Методы управления ресурсами в проблемно-ориентированных распределенных вычислительных средах

• Автор: Шамакина, Анастасия Валерьевна
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Челябинск
• Количество страниц: 106 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Технологии распределенных вычислений
1.1. Обзор технологий распределенных вычислений
1.1.1. Грид-вычисления
1.1.2. Облачные вычисления
1.1.3. Платформа ШЮОЯЕ
1.2. Обзор алгоритмов планирования
1.2.1. Общая классификация алгоритмов планирования ресурсами
1.2.2. Классификация на основе зависимости задач в задании
1.3. Выводы по главе
Глава 2. Планирование в проблемно-ориентированных средах
2.1. Проблемно-ориентированные среды
2.1.1. Основные понятия проблемно-ориентированной среды
2.1.2. Пример проблемно-ориентированной среды
2.2. Формальные методы представления проблемно-ориентированных распределенных вычислительных сред
2.2.1. Базовые определения
2.2.2. Модель вычислительной среды
2.2.3. Пример построения моделей
2.3. Алгоритм планирования ресурсов РОБ
2.3.1. Головная процедура
2.3.2. Процедура построения начальной конфигурации По
2.3.3. Процедура построения конфигурации П,+
2.3.4. Процедура построения расписания <5+
2.3.5. Процедура уплотнения конфигурации G,-+i
2.4. Выводы по главе
Глава 3. Брокер ресурсов для проблемно-ориентированных сред
3.1. Модель вариантов использования брокера ресурсов
3.2. Архитектура брокера ресурсов DiVTB Broker
3.3. Принципы работы брокера ресурсов DiVTB Broker
3.4. Выводы по главе
Глава 4. Вычислительные эксперименты
4.1. Методика проведения экспериментов
4.1.1. Класс МКО
4.1.2. Класс СЗ
4.2. Результаты экспериментов
4.2.1. Плотность расписания
4.2.2. Сравнительный анализ POS с другими алгоритмами
4.3. Выводы по главе
Заключение
Литература
Приложение. Основные обозначения

ВВЕДЕНИЕ
Актуальность темы
Развитие технологий распределенных вычислений в конце 1990-х годов позволило объединить географически-распределенные по всему миру гетерогенные ресурсы. Появились технические возможности для решения масштабных задач в области науки, техники и коммерции на территориально-распределенных ресурсах, принадлежащих разным владельцам. Исследования данной тематики привело к возникновению концепции грид вычислений (grid computing) [26, 43-45], и затем - к новой концепции облачных вычислений (cloud computing) [52,64,67,76]. Для раскрытия всех потенциальных возможностей использования распределенных вычислительных ресурсов принципиально важно наличие результативных и эффективных алгоритмов планирования, используемых менеджерами ресурсов.
Управление ресурсами в традиционных гомогенных многопроцессорных системах (вычислительных кластерах) - хорошо изученный и проработанный вопрос. Существует большое количество менеджеров ресурсов для подобных систем [40]. Менеджеры ресурсов включаются в пакетные планировщики, в инструментарий для управления очередями заданий, в операционные системы. Эти менеджеры являются локальными, имеют полный контроль над ресурсами и реализуют механизмы и политики для эффективного использования данных, изолированных ресурсов. Алгоритмы планирования для изолированных гомогенных многопроцессорных систем не могут также хорошо работать в распределенных вычислительных средах [21].
Главной задачей, которую решают технологии распределенных вычислений, является обеспечение доступа к глобально распределенным ресурсам с помощью специального инструментария. Сложность управления глобальными ресурсами заключается в том, что запуск, выполнение работы и доступ к необходимым данным могут производиться на различных компьютерах.

Рис. 9. Нелинейная кластеризация графа с помощью алгоритма DSC
На третьем шаге алгоритма доминирующая последовательность не изменилась DS3 = DS2 ■ Рассмотрим дугу (п3,п4). Ее обнуление приведет к увеличению параллельного времени до 13.5. Следовательно, вершины п3 и п4 остаются в разных кластерах.
Аналогично, рассматриваем дуги (n4,n6), (n3,n5), (п5,п6) и (п6,п7) соответственно. Окончательно, имеем три кластера М0 = {п1,п2,п3} , Мх — {n4,n6,n7}, М2 = {п5} и параллельное время равное 10.5.
Алгоритм DSC в общем случае имеет сложность 0((е + v) log v), где v - число вершин графа, е - число дуг графа.
1.3. Выводы по главе
На сегодняшний день предложено большое количество алгоритмов планирования, ориентированных на использование в распределенных вычислительных средах. Среди них можно выделить алгоритмы, производящие планирование с учетом потоков работ в сложных приложениях. Потоки работ возникают в проблемно-ориентированных средах, в которых каждое вычислительное задание может быть представленного в виде ориентированного графа, узлы которого соответствуют типовым задачам, а дуги представляют