Dynamiczna alokacja zadań w sieciach MESH

Slides:



Advertisements
Podobne prezentacje
TRADYCYJNE METODY PLANOWANIA I ORGANIZACJI PROCESÓW PRODUKCYJNYCH
Advertisements

Time dependent cross correlations between different stock returns: A directed network of influence Zależności czasowe korelacji pomiędzy zwrotami z różnych.
Jarosław Kuchta Jakość Oprogramowania
Uczenie ze wzmocnieniem
Życiorys mgr inż. Grzegorz Fotyga Katedra Inżynierii Mikrofalowej i Antenowej WETI PG Urodzony: r. Wykształcenie: studia na kierunku.
Sieci VLAN.
Marcin Bogusiak Paweł Pilewski
Rafał Hryniów Tomasz Pieciukiewicz
Literatura podstawowa
Wprowadzenie do optymalizacji wielokryterialnej.
Dynamiczna alokacja zadań w sieciach MESH
Skalowalny algorytm estymacji ruchu dla systemów rozproszonych
Optymalizacja własności mikrostruktury przy pomocy algorytmów genetycznych na bazie Cyfrowej Reprezentacji Materiału Autor: Daniel Musiał Promotor: dr.
ZŁOŻONOŚĆ OBLICZENIOWA
Systemy plików FAT i FAT 32
Społeczno-polityczny wymiar transformacji postsocjalistycznej
Proxy WWW cache Prowadzący: mgr Marek Kopel
Numeryczne obliczanie całki oznaczonej
mgr inż. Kuba Łopatka Katedra Systemów Multimedialnych WETI PG
Życiorys mgr inż. Jacek Dąbrowski Wykształcenie: Praca zawodowa
Życiorys mgr inż. Damian Bogdanowicz Katedra Algorytmów i Modelowania Systemów. WETI PG Urodzony: r. Wykształcenie: studium doktoranckie,
Mgr inż. Marcin Kulawiak Katedra Systemów Geoinformatycznych, WETI PG Urodzony: r. Wykształcenie: 2006-studium doktoranckie ETI PG
mgr inż. Michał Joachimczak Instytut Oceanologii PAN, Sopot
Sieci Hopfielda.
Wstęp do interpretacji algorytmów
Opracował: mgr Mariusz Bruździński
Bezprzewodowy szerokopasmowy dostep do internetu w pasmie 3,6-3,8 GHz (WiMAX)
Sieci neuronowe jednokierunkowe wielowarstwowe
Ochrona danych wykład 3.
Komputerowa analiza sieci genowych
? Rosnące potrzeby użytkowników Rozmiar problemu Czas Komputer domowy
Gra Scrabble ® na urządzenie Nokia N800 Autor: Michał Filipowicz Promotor: dr inż. Jerzy Zaczek Konsultant: mgr inż. Krzysztof Rzecki.
Budowa i ocena efektywności programu automatyzującego wybrane metody analizy technicznej walorów WGPW. Autor referatu: Andrzej Korpysz
Zbiór do posortowania mieści się w pamięci
na podstawie materiału – test z użyciem komputerowo generowanych prób
Sieci bayesowskie Wykonali: Mateusz Kaflowski Michał Grabarczyk.
Modelowanie populacji i przepływu opinii pomiędzy aktorami sztucznej inteligencji za pomocą sieci społecznej Wojciech Toman.
Uczenie w Sieciach Rekurencyjnych
Topologie sieci lokalnych.
Listy, stosy i kolejki..
CZYLI UWOLNIJ POTENCJAŁ
Model I/O bazujący na HSWN Problem uczenia sieci HSWN
Defragmentacja dysku Jednym z kluczowych czynników wydajności operacji wejścia/wyjścia jest poziom fragmentacji plików. Fragmentacja oznacza zapisywanie.
Konfiguracja IP i sieci w Win XP
Autor: Joanna Barańska Promotor: dr inż. Paweł Figat Konsultant:
ZWIĄZKI MIĘDZY KLASAMI KLASY ABSTRAKCYJNE OGRANICZENIA INTERFEJSY SZABLONY safa Michał Telus.
Wykład 10 typ zbiorowy rekurencja.
Koło naukowe „Sieci” Opiekun: Prof. Dr hab. Inż. Wiesław Wajs
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
VI EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
IV EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski informatyka +
Centralny Elektroniczny Katalog Administracji dr Marcin Kraska Konferencja „e-Usługi. Fikcja czy rzeczywistość?” Poznań, 30 września 2014 r.
System emulacji bezprzewodowych sieci komputerowych
Wyszukiwanie maksimum funkcji za pomocą mrówki Pachycondyla Apicalis.
„What should economists do?” Przygotowano w oparciu o tekst James’a M. Buchanan’a.
JAKOŚĆ TECHNICZNA WĘGLA
Tomasz Gierszewski, KSI
Wstęp do interpretacji algorytmów
Model Lopesa da Silvy – opis matematyczny Zmienne modelu: V e (t) – średni potencjał w populacji pobudzającej E(t) – średnia częstość odpalania w populacji.
Analiza Sieci Społecznych
Metody Badań Operacyjnych Michał Suchanek Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
WYSZUKIWANIE I OPTYMALIZACJA TRAS DLA URZĄDZEŃ MOBILNYCH ANDROID W OPARCIU O SIEĆ/GRAF DOSTĘPNYCH DRÓG Piotr Dąbrowski, Tomasz Pyśk, Piotr Wojciechowski.
TOPOLOGIE SIECI. Topologia sieci- określa sposób połączenia urządzeń sieciowych ze sobą. Najbardziej znane topologie:  Topologia magistrali  Topologia.
Wady i zalety pracy w chmurze
Systemy neuronowo – rozmyte
Topologie fizyczne i logiczne sieci
TOPOLOGIE SIECI KOMPUTEROWEJ Filip Duda II DT. TOPOLOGIA SIECI Topologia fizyczna - opisuje sposoby fizycznej realizacji sieci komputerowej, jej układu.
Zapis prezentacji:

Dynamiczna alokacja zadań w sieciach MESH Autorzy: Anna Tarasiewicz, Michał Tarnawski

Koło naukowe SISK

Plan prezentacji Czym są sieci MESH? Znaczenie dynamicznej alokacji zadań Popularne algorytmy Autorski algorytm System eksperymentowania Wyniki badań Podsumowanie

Sieci MESH - Definicja MESH – struktura komputerów połączonych w usystematyzowaną sieć pozwalająca rozwiązywać złożone obliczeniowo problemy. Każdy komputer to węzeł sieci. Do rozwiązywania problemów można użyć wielu węzłów na raz, aby szybciej uzyskać wynik.

Alokacja ciągła vs. rozproszona Alokacja Ciągła - Każdy węzeł zadania sąsiaduje z innym węzłem tego samego zadania. Alokacja Rozproszona - Zadania rozłożone na węzły niekoniecznie sąsiadujące ze sobą. Małe straty na komunikację miedzy węzłami Możliwa trudność alokacji Łatwość alokacji Możliwe duże straty podczas komunikacji między oddalonymi węzłami

Dynamiczna alokacja zadań W każdej chwili dysponujemy jedynie informacją na temat zadań, które już znajdują się w systemie przetwarzania Nie wiadomo kiedy i jakie nowe zadania pojawią się w systemie Bardzo ważne z praktycznego punktu widzenia w rzeczywistych systemach przetwarzania

Przykładowe algorytmy Losowy ;) First-fit Busy list

Algorytm First Fit Kolejne zadania alokowane są w pierwszym wolnym miejscu na sieci MESH. Zalety: Łatwość implementacji Wady: Niezadawalające wykorzystanie potencjału sieci Duży stopień fragmentacji sieci uniemożliwiający alokowanie większych zadań

First Fit (t=0)

First Fit (t=1)

First Fit (t=2)

First Fit (t=3)

First Fit (t=4)

First Fit (t=5)

Algorytm Busy List Wszystkie zaalokowane zadania umieszczane są na tzw. liście „Busy”. Lista ta przyśpiesza proces szukania podsieci poprzez zawężenie analizy do sąsiedztwa zadań już zaalokowanych. Dla zadania, które w następnej kolejności ma być realizowane na sieci MESH tworzy tzw. listę kandydatów. Kandydaci to miejsca na sieci MESH o kształcie alokowanego zadania. Kandydaci szukani są w sąsiedztwie już zaalokowanych zadań. Najlepszy kandydat sąsiaduje z największą ilością zajętych węzłów lub krawędzi. Najlepszego kandydata wyłania się podliczając przyznaną ilość punktów za sąsiedztwo.

Busy List (t=0)

Busy List (t=1)

Busy List (t=2)

Busy List (t=3)

Busy List (t=4)

Busy List (t=5)

Busy List - ocena Zalety: Wady: Zmniejszona fragmentacja sieci Lepsze wykorzystanie potencjału sieci Wady: Bardziej złożony algorytm – wymaga większego nakładu czasowego na stworzenie list i wielokrotne przeliczanie oraz ocenę kandydatów

Autorski algorytm Hybrid Busy List Bazuje na dwóch spostrzeżeniach: Bazując na aktualnym obciążeniu sieci można sprytnie wybierać zadania z kolejki oczekujących Wskazane jest alokowanie obok siebie zadań, które skończą się w tym samym momencie

Hybrid Busy List (t=0)

Hybrid Busy List (t=1)

Hybrid Busy List (t=2)

Hybrid Busy List (t=3)

Hybrid Busy List (t=4)

Hybrid Busy List (t=5)

Hybrid Busy List - ocena Zalety: Dzięki alokacji zadań o podobnym czasie realizacji zwalnianie większych, spójnych obszarów na sieci Łatwiejsza alokacja zadań mieszanych Wady: Wymaga optymalizacji parametrów - złe dobranie parametrów HBL daje wyniki gorsze od BL

System eksperymentowania W celu porównania efektywności działania opisywanych wyżej algorytmów, wprowadziliśmy dwa główne wskaźniki jakości: średnie obciążenie sieci (SOS) moment zakończenia przetwarzania (MZP) Badania przeprowadzono pod kątem dwóch aspektów: Porównania efektywności rozważanych algorytmów dla zmiennej liczby zadań Zbadania wpływu rozmiaru zadań na wyniki algorytmów. – Poddaliśmy badaniom 4 grupy zadań: losowe, małe, średnie i duże.

System eksperymentowania Badania przeprowadziliśmy na stworzonym przez nas symulatorze sieci

Analiza wyników badań

Analiza wyników badań

Podsumowanie Stworzony przez nas algorytm HBL ujawnia swoje optimum dla zadań bardzo zróżnicowanych. System Intelligent Choice można zastosować również w innych algorytmach

Bibliografia [1] YUNG-KANG CHU, I-LING YEN, ROVER D.T. „Guiding Processor Allocation Estimated Execution Time for Mesh Connected Multiple Processor Systems” Annual Hawaii International Conference on System Sciences , 1995 [2] SAAD BANI M. “Efficient Processor Allocation Strategies for Mesh-Connected Multicomputers” February 2008, Information and Mathematical Sciences University of Glasgow [3] SRINIVASAN T., SESHADRI J., CHANDRASEKHAR A., SIDDHARTH J. B. “A Minimal Fragmentation Algorithm for Task Allocation in Mesh-Connected Multicomputers” Proceedings of the IEEE International Conference on AISTA, IEEE Press, Nov 2004, Luxembourg

Dziękujemy za uwagę Teraz jest czas na: Pytania

Dziękujemy za uwagę Teraz jest czas na: Pytania BRAWA!!!