شبیه سازی و ارزیابی زمان اجرای برنامه موازی بر روی ابر با توجه به پارامترهای مختلف

شبیه سازی و ارزیابی زمان اجرای برنامه موازی بر روی ابر با توجه به پارامترهای مختلف

دانلود



دانلود تحقیق کارشناسی ارشد رشته آی تی

شبیه سازی و ارزیابی زمان اجرای برنامه موازی بر روی ابر با توجه به پارامترهای مختلف

 

 

 

 

 

چکیده


برای شبیه­سازی و ارزیابی زمان اجرای برنامه موازی بر روی ابر با توجه به پارامترهای مختلف، از محیط شبیه­ساز CloudSim [91 و 92] استفاده نموده­ایم. كه در این نوشتار، الگوریتم پیشنهادی را با الگوریتم آزمون نقطه مقابله‌گیری هماهنگ دوره­ای مورد قیاس قرار داده­ایم. در ادامه این تحقیق ابتدا به معرفی اجزا[1] مختلف شبیه ­ساز موجود می­پردازیم. سپس اجزای اضافه شده به این شبیه‌ساز و همچنین نحوه پیاده‌سازی تکنیک‌های مقابله با اشکال را به تفصیل بیان می‌نماییم. لازم به ذکر است این شبیه‌ساز بر خلاف شبیه‌ساز  GridSim [93] هیچ نوع قابلیت مقابله با اشکال را به صورت پیش­فرض نداشته  است.

1-1       معرفی شبیه‌ساز  CloudSim

شبیه‌ساز CloudSim از معروف‌ترین و پراستفاده‌ترین شبیه‌ساز‌های محاسبات ابر می‌باشد که توسط بویا و همکاران در دانشگاه ملبورن طراحی و پیاده‌سازی شده است. هسته اصلی این شبیه‌ساز بر پایه شبیه‌ساز GridSim می‌باشد که برای شبیه‌سازی محیط محاسبات گرید تدوین شده است. بنابراین، این هسته نیز به صورت رویداد-گرا[2] می‌باشد.

1-1-1     اجزای ابر

1-1-1-1  Cloudlet

به کارهای[3] برنامه موازی که به عنوان ورودی وارد ابر می‌شوند cloudlet می‌گویند. در حقیقت هر کاربر[4] یک برنامه موازی شامل چندین کار را در ابر ثبت[5] می‌نماید. هر کار شامل

·        userId: شناسه کاربری ثبت کننده؛

·        cloudletLength: طول کار موازی (بر حسب میلیون دستور[6])

·        cloudletFileSize: اندازه فایل ورودی شامل برنامه و داده‌های ورودی بر حسب بایت؛

·        cloudletOutputSize: اندازه فایل خروجی کار بعد از اجرا بر حسب بایت؛

·        numberOfPes: تعداد واحد‌های محاسباتی[7] مورد نیاز برای اجرا؛

·        cloudletId: شناسه کار موازی؛

·        status: وضعیت جاری؛

·        finishTime: زمان اتمام کار بر حسب ثانیه؛

·        execStartTime: زمان آخرین شروع به کار بر حسب ثانیه؛

·        vmId: شناسه ماشین مجازی که کار مورد نظر درون آن در حال اجراست؛

·        utilizationModelCpu: مدل بهره­وری از CPU

می‌باشد.





[1] Component



[2] Event-driven



[3] Tasks



[4] User



[5] Submit



[6] Million Instruction (MI)



[7] Process elements




 

 

 

واژه های کلیدی:

پیش بینی اشکال

سیستم های محاسبات ابر

 

 

 

 

 

 

 

 

 

  فهرست مطالب

 

6-1 معرفی شبیه‌ساز CloudSim

6-1-1 اجزای ابر

6-1-2 اجزای اصلی هسته

6-1-3 سرویس‌های موجود و الگوریتم‌های آن‌ها

6-1-4 روند کار شبیهساز

6-2 نحوه پیاده سازی سیستم تحمل‌پذیر اشکال در شبیه ساز

6-2-1 FaultInjector 117

6-2-2 FaultPredictor 120

6-2-3 FTHost 121

6-2-4 FTDatacenter 121

6-2-5 FTDatacenterBroker 122

6-3 نتایج آزمایشات

6-3-1 بررسی اثر سربار نقطه مقابله‌گیری

6-3-2 بررسی عمل‌های انتخابی

6-3-3 خرابی‌های متوقف سازنده و غیر متوقف سازنده

7 نتیجه گیری و پیشنهادات

منابع

 

 

فهرست شکل ها

شکل ‏6 1دیاگرام کلی شبیه‌ساز[92]

شکل ‏6 2 جریان کار اجزای برنامه‌های موازی در شبیه‌ساز [92]

شکل ‏6 3 نمونه‌ای از محتویات یک فایل سناریوی خرابی گرها در یک مرکز داده

شکل ‏6 4 ماشین حالت خرابی یک گره محاسباتی در ابر

شکل ‏6 5 تکه کد تغییر وضعیت حالت میزبان‌های یک مرکزداده به صورت بهینه

شکل ‏6 6 تکه کد پیش‌بینی وضعیت یک گره محاسباتی در زمان آینده time

شکل ‏6 7 در صد بهبود زمان اجرای الگوریتم‌های پیشنهادی نسبت به الگوریتم آزمون نقطه مقابله‌گیری دوره‌ای کلاسیک

شکل ‏6 8 در صد بهبود زمان اجرای الگوریتمهای پیشنهادی نسبت به الگوریتم آزمون نقطه مقابله گیری دورهای کلاسیک با افزایش زمان نقطه مقابله‌گیری به 5 دقیقه

شکل ‏6 9 تعداد عمل‌های انتخابی در طول زمان اجرا با الگوریتم نقطه مقابله‌گیری دوره‌ای

شکل ‏6 10 تعداد عملهای انتخابی در طول زمان اجرا با الگوریتم تطبیقی اولیه

شکل ‏6 11 تعداد عملهای انتخابی در طول زمان اجرا با الگوریتم تطبیقی تصحیح شده

شکل ‏6 12 تعداد اشکال‌هایی که در طول اجرای برنامه سبب توقف یا عدم توقف ابر می‌شوند

 

 

فهرست جداول

جدول ‏6 1 مقداردهی اولیه متغیرهای شبیه ساز

 

 

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *