بخشی از مقاله
چکیده :
منطق فازی تکنولوژی جدیدی است که شیوه های مرسوم برای طراحی ومدل سازی یک سیستم را که نیازمندریاضیات پیشرفته و نسبتا پیچیده ای است، با استفاده از مقادیر و شرایط زبانی با هدف ساده سازی وکارامد تر شدن طراحی سیستم جایگزین تا حدود زیادی تکمیل می نماید. در این پژوهش ضمن توضیح و تعریف مباحث مربوط به سیستمهای گرید با استفاده از الگوریتم ژنتیک روشی برای تخصیص منابع بازار به برنامه ها و کروموزم ها ارائه داده شده است که می تواند نسبت به روش های قبلی برای زمانبندی منابع بازار در گریدهای اقتصادی، بار کاری و تعادل باری و بازه زمانی را کاهش دهد و در مقایسه با الگوریتم های قبلی که برای بهینه سازی زمانبندی منابع بازار در سیستم های گرید اقتصادی ارائه شده اند بهتر عمل کند و مشکلات روش های متمرکز، سلسله مراتبی و توزیع شده در زمانبندی منابع بازار در گریدهای اقتصادی را تا حد ممکن برطرف سازد.
منابع این مهم با بهره گیری از روش طبقه بندی فازی برای برنامه ها انتخاب شده است. در انتها نتایج حاصل از روش پیشنهادی با روش های قبلی مانند QoS و Max-Min و Min-Min مقایسه شده و در نمودارهای مختلفی ارائه شده است. در الگوریتم پیشنهادی مناسبترین منابع برای task انتخاب شده و الگوریتم پیشنهادی بهره وری بالاتری نسبت به سایر الگوریتم ها از نظر Make span یا بازه زمانی و بهرهوری منابع بازار در کمترین زمان و همچنین کاهش بارکاری و تعادل بار را به همراه داشته است.
الف - منابع محاسباتی
استفاده از یک منبع محاسباتی، به معنای استفاده از سیکلهای پردازنده ماشین های مختلف در گرید،جهت اجرای برنامه های کاربردی است. پردازنده های ماشین های مختلف ممکن است به لحاظ سرعت، معماری و فاکتور ای مرتبط دیگری مانند حافظه اصلی، نحوه اتصالات با یکدیگر - در کامپیوتر های چندپردازنده - با یکدیگر تفاوت داشته باشند.[3]
ب - منابع ذخیره سازی بعد از منابع محاسباتی، پرکاربردترین منابع بازار مورد استفاده در محیط گرید را منابع ذخیره سازی داده ها تشکیل می دهند. یک نوع خاص از گرید،اصطلاحا گرید داده است که توسط آن می توان انبار داده مجازی با ظرفیت بسیار بالا را در اختیار داشت. این انبار داده مجازی و غول پیکر به صورت منطقی کلیه داده های روی ماشین های توزیع شده را مجتمع میسازد.[3]
-1-2نرم افزار ها
ممکن است بر روی برخی ماشینها در هر گرید، نرم افزارهای گرانی نصب شده باشند که نصب آنها بر روی تمامی ماشینهای گرید، به دلیل پر هزینه بودن، امکانپذیر نباشد. بنابراین با استفاده از یک گرید، می توان برنامه هایی که احتیاج به این نرم افزارها دارند را به سمت ماشینهای گرید ارسال کرد تا بر روی آن ماشین اجرا گردند .[4]
2-2 مدل زمان بندی توزیع شده برای منابع بازار در محیط گرید
در این مدل از چند زمان بندی محلی استفاده می شود، که در جهت واگذاری کارها به کلیه ماشین های پردازشگر تحت پوشش تعامل استفاده می شوند. دو مکانیزم جهت ارتباط یک زمانبند با زمانبندهای دیگر وجود دارد.
-1ارتباط مستقیم
-2 ارتباط غیر مستقیم در ارتباط مستقیم هر زمانبند محلی می تواند مستقیما با سایر زمانبندها در مورد واگذاری کارها ارتباط داشته باشد.هر زمانبند لیستی از تمامی زمانبند های دیگر را دارد یا ممکن است یک دایرکتوری مرکزی که کلیه اطلاعات را در موردزمانبند نگهداری می کند بر روی ماشینی در محیطی وجود داشته باشد. در این روش اگر زمانبند محلی نتواند کاری را به منابع بازار محلی اش واگذار کند با سایر زمانبند های راه دور جهت یافتن مناسب ترین ماشین برای اجرای کار ارتباط برقرار خواهد کرد.
هر زمانبند ممکن است صف محلی برای مدیریت منابع بازار تحت پوشش خود داشته باشد.[5] در ارتباط غیر مستقیم، ارتباطات از طریق job pool مرکزی صورت میگیرد. در این روش کارها بلافاصله نمی توانند پردازش شوند بلکه به یک job pool مرکزی فرستاده می شوند. در مقایسه با روش مستقیم در این روش زمانبندهای محلی می توانند کارهایی که برای اجرا روی منابع بازارشان مناسب تر هستند را انتخاب کنند و آنها را برای اجرا روی ماشین هایشان به صورت محلی زمانبندی نمایند. در این روش حتما باید سیاستهایی وجود داشته باشد که توسط آنها تضمین شود. اولا کاربر مدت طولانی در job pool منتظر اجرا نماند ثانیا یک کار توسط دو یا بیشتر زمانبند جهت اجرا برداشته نشود.
-3روش طبقه بندی فازی منابع بازار برای jobها در محیط گرید
خوشه بندی - clustering - یکی از روش های طبقه بندی مجموعه ای از داده هاست که داده ها بتوانند در طبقه های مختلف بر حسب نوع پارامترهای ورودی طبقه بندی شوند.[6] در موضوع ما روشی برای خوشه بندی بیان می شود که بتواند jobها با ویژگی های مختلف یا اشیا مشابه را در گروههای مختلف سازماندهی کند. یک خوشه - cluster - گروهی از اشیا می باشد که دارای ویژگی های مشابه هستند که اغلب به وسیله فاصله و طول داده در بردارهایی قرار می گیرند. فرض کنیم مجموعه x={x1,x2,...,xn} مجموعه ای از داده ها یا jobها در موضوع ما می باشد.
-4تعریف مساله
در مجموعه گرید،زمانبندی taskها برای نگاشت task به محاسبات توزیع یافته منابع و زمانبندی با هزینه بهینه و زمان بهینه مورد نیاز است.در این قسمت، زمانبندی taskها متمرکز بر کلاس مستقل از task ها با محدودیت های QoS - Quality of Service - می باشد.تعدادی از taskهای با پهنای باند کمتر از 100Gb/s اجرا می شود. در پهنای باند تنها، محدودیت و هزینه زمانی برای بهینه سازی این قسمت دارای اهمیت می باشد.
هزینه به مجموع توسعه زمان اجرایی همه taskها به metatask ها بر می گردد. در محیط های متفاوت QoS مفاهیم متفاوتی وجود دارد،ممکن است.منظور از هزینه درجه استفاده از منابع بازار باشد. برای شبکه QoS ممکن است به معنای پهنای باند اضافی باشد.برای cpu ممکن است سرعت پاسخ باشد.در این قسمتQoS مرتبط با پهنای باند شبکه می باشد.
از طرفی در محیط سیستم های گرید منابع بازار در مقیاس های گسترده توزیع می شوند،معمولاً در دامنه های وسیع و سرکشی user، استراتژی زمانبندی مطرح است. در این قسمت،taskها با استفاده از الگوریتم تنها نمی تواند شامل زیر taskهایی که درارای محدودیت های قبلی هستند، باشد. موضوع اصلی متمرکز بر استراتژی زمانبندی چگونگی بدست آوردن اطلاعات منابع بازار زمانی که تعدادی از زیر وظایف - - subtask در حجم بزرگی از منابع بازار مورد بررسی قرار می گیرد. subtask ها ترکیبی از روش های بحث نشده در حوزه مورد نظر است. ابتدا فرضیات زیر را در نظر می گیریم:
task-1های مربوط به user برنامه به زیر وظایف - - subtaskها تقسیم می شود و وابستگی داده ها و ارتباط بین زیر وظایف - - subtask مشخص می شود.
2 -حالت مربوط به منابع بازار محاسبات و گره های مربوط در گرید باید مشخص شود. باید طولانی -3 - subtask - هزینه پیاده سازی هر زیر وظیفه تر از زمانبندی در نظر گرفته شده برای الگوریتم باشد و می تواند - subtask - ارتباطات داخل شبکه ای بین زیر وظایف ×قابل چشم پوشی باشد.
-5نتایج
به طور کلی مهمترین نتایج این پژوهش عبارتند از:
1. نتایج تجربی به دست آمده برای jobها و ماشین هایی که هر job روی آن ها انجام می شود. برای ترکیب های گوناگون از jobها و منابع بازار در الگوریتم پیشنهادی نتایج بهتری را ارائه می کند.
2. در الگوریتم پیشنهادی مناسبترین منابع برای task انتخاب شده و الگوریتم پیشنهادی بهره وری بالاتری نسبت به سایر الگوریتم ها از نظر Makespan و بهرهوری منابع بازار در کمترین زمان و همچنین کاهش بارکاری - Load - workو Load Balancing را به همراه داشته است.
.3 الگوریتم پیشنهادی که با نتایج حاصل آمده برای سایر الگوریتم ها Min-Min و Max-Min و mct مقایسه شد از نظر معیارهای مختلف مانند بهره وری منابع بازار و Make Span نتایج بهتری ارایه داده است که این نتایج را در نمودارها و جدول که در آنها هر یک از ویژگی های فوق مانند بهره وری منابع بازار و Make Span بر حسب تعداد job ها توسط شبیه ساز Gridsim نشان داده شده است.
