Преимущества и недостатки четырёхуровневой БД

Таким образом, чтобы база данных соответствовала общепринятой методологии моделирования, она должна представлять собой иерархию различных по смыслу компонентов – данные сценария, данные модели, данные схемы и метаданные. С помощью одной и той же модели можно рассчитать много сценариев, одна и та же схема может быть реализована многими моделями, а на основе одного и того же численного алгоритма может быть построено много схем. Это избавляет не только от проблем с нехваткой места на диске компьютера при создании версий больших моделей, но и от многократного повторения рутинной работы при одновременном изменении этих версий.

Ещё одним аргументом в пользу описанной четырёхуровневой структуры базы данных является то, что она легко позволяет разделить работу по моделированию между несколькими разработчиками. Для того, чтобы сложная модель оказалась эффективной, адекватной и при этом ещё кому-то нужной, в процесс её создания должно вовлекаться несколько участников. Как минимум, среди них должен быть вычислительный математик, который бы работал на уровне метаданных и схемы, эксперт соответствующей предметной области, который бы давал свои экспертные оценки для параметров модели, и конечный пользователь, которые бы определял, какие исходные данные он хочет вводить на уровне сценария и какие результаты получать.

С помощью разделения базы данных на несколько компонентов в какой-то мере решается проблема чрезвычайной неоднородности данных моделирования. Данные каждого компонента могут физически храниться в той форме, которая им адекватна. Например, для количественных данных модели более-менее подходит реляционная форма хранения, для качественных данных схемы – сетевая, для метаданных – объектная, а для динамических данных сценария – просто неформатированный файл. Однако следует заметить, что таким же преимуществом обладает любая структуризация данных, например, разделение их не на компоненты, а просто на группы таблиц.

Основной недостаток рассмотренной структуры базы данных в том, что она является слишком жёсткой. Использование этой структуры в реальных моделях показало, что не всегда можно чётко отделить, к примеру, качественные данные от количественных. Особенно это касается распределённых моделей, в которых геометрия модели определяет не только связи между сеточными узлами, но и коэффициенты расчётной схемы. Ещё менее чёткой является грань между точными, редко изменяемыми данными модели и неточными, часто изменяемыми. А ведь вся идеология изложенного подхода основана на том, что чем чаще приходится изменять данные в процессе моделирования, тем дальше от корня иерархического дерева компонентов базы данных они должны храниться.

Способ устранения отмеченного недостатка четырёхуровневой БД очевиден – это ещё большая иерархичность базы данных, ещё большая абстракция понятия её компонента и чёткое отделение этого понятия от понятия документа (группы таблиц). Другими словами, число уровней дерева базы данных не должно быть фиксированным, и она должна выглядеть примерно так, как показано на рис. 4.7. При этом один компонент может содержать и схему, и модель, и сценарий, а другой (находящийся ниже в иерархии) – всего одно значение одного параметра.

							База данных
				…		Компонент 1			Компонент 2
	…				Компонент 1.1			Сценарий 1.2		……
…		Компонент 1.1.1					Сценарий 1.1.2		……

Рис. 4.7. Архитектура базы данных обобщённой модели

Резюме

В данной главе исследованы проблемы, возникающие при использовании стандартных систем управления базами данных для задач моделирования и связанные с неэкономичностью хранения слабо различающихся версий моделей. Показано, что решение этих проблем возможно путём создания нового (многокомпонентного) подхода к проектированию баз данных, который основан на некоторых идеях объектно-ориентированного проектирования и соответствует методологии вычислительного эксперимента. Данный подход, имеющий потенциальные приложения отнюдь не только в области создания систем моделирования, изложен как с точки зрения ООП, так и с точки зрения существующей теории баз данных. Его эффективность показана на примере базы данных обобщённой модели, для которой описана её логическая структура и методология использования.

Заключение

Таким образом, в данной работе проведён анализ возможностей применения объектно-ориентированного подхода к задачам моделирования сложных систем. Показано, что ООП позволяет сблизить методы, принятые вычислительной математике и имитационном моделировании, и тем самым совместно использовать их достоинства.

Путём анализа подходов, принятых в существующих объектных средствах моделирования, выбрана оптимальная трактовка понятия объекта – элемента вычислительных моделей. Эта трактовка позволяет быстро создавать, легко развивать и наглядно представлять не только сами модели, но и численные методы, которые рассчитывают эти модели. Для большинства понятий вычислительной математики разработаны объектные эквиваленты и указаны алгоритмы их взаимодействия. Исследована эффективность объектно-ориентированных численных методов по сравнению с процедурно-ориентированными – как с точки зрения их алгоритмической сложности, так и с точки зрения требовательности к вычислительным ресурсам.

Проведён анализ путей использования объектно-ориентированного подхода к решению проблемы оптимального хранения данных, возникающих при создании моделей и при вычислительных экспериментах с ними. Разработанный в результате многокомпонентный подход к системам управления базами данных имеет значение не только для моделирования, но и для других задач, которые используют последовательности или иерархии версий состояния некоторой системы.

Эффективность всех перечисленных теоретических подходов показана на примерах их применения к конкретным практическим задачам. Для иллюстрации использования объектно-ориентированного подхода при построении моделей кратко описана модель организма человека, для демонстрации эффективности ООП при реализации вычислительных алгоритмов рассмотрена библиотека численных методов для задач гидромеханики и массопереноса, а в качестве примера многокомпонентной базы данных приведена структура базы данных обобщённой модели.

На основе данной работы создано инструментальное средство, которое позволяет автоматизировать процесс создания и использования сложных моделей, и сочетает достоинства имитационного и математического моделирования на основе объектно-ориентированного подхода. С помощью этого инструментального средства созданы описанные в качестве примеров модель организма человека, рассчитывающая эту модель библиотека численных методов и хранящая её многокомпонентная база данных.

Список литературы

1. R. F. Boisvert, S. Browne, J. Dongarra, E. Grosse. Digital software and data repositories for support of scientific computing. In N. Adam et al., editors, Advances in Digital Libraries, number 1082 in Lecture Notes in Computer Science, pages 61-72. Springer-Verlag, New York, 1996.

2. R. F. Boisvert, J. J. Dongarra, R. Pozo, K. A. Remington, and G. W. Stewart. Developing numerical libraries in Java. Concurrency: Practice and Experience, 10(11): 1117–1129, Sept. 1998. (http://www.cs.ucsb.edu/conferences/java98/papers/jnt.pdf)

3. E.Anderson, Z.Bai et al. LAPACK User’s Guide. SIAM, Philadelphia, second edition, 1995.

4. B. Blount, S. Chatterjee, An Evaluation of Java for Numerical Computing. The University of North Carolina. Jan. 1999. (ftp://ftp.cs.unc.edu/pub/users/cs/papers/sp-java.pdf)

5. R. Pozo. Template Numerical Toolkit for linear algebra: High performance programming with C++ and the Standard Template Library. International Journal of High Performance Computing Applications, 11(3), 1997. (http://math.nist.gov/tnt/).

6. Тормасов А.Г., Пашутин Р.А., Иванов В.Д., Петров И.Б. Объектно-ориентированный подход в создании сред поддержки сложных вычислений. Тезисы докладов XL научной конференции МФТИ, Долгопрудный, 1997.

7. Roberts, C.A., Dessouky, Y. M. An Overview of Object-Oriented Simulation. Simulation, vol. 70, no. 6, pp. 359-368. (http://www.scs.org/pubs/s98indaut.html)

8. Cubert, R.M., Fishwick, P.A. OOPM: An Object-Oriented Multimodeling and Simulation. Application Framework. Simulation, vol. 70, no. 6, pp. 379-395.

9. A. M. Uhrmacher. Concepts of Object-Oriented Simulation. Transactions of the Society for Computer Simulation, vol. 14, no. 2, pp. 59-68, 1997. (http://www.scs.org/pubs/t97toc.html)

10. Simulink Concepts. In: MATLAB User`s guide. MathWorks, inc. (www.mathworks.com).

11. Евдокимов А.В. Численное моделирование осреднённого по времени кровообращения человека. Выпускная квалификационная работа бакалавра. МФТИ, 1998.

12. Бурыкин А.А. Разработка методов компьютерного моделирования функциональных систем организма человека (на примере сердечно-сосудистой системы). Магистерская диссертация. Долгопрудный, МФТИ, 2000.