Имитационная модель и ее программная реализация планирования ресурсов грид-системы
Збережено в:
| Дата: | 2015 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут програмних систем НАН України
2015
|
| Теми: | |
| Онлайн доступ: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/62 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems in programming |
Репозитарії
Problems in programming| id |
pp_isofts_kiev_ua-article-62 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/f5/d8d3c8fffca6f6ce00685747fe8865f5.pdf |
| spelling |
pp_isofts_kiev_ua-article-622018-07-30T15:27:08Z Имитационная модель и ее программная реализация планирования ресурсов грид-системы Minuhin, S.V. Znahur, S.V. Грид-системы Рассмотрена модель и ее программная реализация для имитации процессов планирования ресурсов Грид-системы. Предложены метрики производительности системы и проведен сравнительный анализ разработанного метода планирования на основе задачи о наименьшем покрытии и метода FCFS. Приведены результаты вычислительных экспериментов, обосновывающие эффективность разработанного метода планирования.|A model and its software implementation to simulate the process of resource scheduling Grid-system are proposed. Metrics of system per-formance are proposed. A comparative analysis of the developed method based scheduling tasks on the minimal cover and the method of FCFS. The results of computational experiments which substantiate the effectiveness of the developed method of scheduling presented. Інститут програмних систем НАН України 2015-09-10 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/62 PROBLEMS IN PROGRAMMING; No 2-3 (2012) ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 2-3 (2012) ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 2-3 (2012) 1727-4907 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/62/63 Copyright (c) 2015 ПРОБЛЕМИ ПРОГРАМУВАННЯ |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2018-07-30T15:27:08Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
|
| spellingShingle |
Minuhin, S.V. Znahur, S.V. Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| topic_facet |
Грид-системы |
| format |
Article |
| author |
Minuhin, S.V. Znahur, S.V. |
| author_facet |
Minuhin, S.V. Znahur, S.V. |
| author_sort |
Minuhin, S.V. |
| title |
Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| title_short |
Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| title_full |
Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| title_fullStr |
Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| title_full_unstemmed |
Имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| title_sort |
имитационная модель и ее программная реализация планирования ресурсов грид-системы |
| description |
|
| publisher |
Інститут програмних систем НАН України |
| publishDate |
2015 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/62 |
| work_keys_str_mv |
AT minuhinsv imitacionnaâmodelʹieeprogrammnaârealizaciâplanirovaniâresursovgridsistemy AT znahursv imitacionnaâmodelʹieeprogrammnaârealizaciâplanirovaniâresursovgridsistemy |
| first_indexed |
2025-07-17T09:52:25Z |
| last_indexed |
2025-07-17T09:52:25Z |
| _version_ |
1838410067342262272 |
| fulltext |
Паралельне програмування. Розподілені системи і мережі
УДК 681.324
ИМИТАЦИОННАЯ МОДЕЛЬ И ЕЕ ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
ПЛАНИРОВАНИЯ РЕСУРСОВ ГРИД-СИСТЕМЫ
С.В. Минухин, С.В. Знахур
Харьковский национальный экономический университет, 61166, Харьков, проспект Ленина, 9-А,
тел.: (057) 702 1831. e-mail: ms_vl@mail.ru, sergznakhur@mail.ru
Рассмотрена модель и ее программная реализация для имитации процессов планирования ресурсов Грид-системы. Предложены
метрики производительности системы и проведен сравнительный анализ разработанного метода планирования на основе задачи о
наименьшем покрытии и метода FCFS. Приведены результаты вычислительных экспериментов, обосновывающие эффективность
разработанного метода планирования.
A model and its software implementation to simulate the process of resource scheduling Grid-system are proposed. Metrics of system per-
formance are proposed. A comparative analysis of the developed method based scheduling tasks on the minimal cover and the method of
FCFS. The results of computational experiments which substantiate the effectiveness of the developed method of scheduling presented.
Введение
Современное развитие информационно-коммуникационных технологий все более трансформируется в
направлении использования технологий распределенных и параллельных вычислений. Основной формой орга-
низации систем управления сложными вычислениями являются Грид-системы, которые нашли достаточно ши-
рокое применение в современных исследованиях в области физики, химии, биологии, проектировании сложных
конструкций, медицине и здравоохранении. В этих системах используются архитектуры, обеспечивающие мо-
ниторинг состояния их компонент, обработку событий, связанных с поступлением и обработкой заданий поль-
зователей, своевременную передачу результатов вычислений и множество других процессов, связанных с ее
функционированием. Важной задачей при эксплуатации Грид-систем является обеспечение требуемой систем-
ной производительности при решении задач различной трудоемкости на имеющихся гетерогенных ресурсах,
которая определяется на основе анализа таких характеристик, как производительность составляемых расписа-
ний выполнения заданий на ресурсах, – среднее время выполнения одного задания, максимальное время завер-
шения заданий, время ожидания в очереди, – а также характеристики, определяющие сбалансированность ре-
сурсов (кластеров) Грид. Наряду с необходимостью расчета и анализа этих характеристик требуется постоянно
отслеживать состояние ресурсов (узлов) системы на предмет их доступности и готовности для проведения вы-
числений. Наиболее актуальной эта задача является для интенсивных потоков заданий, которые могут выпол-
няться в последовательном и параллельном режимах, использовать различное программное обеспечение и
иметь различные требования к архитектуре и программному обеспечению ресурсов. Указанные задачи целесо-
образно решать на основе моделирования процессов функционирования Грид-систем, позволяющих разрабаты-
вать сценарии управления системой в условиях динамично изменяющихся количества пользователей, характе-
ристик заданий и ресурсов. В настоящее время существует достаточно большое количество программ и симу-
ляторов, использующихся для моделирования Грид-систем [1 – 6], назначение и основные характеристики ко-
торых приведены в табл. 1, а также работ, посвященных их применению [7, 8].
Из табл. 1 следует, что достаточно высокая функциональность приведенных пакетов обеспечивает высо-
кую эффективность моделирования и возможность анализа состояний объектов Грид-инфраструктуры, но, вме-
сте с тем, они имеют определенные недостатки:
отсутствие необходимого для количественного и качественного анализа результатов планирования мет-
рик;
сложность интеграции новых алгоритмов планирования в программную реализацию;
необходимость наличия достаточно полной и точной информации о характеристиках заданий и ресурсов;
отсутствие инструментов определения периодов планирования в соответствии с имеющимися данными;
отсутствие методов динамического планирования, позволяющих оперативно учитывать изменения в ин-
фраструктуре Грид и интенсивностей входного потока заданий в процессе моделирования.
Цель данного исследования – разработка имитационной модели планирования ресурсов Грид-системы на
основе пакетного планирования заданий, обеспечивающего высокий уровень загрузки вычислительных ресур-
сов, разработка ее программной реализации и сравнительный анализ результатов использования предлагаемого
метода с существующими на основе выбранных метрик производительности Грид-системы.
Описание модели
В работе предлагается модель и ее программная реализация GRID_Scheduler_Model, включающая сле-
дующие функциональные компоненты, реализующие:
Таблица 1. Инструменты для моделирования параллельных и распределенных систем
133
© С.В. Минухин, С.В. Знахур, 2012
ISSN 1727-4907. Проблеми програмування. 2012. № 2-3. Спеціальний випуск
mailto:ms_vl@mail.ru
mailto:znakhur@mail.ru
Паралельне програмування. Розподілені системи і мережі
№ Название Описание Разработчик Назначение
1 2 3 4 5
1 SimJava
Поддерживает процессы, основанные на дис-
кретном моделировании событий с анимацией
объектов через коллекцию сущностей, кото-
рые взаимодействую друг с другом
Эдинбургский
университет,
Великобрита-
ния
Дискретно-
событийное
моделирова-
ние
2 Bricks
Инструмент для оценки, который анализирует
и сравнивает различные схемы планирования в
высоко производительной
Грид-среде
Токийский тех-
нологический
институт, Япо-
ния
Моделирова-
ние Грид
3 MicroGrid
Инструмент моделирования, который поддер-
живает масштабируемое моделирования Грид-
приложений с использованием кластерных
ресурсов в исследованиях вычислительных
Грид
Калифорний-
ский универси-
тет, Сан-Диего,
США
Моделирова-
ние Грид
4 SimGrid
Инструмент для моделирования работы вы-
числительного Грид в гетерогенных распреде-
ленных средах
Калифорний-
ский универси-
тет, Сан-Диего,
США
Моделирова-
ние Грид
5 GridSim
Инструмент для моделирования сущностей,
участвующих в параллельных и распределен-
ных вычислениях путем создания и монито-
ринга пользователей и ресурсов
Университет
Монаш, Авст-
ралия
Моделирова-
ние Грид
6 SimOS
Предоставляет полную среду моделирования
вычислительных машин, имитирующую ком-
пьютерную технику для однопроцессорных и
многопроцессорных вычислительных систем
Стэнфордский
университет,
США
Моделирова-
ние вычисли-
тельных ре-
сурсов
7 OMNeT++
Компонентная модульная и открытая архитек-
тура для дискретно-событийного
моделирования
OpenSim Ltd.
Венгрия
Моделирова-
ние компью-
терных сетей,
а также сетей
массового
обслуживания
и других об-
ластях
8 GSSIM
Инструмент для планирования ресурсов на
основе моделирования широкого спектра ал-
горитмов планирования с использованием бро-
керов и провайдеров ресурсов
Центр супер-
компьютерных
и сетевых тех-
нологий, Тех-
нологический
университет,
Познань,
Польша
Моделирова-
ние много-
уровневых
гетерогенных
инфраструк-
тур Грид
9 MPISim
Инструменты для моделирования параллель-
ных программ с использованием Message
Passing Interface (MPI)
Калифорний-
ский универси-
тет, Лос- Анд-
желес, США
Моделирова-
ние работы
параллельных
систем
10 Ptolemy 2
Java-библиотека, моделирование параллель-
ных гетерогенных систем, работающих в ре-
жиме реального времени
Калифорний-
ский универси-
тет, Беркли,
США
Моделирова-
ние работы
параллельных
систем
11 OptorSim
Моделирование на языке Java для имитации
фактических структур данных, планирование
работ и стратегий репликации данных
The DataGrid
Project
Моделирова-
ние
работ и реп-
ликаций дан-
ных
множество заданий – данные, которые подаются на систему для моделирования процесса работы системы;
пул заданий – пакет заданий на входе системы, выбираемый определенным образом из множества заданий
глобальной очереди;
методы формирования пакета заданий – модуль, который распределяет установленным методом задания,
находящиеся в пуле между ресурсами, формирует пакет заданий на ресурс;
134
Паралельне програмування. Розподілені системи і мережі
ресурсы – элементы, симулирующие решение заданий.
Перед моделированием работы системы формируется множество заданий глобальной очереди, которое
будет подано на систему за период моделирования.
Процесс моделирования работы системы включает пошаговое выполнение 4-х операций (событий).
Операция 1 – имитация поступления заданий на вход системы. Из заданий глобальной очереди в пул за-
гружаются задания, выбранные по определенному правилу.
Операция 2 – распределение заданий из очереди пула на ресурсы и возврат неразмещенных заданий об-
ратно в пул.
Операция 3 – имитация решения заданий на ресурсах. Данная операция использует в качестве единицы
измерения времени имитации решения условную единицу времени – такт.
Операция 4. Переход к выполнению операции 1.
Все временные процессы при моделировании работы системы измеряются в тактах – времени модели
системы. На рис. 1 показана схема алгоритма моделирования работы Грид-системы.
Рис. 1. Схема алгоритма работы модели
На схеме рис. 1 использованы следующие обозначения: TASK_COUNT – количество заданий, которые
будут поданы на вход системы за все время моделирования; TASK_SOLVER – количество решенных заданий;
T – такт работы системы; T_SH – время (в тактах), затраченное на формирование пакета заданий; FREQ_SH –
период формирования пакета заданий (период планирования).
В предлагаемой модели используются следующие характеристики системы (табл. 2).
135
Паралельне програмування. Розподілені системи і мережі
Таблица 2. Состав и описание характеристик системы
№ п/п Наименование
характеристики
Описание Закон распределения
1 Количество заданий
Количество заданий, которое
будут подано на вход модели для
выполнения
Нормальный, Пуассо-
на, Эрланга, равно-
мерный
2 Количество ресурсов
Количество всех разных ресур-
сов, которыми решаются задания
глобальной очереди
Нормальный, Пуассо-
на, Эрланга, равно-
мерный
3 Сложность решения
задания
Максимальное количество так-
тов, за которое задание будет
решено на одном ресурсе произ-
водительностью 1 такт
Нормальный, Пуассо-
на, Эрланга, равно-
мерный
4 Универсальность
задания
Количество ресурсов, которыми
может быть решено задание, в
процентах к общему количеству
ресурсов системы
Постоянное значение
5 Уникальные задания
Отношение количества заданий,
которые решаются на одном
ресурсе, к общему количеству
заданий пула
Постоянное значение
6 Пул заданий
Буфер системы, в который за-
гружаются все задания глобаль-
ной очереди для дальнейшего их
распределения между ресурсами
Экспоненциальный,
нормальный, Пуассо-
на, постоянное значе-
ние
7 Производительность
ресурса
Максимальное количество тактов
«сложности решения» задания,
которое ресурс может выполнить
за один такт
Нормальный, Пуассо-
на, Эрланга, равно-
мерный
8 Пакет заданий
Количество заданий, которое
может сформировано на выбран-
ный ресурс
Постоянное значение
9 Коммуникационная
задержка
Количество тактов, которое ха-
рактеризует временную задерж-
ку передачи задания на выбран-
ный для ее решения ресурс
Постоянное значение
Задания и ресурсы, на которых они решаются, задаются в виде прямоугольной таблицы (матрицы), стро-
ки которой соответствуют номерам заданий, а столбцы – номерам ресурсов, причем, если значение в ячейке mij
устанавливается 1, это означает, что i-е задание решается j-м ресурсом (рис. 2).
В качестве метода для планирования ресурсов в данной работе используется задача о наименьшем по-
крытии (ЗНП), которая представляет собой задачу линейного булевого программирования, математическая по-
становка которой предлагается в таком виде:
(1) min)(
1
→=∑
=
k
n
j
jt txL
при ограничениях
{ } .1,0)(};1,0{
;,1i ,1
1
)(
∈∈
=≥∑
=
kij
kij
tjx
m
n
j
tjx
β
β (2)
где m – количество заданий, подлежащих планированию в момент времени tk; n – количество ресурсов иссле-
дуемой системы, доступных и свободных на момент планирования tk; tk ∈ [T0, TN] – интервал времени между
началом и окончанием процесса планирования.
После формирования пула заданий выполняется операция назначения заданий пула на ресурсы в соот-
ветствии с выбранным методом планирования (табл. 3).
136
Паралельне програмування. Розподілені системи і мережі
Особенностью предлагаемого метода является то, что для каждого задания находится несколько возмож-
ных ресурсов для ее решения, а так заданий множество, выбор ресурса определяется на основе матрицы на
рис. 2.
Рис. 2. Матрица соответствия заданий ресурсам
Таблица 3. Состав используемых методов планирования
№
п/п
Метод планирования Алгоритм Выбор ресурса
1 First Come First Served
(FCFS)
Обслуживается первое
задание из пула заданий
Выбирается первый свободный ресурс из
доступных на момент планирования ресур-
сов
2 Shot Job First (SJF)
Обслуживается самое
короткое задание из пула
заданий
Выбирается первый свободный ресурс из
доступных ресурсов на момент планирова-
ния ресурсов
3 Random
Выбор задания из очереди
осуществляется по слу-
чайному закону
Выбирается первый свободный ресурс из
доступных и свободных на момент планиро-
вания ресурсов
4 Minimal Cover (MC)
Назначение заданий на
ресурсы определяется в
соответствии с методом
решения задачи о наи-
меньшем покрытии
Выбираются для назначения на них заданий
те ресурсы, которые определяются как ре-
зультат решения задачи о покрытии, при-
чем, если таковых несколько, ресурс выби-
рается по принципу первый свободный из
доступных и свободных на момент планиро-
вания ресурсов
Для сравнительного анализа поведения предлагаемых методов планирования в модели были использова-
ны следующие:
метод, использующий для планирования задачу о наименьшем покрытии (МС): метод находит наимень-
шее количество ресурсов (столбцов матрицы соответствия), которые могут решить все задания (строки матри-
цы), находящиеся в пуле. После этого задания распределяются на те ресурсы, которые вошли в наименьшее
покрытие, и, если они загружены полностью, а задания в пуле еще остались, то они распределяются на другие
свободные ресурсы. Оставшиеся после этого нераспределенными задания возвращаются обратно в пул, после
чего пул вновь заполняется заданиями из глобальной очереди заданий и приведенная процедура повторяется.
В данном методе реализовано 2 режима работы: с фиксированным размером пула и переменным, кото-
рый отражает интенсивность поступления заданий в соответствии с заданными законами распределения, отра-
жающие реальные загрузки кластеров Грид.
137
Паралельне програмування. Розподілені системи і мережі
Модификации метода FCFS:
FCFS без пакета заданий – метод распределяет задания по принципу «первый пришел первым обслужил-
ся», то есть в порядке поступления заданий или в порядке расположения их в очереди пула. Планировщик берет
первое задание из пула и пробует разместить его на свободный ресурс, которым оно решается. Если имеется
хотя бы один свободный для выполнения этого задания ресурс, то осуществляется переход к новому заданию,
если нет, – задание возвращается в пул и переходит к следующему заданию в очереди.
FCFS с пакетом заданий – метод распределяет задания по принципу «первый пришел первым обслужил-
ся», то есть в порядке поступления заданий или в порядке нахождения их в очереди. Планировщик берет первое
задание из пула и пробует разместить его в пакет заданий на тот ресурс, на котором оно решается. Если нахо-
дится хотя бы один свободный для этого задания ресурс, то планировщик переходит к новому заданию пула,
если нет, – задание возвращается в пул и осуществляется переход к следующему заданию в очереди.
Имитация процесса решения заданий на выбранных (назначенных) ресурсах заключается в следующем.
каждому ресурсу в определенном порядке присваивается индивидуальный номер. Этот номер соответствует
номеру ресурса, на котором может быть решено задание. Для ресурсов устанавливается длина (размер) пакета
заданий, в который помещаются задания, которые решаются на данном ресурсе. Каждому заданию определен
показатель «сложность решения» в тактах, который определяет, за какое количество тактов задание будет ре-
шено на ресурсе с производительностью один такт, а для каждого ресурса задается показатель «производитель-
ность», который также измеряется в тактах. Прежде чем назначенное на ресурс задание начнет решаться, вы-
полняется коммуникационная задержка, которая имитирует задержку поступления заданий для их выполнения
на ресурсе (передача данных, передача задания, системные опросы).
Результаты работы модели анализируются в соответствии со следующими метриками производительно-
сти Грид-системы (табл. 4).
Таблица 4. Метрики производительности работы Грид-системы
№ п/п Наименование метрики Описание метрики Единица
измерения
1 Общее время выполнения заданий
глобальной очереди
Время решения всех заданий очереди с момен-
та начала работы системы до момента решения
последнего задания из глобальной очереди
Такт
2 Среднее время выполнения
задания
Среднее время выполнения системой одного
задания, начиная с момента поступления зада-
ния на вход системы (помещения в пул) и
заканчивая временем решения задания на вы-
бранном ресурсе
Такт
3 Время нахождения задания в пуле Среднее время нахождения задания в очереди
пула
Такт
4 Время нахождения задания в паке-
те заданий на ресурс
Среднее время нахождения задания в пакете
заданий на назначенный для его решения
ресурс
Такт
5 Коэффициент использования ре-
сурса*100%
Среднее геометрическое время работы одного
ресурса относительного всего времени работы
системы (выполнения заданий глобальной
очереди)
%
6 Коэффициент загрузки*100%
Среднее геометрическое количества заданий,
которое было решено на одном ресурсе, отно-
сительно общего количества заданий глобаль-
ной очереди
%
7 Коэффициент ускорения*100%
Отношение суммарной сложности решения
заданий глобальной очереди ко времени, за-
траченному на выполнение всех заданий гло-
бальной очереди
%
Программная реализация имитационной модели
Программа модели реализована на основе оболочки программирования C++ Builder.
Для программной реализации предлагаемой модели разработаны диаграмма классов и интерфейсов
(рис. 3) и диаграмма последовательностей (рис. 4).
В данном исследовании проведен сравнительный анализ работы методов планирования ресурсов на ос-
нове метода наименьшего покрытия (MC) и метода FCFS, который наиболее распространен в современных
планировщиках.
Имитационное моделирование работы планировщиков на основе разработанной программы симуляции
работы модели GRID_Scheduler_Model включает выбор и установку следующих параметров системы:
138
Паралельне програмування. Розподілені системи і мережі
количество заданий в очереди (было выбрано среднее количество заданий за неделю по кластеру ANL-
Intrepid [9], что составило 2100), равномерный закон соответствия заданий ресурсам. Данный параметр
позволяет определить плотность распределения для матрицы соответствия задания-ресурсы (в данной работе
рассмотрен вариант использования равномерномерного закона);
Рис. 3. Диаграмма классов и интерфейсов программной реализации модели
Рис. 4. Диаграмма последовательностей программной реализации модели
139
Паралельне програмування. Розподілені системи і мережі
сложность решения заданий. Параметр определяет количество тактов для решения задания на одном
ресурсе. В качестве среднего значения было выбрано 20 тактов, что соответсвует сложности 20000 MI (million
instructions согласно спецификации SPEC [10]). Данное значение было определено на основе статистического
анализа сложности решения заданий на кластере ANL-Intrepid. В качестве закона распределения для сложности
заданий был выбран закон Пуассона;
универсальность заданий. Параметр определяет процент (%) заданий, которые могут быть решены на
любом из имеющихся ресурсов. При проведении эксперимента было определено, что 50 % из общего
количества являются универсальными заданиями;
длина пула определяет количество заданий, которые поступают на планирование из глобальной
очереди. В данном эксперименте это количество заданий определялось по нормальному закону (рис. 6), для
которого среднее значение выбрано равным 300. Среднее значение было определено на основе результатов
статистической обработки данных поступления заданий за сутки на кластер ANL-Intrepid за период, который
равнялся 233 дням.
На рис. 3 использованы классы и интерфейсы программной реализации модели, состав и идентификаторы
которых показаны в табл. 5.
Таблица 5. Состав классов и интерфейсов программной реализации имитационной модели
Наименование класса Идентификатор
Класс интерфейса главного окна программы FormMain
Класс интерфейса окна моделирования работы Грид FormGRID
Класс интерфейса создания тестов работы Грид FormTest -
Класс заданий ClassTask
Класс потока, создающего таблицу соответствий
между заданиями и ресурсами
ThreadCreateMI
Класс потока, создающего сложность решения зада-
ний
ThreadCreateMS
Класс модели кластера Грид ClassCluster
Класс потока, моделирующего работу кластера Грид ThreadWorkCluster
Класс тестирования Грид ClassTestCluster
Класс потока, вычисляющего математическое ожи-
дание метрик производительности работы Грид
ThreadTestingMO
Класс потока, вычисляющего среднеквадратические
отклонения метрик работы Грид
ThreadTestingCKO
На рис. 5 показана сгенерированная матрица соответствия для 2100 заданий и 100 ресурсов (в скобках
для заданий указана сложность, для ресурсов – производительность в тактах).
Рис. 5. Матрица соответствия заданий ресурсам
В эксперименте использовано 100 ресурсов, производительность каждого из них – 5 тактов, что
соответствует 5000 MIPS согласно спецификации SPEC. Данная характеристика близка к производительности
современного 2-х ядерного процессора. Таким образом, общая производительность всех ресурсов равняется
500000 MIPS.
Размер пакета заданий для планирования на ресурсы определялся только для эвристического алгоритма
планирования МС – на основе решения задачи о наименьшем покрытии (для метода FCFS не использовалось
пакетное планирование). В эксперименте размер пакета был выбран равным количеству ресурсов (рис. 6).
140
Паралельне програмування. Розподілені системи і мережі
Коммуникационная составляющая модели определяется параметром задержки. Данная характеристика
позволяет учесть время передачи данных и заданий на ресурсы (было определено среднее время для заданий в
размере одного такта – 1000 MI).
В результате имитационного моделирования работы разных методов планирования при использовании
выбранных параметров модели были получены следующие результаты (рис. 7 – 9).
Эвристический алгоритм планирования МС позволил почти в шесть раз быстрее решить все задания
глобальной очереди по сравнению с методом FCFS (3582 против 21319 тактов).
Рис. 6. Настройка параметров зарактеристик заданий, пакета заданий, ресурсов и
периодичности планирования
На рис. 7 (в табличном виде) и рис. 8 (графическом виде) показаны характеристики времени
выполнения всех заданий для двух рассмотренных методов планирования. При этом соотношение выигрыша
метода MC сохраняется и для среднего времени выполнения задания в системе (2351 против 13940 тактов).
Наиболее показательным для сравнительного анализа методов является коэффициент использования
ресурсов системы. В случае применения эвристического алгоритма MC он составляет 1,3%, в случае же
использования FCFS – 0,4 %. Низкие значения коэффициента использования всех ресурсов объясняются тем,
что при низкой интенсивности и средней универсальности (50%) заданий планировщики не могут загрузить все
ресурсы полностью на всех тактах. На рис. 8, 9 показано, что алгоритм MC учитывает гетерогенность ресурсов
и заданий и поэтому более плотно «упаковывает» ресурсы заданиями, что позволяет получить выигрыш
коэффициента использования для всех ресурсов. Рассчитанные коэффициенты использования отдельных
ресурсов для выбранных методов планирования значительно отличаются: метод MC заранее планирует задания
на соответсвующие ресурсы (поэтому наиболее производительные ресурсы или соответствующие уникальным
заданиям типы ресурсов загружены больше), а метод FCFS ставит задания на любой освободившийся и подхо-
дящий для их решения ресурс.
Проведенные эксперименты показали, что эффективность планировщика на основе метода MC можно
повысить еще на 50–70% за счет выбора размера пакета заданий, периодичности планирования для выбранных
характеристик законов распределения заданий (среднее значение количества заданий за сутки).
Рис. 7. Таблица метрик производительности методов планирования
Таким образом, результаты моделирования с использованием различных методов планирования
показали, что планировщик на основе предложенного метода планирования MC в несколько раз превосходит
широко используемый алгоритм FCFS по значениям всех метрик производительности работы модели Грид-
системы. Это доказывает целесообразность и эффективность его применения для Грид-систем для повышения
их производительности в процессе эксплуатации. Предложенный в данной работе метод позволяет решить
задачи повышения производительности расписаний выполнения заданий и загрузки ресурсов Грид-системы.
При этом важным является определение возможных соотношений между значениями метрик системы, которые
позволят анализировать ее поведение в условиях изменяющихся количества пользователей, интенсивностей
потоков заданий и доступных для вычислений ресурсов.
141
Паралельне програмування. Розподілені системи і мережі
Рис. 8. Анализ времени выполнения заданий глобальной очереди для выбранных методов планирования
Рис. 9. Анализ коэффицента использования каждого ресурса для выбранных методов планирования
1. GSSIM. [Электронный ресурс] – Режим доступа http://www.gssim.org.
2. OMNeT ++. [Электронный ресурс] – Режим доступа http://omnetpp.org.
3. OptorSim. [Электронный ресурс] – Режим доступа http://edg-wp2.web.cern.ch/edg-wp2/optimization/optorsim.html.
4. MicroGrid. [Электронный ресурс] – Режим доступа http://wwwcsag.ucsd.edu/projects/grid/microgrid.html.
5. GridSim. [Электронный ресурс] – Режим доступа http://www.gridbus.org/gridsim.
6. SimGrid. [Электронный ресурс] – Режим доступа http://gcl.ucsd.edu/simgrid..
7. Петренко А.І. Комп’ютерне моделювання грід-систем // Электроника и связь 5’ Тематический выпуск «Электроника и нанотехноло-
гии», 2010. – С. 40–48.
8. Минухин С.В., Коровин А.В. Моделирование планирования ресурсов GRID средствами пакета GridSim // Системи обробки інформації.
Інформаційні технології та комп’ютерна інженерія. – 2011. – Вип. 3(93). – С. 62 – 68.
9. http://www.cs.huji.ac.il/labs/parallel/workload/l_anl_int/index.html.
10. Standard Performance Evaluation Corporation [Электронный ресурс] – Режим доступа http://www.spec.org.
142
http://www.cs.huji.ac.il/labs/parallel/workload/l_anl_int/index.html
http://www.spec.org/
|