Модели процессов согласования реплик в базах данных Nosql

4.1.
 
Подсистема для работы с моделями согласования реплик 
Первая вкладка (рисунок 4.2) позволяет пользователю работать с моделями 
согласованности в конечном счете и строгой согласованности. Объединение 
расчетов по двум моделям в одной вкладке обусловлено тем, что исходные 
данные этих моделей настраиваются одинаково.

---

115 
Инструментальное средство (C# .Net)
Инструмент работы с моделью 
согласования реплик в конечном счете (1), 
строгого согласования реплик (2)
Проверка входных данных
Расчет вероятности 
доступа
Расчет задержки чтения
Расчет времени чтения 
Отображение результатов, построение 
графиков
(2)
(1)
Инструмент работы с моделью согласования 
Версий записи
Инструмент работы с аналитической (А) и 
имитационной (Б) моделями отказов и 
восстановления доступа к записи БД
Программа на 
языке PLUS
GPSS модель 
Выполнить 
прогон
Библиотека
отображения 
результатов
(C++ MFC)
1
Файл результатов
Проверка входных данных
Среда GPSS
Генерация модели
Исходные 
данные
Текст модели
2
3а
Результат
Проверка входных данных
Расчет вероятности отказа
Генерация модели
Программа на 
языке PLUS
GPSS модель 
Выполнить 
прогон
1
Файл результатов
Среда GPSS
2
3б
Результат
Отображение результатов, построение графиков
(А)
(Б)
Рисунок 4.1 – Структура инструментального средства АПСОР. 

---

116 
Рисунок 4.2 – Область основного окна ИС АПСОР. 
Программное обеспечение позволяет рассчитывать вероятность того, что 
клиент прочитает устаревшую запись за время распространения обновлений 
записи по ее N-W репликам - для согласованности в конечном счете (формулы 
(2.8), (2.11)), время ожидания требованием на чтение окончания обновления W 
реплик и время чтения R реплик с учетом ожидания - для строгой 
согласованности (формулы (2.21) и (2.22) соответственно). Для каждого типа 
(сегмента) записей базы данных NoSQL, разработанной для предметной области, 
существует допустимая вероятность доступа к рассогласованным данным, а также 
максимально допустимое время ожидания (задержки чтения). В приложении 
доступен расчет указанных показателей для изменяющихся входных данных: 
число реплик N (несколько значений через ;) и диапазон изменения 

---

117 
интенсивности требований на чтение из одной реплики (λ). Такая организация 
входных данных позволяет проектировщику проследить динамику изменения 
показателей при изменении λ для каждого N.
В реальных системах сеть передачи данных (как внутри сегмента сети, так и 
между ними) может быть нагружена. Чтобы учесть снижение производительности 
сети, необходимо указать значения загрузок соответствующих сетей (в интервале 
[0, 1)). В случае ненулевой загрузки, интенсивность μ
*
передачи данных по сети 
будет рассчитана по следующей формуле:
)
1
(
*





, 
(4.1) 
где μ, ρ – заданная интенсивность и загрузка сети.
Для расчета по формулам (2.21) и (2.22) необходимо вычислять φ
(2)
(0) – 
второй начальный момент времени обновления W реплик. Для расчета второй 
производной 
в 
ИС 
АПСОР 
используются 
методы 
численного 
дифференцирования. Однако точности встроенных типов данных языка C# не 
хватает для таких расчетов. Например, тип 
double
позволяет выполнять расчеты с 
точностью до 10
-15
. Для решения этой проблемы была использована библиотека 
mpreal
[67] – доработка библиотек 
mpfr
[68] и 
mpir
[69] для C++
. 
Библиотека 
mpreal
позволяет настраивать точность вычислений (до 500 знаков), но эта 
библиотека доступа только в среде C++. Для ее использования в среде C# была 
разработана библиотека 
StrongDouble.dll
(входит в состав инструментального 
средства) – это CLR-библиотека [70], реализующая доступ к необходимым 
функциям 
mpreal
: настройка точности вычислений, простые арифметические 
операции, возведение в степень. CLR-библиотеки удобны тем, что являются 
управляемыми и могут быть использованы в любом языке программирования, 
поддерживающим 
.Net. 
Точность 
вычислений 
методами 
численного 
дифференцирования напрямую зависит от шага таблицы разностей h (см. [57, стр. 
62]). В программных расчетах заложено значение h=10
-10
при точности 
вычислений в 200 знаков. 
На рисунке 4.2 представлен пример вычисления вероятности, что клиент 
прочитает устаревшую запись за время распространения обновлений записи по ее 

---

118 
N-W репликам. При больших значениях N и λ вероятность может достигать 
больших значений.