Применение модели EMMSP для прогнозирования доступных вычислительных ресурсов в кластерных системах

Выбор окружения для проведения вычислений может быть довольно сложной задачей, если требуется оценить, в каком из доступных окружений вычисления будут завершены раньше. Решению этой и нескольких смежных задач посвящены многие исследования, направленные на оптимизацию использования вычислительных ресурсов. В этой работе описывается модель прогнозирования EMMSP, позволяющая эффективно решать задачу прогнозирования доступных вычислительных ресурсов. Ранее эта модель хорошо зарекомендовала себя в задаче прогнозирования цен на электроэнергию. Цель этой работы - исследовать слабые и сильные стороны модели применительно к задаче прогноза доступных вычислительных ресурсов, а также возможности комбинации ее с другими моделями. В анализе применимости акцент делается на интерпретируемости результатов и возможности принятия на их основе управленческих решений. Модель прогнозирования EMMSP интегрирована в подсистему аналитики облачного сервиса TempletWeb, разработанного в Самарском университете для автоматизации научных вычислений на базе вычислительного кластера «Сергей Королёв». Подсистема аналитики выполняет непрерывное прогнозирование загрузки кластера и предоставляет данные прогнозирования в табличном и графическом виде пользователям сервиса. Основная задача подсистемы - прогноз количества доступных ресурсов различных типов на 12 часов вперед, по одному значению прогноза на час. Кроме непосредственного прогнозирования подсистема аналитики ищет и анализирует шаблоны во временных рядах загрузки ресурсов кластера для проведения ретроспективного анализа. Для оценки применимости и ошибок прогнозирования модели использованы данные статистики загрузки кластера «Сергей Королёв», собранные в период с ноября 2013 года по май 2016. Чтобы показать возможность комбинации модели с другими моделями прогнозирования, демонстрируется улучшение результатов прогнозирования модели EMMSP при использовании ее в адаптивной комбинации с моделью наивного прогноза сдвигом данных временного ряда, получившаяся адаптивная модель дает меньшие ошибки прогнозирования, чем каждая из составляющих ее моделей по отдельности. Результаты прогнозирования доступных ресурсов кластера с использованием модели EMMSP могут применяться для решения задач планирования, таких как: построение плана размещения компонентов распределенного приложения, оптимизация параметров запуска и объемов входных данных, снижение энергопотребления кластеров и планирование периодов обслуживания вычислительных узлов.