Авторитетность издания
Добавить в закладки
Следующий номер на сайте
Автоматизация выбора эффективной конфигурации Грид-систем
Аннотация:
Abstract:
Авторы: Ефимов С.Н. (Сибирский государственный аэрокосмический университет им. акад. М.Ф. Решетнева, г. Красноярск) - Сибирский государственный аэрокосмический университет им. акад. М.Ф. Решетнева, г. Красноярск, кандидат технических наук, Семенкин Е.С. (styugin@rambler.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева, г. Красноярск, Россия, Тынченко В.В. () - , Тынченко В.С. (vadimond@mail.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнёва (доцент), Красноярск, Россия, кандидат технических наук | |
Ключевые слова: клиентский узел, многокритериальный генетический алгоритм, сетевая технология грид, удаленные вычислительные ресурсы, распределенные компьютерные сети |
|
Keywords: , , , , |
|
Количество просмотров: 8122 |
Версия для печати Выпуск в формате PDF (3.60Мб) |
Повсеместное использование высокопроизводительных и доступных по стоимости персональных компьютеров, разработка и массовое практическое применение сетевых информационных технологий различного уровня и назначения позволяют говорить о распределенных компьютерных сетях как об эффективной и значительно более дешевой альтернативе многопроцессорным и многомашинным вычислительным системам в качестве аппаратных средств реализации параллельных вычислений при решении сложных и ресурсоемких задач. Однако основной проблемой широко распространенных технологий глобальных компьютерных сетей является невозможность универсально и эффективно использовать удаленные вычислительные ресурсы, поскольку изначально так называемые интернет-технологии ориентировались на доступ к данным, а не к вычислительным мощностям. Преодолеть ограничения существующих в этой области решений позволяют интенсивное развитие и внедрение перспективной сетевой технологии Грид, в основе которой лежит идея создания географически распределенной вычислительной инфраструктуры, объединяющей ресурсы различных типов с коллективным доступом к этим ресурсам в рамках виртуальных организаций, состоящих из предприятий и специалистов, совместно использующих эти общие ресурсы. На основе этой технологии можно реализовать ту или иную Грид-систему, предназначенную для решения того или иного класса прикладных задач [1]. Автоматизация распределения ресурсов Грид-системы и их координация в процессе решения сложных научно-технических задач требуют разработки и применения формальных методов моделирования и оптимизации для формирования эффективной конфигурации вычислительных ресурсов Грид-системы, реализующей основные функции. Предлагаемая система поддержки принятия решений (СППР) «Формирование эффективной конфигурации Грид-системы» для автоматизации выбора эффективной по производительности, надежности и стоимости структуры Грид-системы разработана на основе предложенного авторами комплекса математических моделей оценки производительности и надежности функционирования Грид-систем [2]. Постановка оптимизационной задачи выбора эффективной конфигурации Грид-системы для решения сложных задач определенного класса имеет следующий вид:
при условиях:
Здесь П(×) – критерий производительности Грид-системы, настроенной на решение сложных задач определенного класса;
Для решения данной оптимизационной задачи в программной системе используется многокритериальный генетический алгоритм (ГА), эффективность которого слабо зависит от свойств оптимизируемых функций, что позволяет справляться с решением сложных задач глобальной оптимизации [3]. Обобщенная структурная схема СППР «Формирование эффективной конфигурации Грид-системы» представлена на рисунке 1.
· настройка аппаратных характеристик имеющихся для использования в Грид-системе клиентских и серверных узлов; · настройка расписания работы имеющихся для использования в Грид-системе клиентских узлов; · настройка параметров алгоритма решаемого класса задач; · настройка параметров ГА для выбора эффективных конфигураций Грид-системы; · визуализация информации, характеризующей процесс решения задачи; · изменение параметров ГА в процессе решения задачи; · визуализация результатов выбора эффективных конфигураций Грид-системы; · сохранение результатов в текстовых и графических файлах. Результаты работы программной системы: - множество недоминируемых конфигураций проектируемой Грид-системы, каждая из которых имеет свой состав и свойства (аппаратные характеристики клиентских узлов и сервера, значение коэффициента готовности); - аппроксимация Парето-оптимального фронта; - графики пригодности лучшего и худшего индивидов, а также средняя пригодность популяции ГА при решении оптимизационной задачи выбора эффективных конфигураций Грид-системы. Разработанная программная система использовалась в ООО «Региональные информационные технологии-системы» (г. Красноярск) для распределенного решения задачи выбора эффективной структуры централизованной Грид-системы, настроенной на решение вычислительно сложной задачи нейросетевого моделирования со следующими характеристиками: средняя вычислительная сложность одной итерации вычислений на одной ветви алгоритма решения задачи – 10 000 операций; средняя вычислительная сложность алгоритма управления одной ветвью алгоритма решения задачи – 5 000 операций; средний объем данных клиент-серверного обмена – 200 Кб. Для построения Грид-системы имелись 153 клиентских узла с заданным расписанием работы и следующими параметрами: производительность – от 4 200 до 17 345 Mflops; скорость каналов передачи данных – от 10 Mбит/сек. до 27 Mбит/сек.; стоимость аренды за 1 час использования – от 1,03 руб. до 3,82 руб.; по надежности все клиентские узлы разбиваются на 2 группы с интенсивностями отказов 0,00001 и 0,000001. Выбор серверного узла проектируемой Грид-системы не производился по причине того, что предприятие-заказчик предоставляет свой серверный узел со следующими параметрами: количество процессоров – 2; производительность каждого процессора сервера – 11 500 Mflops; стоимость аренды – 0; интенсивность отказов процессоров сервера – 10-6. На проектируемую Грид-систему накладывались следующие ограничения: количество клиентских узлов Грид-системы – от 15 до 20; коэффициент готовности Грид-системы – не менее 99,9 %; минимальная производительность Грид-системы – не менее 50 Gflops. При решении задачи была получена аппроксимация Парето-множества конфигураций Грид-системы, состоящая из 6 точек, а также его фронта. Аппроксимация фронта Парето представлена на рисунке 2. По значениям стоимости и производительности полученных конфигураций Грид-систем был выбран следующий вариант: средняя производи Таким образом, с использованием разработанной СППР была выбрана эффективная конфигурация Грид-системы централизованного типа, позволяющая осуществлять распределенные вычисления по заданному алгоритму. Результаты практической апробации свидетельствуют о том, что разработанное программное обеспечение позволяет успешно решать задачи проектирования вычислительных систем на базе технологии Грид, предназначенных для решения сложных научно-технических задач. Литература 1. Кирьянов А.К., Рябов Ю.Ф. Введение в технологию Грид: Учеб. пособ. – Гатчина: ПИЯФ РАН, 2006. – 39 с. 2. Ефимов С.Н., Тынченко В.С. Модели и алгоритмы формирования GRID-систем для структурно-параметрического синтеза нейросетевых моделей. // Вест. Сиб. гос. аэрокосмич. ун-та. – 2008. – Вып. 4 (21). – С. 18–22. 3. Zitzler E., Thiele L. Multiobjective evolutionary algorithms: A comparative case study and the strength Pareto approach. // IEEE Transactions on Evolutionary Computation. – 1999. |
Постоянный адрес статьи: http://swsys.ru/index.php?id=2016&page=article |
Версия для печати Выпуск в формате PDF (3.60Мб) |
Статья опубликована в выпуске журнала № 1 за 2009 год. [ на стр. 43 ] |
Назад, к списку статей