Имитационная модель облачных вычислений со спорадическим механизмом управления параллельным решением задач

Рассмотрена имитационная модель вычислительной системы, построенная в среде Simulink (SimEvent). В соответствии с теорией массового обслуживания система классифицируется как G/G/n/∞. При этом в системе присутствует множество входных потоков, их очередь бесконечна, применяются две обратные связи, отражающие ситуацию повторной обработки в случае отказа или отсутствия решения при первой попытке обработки. Архитектура системы ориентирована на параллельную обработку определенного класса задач, при этом сами задачи независимы по данным. Модель исследована при равномерно распределенных и экспоненциальных входных потоках. Исследована ситуация непрерывных потоков нескольких типов задач, для которых варьируются приоритеты и число фрагментов разбиения. Число фрагментов обуславливает степень параллелизма при выполнении задачи. Показан способ автоматического определения оптимального количества фрагментов задачи для гарантии ее выполнения в директивный срок. Предложено использование механизмов спорадического управления количеством фрагментов задач, поступающих в непрерывном потоке, и управления приоритетами каждого из фрагментов задач. Данный механизм позволит существенно ускорить прохождение задач в директивный срок выполнения. Снижена нагрузка на вычислительную систему и повышена эффективность ее работы. Применение предложенных алгоритмов существенно упростит механизмы планирования в вычислительной системе, что позволит исключить использование планировщика.

1. Erl T., Puttini R., Mahmood Z. Cloud Computing: Concepts, Technology & Architecture. Pearson, 2013. 528 p.

2. Sudheer M.S., Reddy K.G., Sree R.K., Raju V.P. An effective analysis on various scheduling algorithms in cloud computing // Proc. of the International Conference on Inventive Computing and Informatics (ICICI). 2017. P. 931–936. https://doi.org/10.1109/ICICI.2017.8365274

3. Hu J., Gu J., Sun G., Zhao T. A scheduling strategy on load balancing of virtual machine resources in cloud computing environment // Proc. of the 3rd International Symposium on Parallel Architectures, Algorithms and Programming (PAAP). 2010. P. 89–96. https://doi.org/10.1109/PAAP.2010.65

4. Brandberg C., Di Natale M. A SimEvents model for the analysis of scheduling and memory access delays in multicores // Proc. of the 13th International Symposium on Industrial Embedded Systems (SIES). 2018. P. 8442094. https://doi.org/10.1109/SIES.2018.8442094

5. Gomathi B., Krishnasamy K. Task scheduling algorithm based on Hybrid Particle Swarm Optimization in cloud computing environment // Journal of Theoretical and Applied Information Technology. 2013. V. 55. N 1. P. 33–38.

6. Rossi F.D., Calheiros R.N., De Rose C.A.F. A terminology to classify artefacts for cloud infrastructure // Research Advances in Cloud Computing. Springer, 2017. P. 75–91. https://doi.org/10.1007/978-981-10-5026-8_4

7. Tomar A., Pant B., Tripathi V., Verma K.K., Mishra S. Improving QoS of cloudlet scheduling via effective particle swarm model // Lecture Notes in Electrical Engineering. 2022. V. 768. P. 137–150. https://doi.org/10.1007/978-981-16-2354-7_13

8. Golosov Р.Е., Kozlov M.V., Malashenko Yu.E., Nazarova I.A., Ronzhin A.F. Analysis of computer job control under uncertainty // Journal of Computer and Systems Sciences International. 2012. V. 51. N 1. P. 49–64. https://doi.org/10.1134/S1064230711060062

9. Цымблер М.Л. Параллельный алгоритм поиска диссонансов временного ряда для многоядерных ускорителей // Вычислительные методы и программирование. 2019. Т. 20. № 3. С. 211– 223. https://doi.org/10.26089/NumMet.v20r320

10. Голосов П.Е., Гостев И.М. Об имитационном моделировании функционирования операционной системы с вытесняющим планированием // Телекоммуникации. 2021. № 8. С. 2–22. https://doi.org/10.31044/1684-2588-2021-0-8-2-22

11. Li W., Mani R., Mosterman P.J. Extensible discrete-event simulation framework in SimEvents // Proc. of the 2016 Winter Simulation Conference (WSC). 2016. P. 943–954. https://doi.org/10.1109/ WSC.2016.7822155

12. Tareghian S., Bornaee Z. A new approach for scheduling jobs in cloud computing environment // Cumhuriyet University Faculty of Science Science Journal (CSJ). 2015. V. 36. N 3. P. 2499–2506.

13. Kecskemeti G., Hajji W., Tso F.P. Modelling low power compute clusters for cloud simulation // Proc. of the 25th Euromicro International Conference on Parallel, Distributed and Network-Based Processing (PDP). 2017. P. 39–45. https://doi.org/10.1109/ PDP.2017.33

14. MathWorks. 2016. Simulink® User’s Guide. MathWorks®, Release R2016a, Natick, MA.

15. MathWorks. 2016. SimEvents®, User’s Guide. MathWorks®, Release R2016a, Natick, MA.

16. Golosov P.E., Gostev I.M. About one cloud computing simulation model // Systems of Signals Generating and Processing in the Field of on Board Communications, Conference Proceedings. 2021. P. 9416100. https://doi.org/10.1109/IEEECONF51389.2021.9416100

17. Голосов П.Е., Гостев И.М. Имитационное моделирование серверов с прерываниями в больших многопроцессорных системах // Известия вузов. Приборостроение. 2021. Т. 64. № 11. С. 879–886. https://doi.org/10.17586/0021-3454-2021-64-11-879-886