раздел 2). Так, например, если для трех запросов обнаружено совпадение индексов i (в записях отображаемых атрибутами аi), что фиксирует пересечение областей используемых данных в запросах, план реализации соответствующих операторов ЯМД данного запроса будет упорядочен в соответствии с весовыми характеристиками каждого из элементарных операторов соответственно. Различие для весов указанных операторов будет внесено за счет составляющей веса реализации логического условия проверяемого перед обработкой данных. В данном примере, при реализации указанных операций для записи аi, где i=2, в соответствии с весовыми характеристиками С2lд<С2lобн< <С2lчт., план реализации будет иметь вид Опд==>Опобн.==>Опчт.. Что не противоречит результату, полученному по изложенной выше последовательности процедур.
4.4 Оценка эффективности построения графика реализации запросов пользователей и транзакций в СБД ТС
В соответствии с показателем эффективности (1.14), обоснование которого представлено в подразделе 1.4, выполним оценку эффективности предложенного метода формирования графика реализации запросов пользователей и транзакций в СБД. В качестве рассматриваемых стратегий решения данной задачи, определим следующие:
* стратегия u1 - формирование графика реализации запросов пользователей и транзакций осуществляется на основе метода Литтла;
* стратегия u2 - формирование графика реализации запросов пользователей и транзакций осуществляется на основе алгоритма локального поиска;
* стратегия u3 - формирование графика реализации запросов пользователей и транзакций на основе разработанного метода.
Основными требованиями, предъявляемыми, к оцениваемым стратегиям определим: минимально возможную погрешность, относительно эталонного решения, и построение графика реализации за время не превышающее допустимое.
Поскольку метод Литтла является точным методом, используемым в решении указанной задачи, то значения числа элементарных операций, требуемые для реализации множества операторов ЯМД, получаемые при его использовании, примем как эталонные. Значение максимально допустимого времени формирования графика реализации примем равным 60 сек., что соответствует обоснованию, приведенному в 1.4.
Результаты моделирования процесса построения графика реализации запросов пользователей и транзакций, в соответствии с критерием эффективности наибольшего результата приведены в таблице Е.1.
Приведенные результаты полностью подтверждают высказанное во введении предположение о том, что существующие методы не в полной мере охватывают диапазон рабочей нагрузки возникающей в сетевой базе данных. В качестве иллюстрации рассмотрим рисунок 4.8. На указанном рисунке представлены графики оценки показателя эффективности (1.14) для рассматриваемых стратегий u1, u2, u3, в зависимости от возникающей рабочей нагрузки в сетевой базе данных. Поскольку, существует необходимость, отображения степени охватывания стратегиями уровней рабочей нагрузки, на этом же рисунке приведен график вероятности поступления на обработку суммарного числа запросов пользователей и транзакций в единицу времени.
Из анализа рис. 4.8 видно, что использование точных методов является эффективным только на участке до 16 запросов пользователей и транзакций, либо для информационных систем, где требуется высокая точность с достаточно низкими требованиями к времени реализации запросов пользователей и транзакций. Метод, основу, которого составляют алгоритмы локального поиска, отображает существующие на сегодняшнее время положение в сетевых базах данных, граничным числом запросов пользователей и транзакций, которые могут быть реализованы (при заданных временных ограничениях) в информационной системе составляет n=36. При этом уже с величины рабочей нагрузки n=10, наблюдается тенденция к росту погрешности составления оптимального плана реализации запросов пользователей и транзакций, что и приводит к необходимости использования различного рода средств контроля целостности. Разработанный метод, как и предполагалось, является приближенным методом с достаточно высокой точностью, максимальное отклонение от эквивалентного значения, которое было зафиксировано, составило 0,023 относительных единиц. Это значит, что при поступлении запросов на обработку был получен план реализации рабочей нагрузки близкий к оптимальному. В целом метод позволяет эффективно обрабатывать возникающую в сетевых базах данных нагрузку в реальном масштабе времени, с погрешностью, не превышающей относительных единиц.
В качестве обеспечения достоверности полученного значения погрешности, оцениваемого в показателе эффективности, воспользуемся средствами математической статистики позволяющих оценить вероятность наступления события по частоте.
В результате исследований было проведено 500 опытов в каждой точке, в худшем случае для оцениваемого метода приближенный результат получился в 9-ти опытах. Таким образом, частоту наступления события получения неточного решения можно записать соотношением:
т.е. вероятность получения неточного решения равна 0.018. Выполним оценку того, что приняв вероятность наступления события получения наихудшего приближенного решения
, (4.34)
мы не сделаем ошибки больше, чем .
Для этого воспользуемся соотношением позволяющим оценить точность приближенного равенства [12]:
, (4.35)
где р - вероятность появления события в каждом опыте, n - число опытов, q=1-p, - доверительный интервал.
Тогда применительно к оцениваемой величине погрешности соотношение (4.36) примет вид:
, (4.36)
где - вероятность появления события ошибки в каждом опыте равное 0.018, n - число опытов равное 500, q=1-p=0,982, - доверительный интервал равный 0,02. Выполним указанные подстановки:
,
воспользовавшись таблицей значений функции Лапласа определим, что искомое з