19 сентября 2012
Многоверсионный подход в рамках управления жизненным циклом в отказоустойчивых интеллектуальных системах в облаке
Часть 2
Суть метода. Речь идет не о простом дублировании функциональных элементов, а о создании резервных каналов [3]. Простое дублирование элементов, а в нашем случае увеличение количества сенсоров, увеличивает вероятность отказов на нескольких ветках решений и может привести к отказу всей системы [4].
Например, только при работе в распределенной сенсорной среде на физическом слое существует ряд сложностей, и управление транзакциями более сложно, чем централизованной. Можно отметить следующие факторы сложности:
- Неоднородность доступа к локальным и географически удаленным ресурсам;
- Ассинхронность при доставке данных;
- Отсутствие общей памяти;
- Высокую вероятность отказов.
Каждая версия должна обеспечить различную реакцию резервных каналов, это позволяет вовремя парировать отказ системы мониторинга, не снижая качество мониторинга в момент роста активности и вычислительной сложности логической вычислительной ткани. Причем эти каналы должны быть независимы. Более простым языком, при отказе одних сенсорных полей или не тот класс решения функциональность телеметрического облака тут же переходит к другим, которые при этом работают по иному принципу, но способны генерировать нужную системе информацию. При критическом росте вычислительной сложности логической вычислительной ткани или при неудовлетворительном решении задействуются резервные сенсорные механизмы.
Результат работы подобных систем будет попадать под следующие случаи: все версии дают похожий результат, результаты некоторых версий не совпадают, все версии не дают нужного результата. Третий вариант подразумевает наличие неразличимых дефектов. Количество неразличимых дефектов может быть сокращено за счет избыточной функциональности на уровне логической вычислительной ткани.
Также в любой системе могут быть невыявленные скрытые дефекты на уровне тестирования. Особенно это имеет место, когда имеются избыточные функции без расчета резервных решений [5]. Задача метода диверсности состоит в минимизации количества вышеозначенных дефектов.
Метрики диверсности
Использование избыточности и многоверсионного подхода требует качественной и количественной оценки проектных решений, касающихся резервных каналов. Оценки требует степень независимости количества версий и надежности систем в целом. Независимость резервных каналов оценивается при помощи метрик диверсности.
Метрика диверсности на отсутствие неразличимых дефектов рассчитывается с помощью вероятности отсутствия неразличимых дефектов при единичных контактных неисправностях в резервных каналах [6]. Эта задача в рамках задач класса NP (от англ. non-deterministic polynomial), недетерминированных полиномов, различных задач распознавания. Согласно определению решение таких задач может быть «быстро» проверено на машине Тьюринга за время, которое не превосходит полином размера данных, при наличии сертификата решения (дополнительных сведений). Важной характеристикой для многоверсионного решения будет класс сложности NP, который отражает «количество» «развилок» в пути решения в теоретическом плане в машине Тьюринга.
Итак, метрика диверсности D считается следующим образом:
где 
- диверсность пары дефектов 
, представляет собой вероятность неверного результата работы двух версий при наличии неисправностей, m-количество единичных дефектов, n - количество входов цифровой системы.
Метрика диверсности на поиск лучших пар резервных каналов. Эта оценка диверсности проекных решений основана на вычислении двух показателей: метрики d1, характеризующей пригодность канала 1, и метрики d2 пары каналов S1 и S2 по значимости отказов для системы:
,
,
где m1 - обнаруженные дефекты в канале S1, N1, N2 - максимальное количество возможных дефектов в каналах S1 и S2, n - количество входов цифровой системы, m12H - количество неразрешимых дефектов.
Поиск лучшего решения состоит и в поиске пар резервных каналов с точки зрения диверсности, несвязанности каналов. Он заключается в простом переборе тупиковых форм логических функций и выбор оптимальной пары. Недостаток метода состоит в множественности решений и резервных каналов без выбора оптимального.
Применимость метода диверсности к облачным системам безопасности
По мнению автора, метод диверсности является оптимальным выбором из имеющихся методик для обеспечения требуемого уровня отказоустойчивости интеллектуальной системы в облаке, предназначенной для мониторинга среды. Подобные системы достаточно универсальны, одним из применений являются системы безопасности как специального, так и общего назначения, имеющие особые требования к безопасности.
Любые интеллектуальные системы характеризуются высокой, растущей экспотенциально вычислительной сложностью. Также сложность системы увеличиться за счет использования метаданных, так как возрастет степень разнообразия всей системы, все это требует контроля для обеспечения отказоустойчивости.
В свою очередь оценка степени разнообразия тех или иных компонент телеметрического облака, а также детерминированная избыточность позволит эффективно управлять работой системы, используя гибкие адаптивные механизмы, которые являются неотъемлемой частью популярного конвергентного подхода. Характер и степень применимости многоверсионного подхода в системах с распределенными и параллельными сетевыми вычислениями должен исследоваться дополнительно. Из русскоязычных специалистов разработкой метода диверсности для отказоустойчивых систем критичным к сбоям занимается группа проф. В.С. Харченко из Национального Аэрокосмического университета им. Н.Е. Жуковского (кафедра компьютерных сетей и систем), на основе работ этой группы и сделан данный обзор.
Хорошие результаты в области разработки аэрокосмических бортовых систем управления подталкивают к выбору этого метода для разработки систем безопасности, также требующих высокой степени надежности и отказоустойчивости. Стоит отметить, что все многие аэрокосмические системы, как и наше телеметрическое облако, относятся к интеллектуальным автономным системам (ИАС), соответственно модифицированный метод диверсности, отвечающий требованиям интеллектуальных сетевых систем, включая облачные, может рассматриваться в качестве нотации жизненного цикла для всего класса систем ИАС.
В заключение нужно отметить, что разработка метода диверсности проводится на базе задач класса NP, в рамках которых может оцениваться диверсность обработки резерных каналов метаданных, таблиц истинности с применением булевых функций и метода Карно, графического метода. Практическое применение метода диверсности в интеллектуальных сетевых системах с метаданными, в нашем случае в системах безопасности, будет рассмотрен позже на конкретных примерах, а также приведены оценка эффективности тех или иных методов оценки диверсности в многоверсионной облачной системе.
Литература:
- Современные системы мониторинга. Спецификация базовых требований, Sec.ru. - http://daily.sec.ru/publication.cfm?pid=34492, 2012.
- Луговой А.В., Зеленцова Ж.Ю. «Подходы и принципы разработки гибридного облака системы мониторинга с многомерными объектами исследования». Вестник университета № 6'2011. – Кременчуг: Национальный политехнический университет им. М.Остроградского, 2011.
- Харченко В.С., Жихарев В.Я., Илюшко В.М., Нечипорук Н.В. Многоверсионные системы, технологии и проекты /По ред. д-ра техн. наук, проф. В.С. Харченко. – Х.: Нац. аэрокосм. ун-т «Харьк. авиац. ин-т», 2003. – 486 с.
- Avizienis A., Kelly J.P. Fault Tolerance by Design Diversity: Concepts and Experiments. // IEEE Computer, August, 1984. – P. 67-80.
- Al-Asaad H., Hayes J.P. Logic design verification via simulation and automatic test pattern generation. // Journal of Electronic Testing: Theory and Applications. – December 2000. – Vol. 16, N. 6. – P. 575-589.
- В.А. Куланов. Об ооценки диверсности реализации минимальных форм функций в различных базисах. - http://www.nbuv.gov.ua/portal/natural/Rks/2008_5/KulanovV.pdf, 2008.
