دموکراتیک کردن سرویس های ابری HPC با حل کننده های موازی خودکار و کانتینرهای کاربردی
| عنوان | دموکراتیک کردن سرویس های ابری HPC با حل کننده های موازی خودکار و کانتینرهای کاربردی |
|---|---|
| نویسنده | Muhtaroğlu، Nitel، Arı، İsmail، Kolcu، Birkan |
| تاریخ انتشار: | 2018-11-10 |
| محل انتشار | - وایلی |
| موضوع | شماره وضعیت، حلکننده مستقیم، داکر، تحلیل المان محدود، Hadoop، HPC-as-a-a-Service، حلکننده تکراری، ماشین مجازی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 1532-0626 |
| شماره ثبت | 075933ae-b790-4737-8817-0f15263783bc |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2018-11-10 |
| یادداشتها | جایزه هیئت علمی IBM؛ برنامه های بورسیه دکتری آی بی ام ; پروژه اتحادیه اروپا ماری کوری FP7 BI4MASSES |
| متن نمونه | در این مقاله، ما چندین انتخاب طراحی برای خدمات HPC در لایههای مختلف معماری رایانش ابری را بررسی میکنیم تا موارد استفاده آن را سادهسازی و گسترش دهیم. ما با لایه platform-as-a-service (PaaS) شروع می کنیم و حل کننده های معادلات خطی موازی مستقیم و تکراری را با هم مقایسه می کنیم. مشاهده میکنیم که چندین ویژگی ماتریسی که میتوانند قبل از شروع حلکنندههای طولانی مدت شناسایی شوند، میتوانند به خدمات HPC کمک کنند تا به طور خودکار مقدار منابع محاسباتی در هر کار را انتخاب کنند، به طوری که تأخیر کار به حداقل میرسد و توان عملیاتی کلی کار به حداکثر میرسد. به عنوان اثبات مفهوم، ما از مسائل کلاسیک در مکانیک سازه استفاده می کنیم و این مسائل را با افزایش دانه بندی که منجر به اندازه های مختلف ماتریس می شود، مشبک می کنیم، یعنی بزرگترین دارای 1 میلیارد عنصر غیر صفر است. علاوه بر اندازه ماتریس، ما اعداد شرایط ماتریس، اثرات پیش شرطی و انواع حل کننده را در نظر می گیریم و این تحلیل اجزا محدود (FEA) را روی یک خوشه HPC IBM اجرا می کنیم. در مرحله بعد، ما بر روی لایه زیرساخت به عنوان یک سرویس (IaaS) تمرکز می کنیم و عملکرد برنامه HPC، جداسازی بار و مسائل مربوط به استقرار را با استفاده از کانتینرهای برنامه (Docker) بررسی می کنیم و در عین حال آنها را با ماشین های فیزیکی و مجازی (VM) در یک ابر عمومی مقایسه می کنیم. |
| DOI | 10.1002/cpe.4782 |
| Cilt | 30 |
