Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Системное администрирование СУБД (DB2, ORACLE, MS SQL, SAP и др.), находящихся в эксплуатации в зоне ответственности ИВЦ, включая:

установку СУБД, утилит, средств мониторинга и контроля функционирования;

настройку и оптимизацию функционирования;

соблюдение актуального состояния версий/релизов/модификаций;

гарантирование исполнения политики безопасности;

контроль и управление размерами и свободным пространством в объектах базы данных (далее - БД);

резервное копирование и восстановление из резервных копий;

автоматизацию внутренних процессов;

участие в разработке методики мониторинга, пороговых значений, реакции в аварийных ситуациях;

проведение регламентных работ.

Вспомогательные виды деятельности:

Программное обеспечение (разработка, сопровождение);

Базы данных и информационные ресурсы (создание и использование);

Железнодорожный транспорт магистральный;

Науки естественные и технические (исследования и разработки);

Информационные системы, сети и технологии, включая Интернет-технологии (разработка, создание и поддержка);

Данные (обработка);

Офисная и вычислительная техника (техническое обслуживание);

Результаты статистического наблюдения за период 10.05.2014-28.04.2015 гг. на основе данных загрузки констатируют, что существуют режимы в которых работает ПТК. В определенный период времени они длятся пределах нескольких месяцев. Также существуют выбросы, на основе которых можно говорить о падении загрузки ПТК. Поставлена задача построить математическую модель загрузки ПТК с помощью расчетов с 4 кластеров виртуальных серверов VMWare системы MainFrame, используя их, проанализировать каждый кластер и рассчитать нагрузку, прогноз.

Для решения существующих проблем информационно-аналитического обеспечения эффективного управления загрузки программно-технического комплекса необходим мониторинг, который, с одной стороны, позволит наиболее точно и оперативно отслеживать ситуационные моменты, а с другой стороны, станет базой для качественного анализа, моделирования и прогнозирования загрузки программно-технического комплекса. Статистический мониторинг программно-технического комплекса, как постоянно действующая система наблюдения за динамикой показателей, должен обеспечивать комплексную оценку ресурсов, источников и результатов развития на всех уровнях управления. На его основе должен разрабатываться и применяться в управлении механизм воздействия на факторы загрузки программно-технического комплекса.

Необходимость достоверной оценки эффективности управления программно-технического комплекса, а также приведения учетных механизмов в соответствие с происходящими интеграционными процессами, требуют совершенствования организационной и информационно-методической базы управления, применения современных методов статистики в обосновании программно-технического комплекса.

Все вышесказанное подтверждает актуальность и востребованность разработки методологии аналитического обоснования загрузки программно-технического комплекса на базе статистического мониторинга [1].

Целью выпускной квалификационной работы является исследование, анализ и прогнозирование загрузки кластеров программно-технического комплекса с помощью трендовых моделей на основе данных Хабаровского ИВЦ, включая сравнение полученных результатов каждого кластера.

Исследование и прогнозирование происходит с помощью кривых роста моделей, как линейных, так и нелинейных. На основе имеющихся данных выбирается наиболее подходящая трендовая модель и с помощью неё производится прогноз на последующие месяцы.

Предмет исследования – теория и практика экономико-статистического наблюдения и анализа, включая вопросы организации информационного обеспечения, существующие подходы и методы анализа, а также механизмы управления загрузки программно-технического комплекса в условиях разного времени года, которые оказывают влияние на работу Хабаровского информационно-вычислительного центра.

При проведении исследования использовался системный подход к анализу рассматриваемых процессов и явлений, основанный на применении методов структурно-динамического анализа, экспертных оценок и статистического моделирования. При решении поставленных в работе задач применялся аналитический пакет прикладной программы MS Excel.

Научная новизна дипломной работы заключается в исследовании, оценке и обосновании эффективного развития программно-технического комплекса Хабаровского информационно-вычислительного центра на базе использования единых методологических принципов организации, современных средств и методов сбора и обработки статистической информации, обеспечивающих формирование единого информационного пространства, позволяющего проводить комплексный экономико-статистический анализ, прогнозировать развитие и оценивать эффективность управления программно-технического комплекса на Дальневосточном филиала “РЖД”.

Практическая значимость результатов исследования состоит в том, что оно вносит ощутимый вклад в развитие программно-технического комплекса, а также прикладные статистические исследования, нацеленные на выявление приоритетных направлений развития программно-технического комплекса с учетом его специфики, оценку эффективности ОАО “РЖД” по Дальнему Востоку, позволяет экономно расходовать бюджетные средства, определяя именно те направления поддержки, которые имеют приоритетное значение и дают наибольший коэффициент полезного действия.

1 Главный вычислительный центр ОАО "РЖД"

1.1 О структуре ГВЦ ОАО "РЖД"

На рисунках 1-4 представлена структура ОАО "РЖД".

ГВЦ—Главный вычислительный центр.

ЕЦОД—Екатеринбургский центр обработки данных.

ЕИВЦ—Екатеринбургский информационно-вычислительный центр.

ХИВЦ—Хабаровский информационно-вычислительный центр.

МЦОД—Московский центр обработки данных.

СПЦОД—Санкт-Петербургский центр обработки данных.

АСОУП — Автоматизированная система оперативного управления перевозками, предоставляющая оперативную информацию по нахождению и состоянию локомотивов, вагонов, контейнеров, локомотивных бригад. В неё входит также отдельная система АСУ ГП — грузовые перевозки пяти железных дорог.

ФГМ—Финансово-грузовая модель, цены за перевозку груза.

Грузовой экспресс—Комплекс продажи билетов дорог.

VMWare—программное обеспечение для виртуализации.

VMware vSphere 5—специализированная платформа для виртуализации ИТ-инфраструктуры на предприятия.

0 Уровень

ГВЦ(Москва)

I уровень

ЕИВЦ(Екатеринбург)

II уровень

ХИВЦ(Хабаровск)

Рисунок 1 - уровни ГВЦ ОАО "РЖД"

Рисунок 2 - центры обработки данных

Рисунок 3 - Хабаровский ИВЦ

Рисунок 4 - Дальневосточная железная дорога

2 Математические модели прогнозирования разнообразных информационных процессов

2.1 Трендовые модели на основе кривых роста

Главной целью создания трендовых моделей экономической динамики является прогноз, сделанный на их основе, о развитии рассматриваемого процесса на предстоящий промежуток времени. Прогнозирование, основой которого является временной ряд экономических показателей, относится к одномерным методам прогнозирования, базирующимся на экстраполяции, то есть на продлении на будущее тенденции, которые наблюдаются в прошлом. При таком подходе предполагается, что показатель, который прогнозируем, формируется под воздействием большого количества факторов, выделение которых либо невозможно, либо по нескольким из которых отсутствует информация. В этом случае ход изменения данного показателя связывают не с факторами, а с течением времени, что проявляется в образовании одномерных временных рядов. Рассмотрим метод экстраполяции, основой которого являются кривые роста экономической динамики.

Данный метод прогнозирования базируется на двух предположениях:

• временной ряд экономического показателя действительно имеет тренд, то есть преобладающую тенденцию;

• общие условия, определявшие развитие показателя в прошлом, останутся без существенных изменений в течение периода упреждения.

В данный момент насчитывается огромное количество разных типов кривых роста для процессов в экономике. Для правильного подбора наилучшей кривой роста в случае с моделированием и прогнозированием любого экономического явления, нужно знать определенные особенности вида каждой кривой. Обычно в экономике предпочитают полиномы, экспоненты и S-образные кривые роста. Простые полиномиальные кривые роста выглядят так:

(полином первой степени),

(полином второй степени),

(полином третьей степени)

и т.д.

Параметр называют линейным приростом, параметр — ускорением роста, параметр — изменением ускорения роста [2].

Для полинома первой степени характерен постоянный закон роста. Если рассчитать первые приросты по формуле , то они будут постоянной величиной и равны .

Если первые приросты рассчитать для полинома второй степени, то они будут иметь линейную зависимость от времени и ряд из первых приростов на графике будет представлен прямой линией. Вторые приросты для полинома второй степени будут постоянны.

Для полинома третьей степени первые приросты будут полиномами второй степени, вторые приросты будут линейной функцией времени, а третьи приросты, рассчитываемые по формуле , будут постоянной величиной.

Характеристики

Список файлов ВКР