12 сентября 2012
Многоверсионный подход в рамках управления жизненным циклом в отказоустойчивых интеллектуальных системах в облаке
Часть 1
Важной задачей в развитии безопасности критически важных компьютерных систем является достижение высокого уровня надежности и безопасности. Для целей повышения уровня безопасности систем, включая системы безопасности, часто используется метод, подразумевающий программно-аппаратную и/или функциональную избыточность, который еще известен как многоверсионный подход.
Основной принцип этого метода состоит в создании множественных версий решений за счет введения избыточных элементов. Многоверсионный подход или метод диверсности применяется для компенсации рисков в системах, требовательных к безопасности, прежде всего, в системах специального назначения. Особенно метод зарекомендовал себя в программно-аппаратных решениях для АЭС и аэрокосмических бортовых системах управления. Рассмотрим применимость метода диверсности при проектировании отказоустойчивых роботизированных систем безопасности в облаке, в частности, телеметрического облака с вегетативными компонентами, о котором шла речь в предыдущих публикациях.
Приведем определения классов систем:
Системы-роботы – современные встроенные системы (embedded-системы), которые обладают более высоким уровнем самостоятельности, нежели обычные локальные автоматизированные системы, часто могут быть выполнены на ПЛИС. В настоящий момент широко используются самолеты-роботы, вертолеты-роботы, аппараты-роботы, которые действуют в сложной среде без человека.
Роботизированные системы – системы, основанные на автономных интеллектуальных системах – ИАС с реализацией имитации рассудочного поведения. В данном случае активным элементов системы является человек, хотя он может находится как внутри системы, так и вне ее. С целью обеспечения и достижений целей пользователей система обладает роботизированными функциями. Примером может быть дистанционно-пилотируемый летательный аппарат (ДТЛА).
Постановка задачи и варианты решений. Интеллектуальные системы априори подразумевают реализацию многоверсионного подхода при поиске решений. Множественные пути решений в интеллектуальной системе становятся причиной повышенной сложности, порождают программные тупики и бесконечные программные циклы. Именно эти проблемы в начале истории вычислительной техники подтолкнули исследователей отказаться от параллельных вычислений с целью улучшить отказоустойчивость систем, напомним, что Джон фон Нейман исключил параллельность в Модифицированном ENIAC.
Избыточность для «гибкого» управления нагрузкой и разрешения конфликтов
Рис. 1 Телеметрическое облако – две вычислительные ткани
В свою очередь предложенная архитектура телеметрического облака имеет физический слой, в котором могут происходить также сбои по общим причинам, требующие компенсационных методов, а также логический слой, в котором по тем или иным причинам может расти вычислительная нагрузка, которая также повышает риски сбоев по общим причинам. В такой системе избыточность может применяться для разрешения конфликтов и «гибкого» управления нагрузкой в рамках конвергентного подхода.
Напомню, что согласно архитектуре телеметрического облака мы работаем, по крайней мере, с двумя вычислительными тканями (fabric computing) (рис. 1). Каждая из этих тканей обеспечивает коллегиальную работу между своими элементами и друг с другом, цель проектирования – достичь сложной динамики коллективного реагирования элементов вычислительной ткани:
- логической вычислительной тканью слоя виртуализации на базе сети виртуальных сенсоров;
- а также физической вычислительной тканью на уровне физического слоя сенсоров, часть из которых работает в рамках объединенного стандарта М2М.
Аппаратная избыточность на физическом слое телеметрического облака может быть применена с целью улучшения функциональности всей системы и снижения вычислительной сложности вычислительной ткани, находящейся в облаке (рис. 2). Это обеспечивается за счет увеличения количества дополнительных аппаратных устройств – сенсоров, более подробно детализирующих картину мониторинга на уровне физического слоя. Сложноорганизованная система будет обладать гораздо большей точностью классификации информационного потока от физических сенсоров и сенсорных полей, которые будет называть модальностями.
Рис. 2 Уменьшение вычислительной сложности логической
ткани за счет избыточности на физическом слое
Как описывалось в источниках [1, 2], телеметрическое облако должно создавать непрерывный и системный образ среды. Покрытие системы мониторинга зависит от количества физических сенсоров, поэтому глубина и плотность сканирования будет зависеть от количества сенсорных элементов, а для повышения глубины и плотности сканирования объекта мониторинга понадобится избыточное количество сенсорных элементов.
Если переходить на «язык» интеллектуальных систем, с помощью которых может решаться подобная задача, то речь идет о создании в системе мониторинга некоторого внутреннего «стереотображения» среды на базе метаданных, формируемых от множества сенсоров различных модальностей – в результате улучшится чувствительность системы. В системах с мультимодальным сенсорным восприятием («стереоотображением») возможно формирование многопараметрических описаний внешнего мира (рис. 3).
Формирования системой «стереоотображения» - это сложная вычислительная задача. Вычисления над метаданными в некоторых случаях могут быть упрощены и снижена вычислительная сложность логической вычислительной ткани. Это может быть достигнуто при увеличении количества и видов физических сенсоров на аппаратном слое. Также имеет смысл задействовать «избыточную» резервную ткань сенсоров, от которых запрашивается информация по мере необходимости (рис. 4), за счет этого уменьшается программная обработка данных на уровне логического слоя.
Рис. 3 Три сенсорных поля и их «стереоотображение»
На представленных рисунках видно, что количество физических сенсоров может уменьшать вычислительную нагрузку на логическую вычислительную ткань, то есть избыточность позволяет организовать «гибкое» (адаптивное) управление нагрузкой в предложенной системе. Это также подразумевает использование резервной (избыточной) вычислительной ткани физических сенсоров, многоверсионных «проход» по которым также позволит разрешать конфликты между сенсорами и снизить вычислительную нагрузку на облако в случае необходимости.
Рис. 5 Многоверсионный «проход» по сенсорам
Избыточность для улучшения качества решения
Теперь попробуем применить избыточность для улучшения качества решения системы мониторинга. Эффективность решения подобной системы, безусловно, будет зависеть от качества и степени обработки информации, то есть, в том числе, от количества физических сенсоров, а также от способности вычислительной ткани к «рассуждениям».
Способность к рассуждениям любой системы во многом зависит от «полноты» получаемой информации, а также степени ее разнообразия. Далеко не в каждом случае единственный «проход» по сенсорам даст оптимальное решение. Часто для уточнения параметров потребуется наблюдение за объектом мониторинга в течение какого-то времени, может быть желательно получение информации от дополнительных сенсоров или введение дополнительной модальности для улучшения качества рассуждений. Показатель степени разнообразия системы мониторинга когнитивно связывается с многоверсионным подходом, используемым для обеспечения отказоустойчивости, и частично отражает модальность системы.
Таким образом, для улучшения качества решения может быть применен многоверсионный подход с выбором лучшего решения или выработкой дифференцированного решения на базе информации от версий «проходов» (рис. 6) по виртуальным и физическим сенсорам.
Продолжение следует
