Service-oriented, distributed real-time systems in digital libraries
The article considers the problems of building service-oriented real-time web applications. In particular, to predict the execution time of highly loaded applications, provided that the load is stationary, it is proposed to use the Erlang model with an infinite-length queue. We also propose a new al...
Saved in:
| Date: | 2025 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
PROBLEMS IN PROGRAMMING
2025
|
| Subjects: | |
| Online Access: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/781 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Problems in programming |
| Download file: |  |
Institution
Problems in programming| id |
pp_isofts_kiev_ua-article-781 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/7d/f35f1ef0ea615b8cc1ca4d76d6fe837d.pdf |
| spelling |
pp_isofts_kiev_ua-article-7812025-08-27T13:11:22Z Service-oriented, distributed real-time systems in digital libraries Сервіс-орієнтовані, розподілені системи реального часу в електронних бібліотеках Novitsky, O.V. UDC 681.3 УДК 681.3 The article considers the problems of building service-oriented real-time web applications. In particular, to predict the execution time of highly loaded applications, provided that the load is stationary, it is proposed to use the Erlang model with an infinite-length queue. We also propose a new algorithm for adaptive runtime prediction. As a practical implementation, we tested our proposals on a system for performing ontology classification inference and execution time planning.Problems in programming 2013; 2: 87-94 Розглядаються проблеми побудови сервіс-орієнтованих Веб-додатків реального часу. Зокрема для прогнозування часу виконання високонавантажених додатків, за умови стаціонарності навантаження, пропонується використовувати модель Ерланга з чергою нескінченної довжини. Нами також запропоновано новий алгоритм адаптивного прогнозування часу виконання. Як практичну реалізацію, апробовано наші пропозиції на системі виконання виводу класифікації онтологій, та планування часу виконання.Problems in programming 2013; 2: 87-94 PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2025-08-27 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/781 PROBLEMS IN PROGRAMMING; No 2 (2013); 87-94 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 2 (2013); 87-94 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 2 (2013); 87-94 1727-4907 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/781/833 Copyright (c) 2025 PROBLEMS IN PROGRAMMING |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2025-08-27T13:11:22Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
UDC 681.3 |
| spellingShingle |
UDC 681.3 Novitsky, O.V. Service-oriented, distributed real-time systems in digital libraries |
| topic_facet |
UDC 681.3 УДК 681.3 |
| format |
Article |
| author |
Novitsky, O.V. |
| author_facet |
Novitsky, O.V. |
| author_sort |
Novitsky, O.V. |
| title |
Service-oriented, distributed real-time systems in digital libraries |
| title_short |
Service-oriented, distributed real-time systems in digital libraries |
| title_full |
Service-oriented, distributed real-time systems in digital libraries |
| title_fullStr |
Service-oriented, distributed real-time systems in digital libraries |
| title_full_unstemmed |
Service-oriented, distributed real-time systems in digital libraries |
| title_sort |
service-oriented, distributed real-time systems in digital libraries |
| title_alt |
Сервіс-орієнтовані, розподілені системи реального часу в електронних бібліотеках |
| description |
The article considers the problems of building service-oriented real-time web applications. In particular, to predict the execution time of highly loaded applications, provided that the load is stationary, it is proposed to use the Erlang model with an infinite-length queue. We also propose a new algorithm for adaptive runtime prediction. As a practical implementation, we tested our proposals on a system for performing ontology classification inference and execution time planning.Problems in programming 2013; 2: 87-94 |
| publisher |
PROBLEMS IN PROGRAMMING |
| publishDate |
2025 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/781 |
| work_keys_str_mv |
AT novitskyov serviceorienteddistributedrealtimesystemsindigitallibraries AT novitskyov servísoríêntovanírozpodílenísistemirealʹnogočasuvelektronnihbíblíotekah |
| first_indexed |
2025-09-17T09:22:21Z |
| last_indexed |
2025-09-17T09:22:21Z |
| _version_ |
1850409892342398976 |
| fulltext |
Експертні та інтелектуальні інформаційні системи
© О.В. Новицький, 2013
ISSN 1727-4907. Проблеми програмування. 2013. № 2 87
УДК 681.3
О.В. Новицький
СЕРВІС-ОРІЄНТОВАНІ, РОЗПОДІЛЕНІ СИСТЕМИ
РЕАЛЬНОГО ЧАСУ В ЕЛЕКТРОННИХ БІБЛІОТЕКАХ (ЕБ)
Розглядаються проблеми побудови сервіс-орієнтованих Веб-додатків реального часу. Зокрема для про-
гнозування часу виконання високонавантажених додатків, за умови стаціонарності навантаження, про-
понується використовувати модель Ерланга з чергою нескінченної довжини. Нами також запропонова-
но новий алгоритм адаптивного прогнозування часу виконання. Як практичну реалізацію, апробовано
наші пропозиції на системі виконання виводу класифікації онтологій, та планування часу виконання.
Вступ
У бібліотеках побудованих на ос-
нові сервіс-орієнтованого підходу виника-
ють нові сервіси, які потребують матема-
тичного опису певних процесів. Такий
клас сервісів, вимагає з одного боку, знач-
них обчислювальних ресурсів, з іншого –
мають виконатися за прогнозований час.
У порівнянні з класичними технологі-
ями GRID, в яких задача яка ставиться
в чергу може там знаходитися необмеже-
ний час. Розглядатимемо клас задач, які
мають бути виконані за прогнозований
час. Такий сервіс ми пропонуємо як
сервіси конвертації формату документів.
Це не єдине застосування запропоновано-
го нами підходу і сфери його застосуван-
ня, можуть бути будь-які сервіс-орієнтова-
ні Веб-додатки реального часу. В даній
роботі розглядатимемо питання прогно-
зування часу виконання на прикладі за-
дачі класифікації онтологій.
Сервіси реального часу в ЕБ
Сучасні ЕБ мають опрацьовувати
значний обсяг інформаційних ресурсів.
Поряд з цим, виникає все більше і
більше нових сервісів, що мають на меті
задовольнити потреби користувачів. При
розробці та підтримці складних систем
доцільно використовувати сервіс-орієн-
тований підхід (SOA) до архітектури
програмного забезпечення. Існує ряд
визначень щодо SOA [1, 2]. Однак біль-
шість з них описуються як компонований
додаток, що складається з слабозв’язаних
сервісів, запущених на різних вузлах і об-
мін інформацією між ними відбуваєть-
ся за допомогою передачі повідомлень.
Сервіс-орієнтована архітектура, передба-
чає повторне використання сервісів. Од-
ним із недоліків для сервіс-орієнтованої
архітектури, є часові затримки які мають
кілька причин. І для якісної оцінки, кри-
терій доступності, часової затримки на
відповідь. SOA припускає розподілених
обчислень. Компоненти сервісу, як прави-
ло, розташовані в різних контейнерах,
найчастіше на різних машинах. Потреба в
обміні повідомлень по мережі збільшує
час відгуку. Типові мереж, що викори-
стовуються для SOA, такі як Інтернет, не
гарантує наперед визначені затримки. Та-
ким чином, SOA не вважається підходя-
щим рішенням для систем реального часу,
де своєчасність є строгою вимогою. SOA
створює проблеми в режимі реального
часу системи, де затримка є критично
важливою вимогою. Для часто використо-
вуваних сервісів, з великою кількістю
запитів, формується черга FIFO чи LIFO.
Така ситуація може мати значний вплив
на затримку, хоча може бути стоха-
стично передбачено [3].
Однак є ряд задач, які потребують
використання SOA та мають обмеження
за часом. Ці обмеження можуть бути
як жорсткі, так і слабкі. Зокрема, при
керуванні інформацією, виникає потреба
її додаткової обробки, причому для скла-
дних завдань користувачами системи мо-
жуть висуватися часові обмеження до
виконання відповідних сервісів. Для ЕБ
ми виділяємо наступні функціональні
сервіси:
Експертні та інтелектуальні інформаційні системи
88
сервіс пошуку інформації у семан-
тичному контенті, ця група сервісів, ви-
конує пошук у середовищі Semantic Web.
В основу пошуку покладається мова за-
питів SPARQL та вивід на знаннях. Ці дві
задачі потребують значних обчислюва-
льних ресурсів [4];
сервіси рекомендації інформацій-
них ресурсів на основі пов’язаності поси-
лань та додаткових відомостей на основі
онтологій інтересів користувачів;
сервіси побудови візуалізації гра-
фів у Semantic Web [5];
сервіси конвертації форматів пред-
ставлення електронних документів.
Для таких та інших подібних сер-
вісів є важливою задача прогнозування
часу виконання сервісу. Це пов’язано з
тим, що кінцевим користувачам, при ро-
боті з сервісами реального часу необ-
хідно забезпечити певний рівень зручності
роботи з програмним забезпеченням. Од-
ним із елементів якості програмного за-
безпечення є надання інформації користу-
вачу про час закінчення довготривалої
операції. Це дозволить користувачу отри-
мувати відповідну інформацію, про те що
система дійсно функціонує і завершить
виконання ресурсоємної операції за про-
гнозований час.
Ми розглядаємо лише такі серві-
си, які є високо навантаженими, однопо-
точними, та часто викликаються. Даний
метод не підходить до звичайних Інтернет
додатків, які працюють на Веб-серверах.
Тобто ми розглядаємо таку задачу, коли
один запит може обслуговуватися
виключно одним вузлом, і виконання тако-
го запиту потребує значних обчислюваль-
них ресурсів.
Основна ціль – прогнозування часу
виконання запиту за найменшу кількість
ітерацій.
Формула Ерланга С та модель
/// mMM
Системам реального часу необ-
хідно задовольняти жорсткі обмеження за
часом, ці обмеження – наслідок тих про-
цесів які системи підтримують. Загалом
існування верхньої межі за часом є необ-
хідною умовою функціонування систем
реального часу. Одне точне значення
цього часу визначити не можливо, проте
можливо гарантувати, що процес є скін-
ченним і обов’язково завершиться. Визна-
чити нижню межу виконання за часом є
простішим для визначення, якщо відомо
всі передумови.
Ми припускаємо, що в режимі ре-
ального часу система складається з низки
завдань, які реалізують необхідну функ-
ціональність. Випадок з найкоротшим ча-
сом виконання називається найкращий
випадок за часом виконання (BCET best-
case execution time). Найдовший час на-
зивається найгірший випадок за часом
виконання (WCET – worst-case execution
time). У більшості випадків простір ста-
нів занадто великий, щоб вичерпно вив-
чити всі можливі страти і тим самим
визначити точний гірший і кращий випа-
док за часом виконання.
Сьогодні в більшості поширений
спосіб оцінки межі часу виконання – це
вимір часу виконання завдання для
підмножини можливих стрес-тестів. Це
визначає мінімальні та максимальні спо-
стережувані часи виконання. Ці методи
не дозволяють точно визначити BCET
та WCET і тому є небезпечними для
жорстких систем реального часу. Цей
метод часто називають аналіз динаміч-
ного часу.
Оскільки наша модель є з нескін-
ченною чергою, то формула Єрланга B
не підходить, тому розглядатимемо фор-
мулу Єрланга С. У нашій моделі у випадку
коли запит не може бути оброблений
негайно, то він поміщається в чергу очіку-
вання необмеженої довжини, коли один
із сервісів звільнюється, то він автоматич-
но бере завдання з черги. Якщо черга
порожня, то сервіс знаходиться в стані
очікування і може негайно задовольнити
запит. Формула Erlang C [6], в ори-
гінальній формі, визначеній як функція
двох змінних: число сервісів N і наван-
таження A. На основі їх значення можна
визначити ймовірність Pc(N, A), що
вхідний запит не буде обслуговуватися
відразу, йому доведеться чекати своєї
черги:
Експертні та інтелектуальні інформаційні системи
89
1
0 )(!!
)(!
),(
N
i
Ni
N
C
ANN
NA
i
A
ANN
NA
ANP , (1)
де
A . (2)
Тепер використаємо зв'язок між
навантаженням A (2), та середньою кіль-
кістю запитів за проміжок часу і се-
редньою кількістю запитів , оброблених
за проміжок часу. Далі визначаємо вели-
чину , яка представляє навантаження на
один сервіс [7]:
N
. (3)
В зв’язку з чим на основі, (2), (3),
ми можемо переписати (1) наступним
чином:
1
0 )(!
!
!
,
N
i
Ni
N
C
NN
N
i
NN
N
NP
1
0 1!!
1!
N
i
Ni
N
N
N
i
N
N
N
. (4)
У формулі (4) визначається
ймовірність запитів у системі масового об-
слуговування /// mMM , які будуть
поміщені в чергу, якщо в систему надхо-
дить більше запитів ніж m [6].
Використовуючи основну форму
формули Ерланга C (1), знаючи значення
параметра A (максимальне навантаження)
та за відомого числа сервісів N можна об-
числити ймовірність ,NPC . Через
складність аналітичного визначення цих
невідомих параметрів, використовуються
чисельні методи.
Тоді можна розрахувати середній
час очікування черги W (середній час
очікування виклику в черзі перед го-
товністю сервісу опрацювати запит):
AN
P
W C
(5)
і застосування теореми Литтла [6] та фор-
мули (2) отримаємо середню кількість за-
питів у черзі очікування, наступним чи-
ном:
cC P
AN
A
P
AN
WQ
. (6)
Для розрахунку параметра оцінки
сервісу (Grade of Service – GoS) (відсо-
ток запитів, які оброблені або для яких
виділено сервіс до певного часового по-
рогу AWT – допустимий режим очікуван-
ня) за відомим значенням AWT [8]:
AW TAN
C ePGoS 1 . (7)
Середня кількість запитів у системі
K (а також середньої чисельності зайнятих
сервісів) [9]:
CPNK
1
QAP
AN
A
A C
. (8)
З формули (8) на основі теореми
Литтла отримуємо середнє значення часу
T , що визначає час виконання запиту:
AN
PQAK
T C
1
. (9)
Адаптивний алгоритм
прогнозування часу виконання
для систем реального часу
Оскільки дані є ймовірними, то для
покращення обслуговування та прогно-
зування часу виконання запиту, нами за-
пропонований адаптивний алгоритм про-
гнозування часу виконання запиту Веб-
сервісом. У його основі покладено ідею,
Експертні та інтелектуальні інформаційні системи
90
що час виконання етапу виконання може
бути зпрогнозований на основі формули
Ерлангу С, водночас якщо параметри
очікування відхиляються в ту чи іншу
сторону від прогнозованого, на основі ва-
гових коефіцієнтів відбувається корекція
таймерів затримки. Це пояснюється тим,
що реальні потоки запитів не завжди є
стаціонарними, але в деякій мірі наближе-
ними до них. Тому виникає необхідність
введенням додаткових коефіцієнтів, які з
одного боку давали б можливість застосо-
вувати до псевдо-стаціонарних потоків,
теорію стаціонарних потоків, а з іншого –
корегували б величину таймера затримки
внаслідок ймовірнісного значення часу
виконання запиту. Вагові коефіцієнти ро-
зраховуються на показниках складності
завдання, яке виконується та враховується
параметрами середовища. Вихідними да-
ними для вагових коефіцієнтів становить
статистична інформація про виконання
параметрів попередніх завдань.
,...1,...1
,),(
kjni
hpww ji
(10)
де w – функція обчислення вагово-
го коефіцієнта; t – час виконання запиту;
ip – параметр, що характеризує i -ту ха-
рактеристику складності завдання; h –
характеристика, що вказує на обчислю-
вальну потужність системи.
Для побудови функції w необхідно
визначити кожен параметр складності та
обчислювальної потужності.
Визначити кожен параметр склад-
ності завдання та обчислювальної поту-
жності системи в абсолютних величинах
не можливо, але можливо визначити
відносне значення даних параметрів.
Нехай маємо n завдань, кожне зав-
дання описується набором параметрів ip ,
jh для зручності сукупність цих пара-
метрів будемо позначати ks . Для того щоб
оцінити складність кожного завдання,
оцінюємо складність відносного всіх ін-
ших завдань і записуємо цей результат ija
у матрицю mnA , де knm :
.параметрівьзворотніст
собі, посамі
ідентичніпараметри1
,складності
параметріввідношення
min
max
i
ij
ii
i
ij
mn
s
s
a
a
s
s
a
A
Матрицю будуємо за правилом,
якщо 0)(
ij ss
kst
то )max(max kss ,
якщо 0)(
ij ss
kst
то )min( kmix ss .
Функція w задається у вигляді су-
ми параметрів ija :
n
i
ijj aw
0
. (11)
Загальний час виконання запиту бу-
де визначатися наступним чином:
)1( TTcomplite ,
обробленозапит0
черзівзапитw
.
Таким чином на кожному етапі іте-
раційного процесу визначення часу вико-
нання запиту, ми постійно подовжуємо час
на величину, що відповідає складності ви-
конання завдання. На основі даних пара-
метрів запропоновано алгоритм, який доз-
воляє автоматично балансувати наванта-
ження між вузлами Веб-сервісів та прогно-
зувати час виконання кожного завдання на
певному вузлі.
У випадку неадекватного вибору
базису для оцінювання складності завдан-
ня, пропонуємо вводити зональну склад-
ність. Остання дозволяє покращувати про-
гнозування часу виконання при неповному
базисі параметрів, що визначають склад-
ність завдання. Зональна складність вико-
нання – це зона на якій розподіл випадко-
вої величини лежить в інтервалі
3/23/2 x , де – стартове зна-
чення випадкової величини, що визначає
складність. Потім для зональної складності
Експертні та інтелектуальні інформаційні системи
91
будується середнє геометричне за склад-
ністю zoned . Ознака належності процесу до
певної зональної складності, є
zoneizone ddd 3/2/3/2 , де id –
складність i -го процесу для якого треба
спрогнозувати час виконання. Додавання
кожного процесу в вибірки вливає на d та
на час виконання. Всі процеси в рамках
зональної складності розглядаються як
окремий потік випадкових процесів.
global task_list, count_node,
count_request, time_for_request,
time_for_response, list_parameters
{
while (task_complite)
{
list_free_nodes[]=get_free_node();
if (is_have_free_node) // перевірка
вільних вузлів
{
if
(count(task_list)/count(list_free_nodes)>1)
//кількість завдань перевищує кількість
вузлів
{
foreach (list_nodes as
node_id=>node)
{
send_task_async_to_no
de(node, task_list[node_id]) //відправка
асинхронного запиту на виконуючий вузол
timer[task_list[node_id])]= adaptive
(list_task, count_node);
}
}
elseif
(count(task_list)/count(list_free_nodes)<=1)
//кількість вузлів перевищує кількість зав-
дань
{
foreach (task_list as
task_id=>task)
{
send_task_async_to_node(
list_free_nodes[id_task])
//відправка асинхронного за-
питу на виконуючий вузол
timer[task_id]= adaptive (list_task,
count_node);;
}
}
}
elseif (count(list_task)>0 and
count(list_free_nodes)==0) //перевірка умо-
ви відсутності вільного вузла
{
wait=sum(timer_for_each_task); //при
відсутності вільних вузлів необхідно
збільшити час очікування,
}
}
sleeps= timer+ timer* complexity;
return sleeps
}
}
function calc_erlang (time_dif_issue,
count_node, time_send, count_node,
count_task) //обрахунок таймера затримки
на основі рівняння Ерлагу С та теореми
Литтла (9)
{
timer=erlang_c(time_dif_issue, count_node,
time_send, count_node, count_task);
return timer;
}
function calc_complexity (list_parameters)
//обрахунок складності завдання на основі
(11)
{
complexi-
ty=calculation_complexity(list_parameters);
return complexity;
}
function adaptive (list_task, count_node){
dif=calc_complexity (list_task)
//обраховуємо складність задання
if (in_to(dif, issue_dif) // пошук зо-
нального розподілу по складності
$timer=calc_erlang(time_dif_issue,
count_node, time_send, count_node,
count_task)
)
else {
create_new_dif_zone();
//створення нової зональної склад-
ності
time=null;
}
return time
}
Експертні та інтелектуальні інформаційні системи
92
Методика моделювання
сервіс-орієнтованого Веб-додатка
реального часу
Електронна бібліотека має ряд
сервісів які забезпечують зберігання,
обробку, доступ до інформації. Переважна
більшість сервісів при виконанні не мають
жорсткого обмеження за часом виконання,
і для Веб-сервісів граничний час WCET
визначається налаштуванням сервера до-
датків. Водночас для деякого класу
сервісів надзвичайно важливим є виконан-
ня за певний проміжок часу.
Для побудови ми змоделювали ре-
альну систему, яка призначена для
вирішення задач класифікації та катего-
ризації. Сервіси судження для Дескрип-
тивної логіки, такі як тестування категори-
зації і класифікації, як правило використо-
вуються для перевірки відповідності
кількості баз знань на основі оригінальної
онтології [10]. Здійснимість класу, напри-
клад, зводиться до перевірки послідовності
бази знань, в яких один індивідуал є
екземпляром цього класу. Таблиці суджень
виконано як тести для перевірки послідов-
ності. Труднощі побудови такої моделі ви-
никають з двох джерел. По-перше, часто є
велика кількість різних можливих кон-
струкцій, які можуть бути в моделі. На
основі таблиць необхідно проаналізувати
кожну з цих конструкцій, перш ніж зро-
бити висновок, що база знань має або не
має модель. По-друге, моделі, побудовані
для таблиць суджень можуть бути дуже
великими, навіть для відносно невеликої
онтології.
HermiT це прикладне програмне за-
безпечення для виконання суджень над
Дескриптивною логікою, засновано но-
вою архітектурою, яка охоплює вищевка-
зані джерела складності. HermiT реалізує
гіпертабличні обчислення, що значно зни-
жує кількість можливих моделей, які ма-
ють бути розглянуті [11].
Оскільки HermiT виконує судження
над TBox та ABox, ми використали
наступні метрики:
кількість класів;
кількість властивостей об’єктів;
кількість властивостей даних;
кількість індивідуалів;
кількість логічних аксіом;
кількість аксіом онтологій анотацій;
кількість аксіом анотацій сутностей;
кількість логічних аксіом для класів;
кількість логічних аксіом для підкла-
сів;
кількість аксіом еквівалентності;
кількість аксіом диз’юнкції;
кількість аксіом об’єднання диз’юн-
кції.
Як виявили експериментальні до-
слідження, згадані параметри не в повній
мірі відображають час який буде необ-
хідний на проведення суджень. Це пояс-
нюється самим алгоритмом виконання
судження, оскільки між часом виконання
та запропонованими нами метриками,
нема прямої функціональної залежності.
Оскільки основна задача – це про-
гнозування часу виконання сервісу, то ос-
новними компонентами нашої моделі є:
середня кількість вхідних запитів на
виконання сервісу за одиницю часу ;
середній час обробки запиту серві-
сом
1
;
число сервісів N ;
загальна протяжність трафіку в се-
кундах.
Для того щоб змоделювати необ-
хідні граничні параметри, нами побудова-
но реально діючу систему. Моделюючий
трафік у цій системі був стаціонарним без
наслідків.
Вхідним набором є набір онтоло-
гій для яких виконувались тести кла-
сифікації та категоризації за допомогою
HermiT. Внаслідок побудовано залежність
часу виконання від складності, з загальною
кількістю фацетів в онтології їх налічуєть-
ся понад 340 тис.
З рис.1 видно, що ця залежність є
складною, і визначення точного часу ви-
конання, може бути співставленням з ча-
сом виконання тестів класифікації та кате-
горизації.
Експертні та інтелектуальні інформаційні системи
93
Рис. 1. Залежність часу класифікації та категоризації від складності онтологій,
залежність впорядкована за часом
Основна причина значних відхи-
лень, полягає у тому, що онтології, які ім-
портуються в основну онтологію, вже не є
більш доступними за вказаною адресою,
це становить певну проблему щодо жит-
тєвого циклу підтримки онтологій. Оскіль-
ки з одного боку імпортування онтологій,
це хороша практика повторного викори-
стання онтологій і підтримка онтологій в
актуальному стані, з іншого боку, нема
ніяких гарантій, що згодом ця онтологія
перестане бути доступною. Окрім цього
виявлені проблеми, стосовно обмежень,
щодо відсутності повної підтримки зі сто-
рони HermiT, типів даних OWL2, напри-
клад xsd:dateTime. Також існують пробле-
ми щодо розбору XML представлення
OWL.
Рис. 2. Моделювання процесу виконання та реальний час виконання в с
Експертні та інтелектуальні інформаційні системи
94
На основі розробленої моделі ми
провели експериментальне дослідження з
двома обчислювальними вузлами. На по-
чатку подавалась тестова вибірка на основі
якої виділявся зональний час, а згодом по-
давалась вибірка реальних даних, яка
уточнювала зональний час початкової
вибірки і для якої прогнозувався час вико-
нання, результати експерименту показано
на рис. 2. Тут представлено два процеси
Real Time та Forecast, що відображають
реальні дані та зпрогнозовані відповідно.
Видно, що модель досить якісно відобра-
жає процес і набір параметрів які відобра-
жають складність завдання.
Висновки
Нами запропоновано алгоритм,
який на основі початкових даних та на ос-
нові моделі Ерлагу з чергою нескінченної
довжини, адаптивно прогнозував час ви-
конання завдання яке знаходиться у черзі
або виконується на даний момент. Запро-
понована та експериментально перевірена
сервіс-орієнтована архітектура з асин-
хронним викликом, що дає можливість
розпаралелювати виконання завдань з
єдиної черги. Це дає можливість для кін-
цевого користувача спрогнозувати час
очікування, та керувати чергою завдань
для складних обчислювальних систем. У
подальшому робота буде полягати в
аналітичній оцінці алгоритму. Перевагами
алгоритму також є відсутність визначення
ваг для кожного з параметрів, головною
вимогою, що параметри безпосередньо
впливали на складність а отже і час вико-
нання задачі.
Запропонований підхід, дає мож-
ливість вирішувати задачі, що потребують
значних обчислювальних ресурсів, засоба-
ми Веб-технологій, використовуючи
сервіс-орієнтований підхід. Теоретичні по-
силання перевірені експериментально та
отримали підтвердження.
1. Josuttis N. SOA in Practice First Edition edn.
O’Reilly Media, Inc., Gravenstein Highway
North, Sebastopol (2007).
2. Huhns M.N., Singh M.P. Service-oriented
computing: key concepts and principles.
Internet Computing, IEEE 9(1), 75–81 (2005).
3. O'Brien L., Bass L., and Merson P. Quality
Attributes and Service-Oriented Architectures.
Software Engineering Institute. – 2005.
4. Ma L. Towards a Complete OWL Ontology
Benchmark. The Semantic Web: Research and
Applications Lecture Notes in Computer
Science. – 2006. – Р. 125–139.
5. Vladimir Geroimenko C. Visualizing the
Semantic Web. Springer, London, 2006.
6. Iversen V. Teletraffic engineering handbook.,
COM Center Technical University of
Denmark, 2001.
7. Erik Chromy T. Erlang c formula and its use
in the call centers. Information and
communication technologies and services. –
9(1). – Р. 7–13.
8. Koole G. Call Center Mathematics. In: Call
Center Optimization. (Accessed 2007)
Available at: HYPERLINK
"http://www.gerkoole.com/CCO/"
http://www.gerkoole.com/CCO/
9. Gunter Bolch S. Queueing Networks and
Markov Chains : Modeling and Performance
Evaluation With Computer Science
Applications second edition edn. Wiley-
Interscience, 1998.
10. Franz Baader D. The Description Logic
Handbook. Cambridge University Press,
2003.
11. Rob Shearer B. HermiT: A Highly-Efficient
OWL Reasoner. In Alan Ruttenberg, U., ed. :
Proc. of the 5th Int. Workshop on OWL:
Experiences and Directions (OWLED 2008
EU), Karlsruhe, Germany, 2008.
Одержано 20.07.2012
Про автора:
Новицький Олександр Вадимович,
молодший науковий співробітник.
Місце роботи автора:
Інститут програмних систем
НАН України,
03187, Київ-187,
проспект Академіка Глушкова, 40.
E-mail: alex@zu.edu.ua
http://www.gerkoole.com/CCO/
mailto:alex@zu.edu.ua
|