам, соответствующим весам толщин дуг. Элементы Ьа матрицы В, лежащие на главной диагонали, равны положительным вещественным числам и соответствуют средним весам вершин

графа Свзв.

На втором этапе анализа решается задача декомпозиции взвешенного графа Свзв на ряд подграфов, соответствующих базовым (типовым) и специфическим объектам предметной области. Данная задача решается при следующих ограничениях:

а) на количество информационных элементов в одном объекте (Л);

б) на количество процедур (методов) обработки данных в одном объекте (М);

в) на возможность включения отдельных информационных элементов в состав одного объекта. Данное ограничение формаль-

но можно представить в виде матрицы смежности В = ||Ьу!1, элементы которой: Ьу = 1, если информационные элементы й{ и й^ семантически несовместимы в составе одного объекта, и Ьу = 0, если появление элементов й{ и й^ в составе одного объекта допустимо;

г) на уровень типовости, при котором конструируемые объекты (как подграфы графа ОвзБ) можно отнести к базовым объектам заданной предметной области (У).

Уровень типовости задается проектировщиком ОБД и определяется как интегральная характеристика информационной и технологической связности объектов.

Значения ограничений Ы, М и У выбираются таким образом, чтобы, по крайней мере, отдельная вершина графа ОВЗБ(Б, и) представляла из себя отдельный объект предметной области.

Для решения поставленной задачи может быть использован алгоритм, приведенный в работе8. В результате его выполнения осуществляется преобразование:

ОБзБ(Б, и) ^ 0^(0, А),

где Окб(О, А) - граф объектной канонической структуры ОБД, вершинами которого О = {Ое /е = 1, е0} являются объекты предметной области, а дугами А = {8ее,/е, е' = 1, е0} - связи (или отношения) между объектами.

Характеристиками графа О кб являются интегральные характеристики объектов и связей между ними. На сформированной объектной канонической структуре ОБД выделено множество базовых Обаз и специфических Оспец объектов.

Заключение

Таким образом, предложенные в работе методы и алгоритмы позволяют классифицировать пользователей на группу пользователей частного облака и пользователей локальных БД, сформировать внешние модели, обобщенную внешнюю модель и объектную каноническую структуру облачной БД. В дальнейшем данные результаты используются при синтезе логических и физических структур ОБД облачных технологий. Разработанные методы и алгоритмы использовались при разработке ряда проектов информационной инфраструктуры Евразийского патентного ведомства Евразийской патентной организации.

Примечания

Cloud Computing: Principles, Systems and Applications | N. Antonopoulos, L. Gil-lam (eds.) L.: Springer, 20i0. 379 p.; Батyра Т.В., Мурзш Ф.А., Семич Д.Ф. Облачные технологии: Основные модели, приложения, концепции и тенденции развития II Программные продукты и системы. 2014. № 3 (107). С. 64-72. Cloud Computing...; Батура Т.В., Мурзин Ф.А., Семич Д.Ф. Указ. соч.; Mell P., Granee T. The NIST Definition of Cloud Computing: Recommendations of the National Institute of Standards and Technology. NIST, 20ii. Mell P., Granee T. Op. cit.

Черняк Л. Интеграция - основа облака II Открытые системы. СУБД. 2011. № 7. Мамиконов А.Г., Ашимов A.A., Кульба В.В., Косяченко С.А., Сиротюк B.O. Оптимизация структур данных в АСУ. М.: Наука, i9SS. 256 с.; Кульба В.В., Ковалевский С.С., Косяченко C.A., Сиротюк B.O. Теоретические основы проектирования оптимальных структур распределенных баз данных. М.: СИНТЕГ, i999. 660 с. (Серия «Информатизации России на пороге XXI века»); Кульба В.В., Микрин E.A., Сиротюк B.O., Сиротюк O.B. Модели и методы проектирования оптимальных структур объектно-ориентированных баз данных в автоматизированных информационно-управляющих системах. М.: ИПУ РАН, 2005. i03 с. Мамиконов A.r., Aшимов A.A., Кульба В.В., Косяченко СЛ., Сиротюк B.O. Указ. соч.; Кульба В.В., Ковалевский С.С., Косяченко СЛ, Сиротюк B.O. Указ. соч. Кульба В.В., Ковалевский С.С., Косяченко СЛ, Сиротюк B.O. Теоретические основы проектирования оптимальных структур распределенных баз данных. М.: СИНТЕГ, i999. 660 с. (Серия «Информатизации России на пороге XXI века»). Кульба В.В., Микрин E.A., Сиротюк B.O., Сиротюк O.B. Указ. соч.

2

6

7

S