Сетевая модель: СЕТЕВАЯ МОДЕЛЬ — это… Что такое СЕТЕВАЯ МОДЕЛЬ?

Содержание

СЕТЕВАЯ МОДЕЛЬ — это… Что такое СЕТЕВАЯ МОДЕЛЬ?

СЕТЕВАЯ МОДЕЛЬ: информац. модель комплекса взаимосвязанных работ, представленная в виде схемы (сети), таблицы, цифрового кода или в к.-л. ином виде и отображающая распределение этих работ во времени. Наиболее распространённой формой С. м. является сетевой график. С. м. может также отображать стоимость работ, требуемые для их выполнения матер. и энергетич. ресурсы, транспорт и т. д. С. м. позволяет решать задачи оптимизации при планировании работ, расчётах их материально-технич. обеспечения и распределения ресурсов

СЕРЫЙ ЧУГУН
СЕТЕВОЕ ПЛАНИРОВАНИЕ И УПРАВЛЕНИЕ

Смотреть что такое «СЕТЕВАЯ МОДЕЛЬ» в других словарях:

Сетевая модель — У этого термина существуют и другие значения, см.
Модель. Сетевая модель теоретическое описание принципов работы набора сетевых протоколов, взаимодействующих друг с другом. Модель обычно делится на уровни, так, чтобы протоколы вышестоящего уровня … Википедия
СЕТЕВАЯ МОДЕЛЬ — интерпретация программы (плана) реализации нек рого комплекса взаимосвязанных работ в виде графа ориентированного без контуров, отражающего естественный порядок выполнения работ во времени с нек рыми дополнительными данными комплекса (стоимость,… … Математическая энциклопедия
Сетевая модель данных — логическая модель данных в виде произвольного графа. См. также: Структуры баз данных Финансовый словарь Финам … Финансовый словарь
СЕТЕВАЯ МОДЕЛЬ OSI — Open Systems Interconnection Basic Reference Model базовая эталонная модель взаимодействия открытых систем абстрактная сетевая модель для коммуникаций и разработки сетевых протоколов. Представляет уровневый подход к сети. Каждый уровень… … Словарь бизнес-терминов
сетевая модель данных — Модель данных, предназначенная для представления данных сетевой структуры и манипулирования ими. [ГОСТ 20886 85] Тематики организация данных в сист. обраб. данных … Справочник технического переводчика
Сетевая модель данных — Необходимо перенести в эту статью содержимое статьи Сетевая СУБД и поставить оттуда перенаправление. Вы можете помочь проекту, объединив статьи (cм. инструкцию по объединению). В случае необходимости обсуждения целесообразности объединения,… … Википедия
Сетевая модель OSI — В этой статье не хватает ссылок на источники информации. Информация должна быть проверяема, иначе она может быть поставлена под сомнение и удалена. Вы можете … Википедия
Сетевая модель данных — 60. Сетевая модель данных Модель данных, предназначенная для представления данных сетевой структуры и манипулирования ими Источник: ГОСТ 20886 85: Организация данных в системах обработки данных.
Термины и определения … Словарь-справочник терминов нормативно-технической документации
Сетевая модель ВОС — … Википедия
СЕТЕВАЯ МОДЕЛЬ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРА — представление деятельности оператора решению той или иной задачи управления в виде сетевой модели. Для ее построения деятельность оператора разбивается на ряд отдельных действий, имеющих вполне определенный смысл. Такими действиями могут быть… … Энциклопедический словарь по психологии и педагогике

Модель OSI. 7 уровней сетевой модели OSI с примерами

T-Rex

Тираннозавр Рекс

Открытая сетевая модель OSI (Open Systems Interconnection model) состоит из семи уровней. Что это за уровни, как устроена модель и какова ее роль при построении сетей — в статье.

Модель OSI является эталонной. Эталонная она потому, что полное название модели выглядит как «Basic Reference Model Open Systems Interconnection model», где Basic Reference Model означает «эталонная модель». Вначале рассмотрим общую информацию, а потом перейдем к частным аспектам.

Принцип устройства сетевой модели

Сетевая модель OSI имеет семь уровней, иерархически расположенных от большего к меньшему. То есть, самым верхним является седьмой (прикладной), а самым нижним — первый (физический). Модель OSI разрабатывалась еще в 1970-х годах, чтобы описать архитектуру и принципы работы сетей передачи данных. Важно помнить, что данные передаются не только по сети интернет, но и в локальных сетях с помощью проводных или беспроводных соединений.

В процессе передачи данных всегда участвуют устройство-отправитель, устройство-получатель, а также сами данные, которые должны быть переданы и получены. С точки зрения рядового пользователя задача элементарна — нужно взять и отправить эти данные. Все, что происходит при отправке и приеме данных, детально описывает семиуровневая модель OSI.

На седьмом уровне информация представляется в виде данных, на первом — в виде бит. Процесс, когда информация отправляется и переходит из данных в биты, называется инкапсуляцией. Обратный процесс, когда информация, полученная в битах на первом уровне, переходит в данные на седьмом, называется декапсуляцией. На каждом из семи уровней информация представляется в виде блоков данных протокола — PDU (Protocol Data Unit).

Рассмотрим на примере: пользователь 1 отправляет картинку, которая обрабатывается на седьмом уровне в виде данных, данные должны пройти все уровни до самого нижнего (первого), где будут представлены как биты. Этот процесс называется инкапсуляцией. Компьютер пользователя 2 принимает биты, которые должны снова стать данными. Этот обратный процесс называется декапсуляция. Что происходит с информацией на каждом из семи уровней, как и где биты переходят в данные мы разберем в этой статье.

Первый, физический уровень (physical layer, L1)

Начнем с самого нижнего уровня. Он отвечает за обмен физическими сигналами между физическими устройствами, «железом». Компьютерное железо не понимает, что такое картинка или что на ней изображено, железу картинка понятна только в виде набора нулей и единиц, то есть бит. В данном случае бит является блоком данных протокола, сокращенно PDU (Protocol Data Unit).

Каждый уровень имеет свои PDU, представляемые в той форме, которая будет понятна на данном уровне и, возможно, на следующем до преобразования. Работа с чистыми данными происходит только на уровнях с пятого по седьмой.

Устройства физического уровня оперируют битами. Они передаются по проводам (например, через оптоволокно) или без проводов (например, через Bluetooth или IRDA, Wi-Fi, GSM, 4G и так далее).

Второй уровень, канальный (data link layer, L2)

Когда два пользователя находятся в одной сети, состоящей только из двух устройств — это идеальный случай. Но что если этих устройств больше?

Второй уровень решает проблему адресации при передаче информации. Канальный уровень получает биты и превращает их в кадры (frame, также «фреймы»). Задача здесь — сформировать кадры с адресом отправителя и получателя, после чего отправить их по сети.

У канального уровня есть два подуровня — это MAC и LLC. MAC (Media Access Control, контроль доступа к среде) отвечает за присвоение физических MAC-адресов, а LLC (Logical Link Control, контроль логической связи) занимается проверкой и исправлением данных, управляет их передачей.

На втором уровне OSI работают коммутаторы, их задача — передать сформированные кадры от одного устройства к другому, используя в качестве адресов только физические MAC-адреса.

Третий уровень, сетевой (network layer, L3)

На третьем уровне появляется новое понятие — маршрутизация. Для этой задачи были созданы устройства третьего уровня — маршрутизаторы (их еще называют роутерами). Маршрутизаторы получают MAC-адрес от коммутаторов с предыдущего уровня и занимаются построением маршрута от одного устройства к другому с учетом всех потенциальных неполадок в сети.

На сетевом уровне активно используется протокол ARP (Address Resolution Protocol — протокол определения адреса). С помощью него 64-битные MAC-адреса преобразуются в 32-битные IP-адреса и наоборот, тем самым обеспечивается инкапсуляция и декапсуляция данных.

Четвертый уровень, транспортный (transport layer, L4)

Все семь уровней модели OSI можно условно разделить на две группы:

Media layers (уровни среды),
Host layers (уровни хоста).

Уровни группы Media Layers (L1, L2, L3) занимаются передачей информации (по кабелю или беспроводной сети), используются сетевыми устройствами, такими как коммутаторы, маршрутизаторы и т.п. Уровни группы Host Layers (L4, L5, L6, L7) используются непосредственно на устройствах, будь то стационарные компьютеры или портативные мобильные устройства.

Четвертый уровень — это посредник между Host Layers и Media Layers, относящийся скорее к первым, чем к последним, его главной задачей является транспортировка пакетов. Естественно, при транспортировке возможны потери, но некоторые типы данных более чувствительны к потерям, чем другие.

Например, если в тексте потеряются гласные, то будет сложно понять смысл, а если из видеопотока пропадет пара кадров, то это практически никак не скажется на конечном пользователе. Поэтому, при передаче данных, наиболее чувствительных к потерям на транспортном уровне используется протокол TCP, контролирующий целостность доставленной информации.

Для мультимедийных файлов небольшие потери не так важны, гораздо критичнее будет задержка. Для передачи таких данных, наиболее чувствительных к задержкам, используется протокол UDP, позволяющий организовать связь без установки соединения.

При передаче по протоколу TCP, данные делятся на сегменты. Сегмент — это часть пакета. Когда приходит пакет данных, который превышает пропускную способность сети, пакет делится на сегменты допустимого размера. Сегментация пакетов также требуется в ненадежных сетях, когда существует большая вероятность того, что большой пакет будет потерян или отправлен не тому адресату. При передаче данных по протоколу UDP, пакеты данных делятся уже на датаграммы. Датаграмма (datagram) — это тоже часть пакета, но ее нельзя путать с сегментом.

Главное отличие датаграмм в автономности. Каждая датаграмма содержит все необходимые заголовки, чтобы дойти до конечного адресата, поэтому они не зависят от сети, могут доставляться разными маршрутами и в разном порядке. Датаграмма и сегмент — это два PDU транспортного уровня модели OSI. При потере датаграмм или сегментов получаются «битые» куски данных, которые не получится корректно обработать.

Первые четыре уровня — специализация сетевых инженеров, но с последними тремя они не так часто сталкиваются, потому что пятым, шестым и седьмым занимаются разработчики.

Пятый уровень, сеансовый (session layer, L5)

Пятый уровень оперирует чистыми данными; помимо пятого, чистые данные используются также на шестом и седьмом уровне. Сеансовый уровень отвечает за поддержку сеанса или сессии связи. Пятый уровень оказывает услугу следующему: управляет взаимодействием между приложениями, открывает возможности синхронизации задач, завершения сеанса, обмена информации.

Службы сеансового уровня зачастую применяются в средах приложений, требующих удаленного вызова процедур, т.е. чтобы запрашивать выполнение действий на удаленных компьютерах или независимых системах на одном устройстве (при наличии нескольких ОС).

Примером работы пятого уровня может служить видеозвонок по сети. Во время видеосвязи необходимо, чтобы два потока данных (аудио и видео) шли синхронно. Когда к разговору двоих человек прибавится третий — получится уже конференция. Задача пятого уровня — сделать так, чтобы собеседники могли понять, кто сейчас говорит.

Шестой уровень, представления данных (presentation layer, L6)

О задачах уровня представления вновь говорит его название. Шестой уровень занимается тем, что представляет данные (которые все еще являются PDU) в понятном человеку и машине виде. Например, когда одно устройство умеет отображать текст только в кодировке ASCII, а другое только в UTF-8, перевод текста из одной кодировки в другую происходит на шестом уровне.

Шестой уровень также занимается представлением картинок (в JPEG, GIF и т.д.), а также видео-аудио (в MPEG, QuickTime). Помимо перечисленного, шестой уровень занимается шифрованием данных, когда при передаче их необходимо защитить.

Седьмой уровень, прикладной (application layer)

Седьмой уровень иногда еще называют уровень приложений, но чтобы не запутаться можно использовать оригинальное название — application layer. Прикладной уровень — это то, с чем взаимодействуют пользователи, своего рода графический интерфейс всей модели OSI, с другими он взаимодействует по минимуму.

Все услуги, получаемые седьмым уровнем от других, используются для доставки данных до пользователя. Протоколам седьмого уровня не требуется обеспечивать маршрутизацию или гарантировать доставку данных, когда об этом уже позаботились предыдущие шесть. Задача седьмого уровня — использовать свои протоколы, чтобы пользователь увидел данные в понятном ему виде.

Протоколы здесь используют UDP (например, DHCP, FTP) или TCP (например, HTTP, HTTPS, SFTP (Simple FTP), DNS). Прикладной уровень является самым верхним по иерархии, но при этом его легче всего объяснить.

Критика модели OSI

Семиуровневая модель была принята в качестве стандарта ISO/IEC 7498, действующего по сей день, однако, модель имеет свои недостатки. Среди основных недостатков говорят о неподходящем времени, плохой технологии, поздней имплементации, неудачной политике.

Первый недостаток — это неподходящее время. На разработку модели было потрачено неоправданно большое количество времени, но разработчики не уделили достаточное внимание существующим в то время стандартам. В связи с этим модель обвиняют в том, что она не отражает действительность. В таких утверждениях есть доля истины, ведь уже на момент появления OSI другие компании были больше готовы работать с получившей широкое распространение моделью TCP/IP.

Вторым недостатком называют плохую технологию. Как основной довод в пользу того, что OSI — это плохая технология, приводят распространенность стека TCP/IP. Протоколы OSI часто дублируют другу друга, функции распределены по уровням неравнозначно, а одни и те же задачи могут быть решены на разных уровнях.

Разделение на семь уровней было скорее политическим, чем техническим. При построении сетей в реальности редко используют уровни 5 и 6, а часто можно обойтись только первыми четырьмя. Даже изначальное описание архитектуры в распечатанном виде имеет толщину в один метр.

Кроме того, в отличие от TCP/IP, OSI никогда не ассоциировалась с UNIX. Добиться широкого распространения OSI не получилось потому, что она проектировалась как закрытая модель, продвигаемая Европейскими телекоммуникационными компаниями и правительством США. Стек протоколов TCP/IP изначально был открыт для всех, что позволило ему набрать популярность среди сторонников открытого программного кода.

Даже несмотря на то, что основные проблемы архитектуры OSI были политическими, репутация была запятнана и модель не получила распространения. Тем не менее, в сетевых технологиях, при работе с коммутацией даже сегодня обычно используют модель OSI.

Вывод, роль модели OSI при построении сетей

В статье мы рассмотрели принципы построения сетевой модели OSI. На каждом из семи уровней модели выполняется своя задача. В действительности архитектура OSI сложнее, чем мы описали. Существуют и другие уровни, например, сервисный, который встречается в интеллектуальных или сотовых сетях, или восьмой — так называют самого пользователя.

Как мы упоминали выше, оригинальное описание всех принципов построения сетей в рамках этой модели, если его распечатать, будет иметь толщину в один метр. Но компании активно используют OSI как эталон. Мы перечислили только основную структуру словами, понятными начинающим.

Модель OSI служит инструментом при диагностике сетей. Если в сети что-то не работает, то гораздо проще определить уровень, на котором произошла неполадка, чем пытаться перестроить всю сеть заново.

Зная архитектуру сети, гораздо проще ее строить и диагностировать. Как нельзя построить дом, не зная его архитектуры, так невозможно построить сеть, не зная модели OSI. При проектировании важно учитывать все. Важно учесть взаимодействие каждого уровня с другими, насколько обеспечивается безопасность, шифрование данных внутри сети, какой прирост пользователей выдержит сеть без обрушения, будет ли возможно перенести сеть на другую машину и т.д. Каждый из перечисленных критериев укладывается в функции одного из семи уровней.

Сетевая модель TCP/IP

Добавлено 29 августа 2020 в 03:18

Сохранить или поделиться

Понятие сетевой модели, иногда также называемой сетевой архитектурой или сетевым планом, относится к исчерпывающему набору документов. По отдельности каждый документ описывает одну небольшую, необходимую для сети функцию; в совокупности эти документы определяют всё, что должно выполняться, чтобы компьютерная сеть могла работать. Одни документы определяют протокол, который представляет собой набор логических правил, которым устройства должны следовать при взаимодействии. В других документах определены физические требования к сети. Например, в каком-то документе могут быть определены уровни напряжения и тока, используемые на конкретном кабеле при передаче данных.

Вы можете представлять сетевую модель, как архитектурный проект для строительства дома. Вы конечно можете построить дом без плана. Но, тем не менее, план может гарантировать, что дом имеет правильный фундамент и структуру, позволяющие ему не упасть, и в нем есть правильные скрытые пространства для размещения коммуникаций водопровода, электричества, газа и т.д. Кроме того, множество разных людей, которые строят дом по чертежу (например, строители, электрики, каменщики, маляры и т.д.) знают, что если они следуют плану, их часть работы не должна создавать проблем для других рабочих.

Точно так же вы можете построить свою собственную сеть: написать собственное программное обеспечение, собрать свои собственные сетевые карты и так далее. Однако гораздо проще просто купить и использовать продукты, которые уже соответствуют какой-либо известной сетевой модели или плану. Поскольку производители сетевых продуктов создают их с учетом определенной сетевой модели, их продукты должны хорошо работать вместе.

Как мы пришли к TCP/IP

Сегодня в мире компьютерных сетей используется одна сетевая модель: TCP/IP. Однако мир не всегда был таким простым. Когда-то не существовало сетевых протоколов, включая TCP/IP. Производители создали первые сетевые протоколы; эти протоколы поддерживали только компьютеры конкретного производителя.

Например, IBM, компьютерная компания с самой большой долей на многих рынках в 1970-х и 1980-х годах, опубликовала свою сетевую модель Systems Network Architecture (SNA) в 1974 году. Другие производители также создали свои собственные проприетарные сетевые модели. В результате, если ваша компания покупала компьютеры трех производителей, сетевым инженерам часто приходилось создавать три разные сети на основе сетевых моделей, созданных каждой компанией, а затем каким-то образом соединять эти сети, что значительно усложняло объединенные сети. В левой части рисунка 1 показано общее представление о том, как могла бы выглядеть корпоративная сеть компании в 1980-х годах, до того, как TCP/IP стал обычным явлением в корпоративных объединенных сетях.

Рисунок 1 – История развития: движение от проприетарных моделей к открытой модели TCP/IP

Хотя проприетарные сетевые модели, определяемые производителями, часто работают хорошо, наличие открытой сетевой модели, не зависящей от производителя, может способствовать конкуренции и снизить сложность. Международная организация по стандартизации (ISO) взяла на себя задачу создать такую модель, начав еще в конце 1970-х годов работу над так называемой сетевой моделью взаимодействия открытых систем (OSI, Open Systems Interconnection). ISO поставила перед моделью OSI благородную цель: стандартизировать сетевые протоколы передачи данных, чтобы обеспечить связь между всеми компьютерами на всей планете. Во время работы ISO над достижением этой амбициозной и благородной цели в процессе были задействованы участники из большинства технологически развитых стран мира.

Вторая, менее формальная попытка создать открытую, нейтральную по отношению к производителям открытую сетевую модель возникла в результате контракта Министерства обороны США (DoD, Department of Defense). Исследователи из различных университетов вызвались помочь в дальнейшей разработке протоколов, относящихся к исходной работе Министерства обороны США. Эти усилия привели к созданию конкурирующей открытой сетевой модели под названием TCP/IP.

В течение 1990-х годов компании начали добавлять OSI, TCP/IP или и то, и другое в свои корпоративные сети. Однако к концу 1990-х TCP/IP стал основным, и OSI отпала. Центральная часть рисунка 1 показывает общую идею корпоративных сетей того десятилетия – сети, построенные на нескольких сетевых моделях, но включающие TCP/IP.

Сейчас, в двадцать первом веке, доминирует TCP/IP. Проприетарные сетевые модели всё еще существуют, но в основном от них отказались в пользу TCP/IP. Модель OSI, развитие которой частично пострадало из-за более медленного официального процесса стандартизации по сравнению с TCP/IP, так и не добилось успеха на рынке. И TCP/IP, сетевая модель, изначально созданная почти целиком группой добровольцев, стала самой успешной сетевой моделью за всю историю, как показано на правой части рисунка 1.

В данной главе вы прочитаете о некоторых основах TCP/IP. Хотя вы узнаете некоторые интересные факты о TCP/IP, настоящая цель – помочь вам понять, что на самом деле представляет собой сетевая модель или сетевая архитектура, и как она работает.

Обзор сетевой модели TCP/IP

Модель TCP/IP определяет и опирается на большой набор протоколов, которые позволяют компьютерам обмениваться данными. Чтобы определить протокол, TCP/IP использует документы, называемые RFC (Requests For Comments) (вы можете найти эти RFC в Интернете с помощью любой поисковой системы). Модель TCP/IP также позволяет избежать повторения работы, уже проделанной другим органом по стандартизации или консорциумом производителей, просто ссылаясь на стандарты или протоколы, созданные этими группами. Например, Институт инженеров по электротехнике и электронике (IEEE) определяет локальные сети Ethernet; модель TCP/IP не определяет Ethernet в RFC, но в качестве дополнения ссылается на IEEE Ethernet.

Модель TCP/IP создает набор правил, который позволяет всем нам вынуть компьютер (или мобильное устройство) из коробки, подключить все нужные кабели, включить его, подключиться к сети и использовать ее. Вы можете использовать веб-браузер для подключения к любимому веб-сайту, использовать практически любое приложение, и всё это работает. Как? Что ж, операционная система на компьютере реализует части модели TCP/IP. Сетевая карта Ethernet или карта беспроводной локальной сети, встроенная в компьютер, реализует стандарты локальной сети, на которые ссылается модель TCP/IP. Проще говоря, производители, создавшие аппаратное и программное обеспечение, реализовали TCP/IP.

Чтобы помочь людям понять сетевую модель, каждая модель разбивает функции на небольшое количество категорий, называемых уровнями. Каждый уровень включает в себя протоколы и стандарты, относящиеся к своей категории функций. Данное разбиение показано на рисунке 2.

Рисунок 2 – Уровни сетевой модели TCP/IP

Модель TCP/IP показывает общие термины и уровни, используемые сегодня, когда люди говорят о TCP/IP.

Нижний (физический) уровень фокусируется на том, как передавать биты по каждому отдельному каналу.

Канальный уровень ориентирован на отправку данных по одному типу физического канала: например, сети используют отличающиеся протоколы канала передачи данных для локальных сетей Ethernet по сравнению с беспроводными локальными сетями.

Сетевой (межсетевой) уровень фокусируется на доставке данных по всему пути от исходного компьютера-отправителя до конечного компьютера-получателя.

И два верхних уровня больше ориентированы на приложения, которым необходимо отправлять и получать данные.

ПРИМЕЧАНИЕ. В RFC 1122 используется несколько отличная четырехуровневая оригинальная версия модели TCP/IP (в которой физический и канальный уровни были объединены в уровень сетевого доступа), но и для реальных сетей, и для сегодняшней сертификации CCNA (2020 год, информация из «CCNA 200-301 Official Cert Guide» Уенделла Одома), используйте пятиуровневую модель, показанную здесь на рисунке 2.

Многие из вас уже слышали о нескольких протоколах TCP/IP (примеры, которых перечислены в таблице 1). Большинство протоколов и стандартов в этой таблице будут объяснены позже более подробно.

Таблица 1. Архитектурная модель TCP / IP и примеры протоколов
Уровень модели TCP/IP	Примеры протоколов
Прикладной уровень (уровень приложений)	Система имен	DNS
	Конфигурация узла	BOOTP, DHCP
	Электронная почта	SMTP, POP, IMAP
	Передача файлов	FTP, TFTP
	Веб	HTTP
Транспортный уровень	TCP, UDP
Сетевой (межсетевой) уровень	IP, NAT
	Поддержка IP	ICMP
	Протоколы маршрутизации	OSPF, EIGRP
Уровень сетевого доступа (канальный уровень и физический уровень)	ARP, PPP, Ethernet, 802. 11 (Wi-Fi)

Далее в этой главе мы более подробно рассмотрим уровни модели TCP/IP.

Сетевая модель TCP/IP, сетевая модель DOD.

В первой части мы разобрали Сетевую модель OSI. Теперь давайте разберем модель TCP/IP.

Модель TCP/IP принято называть моделью DOD (Department of Defense — Министерство обороны США).

От сетевой модели OSI, модель DOD (или TCP/IP) отличается количеством уровней. Здесь их всего 4 (начну, как и в первой статье с верхнего):

4. Уровень приложений (Application)
3. Транспортный уровень (Transport)
2. Сетевой уровень (Internet)
1. Уровень сетевого доступа (Network Access)

Как не странно, но четырех уровней DOD хватает, для того, чтобы покрыть семь уровней модели OSI. Хоть и есть некоторые разногласия. В целом, если не вдаваться в подробности, уровень приложений (Application) модели DOD соответствует трём верхним уровням модели OSI (application, presentation, session), транспортный уровень соответствует транспортному, а сетевой – сетевому соответственно и уровень сетевого доступа соответствует двум нижним модели OSI (data link, physical).

А если вдаваться в подробности, то нужно начать с того, что сетевая модель TCP/IP была разработана значительно раньше модели OSI. Модель TCP/IP сформировывалась уже на существующих протоколах, а вот OSI наоборот – сначала создали модель, а затем протоколы для неё, от этого у каждой свои плюсы и минусы. OSI более современная модель, поэтому в интернете обсуждают чаще её, а вот протоколы используются TCP/IP стека (группы, стопки (одного на другом)) основанные на модели DOD.

Вот Вы уже и знакомы с двумя сетевыми моделями, очень подробно они описаны в CCNA Exploration 1 — Network Fundamentals Version 4. 0 English

Продолжим изучать работу и взаимодействие всех уровней.

Заключение

Статья получилась короткой, но продолжать излагать следующую тему в ней не стоит, вынесем её отдельно в третью часть 😉

Логическое продолжение сетевых моделей – это инкапсуляция. Данные. Сегменты. Пакеты. Кадры или фреймы. Биты. Приступим.

Сетевая модель

Сети — естественный способ представления отношений между объектами. Они широко применяются в математике, исследованиях операций, химии, физике, социологии и других областях знаний. Сети обычно могут быть представлены ориентированным графом общего вида. Графически ориентированный граф представляет собой множество точек -вершин, соединенных стрелками — дугами. В графе общего вида в каждую вершину может входить и выходить любое количество дуг. В контексте моделей данных узлы можно представлять как типы записей данных, а ребра представляют отношения один к одному или один ко многим. Структура графа делает возможным создание как простых представлений иерархических отношений (например, генеалогических данных), так и более сложных, в том числе рекурсивных.

Сетевая модель данных — это представление данных сетевыми структурами типов записей, связанных отношениями мощности один к одному или один ко многим. В конце 60-х годов конференция по языкам систем данных (Conference on Data Systems Languages, CODASYL) поручила группе DBTG (Database Task Group — группа для разработки стандартов систем управления базами данных) разработать стандарты систем управления базами данных. На DBTG оказывала сильное влияние архи тектура, использованная в одной из самых первых СУБД — Integrated Data Store (IDS), созданной ранее компанией General Electric. Это привело к тому, что была рекомендована сетевая модель.

Документы от 1971 года остаются основной формулировкой сетевой модели, на них ссылаются как на модель CODASYL DBTG. Она послужила основой для разработки сетевых систем управления базами данных нескольких производителей. IDS (Honeywell) и IDMS (Computer Associates) — две наиболее известные коммерческие реализации. В сетевой модели существует две основные структуры данных: типы записей и наборы.

• Тип записей. Совокупность логически связанных элементов данных.

• Набор. В модели DBTG отношение один ко многим между двумя типами записей.

• Простая сеть. Структура данных, в которой все бинарные отношения имеют мощность один ко многим.

• Сложная сеть. Структура данных, в которой одно или несколько бинарных отношений имеют мощность многие ко многим.

• Тип записи связи. Формальная запись, созданная для того, чтобы преобразовать сложную сеть в эквивалентную ей простую сеть.

В модели DBTG возможны только простые сети, в которых все отношения имеют мощность один к одному или один ко многим. Сложные сети, включающие одно или несколько отношений многие ко многим, не могут быть напрямую реализованы в модели DBTG. Следствием возможности создания искусственных формальных записей является необходимость дополнительного объема памяти и обработки, однако при этом модель данных имеет простую сетевую форму и удовлетворяет требованиям DBTG.

Достоинства сетевой модели данных:

4. Гибкая организации данных и, соответственно, возможность представления в базе самых разнообразных данных.

5. Возможность обеспечения исключительно высокой скорости поиска.

Ограничения сетевой модели:

6. Сложность процедур обновления данных, связанная с необходимостью перестроения системы связей.

7. Трудность поддержания логической целостности данных, высокий уровень риска при возникновении сбойных ситуаций.

⇐Иерархическая модель | Введение в InterBase | Реляционная модель⇒

2.2 Сетевая модель данных. Банк данных

Сетевая модель инфокоммуникаций | Internet Protocol version 17

Свершившаяся конвергенция технологий, сетей и услуг закономерно привела к созданию инфокоммуникационных сетей на базе так называемых сетей связи следующего поколения (NGN). Излишне говорить, что симфонический оркестр отличается от отдельного музыканта точно так же, как от традиционных услуг связи отличается мультисервис, предлагаемый в рамках сетей NGN. Не зря ныне все о них говорят, все приписывают им чудесные свойства и одновременно многие, между прочим, говорят, что их сегодняшняя реализация «неидеальна». Очевидно, начинать нужно с консерватории, и потому интеграцию плодов труда связистов и компьютерщиков нужно начинать с сетевой модели.

«Профессионал предсказуем, но мир полон дилетантов.»
Закон Мэрфи

Инфокоммуникации как результат интеграции

Долгое время различные сети электросвязи и позднее компьютерные сети развивались отдельно друг от друга и лишь в конце прошлого века стали интегрироваться самым серьезным образом. Когда свыше полутора веков назад Самюэл Финли Бриз Морзе отправил первое электронное сообщение с текстом “Чудны дела твои, Господи!”, еще никто не мог знать, что мир находится на пороге новой эры. Лишь по иронии судьбы и отсутствию сложившейся терминологии то, что следовало бы по праву назвать электронной почтой (что, несомненно, облегчило бы терминологию для современных специалистов), получило тогда название электрического телеграфа. Первым, кстати, сориентировался бизнес, потому телеграф распространялся тогда почти так же быстро, как сегодня Интернет. К моменту изобретения телефона телеграфное сообщение связывало уже все крупнейшие города мира, а в конце XIX века последние уже были опутаны мощной паутиной проводов. Именно тогда были заданы темпы роста телефонии: от аналоговой к цифровой и далее от канальной к пакетной. А паутине проводов вполне закономерно пришла на смену паутина компьютерных сетей под названием World Wide Web, «подсказавшая» в конечном итоге идею для дальнейшего развития NGN. Сегодня никто не сомневается, что вскоре все телекоммуникационные сети будут обеспечивать передачу сообщений в виде цифровых (двоичных) сигналов, а все виды информации в процессе передачи будут преобразовываться в цифровую форму.

Вот это, по сути, и превращает телекоммуникационные сети различного назначения в сети передачи данных, различающихся лишь формой представления цифровой информации, скоростью и другими характеристиками ее передачи (например, допустимым временем задержки пакета). Собственно, практически все сети связи, построенные в последние 5–10 лет, и были таковыми. Более того, поскольку все современное цифровое сетевое и терминальное (абонентское) оборудование представляет собой, по сути, набор разнофункциональных компьютеров, все больше и больше стирается грань между сетями связи различного назначения и компьютерными сетями. Поэтому, в настоящее время основной рост информационного взаимодействия идет по линии человек–компьютер, и, что еще более значимо – по линии компьютер–компьютер вне зависимости от типа сети. Быстрое развитие в XXI веке цифровых мультисервисных сетей NGN, реализующих парадигму «многосвязанности каждого с каждым» и основанных на принципах построения современных сетей передачи и систем обработки данных, несомненно, делает последних определяющим фактором дальнейшего технологического развития средств связи в обозримом будущем.

Инфокоммуникации — новый термин, означающий неразрывную связь информационных и телекоммуникационных элементов информационного обмена, которые развиваются в процессе конвергенции (взаимного проникновения). [Материалы юбилейного международного Конгресса МАС’2000 “Инфокоммуникации — новый термин Информационного века” Москва, 2000]. Инфокоммуникационные сети возникли, с одной стороны, как логичное развитие сетей электросвязи, а, с другой, — как дальнейшее развитие вычислительных (компьютерных) сетей или распределенных систем обработки данных (так называется любая система, позволяющая организовать взаимодействие независимых, но связанных между собой компьютеров). К примеру, классическая структура информационной сети, именуемой также вычислительной сетью, содержит точно такие же основные компоненты, как и любая телекоммуникационная сеть: абонентские системы (терминалы), связывающие их сети доступа и транспортную сеть, базы данных и систему управления. Более того, информационную сеть, которая объединяет открытые системы, принято также называть открытой информационной сетью. При этом все современные сети электросвязи также создаются на базе теории открытых систем, разработанной в качестве основы взаимодействия средств вычислительной техники и осуществляемой в соответствии со стандартом Х. 200 «Эталонная модель взаимодействия открытых систем», принятым ISO в 1984 г. К примеру, в рамках NGN уже предлагаются услуги по созданию VPN на канальном или сетевом уровнях модели взаимодействия открытых систем.

Таким образом, практически все, что в настоящее время строят связисты или компьютерщики, подпадает под определение инфокоммуникационной сети, в которой предоставляются соответствующие услуги. В свою очередь, инфокоммуникационная услуга (услуга информационного общества), определяется «Концептуальными положениями по построению мультисервисных сетей на ВСС России» в соответствии с директивой Европейского парламента (Directive 98/48/EC of 20 July 1998), и предполагает автоматизированную обработку, хранение или предоставление по запросу информации с использованием средств вычислительной техники, как на входящем, так и на исходящем конце соединения. Из всего сказанного можно сделать один интересный вывод: теоретически мир инфокоммуникаций идет к тому, чтобы (технологически) была всего одна (но мультисервисная) сеть всего с одной (но уж очень универсальной) услугой. Сейчас мы не будем развивать далее эту мысль, а остановимся на модели подобной сети будущего. Собственно пора связистам работать с моделью взаимодействия открытых систем, а компьютерщикам привыкать к предоставлению телекоммуникационного мультисервиса. И сей процесс уже пошел.
С целью понимания, какие проблемы современных сетевых технологий оказывают набольшее влияние на предоставление инфокоммуникационной услуги, давайте вспомним основные принципы и положения Эталонной модели взаимодействия открытых систем.

Эталонная модель взаимодействия

Основополагающим объектом Эталонной модели является УРОВЕНЬ, включающий в себя совокупность функций для решения ряда задач (рис. 1). Каждый из уровней взаимодействует с выше- и нижестоящим уровнем одной системы в соответствии с принципом автономности, который заключает в том, что изменение или модификация одного уровня не должно приводить к изменению других уровней. Выполнение данного принципа реализуется через ЕДИНСТВЕННУЮ точку взаимодействия УРОВНЯ.

Взаимодействие между системами осуществляется посредством протокола и интерфейса. Протоколом называют правила, описывающие последовательность и формат сообщений одного уровня передаваемые из одной системы в другую а, интерфейсом — правила передачи сообщений через точку взаимодействия в рамках одной системы.

Уровневая модель исключает прямую связь между соответствующими уровнями разных систем, равно как и связь не смежных уровней одной системы. Поэтому, каждый уровень Системы А использует услуги, предоставляемые ему нижестоящим уровнем, чтобы осуществить связь с соответствующим ему уровнем Системы В. При этом нижестоящий уровень называется источником услуг, а вышестоящий — пользователем услуг.

Рисунок 1. Модель Уровня.

Собственно эталонная модель описывает, как информация переносится через среду, для чего разбивает сеть по горизонтали на семь уровней, и чтобы связь могла состояться, каждый уровень должен выполнить заранее заданный набор функций (рис.2).
Эталонная модель определяет следующие уровни: прикладной (7), представительный (6), сеансовый (5), транспортный (4), сетевой (3), канальный (2) и физический (1) уровни.

Рисунок 2. Уровневая модель взаимодействия.

Все это относится отнюдь не только к информационным сетям, но и к привычным для нас сетям связи. В частности, основные задачи, выполняемые каждым уровнем на примере их проявления в телефонной сети и сети Интернет, приведены в таблице 1.
Следует только заметить, что большая часть уровней в сети Интернет реализуется программно, в то время как в телефонной сети — аппаратно. Вот, собственно, и вся разница. Впрочем, остается добавить, что вышесказанное лишний раз говорит о том, что, к примеру, реализация услуг телефонии – одно из множества свойств сети передачи данных. Или инфокоммуникационной сети.

Валов Сергей Геннадьевич
Голышко Александр Викторович

Модель сетевой базы данных

Vs. Модель реляционной базы данных

Мы анализируем плюсы и минусы реляционной и сетевой модели баз данных.

Как работает каждая модель и подчеркивает сильные и слабые стороны и возможности каждой модели. Различия между этими двумя моделями могут привести к успеху или неудаче в разработке приложения.

Далее обсуждается, как работает каждая модель, и выделяются сильные и слабые стороны и возможности каждой модели. Различия между этими двумя моделями могут привести к успеху или неудаче в разработке приложения.

Модель реляционной базы данных

Вы сидите в автобусе, едете домой. Немного уставший, но не такой сонный, вы решаете послушать Бон Джови. Поразмыслив, вы хотите посмотреть один из его фильмов (на ум приходит «Плач Волка»). Поиск в центре внимания iPhone хорош. Введите «Bon Jovi» в качестве ключевого слова, и медиаплеер без труда найдет их музыку и фильмы — две разные категории — хранящиеся на устройстве.

Общие операции, подобные приведенным выше, обычно используют систему управления реляционными базами данных (RDBMS). База данных, назовем ее Media Collection, определяет три таблицы ARTIST, ALBUM и MOVIE, где соответственно хранятся имена исполнителей, альбомы и названия фильмов. Когда выбран конкретный исполнитель, например, Бон Джови в нашем примере, выдается запрос SQL для получения всех альбомов и названий фильмов, принадлежащих выбранному исполнителю. Возвращенные данные отображаются на экране iPhone, как правило, в алфавитном порядке.

Слабые стороны реляционной модели данных

Эти, казалось бы, простые шаги показывают два фундаментальных недостатка, присущих реляционной модели данных. Первая слабость заключается в том, что для каждой связи требуются повторяющиеся столбцы в обеих связанных с ней таблицах. Например, таблицы ARTIST и ALBUM должны содержать и, таким образом, поддерживать столбец, в котором хранятся имена исполнителей, чтобы можно было установить связь между исполнителем и его альбомами.Это означает, что для «синхронизации» двух столбцов требуются дополнительное пространство для хранения, а также накладные расходы на программирование. Изменение имени исполнителя означает, что для всех записей АЛЬБОМА для этого исполнителя необходимо обновить столбец «имя исполнителя».

Вторая слабость и более важный аспект этой статьи — это тот факт, что одна связь может содержать только две таблицы: таблицу первичного ключа (основную) и таблицу внешнего ключа (ссылающуюся). В базе данных Music Collection и таблица ALBUM, и таблица MOVIE должны ссылаться на таблицу ARTIST.Из-за этого ограничения необходимо определить два отдельных отношения; один содержит ссылку на таблицу ALBUM на таблицу ARTIST, а другой содержит таблицу MOVIE, ссылающуюся на таблицу ARTIST.

Неэффективная операция извлечения данных — модель реляционных данных

Это приводит к довольно неэффективной операции извлечения данных при нахождении всех альбомов и фильмов, связанных с исполнителем. Во время первой операции система базы данных извлекает все связанные альбомы из таблицы ALBUM и сохраняет набор результатов во временном месте. Во время второй операции выполняется тот же процесс, что и в первом, только на этот раз он извлекает результаты из MOVIES. Последняя операция объединяет два набора результатов, при необходимости меняет их порядок и затем возвращает объединенный набор результатов.

Неэффективность реляционной модели может не быть преградой, когда объем данных в базе данных относительно невелик и доступны обширные вычислительные ресурсы, тем более, что сегодня средний человек нередко владеет компьютером с двойным 2 ГГц. -ядерный процессор с 2 ГБ памяти и жестким диском на 500 ГБ.С другой стороны, существует быстро развивающийся рынок небольших компьютеров, для которых требуется система баз данных (СУБД) — смартфоны, портативные музыкальные плееры и устройства GPS, и это лишь некоторые из них. При ограниченной скорости ЦП и памяти эти портативные системы могут значительно выиграть от СУБД, которая позволяет гибко и эффективно хранить и извлекать данные как с точки зрения производительности, так и с точки зрения использования диска.

Модель сетевой базы данных предлагает именно это.

Сетевая база данных Модель

Расширенная форма иерархической модели данных, сетевая модель представляет данные в виде дерева записей.Отношения между таблицами (записями) выражаются наборами. У набора есть одна родительская запись (владелец) и одна или несколько дочерних записей (членов). Связанные записи в наборе напрямую связаны указателями, а не сопоставлением повторяющихся столбцов, как в случае с реляционной моделью данных.

Записи, связанные с единственным владельцем

Модель сетевой базы данных позволяет связать записи из более чем одной таблицы с одной записью владельца другой таблицы.Это дает определенное преимущество перед реляционным аналогом при запросе результатов из нескольких таблиц внешнего ключа, связанных с одной таблицей первичного ключа. В базе данных Media Collection записи ALBUM и MOVIE также могут быть членами записи ARTIST в одном наборе, как показано на рисунке 2. Это означает, что альбомы и фильмы для данного исполнителя можно получить за одну операцию. Это устраняет необходимость хранить и потенциально переупорядочивать временные результаты в середине операции, что приводит к повышению производительности запросов.Сетевые базы данных без необходимости хранить и поддерживать повторяющиеся столбцы также помогают сократить использование дискового пространства и памяти.

Пример использования

Реальные данные показывают, что прирост производительности и экономия ресурсов при использовании сетевых баз данных могут быть весьма значительными. В структуре данных, использующей трехстороннюю связь между таблицами ARTIST, ALBUM и SONG, наши разработчики SQL сравнили изменение данных и производительность запросов моделей реляционных и сетевых баз данных с использованием как настольных систем, так и небольших потребительских устройств.Они обнаружили, что сетевая модель использует на 29 процентов меньше дискового пространства для хранения того же количества записей и отношений, чем реляционная модель данных. Всю экономию памяти можно отнести к замене индексов внешнего ключа ARTIST-ALBUM и ALBUM-SONG на указатели набора.

Удаление этих структур данных оказало огромное влияние на требования к хранилищу, поскольку для типичного индекса B-Tree требуется примерно в 1,3 раза больше места, чем он индексирует. Они также обнаружили, что модель сетевой базы данных обеспечивает до 23 раз лучшую производительность вставки и до 123 раз более высокую производительность запросов, как показано в таблице 1.

Таблица 1. Результаты тестов для реляционных и сетевых моделей в системах x86 и ARM7.

Различные требования к управлению означают разные структуры данных и разные методы хранения и доступа к данным. Полученная система может состоять из нескольких таблиц без связей или сотен таблиц, связанных со сложными отношениями. Хотя реляционная модель данных является стандартом де-факто, теперь мы знаем, что она не всегда обеспечивает оптимальные решения для более сложных проблем управления данными. Выбор подходящей модели данных или даже объединение нескольких моделей может дать гораздо более эффективный результат, чем одна реляционная модель данных. Результатом является значительная экономия средств, повышение качества и удобство использования.

Заключение — Сетевая модель для скорости, реляционная для удобства использования

Хотя реляционная модель данных очень популярна из-за простоты использования, для нее требуются ключевые и индексные таблицы, что резко замедляет работу приложения.Сетевая база данных , модель обеспечивает более быстрый доступ к данным и является оптимальным методом для быстрого приложения. Так что, если вы нажмете на своего любимого исполнителя и за доли секунды увидите список их 20 с лишним альбомов и названий фильмов на своем медиаплеере, это может просто управляться движком базы данных сетевой модели под капотом. Raima Database Manager использует обе модели, узнайте больше о нашем расширенном моделировании данных или загрузите бесплатную пробную версию прямо сейчас.

Модель нейронной сети

— обзор

4.5.3 Заключение

Модели нейронных сетей требуют строгих ограничений ввода и предварительной обработки. Если в тестовом примере отсутствуют значения атрибутов, модель не может работать, как модель регрессии или дерева решений. Отсутствующие значения могут быть заменены средними значениями или любыми значениями по умолчанию для смягчения ограничения. Связь между вводом и выводом не может быть четко объяснена с помощью ИНС. Поскольку есть скрытые слои, понять модель довольно сложно. Во многих приложениях для обработки данных объяснение модели так же важно, как и сам прогноз.Деревья решений, правила индукции и регрессия гораздо лучше объясняют модель.

Построение хорошей модели ИНС с оптимизированными параметрами требует времени. Это зависит от количества обучающих записей и итераций. Нет никаких согласованных рекомендаций по количеству скрытых слоев и узлов в каждом скрытом слое. Следовательно, необходимо опробовать множество параметров, чтобы оптимизировать выбор параметров. Однако, как только модель построена, ее легко реализовать, и новая невидимая запись классифицируется довольно быстро.

ИНС не обрабатывает категориальные входные данные. Если данные имеют номинальные значения, их необходимо преобразовать в двоичные или реальные значения. Это означает, что один входной атрибут распадается на несколько входных атрибутов и экспоненциально увеличивает узлы, связи и сложность. Кроме того, преобразование не порядковых категориальных данных, таких как почтовый индекс, в числовое значение, дает ИНС возможность выполнять числовые вычисления, что не имеет смысла. Однако наличие избыточных коррелированных атрибутов не будет проблемой в модели ИНС.Если набор примеров велик, наличие выбросов не ухудшит производительность модели. Однако выбросы будут влиять на нормализацию сигнала, которая требуется большинству моделей ИНС для входных атрибутов. Поскольку построение модели осуществляется путем постепенного исправления ошибок, ИНС может дать локальные оптимумы в качестве окончательной модели. Этот риск можно снизить, управляя параметром импульса для взвешивания обновления.

Хотя объяснение модели для ИНС довольно сложно, быстрая классификация тестовых примеров делает ИНС весьма полезной для задач обнаружения и классификации аномалий.ИНС обычно используется при обнаружении мошенничества, в ситуации оценки, когда взаимосвязь между входными и выходными данными является нелинейной. Если есть потребность в чем-то, что обрабатывает сильно нелинейный ландшафт наряду с высокой производительностью в реальном времени, тогда ИНС отвечает всем требованиям.

Модель водопроводной сети — документация WNTR 0.4.1

Модель водопроводной сети включает: соединения, резервуары, резервуары, трубы, насосы, клапаны, узоры кривые элементы управления источники, варианты моделирования, и координаты узла.Модели водных сетей могут быть построены с нуля или непосредственно из файла EPANET INP. Разделы файла EPANET INP, несовместимые с WNTR, описаны в разделе «Ограничения». Для получения дополнительной информации о модели водной сети см. WaterNetworkModel в документации API.

Построить модель из INP-файла

Модель водной сети может быть создана непосредственно из файлов EPANET INP в формате EPANET 2.00.12 или 2.2.0. В следующем примере строится модель водной сети.

 >>> импорт wntr

>>> wn = wntr.network.WaterNetworkModel ('сети / Net3.inp')

Примечание

Если не указано иное, в примерах из документации WNTR используется Net3.inp для сборки модель водопроводной сети, названная wn .

Добавить элементы

Модель водной сети содержит методы для добавления узлы, резервуары, резервуары, трубы, насосы, клапаны, шаблоны, кривые, источники и элементы управления. Когда элемент добавляется в модель, он добавляется в реестр модели.В реестре соединения, резервуары и резервуары совместно используют пространство имен (например, эти элементы не могут иметь одинаковые имена), а трубы, насосы и клапаны совместно используют пространство имен.

Для каждого метода, добавляющего элемент в модель, существует связанный объект. Например, add_junction метод добавляет Соединение объекта с моделью. Обычно объект не добавляется в модель напрямую.

В приведенном ниже примере к модели водопроводной сети добавляются стык и труба.

 >>> wn.add_junction ('new_junction', base_demand = 10, demand_pattern = '1', elevation = 10,
... координаты = (6, 25))
>>> wn.add_pipe ('new_pipe', start_node_name = 'new_junction', end_node_name = '101',
... длина = 10, диаметр = 0,5, шероховатость = 100, minor_loss = 0)

Снять элементы

Реестр модели водной сети отслеживает, когда элементы используются другими элементами модели. Элемент может быть удален только в том случае, если все элементы, которые на него полагаются, удалены или изменены. Например, если в элементе управления используется клапан, его нельзя удалить, пока элемент управления не будет удален или изменен.Точно так же узел не может быть удален, пока не будут удалены трубы, подключенные к этому узлу. В следующем примере из модели удаляется ссылка и узел. Если удаляемый элемент используется другим элементом, на экран выводится сообщение об ошибке, и элемент не удаляется.

 >>> wn.remove_link ('new_pipe')
>>> wn.remove_node ('новый_переход')

Изменить параметры

Варианты модели водной сети делятся на следующие категории: время, гидравлика, качество, решатель, результаты, графика и энергия.В следующем примере возвращаются параметры модели, все из которых имеют значения по умолчанию. а затем изменяет продолжительность моделирования.

 >>> wn.options
Варианты времени:
  Продолжительность: 604800
  hydro_timestep: 900
  quality_timestep: 900
  rule_timestep: 360.0
  pattern_timestep: 3600
...
>>> wn.options.time.duration = 10 * 3600

Изменить атрибуты элемента

Для изменения атрибутов элемента сначала получается объект элемента с использованием get_node или get_link методов.В следующем примере изменяется высота стыка, диаметр трубы и размер резервуара постоянного диаметра.

 >>> соединение = wn.get_node ('121')
>>> junction.elevation = 5
>>> pipe = wn.get_link ('122')
>>> диаметр трубы = диаметр трубы * 0,5
>>> tank = wn.get_node ('1')
>>> tank.diameter = tank.diameter * 1.1

Ниже показано, как добавить дополнительную потребность в перекрестке 121.

 >>> печать (junction.demand_timeseries_list)
<Требования: []>

>>> junction.add_demand (base = 1.0, pattern_name = '1')
>>> печать (junction.demand_timeseries_list)
<Требования: [, ]>

Чтобы удалить запрос, используйте Python del as с элементом массива.

 >>> del junction.demand_timeseries_list [1]
>>> print (junction.Demand_timeseries_list)
<Требования: []>

Изменить временной ряд

Несколько сетевых атрибутов хранятся в виде временных рядов, включая потребность в соединении, напор резервуара и скорость насоса. Временной ряд содержит базовое значение, шаблон и категорию. Временные ряды добавляются к модели водной сети, когда соединение, резервуар или насос. Поскольку стыки могут имеют несколько требований, требования соединения хранятся в виде списка временных рядов.Следующие примеры изменяют временные ряды.

Сменить резервуар подачи:

 >>> резервуар = wn.get_node ('Река')
>>>servoir.head_timeseries.base_value =servoir.head_timeseries.base_value * 0,9

Базовое значение спроса на перекрестке:

 >>> соединение = wn.get_node ('121')
>>> junction.demand_timeseries_list [0] .base_value = 0,005

Добавьте новый временной ряд спроса в точку соединения:

 >>> pat = wn.get_pattern ('3')
>>> junction.demand_timeseries_list.append ((0.001, pat))

Добавить атрибуты настраиваемого элемента

Новые атрибуты могут быть добавлены к элементам модели, просто определяя новый атрибут имя и значение. Эти атрибуты можно использовать в пользовательском анализе и графике.

 >>> pipe = wn.get_link ('122')
>>> pipe.material = 'ПВХ'

Перебрать элементы

Итераторов доступны для узлы, резервуары, резервуары, трубы, насосы и клапаны.Каждый итератор возвращает имя элемента и объект элемента. В следующем примере выполняется итерация по всем каналам до изменить диаметр трубы.

 >>> для pipe_name, pipe в wn.pipes ():
... диаметр трубы = диаметр трубы * 0,9

Получить имена и количество элементов

Доступно несколько методов для возврата списка имен элементов и количество элементов, как показано в пример ниже. Список имен элементов можно использовать как итератор, особенно в случаях где объект-элемент не нужен.

 >>> node_names = wn.node_name_list
>>> num_nodes = wn.num_nodes
>>> wn.describe (level = 0)
{'Узлы': 97, 'Ссылки': 119, 'Шаблоны': 5, 'Кривые': 2, 'Источники': 0, 'Элементы управления': 18}

Атрибуты элемента запроса

Модель водной сети содержит методы для запроса атрибутов узлов и ссылок. Эти методы могут возвращать атрибуты для всех узлов или ссылок или для подмножества с использованием аргументов, указывающих тип узла или ссылки (т. е. соединение или труба), или указав порог (т. е.е.,> = 10 м). Методы запроса возвращают серию панд с именем и значением элемента. В следующем примере возвращается высота узла, отметка стыка и отметка стыков более 10 м (с использованием Оператор NumPy).

 >>> импортировать numpy как np

>>> node_elevation = wn.query_node_attribute ('высота')
>>> junction_elevation = wn.query_node_attribute ('высота',
... node_type = wntr.network.model.Junction)
>>> junction_elevation_10 = wn.query_node_attribute ('высота', np.больше_равно,
... 10, тип_узла = wntr.network.model.Junction)

Аналогичным образом можно запросить атрибуты ссылки, как показано ниже.

 >>> link_length = wn.query_link_attribute ('длина', np.less, 50)

Сбросить начальные условия

При использовании одной и той же модели водной сети для запуска нескольких симуляций с помощью WNTRSimulator, между симуляциями необходимо сбрасывать начальные условия. Начальные условия включают время моделирования, напор резервуара, напор резервуара, состояние трубы, состояние насоса и состояние клапана.При использовании EpanetSimualtor этот шаг не нужен, поскольку EPANET запускается с начальными условиями каждый раз при запуске.

 >>> wn.reset_initial_values ()

Записать модель в INP-файл

Модель водопроводной сети может быть записана в файл в формате EPANET INP.

По умолчанию файлы записываются в единицах измерения LPS (литров в секунду) EPANET. Файл EPANET INP не будет включать функции, не поддерживаемые EPANET (т. Е. Атрибуты настраиваемых элементов).Файлы EPANET INP можно сохранять в формате EPANET 2.00.12 или 2.2.0.

 >>> wn.write_inpfile ('filename.inp', версия = 2.2)

Чтение и запись модели в словарь или файл JSON

Модель водной сети может быть преобразована в словарное представление. Словарь содержит ключи для каждого из следующих объектов модели водной сети: узлы, ссылки, шаблоны, кривые, источники, элементы управления и параметры. Каждая из этих записей содержит словарь или список словарей с ключами, соответствующими атрибутам объекта.Словарные представления модели всегда записываются в единицах СИ (м, кг, с). Чтобы создать словарь, используйте метод to_dict на модели водной сети. Чтобы создать модель водной сети из словаря, используйте метод from_dict .

 >>> wn_dict = wn.to_dict ()

Модель водной сети также может быть преобразована в файл JSON (JavaScript Object Notation). Файл JSON — это отформатированная версия словарного представления. Методы write_json и read_json обертывают представление словаря с помощью загрузчика и дампера JSON стандартной библиотеки Python.

 >>> wn.write_json ('Net3.json')

Обратите внимание, что эти методы не проверяют действительность словаря / схемы JSON перед построением модели. Они просто игнорируют посторонние или недопустимые словарные ключи.

Построить модель с нуля

Модель водной сети также может быть создана с нуля путем добавления элементов в пустую модель. Элементы должны быть добавлены перед их использованием в моделировании. Например, модели спроса добавляются в модель до того, как они используется в соединении.В следующем разделе содержится дополнительная информация о добавлении элементов в модель водной сети.

 >>> wn = wntr.network.WaterNetworkModel ()
>>> wn.add_pattern ('pat1', [1])
>>> wn.add_pattern ('pat2', [1,2,3,4,5,6,7,8,9,10])
>>> wn.add_junction ('node1', base_demand = 0,01, demand_pattern = 'pat1', elevation = 100,
... координаты = (1,2))
>>> wn.add_junction ('node2', base_demand = 0,02, Demand_pattern = 'pat2', elevation = 50,
... координаты = (1,3))
>>> wn.add_pipe ('pipe1', 'node1', 'node2', length = 304,8, диаметр = 0,3048,
... шероховатость = 100, minor_loss = 0.0, initial_status = 'OPEN')
>>> wn.add_reservoir ('res', base_head = 125, head_pattern = 'pat1', координаты = (0,2))
>>> wn.add_pipe ('pipe2', 'node1', 'res', длина = 100, диаметр = 0.3048, шероховатость = 100,
... minor_loss = 0.0, initial_status = 'OPEN')
>>> ax = wntr. graphics.plot_network (wn)

Сетевая модель в базе данных с примерами и характеристиками

Автор: проф.Фазаль Рехман Шамиль
Последнее изменение: 17 сентября 2021 г.

Сетевая модель в базе данных с примерами и характеристиками.

Какая сетевая модель в dbms?

Когда мы хотим спроектировать базу данных, существует множество моделей базы данных. Известны реляционные, иерархические и сетевые модели. В этом руководстве мы исследуем сетевую модель базы данных.

Модель сетевой базы данных — это модель для моделирования сущностей таким образом, что одна дочерняя сущность может иметь более одной родительской сущности.В 1969 году сетевая модель была представлена Чарльзом Бахманом.

Пример сетевой модели

Рисунок: сетевая модель

На этом рисунке мы видим, что предметом является дочерний класс, а ученик и степень — родительские классы.

Итак, у предмета два родительских класса. У СТУДЕНТА есть один ребенок, и у класса степени также есть один ребенок.

Этот вид отношений между объектами представляет собой сетевую модель.

Примеры сетевых баз данных

Примеры некоторых известных сетевых баз данных:

TurboIMAGE
Интегрированное хранилище данных (IDS)
Менеджер базы данных Raima
Унивак ДМС-1100
IDMS (интегрированная система управления базами данных)

Характеристики сетевой модели

У сетевой модели много характеристик, некоторые из них указаны ниже;

Сетевая модель лучше иерархической.
Поддерживает отношения «многие ко многим».
Многие родители могут иметь много детей.
У многих детей может быть много родителей (как показано на рисунке).
Объекты представлены как связанные сети друг с другом.
Одна дочерняя сущность может иметь более одной родительской сущности. Например, на рисунке у субъекта есть двое дочерних элементов. Один ребенок — СТУДЕНТ, а другой — степень.
Представлен как сеть, и один дочерний элемент может иметь более одного родителя.Эта модель представляет собой сложную конструкцию.
Объекты могут иметь несколько родительских объектов и приводить к сложной структуре.
Не очень гибкая для реорганизации модели.
Высокая производительность
Связи между базами данных устанавливаются программистами с помощью программ 3GL.
Функция запросов недоступна в сетевой модели.

Сетевая модель VS Иерархическая модель VS Реляционная модель:

Модель сетевых данных	Модель иерархических данных	Модель реляционных данных
Указатели или ссылки используются для выражения взаимосвязи между записями.	Связь между записями по типу «родитель-потомок».	Отношение (которое содержит ключ для каждой записи, участвующей в связи) используется для представления связи между записями.
Можно реализовать отношения «многие ко многим».	Отношения «многие ко многим» не могут быть выражены в иерархической модели данных.	Легко реализовать отношения «Многие ко многим».
В сетевой модели нет проблем с несогласованностью.	Несогласованность данных возможна при обновлении или удалении некоторых записей.	7. Необходимо поддерживать целостность и непротиворечивость данных, поддерживая нормализацию базы данных. Например, 1 ^st NF, 2 ^nd NF, 3 ^rd NF, 3,5 NF, 4 NF и т. Д.
Реализация взаимосвязи записей довольно сложна из-за использования указателей.	Метод реализации отношений записей: · Простой · Натуральный · простой	Использование ключевого или составного ключевого поля играет роль в упрощении процесса реализации отношений.
Связи записей модели в сети являются физическими.	Связи записей являются физическими в иерархической модели данных.	Данные логически организованы в виде строк и столбцов и хранятся в таблице. Реляционная модель не поддерживает физическое соединение между записями.
Поиск записи прост, поскольку существует несколько путей доступа к элементу данных.	Поиск записи очень сложен, потому что мы можем получить дочерний элемент только после просмотра его родительской записи.	Уникальное индексированное ключевое поле используется для поиска элемента данных в отношении.
Сетевая модель полезна для представления таких записей, которые имеют отношения «многие ко многим».	Иерархическая модель данных полезна только тогда, когда в базе данных присутствует некоторый иерархический характер.	Реляционная модель полезна для представления большинства объектов реального мира и отношений между ними.

Преимущества сетевой модели

Это быстрый доступ к данным с сетевой моделью.
Сетевая модель позволяет создавать более сложные и более сильные запросы по сравнению с базой данных с иерархической моделью базы данных. Пользователь может выполнять множество запросов к базе данных при выборе сетевой модели.
Иногда сетевая модель используется для построения компьютерных сетевых систем.
Сетевая модель рассматривается как расширение иерархической модели базы данных.

Недостатки сетевой модели

Сетевая модель — очень сложная модель базы данных, поэтому пользователь должен быть хорошо знаком с общей структурой базы данных.
Обновление базы данных — довольно сложная и утомительная задача. Нам нужна помощь прикладных программ, которые используются для навигации по данным.

1. Сетевая модель поддерживает отношения «многие ко многим» ? ДА / НЕТ

2. Сетевая модель сложнее иерархической модели ? ДА / НЕТ

3. Отношения сетевой модели написаны на ……… языке ?

(а) 1GL

(б) 2GL

(в) 3GL

(г) Ни один из них

Модели баз данных MCQ

Иерархическая модель

Сетевая модель

Сетевая модель Темы исследований Идеи в СУБД

Модель трехуровневой / трехуровневой иерархической сети Cisco

Cisco предлагает трехуровневую (трехуровневую) иерархическую модель сети, которая состоит из трех уровней: базового уровня, уровня распределения и уровня доступа.Трехуровневая сетевая модель Cisco является предпочтительным подходом к проектированию сети.

Приведенное выше изображение может быть дополнительно объяснено на основе рисунка ниже.

Уровень ядра

Core Layer состоит из самых больших, самых быстрых и самых дорогих маршрутизаторов с самыми высокими номерами моделей, а Core Layer считается основой сетей. Маршрутизаторы базового уровня используются для объединения географически разделенных сетей.Маршрутизаторы базового уровня перемещают информацию в сети с максимально возможной скоростью. Коммутаторы, работающие на уровне ядра, переключают пакеты как можно быстрее.

Уровень распределения:

Уровень распределения расположен между уровнем доступа и уровнем ядра. Цель этого уровня — обеспечить определение границ путем реализации списков доступа и других фильтров. Таким образом, уровень распространения определяет политику сети. Уровень распределения включает высокопроизводительные коммутаторы уровня 3.Уровень распределения обеспечивает правильную маршрутизацию пакетов между подсетями и VLAN на вашем предприятии.

Уровень доступа Уровень доступа

включает переключатели доступа, которые подключены к конечным устройствам (компьютерам, принтерам, серверам и т. Д. ). Коммутаторы уровня доступа обеспечивают доставку пакетов на конечные устройства.

Преимущества трехуровневой иерархической модели Cisco

Основное преимущество трехуровневой иерархической модели Cisco состоит в том, что она помогает проектировать, развертывать и поддерживать масштабируемую, надежную и экономичную иерархическую объединенную сеть.

Лучшая производительность: Трехуровневая сетевая модель Cisco позволяет создавать высокопроизводительные сети

Лучшее управление и устранение неполадок: трехуровневая сетевая модель Cisco позволяет лучше управлять сетью и изолировать причины сетевых проблем.

Улучшенное создание и применение фильтров / политик: Трехуровневая сетевая модель Cisco позволяет улучшить приложение для создания фильтров / политик.

Лучшая масштабируемость: Трехуровневая сетевая модель Cisco позволяет нам эффективно адаптироваться к будущему росту.

Лучшее резервирование: Трехуровневая сетевая модель Cisco обеспечивает лучшее резервирование. Множественные ссылки на нескольких устройствах обеспечивают лучшую избыточность. Если один переключатель не работает, у нас есть другой альтернативный путь к месту назначения.

Сетевая модель

в СУБД | atnyla

Просмотры 6468

Сетевая модель — это модель базы данных, которая разработана как гибкий подход к представлению объектов и их отношений.Уникальной особенностью сетевой модели является ее схема, которая рассматривается как граф, где типы отношений — дуги, а типы объектов — узлы. В отличие от других моделей баз данных, схема сетевой модели не ограничивается решеткой или иерархией; иерархическое дерево заменяется графом, что позволяет установить более простые связи с узлами.

Чарльз Бахман был изобретателем сетевой модели. В 1969 году Консорциум Conference on Data Systems Languages (CODASYL) разработал модель сети в виде стандартной спецификации.Вторая публикация была представлена в 1971 году, которая впоследствии стала основой практически для всех реализаций.

К преимуществам сетевой модели относятся:

Простая концепция: Подобно иерархической модели, эта модель проста, и ее реализация не требует усилий.
Способность управлять большим количеством типов отношений: Сетевая модель может управлять отношениями «один к одному» (1: 1), а также отношениями «многие ко многим» (N: N).
Легкий доступ к данным: доступ к данным проще по сравнению с иерархической моделью.
Целостность данных: в сетевой модели всегда существует связь между родительским и дочерним сегментами, потому что это зависит от отношений родитель-потомок.
Независимость данных: независимость данных лучше в сетевых моделях, чем в иерархических моделях.

К недостаткам сетевой модели можно отнести:

Сложность системы: каждая запись должна поддерживаться с помощью указателей, что усложняет структуру базы данных.
Функциональные недостатки: поскольку необходимо большое количество указателей, вставка, обновление и удаление становятся более сложными.
Отсутствие структурной независимости: изменение структуры требует изменения и в приложении, что приводит к отсутствию структурной независимости.

Поделитесь мной:

Модели протеиновых эластичных сетей и диапазоны кооперативности
Реферат
Эластичные сетевые модели (ENM) — это энтропийные модели, которые продемонстрировали во многих предыдущих исследованиях свою способность фиксировать в целом важные внутренние движения, при этом проводились сравнения с кристаллографическими B-факторами и конформационной изменчивостью ЯМР.ENM становятся все более важным инструментом и широко используются для понимания динамики, функции и даже конформационных изменений белков. Однако зависимость от произвольного предельного расстояния для ограничения диапазона взаимодействий представляет собой недостаток для этих моделей, поскольку оптимальные значения отсечения могут несколько отличаться от белка к белку и могут приводить к странностям, таким как некоторая перетасовка в порядке нормальных режимов. применительно к структурам, которые незначительно отличаются. Здесь мы заменили требование о расстоянии отсечения и ввели более физическую концепцию обратной степенной зависимости для взаимодействий с набором моделей упругой сети, не содержащих параметров, с удаленным отсечением расстояния.Для небольших колебаний относительно исходных форм степенная зависимость является обратным квадратом, но для больших деформаций степенная зависимость может стать обратной 6-й или 7-й степени. Эти модели поддерживают и увеличивают простоту и универсальность исходных ENM, и в то же время дают более точные предсказания кристаллографических B-факторов (как изотропных, так и анизотропных) и направлений конформационных переходов. Таким образом, эти ENM без параметров могут быть предпочтительными моделями всякий раз, когда используются модели эластичных сетей.
Динамика белков может дать важную информацию о функциях белков. Большинство белков выполняют свои функции за счет конформационных изменений структур. В рентгеновских структурах информация о тепловых движениях обеспечивается температурными факторами Дебая-Валлера или B-факторами, которые пропорциональны среднеквадратическим флуктуациям положений атомов в кристалле. Таким образом, точные прогнозы кристаллических B-факторов предлагают хорошую отправную точку для понимания функциональной динамики белков.
Был предложен ряд вычислительных и статистических подходов для предсказания B-факторов белка на основе последовательности белка (1–7), координат атомов (8–13) и карт электронной плотности (14). Методы, основанные на атомных координатах, такие как молекулярная динамика (MD) (15–18) и анализ нормального режима (NMA) (19–22), являются дорогостоящими в вычислительном отношении, и, таким образом, в последнее десятилетие модель упругой сети (ENM), с NMA, использование гармонического потенциала с одним параметром, обычно крупнозернистого, широко используется для изучения динамики белков, включая предсказания B-фактора.ЭНМ для изотропных флуктуаций называется сетевой моделью Гаусса (ГНМ) (23, 24), в которой учитываются только величины флуктуаций. Ее анизотропный аналог, в котором также исследуются направления коллективных движений, называется моделью анизотропной сети (ANM) (25), и ее можно сравнить с экспериментальными анизотропными температурными факторами (26–29), но, как правило, эти сравнения являются несущественными. хуже, чем при использовании атомарных представлений (30).
Предыдущие исследования показали, что во многих случаях B-факторы, предсказанные GNM, довольно хорошо согласуются с экспериментальными B-факторами, определенными кристаллографами (8–11).Kundu et al. (10) изучили 113 рентгеновских белковых структур и обнаружили, что GNM может хорошо предсказывать экспериментальные B-факторы, давая среднюю корреляцию между предсказанием и экспериментом ≈0,59. Результаты Sen et al. показали, что корреляции между экспериментальными B-факторами и значениями, предсказанными GNM, весьма схожи как на крупнозернистом, так и на атомарном уровнях (12), что согласуется с тем, что это в целом энтропийная модель. ANM также может использоваться для прогнозов B-фактора, хотя при воспроизведении изотропных B-факторов было отмечено, что ANM в целом работает немного хуже, чем GNM (10).
В ENM параметр — расстояние отсечки используется для определения соединений и размещения пружин между парами остатков. Только пары остатков в пределах заданного расстояния отсечения считаются связанными друг с другом. Отсечка в GNM обычно устанавливается на 7–8 Å. Kundu et al. (10) показали, что 7,3 Å дали наилучшие результаты для предсказания B-фактора для большинства белков в наборе данных. В ANM оптимальное обрезание обычно больше, ≈13–15 Å (25). Помимо параметра для расстояния отсечки, еще одним параметром является жесткость пружины.Однако в текущей практике большинство исследователей используют единообразную жесткость пружины для всех соединенных остаточных пар, и эта жесткость пружины используется просто для масштабирования всего диапазона B-факторов, поэтому жесткость пружины на самом деле не является фундаментальным параметром в модели в в том же смысле, что и расстояние отсечения. В некоторых исследованиях (31, 32) жестким элементам конструкции приписывались более сильные пружинные постоянные. Эрман эмпирически подобрал экспериментальные B-факторы, итеративно изменяя упругие постоянные матрицы Кирхгофа для GNM (33).Одной из проблем, связанных с этим подходом, является то, что результаты такой подгонки (или переобучения) могут не иметь реальной физической основы, даже несмотря на то, что корреляции, достигнутые между экспериментом и предсказанием, могут быть превосходными. Группы Хинсена (34–37) и Филлипса (29) использовали зависящую от расстояния силовую константу в своих исследованиях динамики белков. Они предложили силовую постоянную, демонстрирующую экспоненциальный спад на расстоянии между парой взаимодействующих атомов. Модель Хинсена имеет некоторую физическую основу, но все же не позволяет полностью избежать использования произвольного параметра расстояния.В его модели силовая постоянная k определяется как экспоненциальное уменьшение расстояния r : k (r) = c exp (- r ²/ r ₀ ^{2 2}), где r ₀ — произвольный параметр (в исследованиях Хинсена r ₀ было принято равным 3,0 Å). Есть несколько проблем с использованием расстояния отсечки. Во-первых, взятые значения в значительной степени произвольны. Во-вторых, оптимальные значения несколько различаются для разных белков.Наконец, существует разрыв в потенциале взаимодействия остаток-остаток на расстоянии отсечки. Могут быть артефакты модели, такие как один и тот же режим для двух, только немного разных структур, которые значительно отличаются при перетасовке соответствующих индексов режима.
Недавно Lin et al. предложила модель взвешенного контактного числа (WCN) (38) для прогнозов B-фактора. Используя модель WCN, они обнаружили хорошую корреляцию между рассчитанным WCN и экспериментальными B-факторами. Основное различие между WCN и предыдущими моделями на основе номера контактов (39, 40) заключается в том, что модель WCN не использует какое-либо расстояние отсечения, а вместо этого учитывает контакты между всеми парами остатков.Эффект контакта между парой остатков измеряется величиной, обратной их квадрату расстояния. Одним из преимуществ модели WCN является то, что она избегает выбора произвольного расстояния отсечки. Вдохновленные простой идеей модели WCN, здесь мы предлагаем модель эластичной сети без параметров (pfENM). Идея состоит в том, чтобы предположить, что существует взаимодействие между всеми парами остатков, и сделать их силу взаимодействия обратно пропорциональной квадрату расстояния между ними. Таким образом, мы можем избежать использования произвольного расстояния отсечки в моделях и, следовательно, избежать проблем, описанных выше.И мы узнаем, что этот усовершенствованный ENM на самом деле демонстрирует значительные улучшения по сравнению с исходными ENM. В наших моделях без параметров мы используем обратную вторую степень (квадратное расстояние) для моделирования жесткости пружины. В прошлых работах использовалась обратная пружина 6-й степени (29, 36) или пружина экспоненциальной формы (34–37). Однако наши результаты показывают, что наш pfENM с инверсными пружинами 2-го усилия явно превосходит их все в прогнозировании B-фактора (см. Таблицу S1 и Таблицу S2).
Хотя значение отсечки использовалось в исходной модели атомной упругой сети Тириона (41), использование расстояния отсечки могло также поддерживаться концептуально за счет типичной зависимости от расстояния отсечки для определения крупнозернистой контактной энергии, полученной из набор известных структур (42, 43).В последнем случае использование расстояния отсечки — это попытка избежать некоторых деталей взаимодействия и уловить усредненные эффекты. Однако при вычислении молекулярных движений усреднение, представленное с использованием расстояния отсечки, вряд ли уместно, поскольку оно неизбежно устранит некоторые структурные детали и игнорирует характерную физическую природу взаимодействий между атомами, которая должна уменьшаться с увеличением расстояния, поскольку пружины должны ослабнуть, чтобы представить меньшее сцепление между более удаленными частями.Фактически, мы обнаруживаем, что использование расстояния отсечки, в дополнение к использованию мощности расстояния -2, всегда приводит к худшему соответствию данных B-фактора (см. Таблицу S3 и Таблицу S4).
Мы тестируем эти модели без параметров (pfGNM и pfANM), используя большой неизбыточный набор данных, содержащий 1220 рентгеновских структур, и набор данных, содержащий 341 структуру с высоким разрешением, имеющую анизотропные записи B-фактора. Наши результаты показывают, что для прогнозов B-фактора модели pfENM имеют даже лучшую производительность, чем исходный ENM.Поскольку эти модели без параметров также сохраняют простоту ENM, мы предлагаем, чтобы в будущем эти модели без параметров должны были быть моделями выбора всякий раз, когда требуются эластичные сетевые модели.
Результаты
Прогнозы изотропного B-фактора — GNM.
В этом разделе сравниваются GNM и pfGNM для скалярных предсказаний изотропного B-фактора. Корреляция между вычисленными B-факторами и экспериментальными значениями рассчитана для 1220 белковых структур в нашем наборе данных.Мы провели исследования, чтобы определить наилучшую обратную мощность для использования, и подробные результаты представлены в таблицах S1 – S4.
В работе Kundu et al. (10), среднее значение корреляции между экспериментальными B-факторами и предсказанными значениями GNM составило 0,59. Для нашего набора данных мы получаем среднюю корреляцию 0,55 при использовании того же GNM и 0,60 при использовании pfGNM, оба из которых аналогичны своим результатам. Здесь мы отмечаем, что мы должны проявлять осторожность при интерпретации этих «средних значений», поскольку они зависят от набора данных.В нашем наборе данных средние значения корреляции от pfGNM (0,60) и GNM (0,55) ясно показывают, что pfGNM работает значительно лучше, чем GNM.
Более подробное сравнение корреляций можно найти на гистограммах распределений корреляций. См. Рис. 1, на котором показаны гистограммы распределения корреляций между экспериментальными B-факторами и расчетными значениями для GNM и pfGNM. Процент белков, имеющих значения корреляции> 0,5, составляет ≈75% при использовании pfGNM, что лучше, чем 67%, найденные при использовании исходного GNM с расстоянием отсечения. Для ≈73% белков pfGNM дает лучшие результаты, чем GNM.
Рисунок 1.
Распределение корреляций между экспериментальными и вычисленными B-факторами из pfGNM и GNM. Хорошо видно, что pfGNM дает более высокие корреляции, чем GNM. Примерно 73% белков лучше согласуется с pfGNM, чем с GNM.
Для дальнейшего сравнения результатов GNM и pfGNM, мы вычисляем процент корреляций B-фактора, улучшенных при использовании pfGNM по сравнению с GNM. На рис. 2 показано улучшение pfGNM по сравнению с исходным GNM для прогнозирования B-фактора.Для> 57% белков корреляция pfGNM как минимум на 5% лучше, чем корреляция GNM.
Рис. 2.
Процент (%) улучшения корреляции B-факторов при использовании pfGNM по сравнению с GNM. (Последняя полоса представляет все случаи, когда улучшения составили 100% или выше).
Дальнейшие прогнозы изотропного B-фактора.
Аналогичные сравнения выполняются между pfANM и ANM. На рис. 3 показаны гистограммы распределения корреляций между экспериментальными B-факторами и рассчитанными с использованием ANM и pfANM. Подобно сравнению между pfGNM и GNM, средние значения корреляции от pfANM (0,55) и ANM (0,46) показывают, что pfANM работает значительно лучше, чем ANM. Процент белков, имеющих значения корреляции> 0,5, составляет ≈65% при использовании pfANM, что лучше, чем это (50%) при использовании исходного ANM с расстоянием отсечения. Для ≈83% белков pfANM дает лучшие результаты, чем ANM.
Рис 3.
Корреляция между экспериментальными и расчетными B-факторами из pfANM и ANM. Хорошо видно, что pfANM работает значительно лучше, чем ANM.Примерно 83% белков показывают улучшения при использовании pfANM по сравнению с ANM.
Улучшение pfANM по сравнению с ANM дополнительно показано увеличением процента корреляций B-фактора на рис. 4. Для> 72% белков корреляция pfANM по крайней мере на 5% лучше, чем корреляция ANM.
Рис. 4.
Процент (%) увеличения корреляции B-факторов при использовании pfANM по сравнению с ANM. (Последняя полоса представляет все случаи, когда увеличение больше или равно 100%).
Прогнозы анизотропного B-фактора.
Для более тщательного тестирования моделей в этом разделе мы рассмотрим производительность этих ENM без параметров (pfENM) для прогнозирования анизотропного B-фактора. По сравнению с изотропными B-факторами, анизотропные B-факторы предоставляют не только величины среднеквадратичных флуктуаций, но и информацию о направлениях колебаний. В файлах PDB анизотропные B-факторы представлены в виде 6 чисел, которые представляют собой анизотропный тензор флуктуаций. Следовательно, анизотропные B-факторы предоставляют больше данных о флуктуациях.Они доступны только для некоторых кристаллических структур с более высоким разрешением. К счастью, из-за улучшения качества экспериментальной структуры количество таких белков с анизотропными B-факторами быстро растет.
В недавней работе (26) мы применили ANM для изучения анизотропных флуктуаций 341 белка. Здесь мы проводим аналогичное исследование с использованием pfANM. Опять же, мы увидим, что pfANM работает значительно лучше, чем ANM.
Результаты прогнозов анизотропного B-фактора как для pfANM, так и для ANM приведены в таблице 1.Сравниваются экспериментальные и рассчитанные тензоры анизотропного B-фактора, которые могут быть представлены эллипсоидами (подробности см. В (26)). В частности, первая и вторая анизотропии (κ и χ) экспериментальных анизотропных B-факторов сравниваются с рассчитанными по моделям (pfANM или ANM). Первая / вторая анизотропия определяется как отношение длины самой короткой (или второй самой короткой) оси к самой длинной оси. Первый столбец в таблице 1 показывает среднюю разницу между экспериментальной первой анизотропией и расчетом.Средние значения берутся по всем белкам и для каждого белка по всем его остаткам (каждый остаток представлен своим альфа-углеродом). Аналогично для второго столбца средняя разница для второй анизотропии. Из Таблицы 1 видно, что pfANM явно лучше, чем ANM в предсказании анизотропии, даже при небольшом усилении. Средние значения θ и φ в третьем и четвертом столбцах описывают, насколько хорошо направления эллипсоидов совпадают между экспериментом и расчетом. В частности, θ — это угол между самыми длинными осями эллипсоидов (которые представляют собой тензоры анизотропного B-фактора эксперимента и расчета), а φ — угол поворота, необходимый для выравнивания вторых по длине осей двух эллипсоидов, когда их самые длинные оси совпадают. выровнен (26).Следовательно, при точном прогнозе θ и φ будут равны 0. Из таблицы 1 мы видим, что ни pfANM, ни ANM не работают в этом отношении по возможным причинам, которые обсуждались в (26). Однако интересно то, что pfANM работает немного лучше, чем ANM.
Таблица 1.
Прогнозы анизотропных B-факторов с использованием pfANM и оригинального ANM
Более строгой мерой для сравнения анизотропных тензоров является коэффициент корреляции тензоров, предложенный Мерриттом (44).Если U и V — два анизотропных тензора B-фактора, то коэффициент корреляции между ними определяется выражением: Нормализованный коэффициент корреляции определяется как: где U _iso и V _iso описывают пару изотропных атомов, при этом U _iso ¹¹ = U _iso ²² = U _iso ³³ = U _eq = trace ( U ) / 3 и аналогично для V _iso . Этот нормализованный коэффициент корреляции ncc в формуле. 2 будет> 1, если 2 атома, описанные в U и V , более похожи друг на друга, чем в изотропном случае, и не будут> 1 в противном случае. Таким образом, ncc обеспечивает отличную меру для сравнения размера, ориентации и направления двух тензоров. На практике простой подсчет того, сколько атомов в структуре имеют свои нормализованные коэффициенты корреляции, превышающие 1, обеспечивает хорошую меру качества предсказания анизотропного B-фактора.
Процентные доли остатков с ncc больше 1, рассчитанные с помощью pfANM и ANM, перечислены в последнем столбце таблицы 1. Используя этот показатель ncc , можно ясно увидеть, что pfANM дает значительные улучшения по сравнению с ANM в предсказания анизотропных B-факторов.
Обсуждение
Помимо тестирования производительности pfANM в предсказаниях изотропных и анизотропных B-факторов, мы также рассмотрели, насколько хорошо режимы pfANM связаны с экспериментально наблюдаемыми конформационными изменениями, особенно конформационными различиями между парами экспериментальных структур одного и того же белка, который имеет как «открытая», так и «закрытая» форма (31, 32, 45–49). Мы проводим это исследование, используя тот же подход и набор данных, что и в нашей предыдущей работе (32), за исключением того, что здесь мы теперь выполняем пересчет с использованием pfANM. Всего в наборе данных 170 структурных пар.
Конформационные изменения между «открытой» и «закрытой» формами 170 белков интерпретируются с помощью режимов, рассчитанных как для pfANM, так и для ANM. Мы используем 2 меры для количественной оценки того, насколько хорошо конформационные изменения могут быть объяснены режимами pfANM или ANM. Один из них — максимальное перекрытие (МО, косинус угла между двумя векторами), которое является максимумом значений перекрытия между наблюдаемым конформационным изменением и направлением моды.Если есть одна мода, которая вносит значительный вклад в наблюдаемое конформационное изменение, она имеет высокое значение перекрытия, и это может быть режим, который является функционально важным. На рис. 5 показаны значения максимального перекрытия (MO) как для pfANM, так и для ANM. Две модели вполне сопоставимы, хотя режимы ANM немного лучше соответствуют наблюдаемым конформационным изменениям, чем режимы pfANM. Однако вероятно, что искажения разной величины могут иметь различную зависимость от расстояния.Во-первых, и ANM, и pfANM предполагают гармонические взаимодействия между остатками, и, следовательно, обе модели наиболее пригодны для интерпретации локальных флуктуаций (B-факторов). При применении этих моделей для интерпретации более крупных конформационных изменений следует соблюдать осторожность. Большие деформации, наблюдаемые при этих конформационных переходах, часто соответствуют перемещению белков, как если бы они состояли из жестких доменов или кластеров, то есть локальная когезия внутри домена / кластера, по-видимому, намного сильнее по сравнению с междоменной когезией.По сравнению с моделью ANM с расстоянием отсечки, pfANM с зависимостью от обратного квадрата расстояния имеет более сильную дальнодействующую когезию, которая не позволяет дискретным доменам перемещаться в достаточной степени. Действительно, когда мы увеличиваем мощность функции обратных квадратов, встроенной в pfANM, до более высокой степени, чтобы усилить взаимодействия ближнего действия по сравнению с взаимодействиями дальнего действия, чтобы позволить доменам перемещаться, тогда модель pfANM превосходит ANM в своей интерпретации конформационного изменения. Как показано в Таблице S5, наилучшая зависимость мощности pfANM для больших конформационных переходов находится в диапазоне от r ^-6 до r ^-8.
Рис. 5.
Распределение значений максимального перекрытия (МО) между конформационным изменением и одиночным режимом ANM или pfANM для всех изученных пар белковых структур.
В этой работе мы разработали ЭНМ без параметров (pfENM) и сравнили его характеристики с обычным ЭНМ, в котором используется расстояние отсечки для определения бинарных взаимодействий — включенных или выключенных. Мы обнаружили, что наши pfENM не только проще (без каких-либо расстояний отсечки), но также работают лучше, чем обычные ENM, как для предсказаний изотропного, так и анизотропного B-фактора. Удаление расстояния отсечки может также решить проблему скремблирования мод, которая иногда возникает между структурами, которые лишь незначительно различаются (13), и другие проблемы, вызванные разрывом взаимодействий на границе расстояния отсечки. Таким образом, эти ENM без параметров должны быть предпочтительными моделями везде, где используются модели эластичных сетей. Напомним, что ENM являются моделями конформационной энтропии, поэтому эти зависящие от расстояния пружины лучше способны улавливать конформационные энтропийные флуктуации, чем использование предельного расстояния.Это означает, что сплоченность белковых структур лучше представлена взаимодействиями, затухающими с обратным квадратом разделительных расстояний. В некотором смысле это соответствует выводам других авторов, в которых использовались обратные пружины шестой передачи (29, 36)
Улучшения ENM имеют решающее значение для их использования при разработке механизмов (50–53). Ранее не было обнаружено, что пружины разной силы для разных классов взаимодействий улучшают движения, вычисляемые с помощью ENM (54). Обнаруженные здесь улучшения действительно предполагают, что введение различных степенных зависимостей для разной степени деформации приводит к выигрышу. Это вводит подход, отличающийся по формулировке от зависимых от расстояния энергий взаимодействия, для зависящей от расстояния связности, связанной с энтропией.
Методы
Protein Dataset.
Мы используем PDB-PEPRDB (55) для выбора белковых структур из банка данных белков (PDB) (56). Мы выбираем белковые структуры, определенные методом рентгеновской кристаллографии с разрешением лучше 2.0 Å и с R-фактором лучше 0,2. Мы исключаем белковые фрагменты или мембранные белки. Все размеры белков составляют по меньшей мере 50 остатков с идентичностью последовательностей не более 25% и сходством структур, отличающимся на> 10 Å (параметр в PDB-PEPRDB). Мы исключаем структуры, которые содержат только атомы основной цепи или альфа-атомы углерода. Мы также удаляем любую структуру, которая не предоставляет экспериментальные B-факторы. Наконец, мы получаем и используем 1220 белковых структур в нашем наборе данных.
Для анизотропных B-факторов мы решили включить в наш набор данных все кристаллические структуры белка в банке данных белков (PDB), разрешение которых равно или выше 1.2 Å и имеют анизотропные записи B-фактора. В нашем наборе данных была 341 такая структура. Набор данных тот же, что мы использовали в (26).
Модель крупнозернистой гауссовской сети (GNM).
В GNM (8) структура белка представлена только его альфа-атомами углерода. Предполагается, что относительные колебания между парой контактирующих остатков следуют гауссовскому распределению в его зависимости от квадрата разделения (отсюда и название модели). Считается, что альфа-углеродные пары находятся в контакте, если расстояние между ними меньше заданного предельного расстояния (≈7–8 Å, здесь мы используем 7.3 Å). Предполагается, что все пружины находятся в состоянии равновесия для входной конструкции, а входная структура считается самой низкой по энергии для вычисленных колебаний вокруг нее. Одним из преимуществ этого подхода является то, что колебания каждого атома вокруг его положения равновесия и их взаимные корреляции могут быть выражены в простой аналитической форме. Чтобы определить атомные флуктуации, сначала сформируем матрицу Кирхгофа на основе контактной информации: где r _ij — расстояние между атомами i и j , а r _c — расстояние отсечки.Среднеквадратичные колебания каждого атома выражаются как: где γ — жесткость пружины. Тогда теоретические B-факторы можно удобно выразить как:
Модель анизотропной сети (ANM).
В ANM (25) матрица Гессе содержит вторые производные функции энергии. Для структуры с n остатками матрица Гессе H содержит n на n суперэлементов, каждый размером 3 на 3. Суперэлемент ij th H задается как: где X _i , Y _i и Z _i — декартовы компоненты остатка i , а V — потенциальная энергия системы. Потенциал между остатками i и j является гармоническим, моделируемым пружиной Гука, для остатков i и j в пределах расстояния отсечки. В ANM (25) для установления пружинных связей между остатками обычно используется большее расстояние отсечки, чем для GNM, скажем, 13 Å. Матрица Гессе H является аналогом матрицы Кирхгофа Γ в GNM. Аналогично, инверсия H содержит суперэлементы n на n , причем суперэлементы H ^{— 1} представляют собой матрицы 3 на 3, описывающие корреляции между компонентами Δ R _i. .и Δ R _j . Конкретно,
ЭНМ без параметров (pfENM).
В моделях pfENM отсутствует расстояние отсечки. Считается, что все пары остатков взаимодействуют друг с другом, хотя их сила взаимодействия взвешивается величиной, обратной их квадрату расстояний. (Можно было бы использовать более высокую степень расстояний, однако, исходя из наших предварительных результатов, различия будут небольшими. ) Таким образом, пары остатков, которые находятся далеко друг от друга, взаимодействуют слабее, чем близкие.В pfGNM элементы матрицы Кирхгофа Γ вычисляются как: где r _ij — расстояние между остатками i и j . В pfANM каждый суперэлемент матрицы Гессе взвешивается величиной, обратной квадрату расстояния между этой парой вычетов, то есть
Сравнение вычисленных B-факторов с экспериментальными значениями.
Корреляция между экспериментальными и расчетными B-факторами определяется следующим образом: Идеальная корреляция между двумя векторами дает значение 1, тогда как идеальная антикорреляция дает -1.Здесь вычисленные B-факторы могут быть взяты из моделей GNM, ANM или pfENM.
Благодарности
Эта работа была поддержана грантами Национального института здравоохранения R01GM073095, R01GM072014 и R01GM081680.
Сноски
¹ Кому следует направлять корреспонденцию. Эл. Почта: jernigan {at} iastate.