Модель распределенной информационной системы, решающей задачи с требуемой вероятностью
Ключевые слова:
туманные вычисления, edge-вычисления, распределенные вычисления, отказоустойчивые вычисления, QoS, доступностьАннотация
Введение: распределенные в пространстве-времени сети IIoT и IoT, fog- и edge-вычисления имеют тренд проникать во все сферы человеческой деятельности. От качества работы этих технологий зависят предприятия, органы власти, силовые структуры и т.д. Цель: определить состав сети, обеспечивающий требуемую вероятность безотказной работы. Методы: согласно концепции структурно-функционального синтеза распределенная сеть представлена как нестабильная система массового обслуживания, в которой обслуживающие устройства подключаются и отключаются в произвольный момент времени. Построена имитационная модель сети. Результаты: состояние сети зависит от количества устройств и задач, их производительностей и времен жизни. В модели рассматриваются не сами эти величины, а их соотношения. Рассчитаны значения вероятности безотказной работы сети для всех возможных сочетаний соотношений. Рассчитан доверительный интервал с уровнем доверия 0,95. Из полученных данных понятно: 1) каким должен быть минимальный состав сети, чтобы обеспечить требуемую вероятность; 2) какую вероятность может обеспечить текущий состав сети; 3) какой поток задач допустим, чтобы решать задачи с требуемой вероятностью. Показано, что зависимость среднего времени нахождения задачи в сети от состава сети имеет две точки перегиба. Используя сведения об этих точках, система управления сетью формирует пулы из устройств или увеличивает количество устройств. Обсуждение: подразумевается, что сеть имеет полносвязную структуру. Следовательно, для практического применения необходимо расширить модель матрицей смежности, описывающей связи между узлами, а значит, пути распространения задач по сети, или считать, что каждый узел является ретранслятором и способен передать задачу на любой другой узел сети. Накладные издержки, возникающие при этом, учитываются через корректировку исходных данных. Практическая значимость: результаты позволяют минимизировать издержки при проектировании и эксплуатации распределенных систем, максимизировать вероятность безотказной работы систем при заданных ограничениях на ресурсы.
