Postupci raspoređivanja u raznorodnim računalnim sustavima

Raznorodno računalno okruženje posebno je pogodno za izvođenje računalno zahtjevnih aplikacija sastavljenih od različitih zadataka. Zahvaljujući brzim mrežama i Internet tehnologiji, osim što omogućava vrlo veliku računalnu snagu, ono posjeduje i sposobnost obnovljivosti resursa. Visoka razina razno...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:29371/Details
Glavni autor: Martinović, Goran (-)
Ostali autori: Budin, Leo (Thesis advisor)
Vrsta građe: Knjiga
Jezik: hrv
Impresum: Zagreb : G. Martinović ; Fakultet elektrotehnike i računarstva, 2004.
LEADER 05843nam a2200229uu 4500
005 20190321082941.0
008 s2004 ci a |||||||||| ||hrv|d
035 |a HR-ZaFER 33765 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
041 |a hrv 
080 |a 681.3  |h PRECIZNI MEHANIZMI I INSTRUMENTI  |j OPREMA ZA OBRADU PODATAKA  |e 681  |9 1740 
100 1 |9 18141  |a Martinović, Goran 
245 |a Postupci raspoređivanja u raznorodnim računalnim sustavima :  |b doktorska disertacija /  |c Goran Martinović ; [mentor Leo Budin] 
260 |a Zagreb :  |b G. Martinović ; Fakultet elektrotehnike i računarstva,  |c 2004. 
300 |a iv, 160 str. :  |b ilustr. ;  |c 30 cm +  |e CD 
504 |a Bibliografija str. 146-160. 
520 |a Raznorodno računalno okruženje posebno je pogodno za izvođenje računalno zahtjevnih aplikacija sastavljenih od različitih zadataka. Zahvaljujući brzim mrežama i Internet tehnologiji, osim što omogućava vrlo veliku računalnu snagu, ono posjeduje i sposobnost obnovljivosti resursa. Visoka razina raznorodnosti, vremenska promjenjivost i geografska raspodijeljenost zahtijevaju posebnu pozornost pri upravljanju resursima. Ova disertacija prikazuje postupke dodjeljivanja u navedenim uvjetima. Postojeća rješenja problema raspoređivanja osnova su rješavanja problema dodjeljivanja. To je i namjera prilagodbe zapisa γβ α raznorodnom okruženja. Predloženi Ω H model omogućava zorniji i potpuniji opis okruženja. On obuhvaća parametre aplikacije, platforme, dodjeljivanja, te vlasnika/ korisnika resursa. Predloženi algoritam MAMES namijenjen je raspoređivanju međusobno zavisnih zadataka na skupu uniformnih računala. Prema rezultatima simulacije, on pokazuje bolje rezultate od nekih postojećih, ali i moguće visoke ugradbene zahtjeve u stvarnom okruženju. S druge strane, predloženi heuristički postupci dodjeljivanja razmjeno su jednostavni, a proizlaze iz analize nedostataka postojećih postupaka. Usmjereni su ka postizanju što kraćeg vremena izvođenja i što ravnomjernijeg opterećenja. Dva postupka (SM i BS) obavljaju pridruživanje odvojeno od raspoređivanja, a preostala tri (Gmm, PM i RCM) cjelovito dodjeljivanje nakupina zadataka. Povećanje broja parametara koji opisuju okruženje omogućava veću zornost i zalihost prikaza. Preporučena načela kvazi-statičkog i statičko-dinamičkog dodjeljivanja usmjerena su boljem nadzoru dinamičnosti okruženja. Postupci dugoročnog i kratkoročnog predviđanja, te rezerviranje resursa zasnovano na višestrukim slučajnim poslužiteljima, povoljno djeluju na predodjeljivanje. Vrednovanje postupaka i uvjeta dodjeljivanja obavljeno je u pojednostavljenom ispitnom okruženju na temelju predloženih mjerila vrednovanja. Eksperimentalno vrednovanje predloženih postupaka i usporedba s postojećima pokazuju bolje rezultate u izvođenju aplikacije. Ti rezultati najbolji su pri predodjeljivanju s predviđanjem i rezerviranjem resursa i to za postupke dodjeljivanja nakupina zadataka. Ključne riječi: raznorodno računalno okruženje, dodjeljivanje, raspoređivanje, pridruživanje, uniformni procesori, predviđanje, poslužiteljski zadaci, vrednovanje. 
520 |a A heterogeneous computer system is especially suitable for the execution of computer intensive applications consisting of various tasks. Due to fast networks and the Internet technology, in addition to enabling a high level of computer performances, it also has a capability of resource renewability. A high level of heterogeneity, timing variability and geographical distribution require a special attention regarding resource management. This dissertation presents mapping procedures in the mentioned conditions. The existing solutions of scheduling procedures represent the basis for solving mapping procedures. That is the aim of adjusting the notation γβ α to heterogeneous environment. The proposed Ω H model enables a thorough and more complete environment description. It includes application, platform, mapping, and resource owner/user parameters. The proposed MAMES algorithm is developed for scheduling tasks with precedence constraints on a set of uniform machines. According to simulation results, it shows better results than some other existing ones, but it also indicates possible high implementation requirements in real environment. On the other hand, the proposed heuristic mapping procedures are rather simple, and follow from the analysis of disadvantages of the existing procedures. Their goal is to achieve as short execution time and as uniform workload as possible. Two procedures (SM and BS) carry out matching separately from scheduling, whereas the other three (Gmm, PM and RCM) execute complete mapping of clustered tasks. An increase in number of parameters describing environment enables a better presentation and redundancy of parameters. The proposed principles of quasi-static and static-dynamic mapping are directed towards improving the control of environment dynamics. Short-term and long-term prediction procedures, as well as resource reservation, which are based upon multiple sporadic servers, have positive effects on remapping. Evaluation of mapping procedures and conditions is done in a simplified experimental environment on the basis of the proposed evaluation parameters. Experimental evaluation of the proposed procedures and the comparison to the existing ones show better results in the application execution. These results are the best for remapping with prediction and resource reservation, for the procedures of mapping clustered tasks. Keywords: heterogeneous computer system, mapping, scheduling, matching, uniform processors, prediction, server tasks, evaluation.  
700 |4 ths  |9 4006  |a Budin, Leo 
942 |c D  |2 udc 
990 |a 31582 
999 |c 29371  |d 29371