ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

Имитационные модели кластеров и грид-систем

Читать

Гаевой Сергей Владимирович, Фоменков Сергей Алексеевич, Лукьянов Виктор Сергеевич Имитационные модели кластеров и грид-систем // Прикаспийский журнал:  управление и высокие технологии. — 2015. — №1. — Стр. 166-180.

Гаевой Сергей Владимирович - аспирант, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, gaevserge@mail.ru

Фоменков Сергей Алексеевич - доктор технических наук, профессор, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, saf@vstu.ru

Лукьянов Виктор Сергеевич - доктор технических наук, профессор, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28

В данной статье описывается управление стратегиями (эвристиками) распределения заданий в Грид-системе. Грид-система в рамках данной работы принимается состоящей из кластеров. Каждая кластерная система представлена в виде системы массового обслуживания (СМО), которая выполняет поступающие задания. Очередь полагается неограниченной из-за требования выполнить все задания. Стратегии позволяют балансировать нагрузку между кластерами Грид-системы. Рассматриваются детерминированная и стохастическая имитационные модели кластера и Грид-системы. Обе модели основаны на реальных записях параллельных нагрузок (представленных в виде SWF-логов), которые свободно доступны в Parallel Workloads Archive. В рамках данной статьи каждая нагрузка считается состоящей из трех значений. Каждая из них содержит время прихода задания, ширину и длину задания. Ширина - это количество вычислительных машин, которые необходимы для выполнения задания. Длина - это время выполнения задания на некоторой платформе. Площадь (сложность) является произведением длины и ширины. Предложены модели стохастической аппроксимации нагрузок с использованием распределений случайной величины. Дается список из десяти эвристик. Эти эвристики учитывают длину очереди, ее ширину, загрузку системы, использование ресурсов и т.п. Пользовательские оценки времени выполнения заданий крайне не точны по отношению к реальным временам выполнения. поэтому мы не применяем пользовательские оценки. Детерминированная и стохастическая модели как кластерной, так и Грид-системы показывают аналогичный результат, поэтому мы можем предположить, что обе модели являются правильными. Если SWF-лог содержит некоторые аномалии, то результаты могут быть различными. Это означает, что информация из лога не в полной мере описывает поведение кластера. Разработанные модели нацелены на выбор наиболее эффективной стратегии распределения заданий.

Ключевые слова: грид-системы, брокер заданий, имитационное моделирование, детерминированная имитационная модель, распределение заданий, эвристики распределения заданий, системы массового обслуживания (СМО), вычислительный кластер, parallel workloads, Grid-systems, resour