Исследование методов оценки эффективности вычислительных систем на основе функциональных моделей

Автор: Астриков Д.Ю., Кузьмин Д.А.

Журнал: Сибирский аэрокосмический журнал @vestnik-sibsau

Рубрика: Математика, механика, информатика

Статья в выпуске: 2 т.17, 2016 года.

Бесплатный доступ

Образовательные учреждения, организации и предприятия, работающие в наукоемких областях промышленности, часто нуждаются в проведении ресурсоемких расчетов, производимых с использованием высокопроизводительных суперкомпьютерных комплексов и вычислительных сетей. В качестве алгоритмов распределения задач в рамках подобных систем используются стандартные алгоритмы, нацеленные на эффективную работу со множеством однотипных заданий. В то же время существует целый класс задач, требующих успешного завершения целого ряда условий, таких как наличие определенного проблемно ориентированного ПО, специфические требования к аппаратным ресурсам вычислительных узлов и др. К этому классу также принадлежат задачи, связанные с расчетом траектории движения небесных тел, геологической разведки, анализа big-data, исследования газокинетических явлений, задачи промышленного имитационного моделирования, в том числе моделирования ракетно-космических объектов. В этом случае для успешного распределения нагрузки внутри высокопроизводительной системы применяются специальные алгоритмы планирования и распределения заданий. Однако существующие методы оценки эффективности работы этих алгоритмов достаточно сильно отличаются в зависимости от решаемых задач, а также типа вычислительной системы. Наиболее точную оценку можно получить с помощью экспериментального метода исследования, однако чаще всего проводить реальные расчеты ресурсоемких задач в целях эксперимента абсолютно нецелесообразно ввиду значительных временных и материальных затрат. В данном случае хорошим альтернативным вариантом является использование функциональных моделей вычислительных систем, которые позволяют оценить эффективность использования того или иного инфраструктурного или программного решения в рамках отдельно взятой вычислительной системы. Приведено исследование методов оценки эффективности гетерогенной вычислительной системы СФУ на основе её функциональной модели. В качестве исходных экспериментальных данных использовалось множество задач, запущенных в вычислительной системе за последние несколько лет. Для имитации запуска задач использовались платформы SimGrid и Alea. Как результат, были достигнуты максимально приближенные к реальным условия для проведения экспериментов по оценке эффективности применения различных алгоритмов распределения пользовательских задач, произведено исследование методов оценки эффективности работы ВС.

Еще

Распределенные системы

Короткий адрес: https://sciup.org/148177560

IDR: 148177560

Список литературы Исследование методов оценки эффективности вычислительных систем на основе функциональных моделей

  • Астриков Д., Кузьмин Д., Панасюк А. Моделирование системы планирования распределенного высокопроизводительного вычислительного ком-плекса//Доклады Академии наук высшей школы Российской Федерации. 2014. № 2-3 (23-24). С. 34-41.
  • Документация платформы моделирования вычис-лительных систем SimGrid . URL: http://simgrid.gforge.inria.fr/documentation.html (дата обращения: 29.07.2015).
  • Pathan A. K., Pathan M., Lee H. Y. Advancements in Distributed Computing and Internet Technologies: trends and issues//Information Science Reference. IGI Global, 2012. С. 386-399.
  • Trivedi Introduction to Grid Computing/B. Jacob . IBM Redbooks, 2005.
  • Cloud Computing and Grid Computing 360-Degree Compared/I. Foster //Grid Computing Environments Workshop, 2008 (GCE ’08). 2008. С. 1-10.
  • Baker M., Buyya R., Laforenza D. Grids and Grid technologies for wide-area distributed computing//Software -practice and experience. 2002.
  • Сайт проекта Globus Toolkit . URL: http://www.globus.org/toolkit/about.html (дата обращения: 28.08.2015).
  • Kaur D., Shandil L., Sengupta J. Customized way of Resource Discovery in a Campus Grid//Journal Of Advanced Networking and Applications. 2009. Vol. 01, No. 01. С. 51-56.
  • Romberg M. The UNICORE Grid Infrastructure/Research Center Julich; Central Institute for Applied Mathematics. 2002.
  • Klusáček D. and Rudová H. Alea 2 -Job Scheduling Simulator//Proceedings of the 3rd International ICST Conference on Simulation Tools and Techniques (SIMUTools 2010). ICST, 2010.
  • G. Barua, A. Gupta Cluster Schedulers. Indian Institute Of Technology Guwahati, 2007. 27 p.
  • Casanova H., Legrand A., Quinson M. SimGrid: a Generic Framework for Large-Scale Distributed Experiments//Computer Modeling and Simulation. UKSIM, 2008.
  • Li K. Job scheduling and processor allocation for grid computing on metacomputers//Journal of Parallel and Distributed Computing. 2005. Vol. 65. P. 1406-1418.
  • Документация планировщика заданий MAUI . URL: http://docs.adaptivecomputing. com/maui/8.2backfill.php (дата обращения: 29.07.2015).
  • Berstis V. Fundamentals of Grid computing. IBM Redbooks paper, 2002. 28 p.
Еще
Статья научная