زمانبندی کار ترکیبی برای بهبود استفاده از خوشههای مشترک
| عنوان | زمانبندی کار ترکیبی برای بهبود استفاده از خوشههای مشترک |
|---|---|
| نویسنده | کوچاک، اوگور |
| تاریخ انتشار: | 2014-01 |
| موضوع | مهندسی کامپیوتر، علوم کامپیوتر، کنترل |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شماره ثبت | bba0e5ec-f18e-47bd-9f51-4dff4120b794 |
| محل کتابخانه | گروه علوم کامپیوتر |
| تاریخ | 2014-01 |
| یادداشتها | TÜBİAK ; کمیسیون اروپا |
| متن نمونه | در این پایان نامه، مدل ها، مشکلات و دستاوردهای عملکرد مربوط به پردازش همزمان بارهای کاری ترکیبی بر روی ساختارهای خوشه کامپیوتری مورد بررسی قرار می گیرد. فناوری های خوشه بندی پشتیبانی شده شامل سیستم های MPI، Hadoop-MapReduce و NoSQL می باشد. مدل برنامه نویس پیشنهادی بالاتر است و از میان افزار در سطح سیستم عامل پشتیبانی می کند. در پایان نامه، ابتدا نشان می دهیم که می توانیم کارهای MPI، Hadoop و NoSQL را با هم برنامه ریزی کنیم. ثانیاً، این یافته که مشاغل با ویژگیهای مختلف (CPU در مقابل ورودی/خروجی فشرده) را میتوان بهتر با هم برنامهریزی کرد تا کارهایی با ویژگیهای یکسان (2 یا بیشتر CPU فشرده). در نهایت، در پرتو این یافته، یک طرح زمانبندی مرتبسازی ادغام حریصانه جدید شرح داده میشود. 37 درصد سود زمانی در زمان های تکمیل کار نشان داده شده است، اما 50 درصد سود (2 برابر افزایش سرعت) نیز از نظر تئوری امکان پذیر است. اگر بار کافی در صف وجود داشته باشد، این سودهای زمانی ظرفیت استفاده خوشه را نیز افزایش خواهند داد. در پایان پایان نامه، دستاوردهای توان-انرژی بالقوه ای که می توان با برنامه ریزی شغلی ترکیبی به دست آورد نیز مورد بحث قرار می گیرد. در این پایان نامه، مدل ها و مسائل و همچنین مزایای عملکرد برنامه ریزی شغلی ترکیبی را نسبت به خوشه های فیزیکی مشترک بررسی می کنیم. فناوریهای خوشهبندی که با هم مقایسه میشوند شامل سیستمهای MPI، Hadoop-MapReduce و NoSQL هستند. مدل زمانبندی پیشنهادی ما بالاتر از زمانبندیهای کار در سطح سیستمعامل و کلاستر میانافزار و زمانبندیهای سطح سیستم عامل است و مکمل آنها است. اول، نشان میدهیم که میتوانیم کارهای سطح خوشهای MPI، Hadoop و NoSQL را با هم به صورت کنترلشده روی یک خوشه فیزیکی برنامهریزی کنیم. دوم، متوجه میشویم که بهتر است کارهای خوشهای با ویژگیهای شغلی مختلف را با هم زمانبندی کنیم (CPU در مقابل I/O فشرده) به جای دو یا چند کار فشرده CPU. سوم، ما طراحی یک برنامه زمانبندی مرتبسازی حریصانه را توصیف میکنیم که از نتیجه یادگیری این اصل استفاده میکند. تا 37 درصد صرفه جویی در کل زمان های تکمیل کار برای جفت کارهای I/O و CPU فشرده نشان داده شده است، اما تا 50 درصد صرفه جویی (یا افزایش سرعت 2 برابری) از نظر تئوری امکان پذیر است. این صرفه جویی نیز متناسب با بهبود استفاده از خوشه خواهد بود، اگر مشاغلی در صف منتظر باشند. در پایان پایان نامه، ما همچنین در مورد صرفه جویی بالقوه انرژی-انرژی ناشی از برنامه ریزی شغلی ترکیبی بحث می کنیم. |
