Разработка методов и алгоритмов интеллектуального кэширования информационных объектов в системах управления промышленными предприятиями

• Автор: Кудухов, Алан Нодарович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Владикавказ
• Количество страниц: 125 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ ОСОБЕННОСТЕЙ КЭШИРОВАНИЯ ДАННЫХ В ИНФОРМАЦИОННЫХ СИСТЕМАХ
1.1 Анализ принципов функционирования систем кэширования
1.2. Особенности и основные проблемы реализации кэш-систем
1.3 Анализ методов и алгоритмов стратегий замещения объектов в..
кэш-памяти
1.3.1 Идеальное кэширование
1.3.2 Алгоритм замещения LRU
1.3.3 Алгоритм замещения SLRU
1.3.4 Алгоритм замещения LRU-К
1.3.5 Алгоритм замещения LRU-SIZE
1.3.6 Алгоритм замещения NRU
1.3.7 Алгоритм замещения FIFO
1.3.8 Специальные стратегии замещения
1.3.9 Стратегия замещения LFU
1.3.10 Комбинационные стратегии замещения
1.3.11 Адаптивные алгоритмы кэширования
1.5 Выводы по первой главе и постановка задачи исследования
ГЛАВА 2. РАЗРАБОТКА НЕЙРОСЕТЕВОГО МЕТОДА ВЫЧИСЛЕНИЯ КЭШ-РЕЙТИНГА И АЛГОРИТМА ЗАМЕЩЕНИЯ ОБЪЕКТОВ В ПОДСИСТЕМЕ КЭШИРОВАНИЯ
2.1 Основные задачи функционирования подсистемы интеллектуального кэширования
2.2 Применение искусственных нейронных сетей в анализе данных
2.3 Разработка нейросетевого метода вычисления кэш-рейтинга объекта и алгоритма замещение объектов в кэш-памяти
2.4 Разработка параллельного алгоритма вычисления кэш-рейтинга..
объектов в подсистеме кэширования

2.5 Результаты экспериментальных исследований
2.6 Выводы по второй главе
ГЛАВА 3. РАЗРАБОТКА СТРУКТУРЫ И АЛГОРИТМОВ ФУНКЦИОНИРОВАНИЯ ПОДСИСТЕМЫ ИНТЕЛЛЕКТУАЛЬНОГО КЭШИРОВАНИЯ
3.1 Структура основных компонентов подсистемы интеллектуального кэширования
3.2 Разработка структуры хранения объектов в кэш - памяти
3.3 Разработка параллельного алгоритма обработки множества
запросов
3.4 Выводы по третьей главе
ГЛАВА 4. АРХИТЕКТУРА ПОДСИСТЕМЫ ИТЕЛЛЕКТУАЛЬНОГО КЭШИРОВАНИЯ
4.1 Основные принципы и особенности подсистемы интеллектуального кэширования
4.2 Проектирование архитектуры подсистемы интеллектуального
кэширования
4.3 Реализация пользовательского интерфейса ART-CACHING
4.4 Выводы по четветрой главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
Приложение А (информационное) акт о внедрении результатов
кандидатской диссертационной работы
Приложение Б (информационное) Таблица Б1 - обучающая выборка искусственной нейронной сети для определения коэффициентов значимости
каждого параметра
Приложение В (информационное) Исходный код компонента, имитирующего работу искусственной нейронной сети
ВВЕДЕНИЕ
Актуальность работы. В настоящее время всё большую роль играют технологии, обеспечивающие хранение, анализ и обработку данных. Это связано с наблюдаемым с конца прошлого века лавинообразным ростом информации, в том числе и в различных отраслях промышленности. Информационные системы промышленных предприятий представляют собой сложный комплекс взаимосвязанных компонентов, которые накапливают, обрабатывают и анализируют огромное количество разнородной технологической информации, создаваемой системами управления. Данные из этих систем являются критически важными не только для непосредственного управления производственными процессами, но и представляют собой необходимую базу для проведения анализа эффективности использования оборудования, расчета ключевых показателей производительности, определения узких производственных мест и решения других задач, требующие использования всего доступного объема производственной информации [1]. Таким образом, промышленные предприятия это область больших данных (Big Data), где накапливаются и обрабатываются большие массивы данных.
В процессе обработки данных всегда возникает проблема обеспечения производительности информационных систем. Современные задачи крупных промышленных предприятий, связанные с хранением и обработкой данных, предъявляют особые требования к вычислительным ресурсам. Критичные для промышленных предприятий информационные системы требуют высокого уровня быстродействия, надежности и масштабируемости [1]. Поскольку информационная система работает с базами данных, размер которых значительно превышает объем доступной оперативной памяти, что приводит к невозможности поместить всю информацию из базы данных в оперативную память, то большая часть информационных объектов во время работы системы будет оставаться на внешних носителях, что сводит производительность системы к минимуму. Практически единственным эффективным способом

ной системой установлены в 0. Периодически (например, при каждом прерывании по таймеру) бит R очищается, чтобы отличить страницы, к которым давно не происходило обращения от тех, на которые были ссылки. Когда возникает страничное прерывание, операционная система проверяет все страницы и делит их на четыре категории на основании текущих значений битов R&M:
1. Не было обращений и изменений (R=0, М=0);
2. Не было обращений, страница изменена (R=0, М=1);
3. Было обращение, страница не изменена (R=1,M=0);
4. Произошло и обращение, и изменение (R=1,M=1).
Хотя класс 1 на первый взгляд кажется невозможным, такое случается, когда у страницы из класса 3 бит R сбрасывается во время прерывания по таймеру. Прерывания по таймеру не стирают бит М, потому что эта информация необходима для того, чтобы знать, нужно ли переписывать страницу на диск или нет. Поэтому, если бит R устанавливается на ноль, а М остается нетронутым, страница попадает в класс 1.
Алгоритм NRU удаляет страницу с помощью случайного поиска в непустом классе с наименьшим номером. В этом алгоритме подразумевается, что лучше выгрузить измененную страницу, к которой не было обращений, по крайней мере, в течение одного тика системных часов (обычно 20 мс), чем стереть часто используемую страницу. Привлекательность алгоритма NRU заключается в том, что он легок для понимания, умеренно сложен в реализации и дает производительность, которая, конечно, не оптимальна, но может вполне оказаться достаточной.
1.3.7 Алгоритм замещения FIFO
Работа алгоритма FIFO (First Input - First Output), заключается в том, что любой объект, который поступает в кэш-память, добавляется в связанный список, отсортированные по времени их поступления в кэш-память (рисунок 1.9).