Главная » Просмотр файлов » Диссертация

Диссертация (1090594), страница 10

Файл №1090594 Диссертация (Математическое и программное обеспечение балансировки вычислительных заданий для распределенных вычислительных комплексов на основе прогнозных моделей) 10 страницаДиссертация (1090594) страница 102018-01-18СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 10)

Соответственно, для обеспечения необходимой точности, модели наоснове СМО должны учитываться характер сетевого трафика, процессыобслуживанияираспределениязаявок,модельдолжнаотражатьвариативность числа узлов системы [81], чего не всегда удаётся достичь напрактике.Имитационная модель, по сравнению с аналитической, обладает рядомпреимуществ. Имитационное моделирование позволяет [82]: производитьпараметров;многократноеизмерениеинтересующихнас63 осуществлять полный контроль всех параметров исследуемойсистемы,свозможностьютекущеймодификацииалгоритмаповедения исследуемой системы.В результате чего, имитационное моделирование обладает одним изважнейшихкачеств,позволяющихприменятьданныйподходдлямоделирования сложных динамических систем – универсальностью [83].Так как построение имитационной модели сложного комплексаосновываетсянапринципахиерархическогомногоуровневогомоделирования [83], необходимо определить базовую модель, которая будетпроста в реализации.

Соответственно, выделим следующие модели РВК:1. Базовая модель – распределённый вычислительный комплекс сгомогенным составом узлов, линий связи.2. Глобальнаямодель(3-гоуровня)–распределённыйвычислительный комплекс с гетерогенным составом узлов, линийсвязи.Разработанная система была построена таким образом, чтобыпроизвести оценку различных сценариев работы РВК, посредством фиксацииили изменения ряда системных атрибутов, которые были описаны впредыдущих разделах.Одним из важнейших параметров, учет которых необходим вразрабатываемой системе, является модель загрузки вычислительного узлакомплекса.

В настоящий момент многими исследователями [84] признаётсянеобходимость учёта характеристик нагрузки и её характера, а такжеалгоритмовбалансировкипроизводительностисистемы.нагрузкиТак,дляправильнойбольшинствооценкипредшествующихисследователей предполагали [85], что построение модели вычислительнойнагрузки возможно на основе собранных статистических данных. Однакоданный подход не лишён ряда недостатков и ограничений.64Существеннымнедостаткомтакогоподходаявляетсятообстоятельство, что в зависимости от условий сбора статистических данных(время, период сбора и т.д.) собранная выборка может не давать всю полнотухарактеравычислительнойнагрузки.Стоитотметить,чтосборстатистических данных может приводить к лишним накладным расходам. Врезультате чего, остро встаёт проблема создания моделей, лишённыхуказанных недостатков и дающих результаты, которые коррелируют срезультатами, полученными на практике.Вданномдиссертационномисследованииузловаянагрузкапредставлена в виде нелинейной динамической системы, описываемойуравнением (2.1).С целью приближенности к реальным условиям эксплуатации,тестирование разработанного алгоритма производилось на глобальноймодели, с различным набором параметров, описанных выше.

В качествеосновных алгоритмов балансировки нагрузки были выбраны следующиеалгоритмы: алгоритм балансировки со случайным распределением задач(англ. randomized load balancing algorithm), циклический алгоритм (англ.Round-Robin), алгоритм наименьшего количества соединений (англ. LeastConnection), прогностический алгоритм на основе метода экспоненциальногосглаживания(exponentialsmoothing)иразработанныйвданномдиссертационном исследовании прогностический алгоритм на основе методаквазилинеаризации.После описания основных требований к системе, была произведена еёразработка. Структура системы представлена на рисунке 3.1.65Рисунок 3.1 — Функциональная схема разработанной системы[114]В качестве входных параметров используется готовый набор целевыхпараметров (модель узловой нагрузки, тип сетевого протокола, структурафайловой системы, применяемый алгоритм балансировки и т.д.). Далее,перед каждым запуском системы, происходит анализ входных параметров, сцелью выявления необходимости конфигурирования системы под каждыйконкретный набор параметров.

Если пользователь пытается запуститьсистему без изменения параметров, например при повторном запускепредыдущейчастимоделирования,тозапускосуществляетсябезпереконфигурирования системы. Далее, генератор осуществляет генерациюмодели с соответствующим набором параметров, после чего происходитзапуск модели. После запуска системы имитационного моделированиявозможен контроль хода выполнения работы, с помощью логированияосновных контролируемых параметров. В результате работы системы66происходит сбор требуемых статистических данных и их дальнейшаяфильтрация. Фильтрация полученных данных необходима для выявлениятолькосущественныхдляисследованияданных.Далеепроисходитинтерпретация полученных отфильтрованных данных. С целью удобстваанализа полученных данных, существует возможность их преобразования вудобный к восприятию вид (графики, таблицы).В таблице 3.1 приведены параметры эксперимента для исследуемогоРВК с различными характеристиками.67Таблица 3.1Структура файловойсистемыАлгоритмнагрузкиХарактер узловойданных (Mbit/s)Скорость передачиСетевой протоколсистемыКоличество узловМодель№ экспериментаФиксируемые параметры распределённого вычислительного комплексаRandom/ Leasted110TCP/IP100ОднородныйLoaded/гомогенныйexponential(распределениеsmoothing /Пуассона)прогностическийБездисковая, собщимфайловымсервером / слокальнымидискамиметодВ виденелинейной210TCP/IP100системы(ПрогностичесГлобальнаякая модель)Random/ LeastedLoaded/exponentialsmoothing/прогностиБездисковая, собщимфайловымсервером/ слокальнымидискамический методRandom/ Leasted310UDP100ОднородныйLoaded/гомогенныйexponential(распределениеsmoothing /Пуассона)прогностиБездисковая, собщимфайловымсервером/ слокальнымидискамический методRandom/ Leasted410UDP100В видеLoaded/нелинейнойexponentialсистемыsmoothing /(Прогностичеспрогностикая модель)ческий методБездисковая, собщимфайловымсервером/ слокальнымидисками683.3.

Анализ полученных результатов3.3.1. Расчёт индекса безразмерной ошибки прогнозирования ианализ производительности работы разработанного алгоритмаВ качестве критерия производительности прогнозирования методомквазилинеаризации предложено использовать оценку индекса безразмернойошибки (англ. NDEI) По своей сути, NDEI является нормированным корнемсреднеквадратичной ошибки модели (англ. RMSE). Соответственно, индексбезразмерной ошибки рассчитывается какNDEI RMSEsdt ( yt )(3.1)1 1 t T2RMSE    ( yt  yˆ t ) 2  T t 1(3.2)Формула (1) может быть переписана следующим образом:NDEI 11 t T ( yt  yˆ t ) 2 ,sdt ( yt ) T t 1(3.3)где sdt ( yt ) - стандартное отклонение;Для обеспечения основы анализа было произведено сравнение методапрогнозирования на основе предсказательной динамической модели сметодомэкспоненциальногосглаживания.Дляполучениянаборастатистических данных была запущена разработанная имитационная модельглобально распределённого вычислительного комплекса с различнымнабором фиксируемых параметров, которые описаны ниже.

Количествоузлов системы было фиксированным и составило N=10. На вход тестовойсистемыпоступалонаобслуживаниеn=104запросов(наборформирования временного ряда), которые требовалось обработать.для69Дляанализауровняадаптацииразработанногоалгоритмаквозникающей нагрузке могут применяться различные метрики, такие каккоэффициент вариации, стандартное отклонение и коэффициент Джини. Дляоценки уровня дисбаланса вычислительной нагрузки в системе, былрассчитан коэффициент вариацииCV где,(3.4)- стандартное отклонение нагрузки; - среднее значение нагрузки.Результаты эксперимента систематизированы в таблице 3.2.Таблица 3.2Результаты анализа производительности разработанного метода№ТеоретическоеТеорет.Факт.узла(среднее(среднеечислопредсказанное)предсказанное)заданийчисло заданийчислоЧислоNDEI es NDEI q CVesзаданийCVq(среднее(среднеепо узлуизмеренийисследуемогопараметраметодомметодомпо узлуэкспоненциальногоквазилинеаризаэкс.)кваз.)xesxqсглаживанияции17407457500,0700,0350,1350,033181729809729760,0320,0150,0220,016242437056977000,0380,0140,0350,012181741200121012070,20190,200,4400,387303151075107910780,19050,2870,4080,421262661085109811070,20280,0700,4460,074262779769619500,4870,1020,5420,125242481380133213500,4680,1580,650,243343591105110410900,1150,1280,2030,1772727107828027920,0670,1020,1270,1242019СреднееСреднееCV=0,28CV=0,1670На основе собранных в ходе эксперимента данных был произведенрасчёт отношения стандартного отклонения к среднему по всем узлам, чтопозволило оценить уровень вычислительного дисбаланса в ходе работысистемы.На рисунке 3.2 показан баланс вычислительной нагрузки взапросах, обрабатываемых распределённой системой на всём периоде работысистемы.Рисунок 3.2 — Распределение нагрузки в зависимости от времениработыОднако,дляоценкикачествапрогнозированияметодомквазилинеаризации, использование таких оценок как индекс безразмернойошибки и среднеквадратичной ошибки модели в некоторых случаях бываетнедостаточно.

На практике, для этих целей, часто применяют совокупностьрасчёта стандартного отклонения и интервальную оценку для исследуемогопрогнозного параметра. В отличие от точечной оценки параметра, методпостроения доверительного интервала статистической величины нагрузкиявляется хорошим способом проверки не только точности, но и надёжности(качества) прогнозирования разработанной модели, по сравнению с другимимоделями, например ARIMA.Для построения доверительных интервалов характерно использованиебольших доверительных вероятностей (порядка 0,9; 0,95;0,99).

Характеристики

Список файлов диссертации

Математическое и программное обеспечение балансировки вычислительных заданий для распределенных вычислительных комплексов на основе прогнозных моделей
Документы
Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6384
Авторов
на СтудИзбе
308
Средний доход
с одного платного файла
Обучение Подробнее