چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008190 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
835 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
استفاده از معیار های نامتوازن برای بهینه سازی خوشه بندی کار در اجراهای جریان کار علمی
عنوان انگليسي
Using Imbalance Metrics to Optimize Task Clustering in Scientific Workflow Executions
نویسنده/ناشر/نام مجله
Future Generation Computer Systems
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 15 صفحه انگلیسی به صورت پی دی اف و 47 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
جریان های کاری علمی می تواند متشکل از بسیاری از وظایف گرانولاریتی محاسباتی ریز باشد. زمان اجرای این وظایف ممکن است کوتاه تر از طول سربارهای سیستم باشد، برای مثال، زمانیکه منابع چندگانه یک فراساختار ابر مورد استفاده قرار می گیرد. خوشه بندی کار یک تکنیک بهینه سازی زمان اجرا است که وظایف متعدد در حال اجرای کوتاه را به یک کار واحد ادغام می کند بطوریکه سربار زمانبندی کاهش می یابد و کارایی زمان اجرای کلی بهبود می یابد. هرچند، استراتژی های خوشه بندی موجود تنها یک رهیافت دانه درشت که بر یک مدل جریان کاری ساده شده متکی هستند. در این کار، دلایل نامتوازن شدن زمان اجرا و نامتوازن شدن وابستگی را در خوشه بندی کار بررسی میکنیم. سپس، معیار های کمی را برای ارزیابی شدت دو مسئله نامتعادل پیشنهاد می کنیم. بعلاوه، ما یک سری از روش های متعادل سازی کار (عمودی و افقی) را برای حل مسئله تعادل بار، زمانیکه خوشه بندی کار برای پنج جریان کار علمی مرسوم انجام می گیرد، ارائه می کنیم. نهایتأ، ارتباط بین مقادیر این معیار ها و کارایی روش های متعادل سازی کار پیشنهادی را تجزیه و تحلیل می کنیم. شبیه سازی مبتنی بر ردگیری هنگامیکه با یک اجرای مبنا مقایسه می گردد، نشان می دهد که روش های پیشنهادی ما می توانند بصورت قابل توجهی زمان اجرایی کاربردهای جریان کاری را کاهش دهند. ما همچنین کارایی روش های پیشنهادی خود را با الگوریتم های موجود در ادبیات کار مقایسه می کنیم.
1-مقدمه
بسیاری از علوم محاسباتی، کاربردهای پیوند ضعیف و بزرگ مقیاس را توسعه و استفاده می کنند که اغلب بعنوان جریان های کاری علمی ساختاردهی می شوند. اگرچه اکثریت وظایف موجود در این کاربردها اغلب اجرای نسبتأ کوتاهی دارند (از چند ثانیه تا چند دقیقه)، ولی در صورت تجمیع، آن ها حجم قابل توجهی از داده و محاسبات را به همراه دارند [1,3]. زمانیکه این کارها در چند ماشین اجرا می شوند، محیط توزیع شده، از قبیل گرید و ابر، ممکن است سربارهای قابل توجه سیستم وجود داشته باشد و ممکن است اجرای برنامه ها را کند کند [4]...
جریان های کاری علمی تجزیه و تحلیل کارآیی زمانبندی
:کلمات کلیدی
Abstract
Scientific workflows can be composed of many fine computational granularity tasks. The runtime of these tasks may be shorter than the duration of system overheads, for example, when using multiple resources of a cloud infrastructure. Task clustering is a runtime optimization technique that merges multiple short running tasks into a single job such that the scheduling overhead is reduced and the overall runtime performance is improved. However, existing task clustering strategies only provide a coarse-grained approach that relies on an over-simplified workflow model. In this work, we examine the reasons that cause Runtime Imbalance and Dependency Imbalance in task clustering. Then, we propose quantitative metrics to evaluate the severity of the two imbalance problems. Furthermore, we propose a series of task balancing methods (horizontal and vertical) to address the load balance problem when performing task clustering for five widely used scientific workflows. Finally, we analyze the relationship between these metric values and the performance of proposed task balancing methods. A trace-based simulation shows that our methods can significantly decrease the runtime of workflow applications when compared to a baseline execution. We also compare the performance of our methods with two algorithms described in the literature.
Keywords:
Scientific workflows Performance analysis Scheduling
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه خوشه بندی