КОНЬЯКОВ.ру

Скачать ZIP архив | Скачать RAR архив

Архиваторы (программы сжатия данных) — это программы для создания архивов. Как правило, данные предварительно подвергаются процедуре сжатия, или упаковки. Поэтому почти каждый архиватор одновременно является программой для сжатия данных.

Основными недостатком архивов является невозможность прямого доступа к данным. Их сначала надо извлечь из архива, или распаковать.

Методы сжатия архиваторов

1) статистический — если предпоалгает соответствие входного потока определенной модели сигнала и осуществляет сжатие на основе собранной о тексте стат.информации.
2) инкрементальный — осуществляющий сжатие путем кодирвоания отличий в последовательных записях.
3) макро-или текстовой подстановки — выполняющий сжатие путем поиска совпадающих строк и замены их на более короткие коды.

Кодирование длин серий (RLE, Run Length encoding — кодирование длин серий). Очень простой метод. Последовательная серия одинаковых элементов данных заменяется на 2 символа: элемент и число его повторений. Широко используется как дополнительный, так и промежуточный методы. В качестве самостоятельного метода применяется например в графическом формате BMP.

Словарный метод (LZ, Lempel Ziv — имена авторов). Наиболее распространенный метод. Используется словарь, состоящий из последовательностей данных или слов. При сжатии эти слова заменяются на их коды из словаря. В наиболее распространенном варианте реализации в качестве словаря выступает сам исходный блок данных.

Энтропийный метод (Huffman — кодирование Хаффмена, Арифметическое кодирование). В этом методе элементы данных, которые встречаются чаще, кодируются при сжатии более коротким кодом, а более редкие элементы данных кодируются более длинным кодом. За счет того, что коротких кодов значительно больше общий размер получается меньше исходного. Широко используется в графическом формате JPG.

Метод контекстного моделирования (CM, контекстное моделирование). В этом методе строится модель исходных данных. При сжатии очередного элемента данных эта модель выдает свое предсказание, или вероятность. Согласно этой вероятности элемент данных кодируется энтропийным методом.

Для построения эффективной модели требуется много памяти. При распаковке приходится строить точно такуюже модель. Поэтому скорость и требования к объему оперативной памяти для упаковки и распаковки почти одинаковы. Данные методы позволяют получить наилучшую степень сжатия, но отличаются чрезвычайно низкой скоростью.

Предсказание по частичному совпадению — это особый подвид контектного моделирования. Предсказание выполняется на основании определенного количества предыдущих элементов данных.

Предварительные преобразования или фильтрация — данные методы служат не для сжатия, а для представления информации в удобном для дальнейшего сжатия виде.

Метод сортировки блока данных (по имени авторов). Это особый вид или группа преобразований в основе которых лежит сортировка. Такому преобразованию можно подвергать почти любые данные. Сортировка производится над блоками, поэтому данные предварительно разбиваются на части.
Этот метод показыват наиболее высокую скорость и степень сжатия для текстовых данных (!)

Сжатие способом кодирования серий

Наиболее известный простой подход и алгоритм сжатия информации обратным путем — это кодирование серий последовательностей (RLE). Метод состоит в замене цепочек или серий повторяющихся байтов или их последовательностей на 1 кодирующий байт и счетчик числа их повторений.

Характеристики алгоритмов сжатия и их применимость

Коэффициент сжатия — основная характеристика алгоритма сжатия. Он определяется как отношение объема исходных несжатых данных к объему сжатых: k = So / Sc , где k — коэффициент сжатия, So — объем исходных данных, Sc — объем сжатых

Чем выше коэффициент сжатия, тем алгоритм эффективнее.

если k = 1 — сжатие не производится
если k < 1 — алгоритм порождает сообщение большего размера, нежели несжатое, — вредная работа

Скачать ZIP архив | Скачать RAR архив

База данных (СУБД — система управления базой данных) — это ранилище информации. По сути информац.система — это хранилище информации + механизмы её обаботки. Надежность, производительность, защищенность, масштабируемость информационной системы во многом определяются качества СУБД.

Технология «Клиент-Сервер»

БД, работающие по технологии «Файл-Сервер»
БД, работающие по технологии «Клиент-Сервер»

Файл-сервер

Обработка запроса пользователя:
— обращение к БД (запрос)
— перекачка данных с блокировкой доступа других пользователей
— обработка данных на компьютере пользователя

Недостатки:
— очень большая нагрузка на сеть
— обработка данных осуществляется на компьютере пользователей
— блокировка данных при редактировании
— безопасность (необходимость давать пользователям полный доступ к файлу, например в котором ему нужно только 1 поле)

Клиент-сервер

Обработка запроса пользователя:
— обращение к БД (SQL-запрос)
— передача ответа — результата обработки

Сервер базы данных принимает запрос и обрабатывает его самостоятельно. Никакой массив данных (файл) по сети не передается. После обработки запроса на компьютер пользователя передается только результат.

Массивы данных не перекачиваются по сети от сервера БД на компьюер пользователя.
Обработка данных осуществляется на сервере БД, а не в компьюрере пользователя.
Блокировка (захвата) данных одним пользователем не происходит.

Выделенные серверы (dedicated server)

Скачать ZIP архив | Скачать RAR архив

Фундаментальные принципы управления

Для исследования процессов управления в технических системах разработана теория автоматического управления.
Принцип разомкнутого или программного управления.

|N(t)
Программа управления ->P(t)->U(t)->Объект управления ->Y(t)
(разомкнутое управление)

Принцип компенсации

Этот принцип, называемый также управлением по возмущениям или управлением с упреждением, предполагает использование устройства измеряющего помехи и вырабатывающего сигналы компенсирующего воздействия на объект управления.

Компенс.ус-во| —— |
Программа управления -> P(t)->U(t) -> Объект управления ->Y(t)
(управление по возмущениям)

Принцип обратной связи, или управления по отклонениям. Обратная связь может быть отрицательной и положительной.
Отрицательная обратная связь противодействует изменениям выходных сигналов, вызванных действиями помех, оказывая, таким образом, стабилизирующее воздействие на работу управляемого объекта.
Положительная обратная связь — усиливает эффект возмущающих воздействий на объект управления.

Совмещение принципов обратной связи и управления по упреждениям. При введении обратной связи система управления становится инерционной.

Классификация систем управления.

По целям управления выделяется:
— системы стабилизации
— системы программного управления
— следящие системы

По виду применяемой структуры системы управления можно классифицировать по типам

1 Управление по программе (без информации)
2 Управление по возмущениям с неполной информацией
3 Управление по возмущениям с полной информацией
4 Управление по состоянию с неполной информацией
5 Управление по состоянию с полной информацией
6 Комбинированное управление
7 Комбинированное управление
8 Комбинированное управление
9 Комбинированное управление
10 Иерархическое управление

Одной из наиболее известных интерпретаций является предоставление этих структур как моделей оперативного управления (регулирования), изучаемых в теории автоматического управления.

Цель таких систем заключается в сохранении требуемого состояния или подмножества состояний переменных Y несмотря на возмущения.

Системы с управлением, относящиеся к типам 1-3, называются разомкнутыми, так как в управляющих системах отсутствует информация о состоянии объектов. Остальные системы называются замкнутыми.

К недостаткам замкнутых систем следует отнести их усложнение за счет введения каналов обратной связи и наличие неустранимого отклонения между фактическим и требуемым состоянием управляемых объектов, обусловленного тем, что управляющие воздействия вырабатываются только с появлением отклонений.

По степени использования информации во входных воздействиях системы делятся на адаптивные и неадаптивные.

Адаптивные системы обладающт способностью приспосабливаться к изменению внешних условий и воздействий, а также повышать качество управления по мере накопления информации.

Неадаптивные системы такими способами не обладают и имеют постоянную настройку под определенные внешние условия и воздействия с ограниченным диапазоном их вариаций.

В последнее время большое развитие получил класс интеллектуальных систем управления (самообучающиеся, самонастраивающиеся).

Классификация систем по типам управления:

— Системы управления
— Автоматические системы
— САУ
— САР
— Автоматизированные системы
— АСУТП
— СОУ
— ИСАУ
— САПР

Автоматическим, как уже отмечалось, называется процесс управления без участия человека. Средство, обеспечивающее такой процесс, называются системой автоматического управления (САУ).

В тех случаях когда система обеспечивает стабилизацию управляемой величины в заданных пределах, она называется системой автоматического регулирования (САР).

Под автоматизированным понимается управление объектом в системе с участием человека. Системы реализующие такое управление называются автоматизированными системами управления технологическими процессами (АСУТП).

Если объект управления является обхъктом производственно-экономического или социального характера, то система управления им относится к автоматизированным системам организационного управления (АСОУ).

В последнее время всё более широко внедряется интегрированное управление, реализуемое интегрированными автоматизированными системами управления (ИАСУ).

Систему автоматизированного проектирования (САПР) можно определить как интегрированную автоматизированную систему управления, объектом управления которой является процесс выбора проектно-конструкторских решений на основе экономико-математических моделей изделий, конструкций, архитектурно-планировочных вариантов.

По виду применяемой математической модели различаются линейные, нелинейные, скалярные и векторные.
По характеру сигналов выделяются системы непрерывные, дискретные, гармонически модулированные.
По характеру параметров различают системы стационарные и нестационарные с сосредоточенными или распределенными параметрами.
По характеру внешних воздействий системы делятся на системы с детерминированными или стохастическими воздействиями.

Скачать ZIP архив | Скачать RAR архив

Моделирование замкнутых систем

Под замкнутой моделью системы понимается модель системы, в которой транзакты, будучи один раз скенерированы, циркулируют в пределах графа модели, НЕ ПОГИБАЯ в терминаторах.

Такой моделью, например, может быть модель работы группы пользователей корпоративной информационной системы с компьютерной сетью в диалоговом режиме. Транзакт имитирует запрос пользователя. Выйдя из узла, транзакт проходит по графу модели, имитируя обработку в системе, возвращается к пользователю, имитируя сформированный ответ, возвращается вновь преобразуется в запрос того же пользователя.

— пользователи (группа) представляются одно или многоканальными узлами типа serv (серверы);
— число каналов сервера соответствует числу пользователей, время обработки транзакта сервером соответствует времени подготовки пользовелями запроса;
— конкретное состояние транзакта фиксируется значением одного из его параметров;
— для зарядки транзактами серверов пользователей, принадлежащих к одному классу, использвется единственный генератор, порождающий всего один транзакт. Далее транзакты размножаются с помодью узлов типа creat.

Примерный код:

ag(«Старт», 1, none, none, 1, 0, zero, zero, 2);
top(2):
creat («Размножитель», none, Users, none, 4, 3);
place;

top(3):
term («Терминатор»);
cheg (1, none, none, modtime, zero, zero, 3);
place;

top(4):
t->ft=addr[4]->na+5;
t->ru0=think_time[arrd[4]->na];
t->ru1=query_time[arrd[4]->na];
queue(«Распорядитель», none, t->ft);
place;

Определение нестандартных выходный параметров

Для оценивания среднего времени реакции системы на пользовательский запрос в замкнутой системе можно воспользоваться такими приемами.

1) Значение среднего времени реакции Тр:
Тр = (1 — Ро / Ро) То , где То среднее время обдумывания пользователем ответа системы перед выдачей ей нового очередного запроса.
2) Значение Тр можно получить в явном виде как среднее значение нахождения узла key в закрытом состоянии.

При использовании первого подхода к каждому пользователю, который имитируется одним узлом типа serv, придается дополнительный узел key, который служит только для целей измерений. Транзакт (запрос к КИС) сначала попадает в узел key и запирает его с помощью сигнальной функции hold.

Скачать ZIP архив | Скачать RAR архив

При случайном характере поступления сообщений в СМО, ее канал или обсл.прибор (ОП) затрачивает часть времени на обработку-обслуживание, в результате чего образуются очереди. СМО обладает некоторой пропускной способностью, позволяющей производить обработку потока заявок.

Для задания и описания эффективности СМО используются понятия:
— среднее число заявок находящихся в СМО
— среднее число заявок, находящихся на обслуживании
— среднее число заявок находящихся в очереди
— среднее время ожидания в очереди
— среднее время нахождения в СМО

Под интенсивностью потока заявок (входящего потока) [Обозначается как: Лямбда] понимается среднее число заявок потока в ед.времени.
Под интенсивностью потока обслуживания (выходящего потока) [Обозначается как: Мю] понимается среднее число заявок которые может обслужить ОП в единицу времени. Чел/мин ; Руб/день ; кг/ч ; запросов/c.
Коэффициент использования оборудования (коэффициент загрузки) [Обозначается как: Ро] отношение времени занятости оборудования обслуживанием заявок к общему времени его функционирования. Ро = T обс / Т общ (1) =эквивалентно=> Ро = t обс / t пр (2) —> где: t пр и t обс есть средний временной интервал между приходами требований входящего потока и среднее время их обслуживания в канале соответственно.
Поскольку:
Лямбда = 1 / t пр (3)
и
Мю = 1 / t обс (4)
то подставив эти выражения в (2) для Ро получаем
Ро = Лямбда / Мю (5)

Пример: Поток запросов к информ.системе в период наибольшей нагрузки составляет 9000 обращений в час, а среднее время обработки одого обращения = 300мс, то коэффициент использования оборудования составляет:
Ро = 9000 * 300 / 3600 * 1000 = 0,75

Чем ближе коэффициент использования оборудования к 100%, тем больше задержки и длиннее очереди.
Коэффициент простоя канала (k простоя) — отношение времени простоя канала к общему времени его работы. Коэффициент загрузки связан с коэффициентом простоя соотношением:
Ро = 1 — k простоя

Для СМО с неограниченным ожиданием важнейшими характеристиками являются:
— среднее время ожидания заявки в очереди
— среднее число заявок в очереди
— среднее число заявок в системе
— среднее время пребывания заявки в системе
— коэффициент простоя ОП
— коэффициент загрузки обслуживающей системы

Пуассоновский поток

Поток событий обладающий свойствами стационарности, отсутствием последствий, ординарности называется простейшим, или стационарным пуассоновским потоком.

Поток называется стационарным, если вероятность попадания того или иного числа событий на элементарный участок времени длиной (Тетта) зависит только от длины участка и не зависит от того, где именно на оси t расположен этот участок.

Поток событий называется ординарным, если вероятность попадания на элементарный участок двух или более событий пренебрежимо мала по сравнению с вероятностью попадания одного события.

Пуассоновский поток событий тесно связан с понятием теории вероятности распределением пуассона: — Число событий потока, попадающих на временной интервал некоторой величины, распределено по закону Пуассона. Формула позволяющая вычислить вероятность попадания m требочаний на временной интервал t имеет вид:
P(m) = (Лямбда t){в степ. m} e {в степ. -Лямбда t} / m! (7)
Где: Лямбда — интенсивность потока ; e — основание натуральных логарифмов (2,7118…)
m! = система: 1*2*3*…*(m-1)*m, если m >= 1 ; 1, если m=0

Функция распределения

F{мал. T}(t) = P(T <= t) представляющая собой вероятность того, что случайная величина Т (интервал времени между событиями) не превысит значения t, для пуассон: имеет след вид
F{мал. T}(t) = 1 — e {в степ. -Лямбда t} (8)

Такой закон распределения называется экспоненциальным с плотностью Лямбда. Величина Лямбда называется также параметром показательного закона.

Математическое ожидание случайной величины Т равно: t = 1 / Лямбда (9)

Дисперсия составляет: D[T] = 1 / Лямбда {в степ. 2} (10)

Среднеквадратическое отклонение случайной величины Т находится как квадратный корень из дисперсии: Сигма{мал. T} = Корень из D[T] = 1 / Лямбда (11)

Мат.ожидание величины Т равно ее среднеквадратич.отклоненению, что является характерной особенностью экспоненциального распределения.

Вероятность появления m событий в заданном промежутке времени описывается пуассоновским распределением, а вероятность того, что временные интервалы между событиями потока не превзойдут некоторого значения, описывается экспоненц.распределением. Это различные описание одного и того-же стохастического процесса.

Формула расчета характеристик одноканальной СМО

—>
—> ||| очередь ||| —> Обслуживающий прибор —>
—>

Целью мат.аппарата является приближенное оценивание среднего размера очереди, а также среднего времени, затрачиваемого заявками на ожидание в очередях. Желательно также оценить насколько часто очередь превышает определенную длину.

Формула Хинчина — Полачека: t ож = t обс Ро(1+с{в степ. 2}обс) / 2 (1-Ро) (12)

Число заявок ожидающих обслуживания (сред.длина очереди) можно найти так: n ож = Лямбда * t ож (13) — формула Литтла для открытых СМО

Формула Хинчина — Полачека используется для вычисления длин очередей при проектировании информ.систем. Она применяется в случае экспоненциального распредлеения времени поступления и при любом распределении времени обслуживания.

Анализ формулы Хинчина-Полачека

1 Время обслуживания постоянно
При регулярном характере потока рассеяние отсутствует, по этому сред.квад.отклонение Сигма обс = 0:

n ож = Ро{в степ. 2} (1+с{в степ. 2}обс) / 2(1-Ро) = Ро{в степ. 2} / 2 (1-Ро) (15)
t ож = tобс * Ро / 2(1-Ро)

2 Время обслуживания имеет экспоненц.распеделения. в нём сред.квад.откл Сигма обс = 1:
n ож = Ро{в степ. 2} (1+с{в степ. 2}обс) / 2(1-Ро) = Ро{в степ. 2} / 1-Ро (15)
t ож = tобс * Ро / 1-Ро

Сигма обс редко достигает значений равных 1

Пример: коэфф.загрузки оператора

Ро = Лямбда * t обс
Предположим, что в часы пик приходит 30 клиентво в час. В среднем кассир тратит 1,5 мин на клиента. Тогда:
Ро = 1,5 * 30 / 60 = 0.75 — т.е. загрузка кассира 75%