بهینه سازی الگوریتم های زمان بندی هیبرید چند سطحی پویا در گریدهای محاسباتی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 596
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEBSCONF01_193
تاریخ نمایه سازی: 6 آبان 1393
چکیده مقاله:
گرید یک زیرساخت برای اشتراک گذاری منابع است. که برای پردازش داده ها در مقیاس بزرگ، بسیاری از کاربردهای نوع علمی استفاده می شود. زمان بندی گرید مولفه حیاتی از زیرساخت گرید است. قابلیت اعتماد، بهره وری (از نظر زمان مصرف) و اثربخشی در استفاده از منابع از ویژگی های مورد نظر سیستم های زمان بندی گرید است. بسیاری از الگوریتم ها برای زمان بندی شبکه توسعه یافته بودند. در این مقاله، دو الگوریتم زمان بندی هیبریدی چند سطحی برای مثال، الگوریتم زمان بندی دینامیک هیبریدی چند سطحی را با استفاده از میانگین و الگوریتم زمان بندی دینامیک هیبریدی چند سطحی را با استفاده از ریشه دوم پیشنهاد می کنیم. ایده اصلی الگوریتم های پیشنهاد شده در اجرای کار ها به طور بهینه می باشد، برای مثال با حداقل میانگین زمان های انتظار، زمان برگشت و زمان پاسخ. به منظور سهولت در پژوهش، یک ابزار نرم افزاری توسعه داده شده است که شبیه سازی جامع یک تعداد از الگوریتم های زمان بندی گرید را انجام می دهد. خروجی ابزار در شکل معیار های کارایی زمان بندی است. نتایج آزمایشی، براساس معیارهای کارایی، اثبات کردند که کارایی الگوریتم های زمان بندی گرید نتایج خوبی را ارائه داد. الگوریتم های زمان بندی پیشنهاد شده ما هم چنین قابلیت مقیاس پذیری را پشتیبانی می کند، به عبارت دیگر، آنها رویکرد مؤثری را حفظ می کنند وقتی که تعداد پردازنده ها یا نودها افزایش می یابد. این مقاله هم چنین شامل تحلیل های آماری اثرات واقعی بارکاری در ارائه ماهیت و رفتار کارها است.
کلیدواژه ها:
گرید محاسباتی- زمان بندی- گرید- کوانتوم زمان
نویسندگان
محسن راسلی
گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
مهسا رهنمازاده
گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات مرکزی، اراک، ایران
محسن فرحزاد
گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :