2.2.5. Системная адаптация вычислительной системы

Эта адаптация затрачивает системное обеспечение ВС, для того чтобы повысить эффективность функционирования ВС при различных условиях эксплуатации.

Пусть Р — условия эксплуатации ВС, U — управляемый фактор ВС, который может изменяться целенаправленно в процессе ее работы, а

— критерий функционирования ВС, характеризующий эффективность ее работы в условиях Р при управлении Выражение (2.2.9) задается алгоритмически, т. е. в виде правила оценки эффективности реальной (а не модельной) ВС при различных Р и U. Это обстоятельство исключает возможность вычисления интегрального критерия

необходимого для синтеза оптимального управления решающего задачу

Здесь — статистические свойства условий эксплуатации ВС (плотность распределения этих условий), которые обычно неизвестны.

Поэтому задачу поддержания ВС в оптимальном состоянии следует решать методами адаптации, т. е. изменять управляемый фактор руководствуясь только наблюдениями значений критерия (2.2.9).

Рассмотрим несколько конкретных задач адаптации ВС на системном уровне.

2.2.5.1. Адаптивная сегментация памяти системного математического обеспечения вычислительной системы

Для нормального функционирования ВС следует вводить в ее оперативную память необходимую рабочую информацию, т. е. программы, данные и т. д. Эта информация расположена во внешней памяти в виде блоков, объединенных в сегменты определенного объема. Вызов информации в оперативную память производится сегментами. Процесс обращения к внешней памяти занимает значительное время, в течение которого процессор не работает (рассматривается однопрограммный режим работы ВС). Отсюда вытекает, что сегментация, т. е. объединение имеющихся блоков информации в сегменты, должна быть такой, чтобы частота обращения к внешней памяти была минимальной.

Оптимальная сегментация внешней памяти дает возможность повысить КПД ВС за счет увеличения процессорного времени. Однако обращаемость (частота обращения) к внешней памяти зависит от специфики решаемых задач, точнее, от последовательности используемых блоков информации. Поэтому для различных задач оптимальная сегментация внешней памяти будет различной. Естественно изменять (адаптировать) эту сегментацию с изменением потока решаемых ВС задач.

Формализуем задачу. Пусть — статистические свойства вариантов Р обращения к блокам информации внешней памяти, сегментация, т. е. определенное объединение блоков в сегменты. Тогда свойства генерируют свойства межсегментных связей, т. е. статистические свойства переходов от одного сегмента к другому. Критерием эффективности (2.2.9) сегментации для данной задачи следует считать число обращений к межсегментным связям при ее решении, Осредняя эту величину потоку решаемых задач, получаем — эффективность сегментации (2.2.10). Однако для вычисления необходимо знать — вероятностные свойства потребности в информации, хранящейся во внешней памяти для обслуживания того или иного потока задач, что обычно неизвестно.

Именно это обстоятельство заставляет обращаться к адаптивной сегментации внешней памяти как способу отыскания оптимальной сегментации при наличии статистической устойчивости Более того, при изменении необходимо иметь возможность изменить сегментацию — пересегментировать память, для чего также необходимо обращение к процедуре адаптации.

Методы, используемые при этом, связаны с эволюционными алгоритмами адаптации. Решение задачи адаптивной сегментации методами эволюционной адаптации приведено в шестой главе (§ 6.2).

2.2.5.2. Адаптация расположения информационных локов на магнитных дисках

Эта задача является конкретизацией предыдущей и связана с минимизацией времени механического движения считывающих головок от одного цилиндра к другому. Здесь роль сегментов выполняют цилиндры, причем расстояние между ними разное, что необходимо учитывать при расположении информационных блоков. Таким образом, на оптимальную сегментацию влияют не только статистические свойства последовательности обращения к блокам, но и взаимное расположение сегментов-блоков. Так, активно взаимодействующие блоки следует хранить если не на

одном цилиндре, то во всяком случае на ближайших, чтобы минимизировать время перемещения головок.

Аппаратом решения этой задачи являются методы эволюционной адаптации, описанные в шестой главе, а само решение приведено в § 6.2.

2.2.5.3. Адаптивное распределение памяти в многомашинной вычислительной системе (сети)

При решении задач с помощью многомашинной ВС встает проблема распределения памяти по отдельным ЭВМ ВС. Вся необходимая информация хранится в центральном банке данных, реализованном на одной или нескольких ЭВМ. Кроме того, каждая ЭВМ системы имеет собственный небольшой банк данных, где хранится информация, часто используемая этой ЭВМ. Обращение к центральному банку данных связано с потерей времени, которое на порядок больше времени обращения к собственному банку.

Отсюда возникает задача об организации локальных банков данных и использовании их при распределении задач между ЭВМ ВС.

Адаптивная процедура организации локального банка данных очевидна: здесь следует хранить наиболее часто требуемую информацию, что легко учесть. Если сведения о составе локальных банков данных сообщать диспетчеру, то можно получить эффективную дисциплину направления задач на ту ЭВМ, банк которой содержит максимум необходимой информации. Заметим, что при этом происходит автоматическая специализация локальных банков данных, что, естественно, повышает эффективность всей ВС.

Таким образом, подобная адаптация локальных банков дает возможность повысить эффективность многомашинной ВС.

Аппаратом решения этой задачи является эволюционная адаптация, применение которой описано в шестой главе (§ 6.3).

2.2.5.4. Адаптивные дисциплины распределения задач в многомашинной вычислительной системе

Синтез оптимальной дисциплины распределения задач на многомашинной ВС не представляет принципиальных трудностей, если известны все параметры потока задач и пропускные возможности машин. Однако именно эти параметры не только неизвестны, но и все время изменяются неопределенным образом. В таких условиях следует построить оптимальную дисциплину и изменять ее необходимым образом, чтобы поддерживать заданный критерий в экстремальном состоянии.

Заметим, что решить эту задачу без применения процедуры адаптации невозможно. Адаптация здесь имеет альтернативный характер и заключается в построении правила перехода от одной альтернативной дисциплины к другой, с тем чтобы в конце концов прийти к оптимальной в сложившейся ситуации дисциплине, экстремизирующей заданный критерий эффективности функционирования ВС (например, среднее время решения задачи, суммарную длину очередей и т. д.).

2.2.5.5. Адаптация многомашинной вычислительной системы к конкретному пользователю

Если активные пользователи обладают статистической устойчивостью своих интересов по отношению к ВС, то естественно закреплять их за определенной ЭВМ. Это можно осуществить адаптивным путем перехода для каждого пользователя от одной альтернативной ЭВМ в ВС к другой. Такой процесс адаптации должен заканчиваться выбором ЭВМ, на которой задачи данного пользователя решаются наилучшим в заданном смысле образом. Для достижения поставленной цели естественно воспользоваться алгоритмом альтернативной адаптации.

Таким образом, системный уровень в ВС представляет широкое поле для приложения методов адаптации.

В целом же ВС является типичным примером сложного объекта, эффективное функционирование которого просто невозможно без адаптации, позволяющей преодолеть многочисленные факторы неопределенности в самой ВС и ее среде, т. е. потоке решаемых задач.