Последние конференции
- Информационные системы и модели в научных исследованиях, промышленности, образовании и экологии
- Информационные системы и модели в научных исследованиях, промышленности и экологии
- Современные проблемы экологии
- Экологические проблемы окружающей среды, пути и методы их решения
- Экология, образование и здоровый образ жизни
Оценка надежности кластерных информационных систем в современных центрах обработки данных
А.Э. Софиев, Е.И. Мосин
Московский государственный университет инженерной экологии,
г. Москва
На современном предприятии зачастую встает проблема грамотного и оперативного управления ресурсами. Для решения данной задачи в последнее время используются различные ERP системы. Для более полной интеграции со всеми информационными системами предприятия стали так же внедрятся SAP системы. Данные системы, а именно ERP и SAP, позволяют собрать информацию со всех уровней в единое целое и обеспечить высокое качество управления предприятием.
Для обеспечения высокой пропускной способности SAP и ERP систем необходимы существенные вычислительные мощности. В подавляющем большинстве случаев данные системы базируются на кластерных вычислительных мощностях, в которых всегда встают вопросы оптимальной балансировки потоков запросов между узлами кластеров. Для оптимальной балансировки необходимо так же оценивать надежность каждого системы, для того, что бы в случае возможного отказа, заранее снять нагрузку с данного узла, снизив тем самым возможные последствия[2],[3].
Для оценки вероятностных параметров надежности ИС, таких как вероятность отказа , наработка на отказ , коэффициент готовности , используется коэффициентный метод расчета.
Базовым понятием данного метода является коэффициент надежности - это коэффициент связывающий интенсивность отказов с интенсивностью отказов отдельного элемента .
(1)
базовые значения условий эксплуатации ИС учитываются номинальным коэффициентом условий .
Результирующее значение коэффициента надежности вычисляется следующим образом:
(2)
где - коэффициент внешнего воздействия на ИС.
Вероятность безотказной работы элемента ИС определяется следующим образом:
(3)
где:
n – общее число элементов отдельного элемента ИС, имеющих основное соединение;
- число одинаковых элементов в ИС;
- наработка на отказ равная:
(4)
Для определения значений коэффициента условий ku используется алгоритм на основе математического аппарата нечеткой логики. Использование нечеткой логики в данном случае позволяет уйти от вывода четких математических зависимостей между параметрами, и позволяет получить оценку коэффициента условий эксплуатации в достаточно короткие сроки.
Для оценки данного параметра используются следующие лингвистические переменные:
- Вибронагруженность;
- Запыленность;
- Температурная обстановка[1].
Для определения степени принадлежности к какому либо из терм-множеств, используются треугольные функции принадлежности:
(5)
Для коэффициента условий, используются Гауссовы функции принадлежности:
(6)
Расчет значений вероятностных параметров надежности ИС, таких как вероятность отказа , наработка на отказ , коэффициент готовности позволяет оценить текущую ситуацию и принять меры по поддержанию или улучшению требуемого уровня отказоустойчивости кластера.
Расчет ведется с использование встроенных библиотек Fuzzy Logic Control в Simulink. [4]
Первоначальный расчет данных вероятностных характеристик строиться на данных полученных от производителей вычислительного оборудования, и дальнейшего корректирования на основе данных получаемых в процессе эксплуатации системы.
Полученные вероятностные характеристики надежности позволяют спрогнозировать возможные отказы узлов или систем, тем самым позволяя заранее предпринять меры по их устранению, либо по минимизации последствий.
Список литературы
1. Мосин Е.И., Заев А.А. Автоматизированная система мониторинга микроклимата в центрах обработки данных на основе беспроводных технологий, "Промышленные АСУ и контроллеры", 2011. -№8.
2. S. Sharma, S. Singh, and M. Sharma, “Performance Analysis of load balancing algorithms” World Academy of Science, Engeneering and Technology, 2008. - vol. 38.
3. Abbas Karimi, Faraneh Zarafshan, Adznan b. Jantan, A.R. Ramli, M. Iqbal b Sariphan, “A new Fuzzy Approach for dynamic load balancing algorithm”, Internetional Journal of Computer Scince and Information Security, 2009. - vol. 6. - No. 1.
4. И.В.Черных. "Simulink: Инструмент моделирования динамических систем", Онлайн версия на портале http://matlab.exponenta.ru.