|
Очевидно, что для этого должны быть созданы системы сбора и обработки информации о работе информационно-образовательного кластера [25; 30; 47]. Наиболее полная классификация систем сбора информации о функционировании кластеров приведена в работе [66].Системы сбора и обработки информации, как правило, работают на первом, втором и реже на третьем уровнях. Для этих же уровней создаются методы оценки предельной практической и теоретической производительности информационнообразовательных кластеров. Информационно-образовательные кластеры, как правило, заранее не обладает информацией о потребностях задачи в тех или иных ресурсах, а «узнают» о них по запросу задачи. Также каждый кластер обладает определенными характеристиками, что требует адаптации самой задачи и оценки результатов адаптации (четвертый уровень). Наиболее эффективным, самым ресурсоемким является пробный запуск на реальных данных. Другой способ, используемый, как правило, для обучения, это создание моделей выполнения задания на конкретном кластере [38; 39; 49]. При анализе эффективности работы, производительности и управляемости информационно-образовательного кластера и его оптимизации, на всех уровнях возникает подзадача оценки временных характеристик или его узлов, а также оценки времени выполнения задания в различных режимах запуска и на разных кластерах. Рассмотрим применяемые (или применимые) для этого методы. Оценка временных характеристик распределенных информационно-образовательных кластеров Г РИД (GRID) «GRID согласованная, открытая и стандартизованная среда, которая обеспечивает гибкое, безопасное, скоординированное разделение ресурсов в рамках виртуальной организации». Основные требования, предъявляемые к таким системам, по мнению Яна Фостера, это доступность, открытость, 27 |
уровнях. Для этих же уровней создаются методы оценки предельной практической и теоретической производительности системы обработки информации. Система обработки информации, как правило, заранее не обладает информацией о потребностях задачи в тех или иных ресурсах, а «узнает» о них по запросу задачи. Также каждая система обладает определенными характеристиками, что требует адаптации самой задачи и оценки результатов адаптации (четвертый уровень). Наиболее эффективным, самым ресурсоемким является пробный запуск на реальных данных. Другой способ, используемый, как правило, для обучения, это создание моделей выполнения задания на конкретной системе [20; 21; 31]. При анализе эффективности работы, производительности и управляемости системы обработки информации и ее оптимизации, на всех уровнях возникает подзадача оценки временных характеристик системы или ее узлов, а также оценки времени выполнения задания в различных режимах запуска и на разных системах. Рассмотрим применяемые (или применимые) для этого методы. 1.1. Составление расписания загрузни узлов системы с использованием методов теории оптимизации Исходя из списков публикаций в конференциях, наиболее популярными сейчас являются выделенные вычислительные кластеры, которые либо приобретаются целиком (специализированные), либо строятся на базе имеющегося компьютерного парка. Такие системы, как правило, работают под управлением библиотек параллельных вычислений, удовлетворяющих стандарту MPI. Наиболее важным с точки зрения анализа временных характеристик является то, что пользователь самостоятельно принимает решения о «поведении» задачи. Таким образом, эффективность работы задачи и реальная производительность системы в целом полностью зависят от правильной разработки алгоритма программы пользователем и выборе стратегии управления администратором кластера. Методы теории 10 совместного использования ресурсов. В масштабах глобальных сетей, такими системами являются GRID системы, в масштабах локальной сети такие системы, как Legion и Condor. 1.6.1. ГРИД (GRID) «GRID согласованная, открытая и стандартизованная среда, которая обеспечивает гибкое, безопасное, скоординированное разделение ресурсов в рамках виртуальной организации». Основные требования, предъявляемые к таким системам, по мнению Яна Фостера, это доступность, открытость, управляемость, универсальность и эффективность [84; 38; 66; 67]. Изначально ГРИД-технологии предназначались для решения сложных научных, производственных и инженерных задач, которые невозможно решить в разумные сроки на отдельных вычислительных установках. Однако теперь область применения технологий ГРИД не ограничивается только этими типами задач. По мере своего развития ГРИД проникает в промышленность и бизнес, крупные предприятия создают ГРИД для решения собственных производственных задач. Таким образом, ГРИД претендует на роль универсальной инфраструктуры для обработки данных, в которой функционирует множество служб (Grid Services), которые позволяют решать не только конкретные прикладные задачи, но и предлагают сервисные услуги: поиск необходимых ресурсов, сбор информации о состоянии ресурсов, хранение и доставка данных. Все ресурсы в ГРИД объединяются в виртуальные организации. При этом методы оценки времени выполнения задания на конкретном ГРИД-узле совпадают с вышеперечисленными. Узнать время доступности узлов ГРИД в общем виде невозможно, поскольку для каждой виртуальной организации имеется своя собственная политика поведения ее участников, которые должны соблюдать установленные правила. Виртуальная организация может образовываться динамически и иметь ограниченное время существования. 17 |