Аннотация.

В работе предложен подход к определению критических режимов работы компонент объектно-реляционного отображения (ORM), применяемых в информационных системах (ИС). Ключевой особенностью данного подхода является имитационное моделирование проекций ИС различной функциональности. Под проекцией ИС подразумевается сценарий работы выполнения запросов к БД через механизмы кэширования в контексте времени. В работе показано, что поведение размера элементов кэша во времени может быть отождествлено с поведением концентраций веществ химических реакций, протекающих в колебательном режиме. Данные процессы могут быть описаны системой дифференциальных уравнений высоких порядков с нелинейными слагаемыми. Зачастую решить данные системы аналитически или численно не представляется возможным. Предложено рассматривать состояния элементов кэша при работе проекции ИС в дискретные моменты времени и представлять их в многомерные временные ряды. Предложен один из методов реконструкции многомерных временных рядов в фазовое пространство. Использован анализ сечений Пуанкаре и показатели Ляпунова в исследовании фазовых траекторий системы. Показано наличие как диссипативного состояния системы, так и детерминированного хаоса при полной детерминированности запросов в моделируемых ИС.

Ключевые слова:

информационная система, производительность, ORM, база данных, кэширование, реконструкция фазового пространства, сечение Пуанкаре, максимальная экспонента Ляпунова, диссипативные структуры, предельный цикл, хаос.

Стр. 49-65. 

DOI 10.14357/20718632190105

 Полная версия статьи в формате pdf.

Литература

1. Gadkari A. Caching in the distributed environment //Advances in Computer Science: an International Journal. – 2013. – Т. 2. – №. 1. – С. 9-16.
2. Bhatti S. N., Abro Z. H., Rufabro F. Performance evaluation of java based object relational mapping tool //Mehran University Research Journal of Engineering and Technology. – 2013. – Т. 32. – №. 2. – С. 159-166.
3. Gruca A., Podsiadło P. Performance Analysis of. NET Based Object–Relational Mapping Frameworks //International Conference: Beyond Databases, Architectures and Structures. – Springer, Cham, 2014. – С. 40-49.
4. Jacobson R., Misner S. Microsoft SQL Server (TM) 2005 Analysis Services Step by Step. – Microsoft Press, 2006.
5. Крапухина Н. В., Курников П. А., Тарханов И. А. Многокритериальный метод оценки производительности ORM-решений в различных информационных системах //Труды Института системного анализа Российской академии наук. – 2015. – Т. 65. – №. 2. – С. 105-109.
6. Мельников С. В. Образование диссипативных структур в ORM-компонентах высоконагруженных порталов //Современные проблемы науки и образования. – 2013. – №. 6. – С. 5.
7. Кудж С. А., Мельников С. В. Нестационарный режим работы программной системы при активном «Кэшировании» доступа к базе данных //Перспективы науки и образования. – 2014. – №. 2 (8).
8. Мельников С. В. Диссипативные структуры типа «цикл» в ПО, существующем в режиме многопоточного выполнения исполняемого программного кода //Современные проблемы науки и образования (приложение" Технические науки").—2012.—6.—стр. – 2012. – Т. 10.
9. Nikolis G., Prigozhin I. Poznanie slozhnogo. Vvedenie [Knowledge of the complex. Intruduction]. Moscow, Mir, 1990.
10. Takens F. Detecting strange attractors in turbulence, Dynamical Systems and Turbulence, Warwick 1980 //Lecture notes in mathematics. – 1981. – Т. 898. – С. 366-381.
11. Garcia S. P., Almeida J. S. Multivariate phase space reconstruction by nearest neighbor embedding with different time delays //Physical Review E. – 2005. – Т. 72. – №. 2. – С. 027205.
12. Hirata Y., Suzuki H., Aihara K. Reconstructing state spaces from multivariate data using variable delays //Physical Review E. – 2006. – Т. 74. – №. 2. – С. 026202.
13. Barnard J. P., Aldrich C., Gerber M. Embedding of multidimensional time-dependent observations //Physical Review E. – 2001. – Т. 64. – №. 4. – С. 046201.
14. Wang R. et al. Data fusion based phase space reconstruction from multi-time series //International Journal of Data-base Theory and Application. – 2015. – Т. 8. – №. 6. – С. 101-110.
15. Palit S. K., Mukherjee S., Bhattacharya D. K. A high dimensional delay selection for the reconstruction of proper phase space with cross auto-correlation //Neurocomputing. – 2013. – Т. 113. – С. 49-57.
16. Adya A., Bernstein P. A., Melnik S. Generation of query and update views for object relational mapping : пат. 7647298 США. – 2010.
17. Albahari B., Simmons D. G. State transition logic for a persistent object graph : пат. 7526501 США. – 2009.
18. Park H. C. Relational Algebraic Graph Algorithms //International Journal of Computer Science and Network Security (IJCSNS). – 2017. – Т. 17. – №. 1. – С. 25.
19. Silberschatz A. et al. Database system concepts. – New York : McGraw-Hill, 1997. – Т. 4.
20. Быков В. В. Цифровое моделирование в статистической радиотехнике. – Советское радио, 1971.
21. Turcotte D.L. Fractals and chaos in geology and geophysics. Cambridge University Press, Cambridge, 1997.
22. Theiler, J.: Spurious dimension from correlation algorithms applied to limited time-series data. Phys. Rev. A34, 2427–2432 (1986).
23. Kantz, H., Schreiber, T.: Nonlinear Time Series Analysis. Cambridge University Press, Cambridge (1997).
24. Malinetskii G. G., Potapov A. B. Sovremennye problem nilineinoi dinamiki [Modern Problems of Nonlinear Dynamics]. Moscow, Editorial URSS Publ. 2002. 360 p.
25. Parker, T. S., L. O. Chua, and T. S. Parker (1989). Practical numerical algorithms for chaotic systems. Springer New York.
26. Arnold L., Kliemann W., Oeljeklaus E. Lyapunov exponents of linear stochastic systems //Lyapunov Exponents. – Springer, Berlin, Heidelberg, 1986. – С. 85-125.
27. Розенштейн, Майкл Т и Коллинз, Джеймс Дж и Де Лука, Карло Я. А. Практический метод расчета крупнейших показателей Ляпунова из небольших наборов данных. Physica D: Нелинейные явления, 65-1, 117-134, (1993).
28. Eckmann, J. P., Kamphorst, S. O., Ruelle, D., & Ciliberto, S. (1995). Liapunov exponents from time series. In Turbulence, Strange Attractors And Chaos (pp. 427-435).
29. Anishchenko V. S. et al. Nonlinear dynamics of chaotic and stochastic systems: tutorial and modern developments. – Springer Science & Business Media, 2007.
30. Banerjee M. Turing and non-Turing patterns in twodimensional prey-predator models //Applications of Chaos and Nonlinear Dynamics in Science and Engineering-Vol. 4. – Springer International Publishing, 2015. – С. 257-280.
31. Bashkirtseva I. A., Isakova M. G., Ryashko L. B. Quasipotential in stochastic stability analysis of the nonlinear oscillator orbits // J. Neural, Parallel & Scientific Computations. 1999. Vol. 7, N 3. P. 299-310.
32. Bashkirtseva I. A., Ryashko L. B. Sensitivity analysis of the stochastically and periodically forced Brusselator // Phys. A. 2000. Vol. 278. P. 126-139.
33. Bashkirtseva I. A., Ryashko L. B. Sensitivity analysis of stochastically forced Lorenz model cycles under perioddoubling bifurcations // Dynamic Systems and Applications. 2002. Vol. 11. P. 293-309.
34. Bashkirtseva I. A., Ryashko L. B. Stochastic sensitivity of 3D-cycles // Mathematics and Computers in Simulation. 2004. Vol. 66. P. 55-67.
35. Bashkirtseva I., Ryashko L. Sensitivity and chaos control for the forced nonlinear oscillations // Chaos, Solitons & Fractals. 2005. Vol. 26. P. 1437-1451.