دانلود مقاله زمانبندی در گرید های محاسباتی

چکیده زمانبندی در گریدهای محاسباتی مهمترین نقش را در بهبود کارایی ایفا می کند.

زمانبندی ضعیف باعث افزایش زمان اجرای کار و در نتیجه کاهش گذردهی گرید می شود.

سیستم گرید صدها یا هزاران کار را به طور همزمان اجرا می کند و در نتیجه تصمیم گیری ضعیف در مورد مکان اجرای کار می تواند به طور چشمگیری باعث کاهش کارآیی شود.

اما زمانبندی موثر یا به عبارت دیگر تصمیم گیری خوب در مورد مکان اجرای کار یک مساله بسیار دشوار و NP – Complete است که با چالش های مختلفی روبروست.

یکی از این چالشها ارتباطات بین وظایف یا زیر کارهای موجود در یک کار است.

علاوه بر آن محیط گرید یک محیط بسیار پویاست که تعداد منابع، در دسترس بودن آنها، بار پردازنده و فضای دیسک در طول زمان مداوم در حال تغییرند.

از طرف دیگر کارهای ویژگی های متفاوتی دارند که این امر زمانبندی های متفاوتی را طلب می کند.

به عنوان مثال بعضی از کارها نیازمند توان پردازشی بالا و بعضی نیازمند توان ارتباطی بالا بین وظایف خود هستند.

در نهایت یکی از مهمترین ویژگی های زمانبندی گرید که آن را از دیگر زمانبندی ها(مانند زمانبندی کلاستر) متمایز می کند، قابلیت مقیاس پذیری آن است.

زمانبندی که بسیار ساده ای(مانند زمانبندی تصادفی، چرخشی تکراری و ...) استفاده می کنند و زمان ارتباطات بین وظایف یک کار و همچنین زمان ارسال یک کار از یک نقطه گرید به نقطه دیگر را نادیده می گیرند.

علاوه برآن با توجه به این که غالب زمانبندها عمل زمانبندی را در یک سطح انجام می دهند و با عناصر پردازنده و وظیفه سروکار دارند، معمولاً قابلیت مقیاس پذیری خوبی ندارند.

در این تحقیق به منظور مقیاس پذیر بودن، مساله زمانبندی در دو سطح بررسی شده است.

در سطح بالا که همان زمان بندی در سطح گرید است، زمانبند با عناصر کلاستر یا سایت و کار سروکار دارد.

در حقیقت گرید مجموعه ای از سایت ها در نظر گرفته شده که هر یک نماینده یک سازمان یا فرد است .

از یک تا چند صد ماشین دارد.

تاکید اصلی تحقیق نیز بر روی همین زمانبند سطح بالا است که به آن گلوبال یا سراسری نیز گفته می شود و وظیفه آن اختصاص کل یک کار(با تمام وظایف موجود در آن) به یک کلاستر است.

سپس زمانبند سطح پایین (زمانبند سطح کلاستر) وظایف موجود در کار را بر روی نودهای موجود در کلاستر زمانبندی و اجرا می کند.

پیشتر، زمانبندی های سطح کلاستر خوبی طراحی و پیاده سازی شده است.

زمانبند گلوبال پیشنهادی با درنظر گرفتن از یک طرف نیازهای ارتباطی بین وظایف یک کار، زمان مورد نیاز برای انتقال یک کار از یک نقطه گرید به نقطه دیگر و علاوه برآن نیاز پردازشی و محاسباتی کار و از طرف دیگر اطلاعات راجع به بار کلاستر ها(سایت ها)، میزان ترافیک موجود در شبکه هر کلاستر و گرید، سعی در تصمیم گیریهای موثر دارد.

به منظور برخورد کیفی با این پارامترهای مختلف از منطق فازی استفاده شده است تا تطابق بین نیازهای کار و ورودی و ویژگی های فعلی هر کلاستر تعیین شود و در نهایت کار به کلاستر با بالاترین تطابق ارسال شود.

1 مقدمه محاسبات مدرن روز به روز با بهبود توان محاسباتی ، قابلیت ذخیره سازی و ارتباطات روبه رو می شود.علیرغم این توسعه ها شرایط بسیار زیادی وجود دارد که منابع محاسباتی نیاز ما را برآورده نمی کنند.این امر هم در محیط های علمی و هم اقتصادی اتفاق می افتد و دلایل خاص خود را دارد.

به عنوان مثال ده سال پیش، زیست شناس ها مایل به محاسبه ساختار تک مولکول بودند اما امروزه آنها می خواهند ساختار ترکیبات پیچیده ای از مولکول را محاسبه کنند.

بسیاری از پروژه های علمی صدها مگابایت داده را در ظرف یک ثانیه تولید کرده و نیازمند بررسی و پردازش سریع آن ها هستند.

راه حل این مشکلات در مقوله ی جدیدی به نام محاسبات گریدی نهفته است که برای اولین بار در سال 1969 توسط Leonard Kleinrock به صورت زیر توصیف شد.

احتمالاً به زوری شاهد گسترش تسهیلات کامپیوتری خواهیم بود که همانند تسهیلات برق و تلفن امروزی خانه ها و ادارات را سرویس خواهد داد.

در سالیان منتهی به سال 2000 میلادی تحقیقات در حوزه محاسبات گریدی منجر به توسعه گرید توان محاسباتی شد که زیر ساختی برای محاسبات عظیم توزیع شده و موازی است.

زیر ساخت گرید امکان ا شتراک و انتخاب منابعی که از نظر جغرافیایی در مکان های مختلف قرار دارند و متعلق به سازمان های متفاوت هستند را فراهم می کند.

این منابع شامل ایستگاه های کاری ، کلاسترها، سیستم های ذخیره سازی، دستگاه های خاص و غیره است.اشتراک منبع سودمند است زیرا اجازه استفاده از توان چندین منبع را می دهد.

مثلاً به جاری اجرای یک برنامه محاسباتی عظیم بر روی سخت افزار خاص (مانند یک ابر کامپیوتر) می توان آن را به صورت موازی بر روی کامپیوترهای موجود در یک کلاستر که بسیار ارزان تر هستند اجرا کرد.

یک سیستم گرید محاسباتی برنامه هایی را بر روی منابع موجود در زیر ساخت گرید اجرا می کند تا یک سیستم واحد از منابع متعامل را تشکیل دهد.

این برنامه ها عمل تعامل بین منابع را آسان می کنند.

به مجموعه برنامه هایی که تعامل بین منابع را مدیریت می کنند، میان افزار سیستم گرید گفته می شود زیرا یک لایه نرم افزاری بالای سیستم عامل است که عمل تعامل بین منابع موجود در گرید را کنترل می کند.

کاربر سیستم گرید می تواند برنامه های کاربردی خود را بر روی منابع متنوعی از گرید اجرا کند.

او این کار را با اجرای برنامه کاربردی در بالای لایه میان افزاری انجام می دهد.

یک سیستم گرید می تواند تعداد زیادی از این برنامه های کاربردی را به طور همزمان اجرا کند.

یک نوع ازبرنامه های کاربردی که معمولاً در سیستم گرید اجرا می شوند، ساختارهای تک برنامه چند داده (SPMD) هستند که به آنها برنامه های داده-موازی[1] نیز گفته می شود.

این برنامه ها به چندین وظیفه [2] تقسیم می شوند که هر یک محاسبات را بر روی قسمت مجزایی از مجموعه داده انجام می دهد.

این وظایف به همراه یکدیگر کار می کنند تا کل مجموعه داده را پردازش کنند و در مجموع به آنها یک کار[3] گفته میشود.

از این مدل برنامه معمولاً در حل مسایل محاسباتی علمی استفاده می شود.

اجرای این کارها ممکن است چندین ساعت یا روز به طول بکشد و می تواند مقدار زیادی از منابع سیستم را مصرف کند .

این کارها معمولاً مقدار زیادی محاسبات یا ارتباطات بین وظایف و یا هر دو را انجام می دهند.

مطالعه فضای پارامتر[4] یک نوع کار است که به طور تکرار شونده حجم زیادی از محاسبات را بر روی بازه ای از پارامترهای برنامه انجام می دهد.

مجموعه کل پارامترها را می توان به عنوان کل مجموعه داده در نظر گرفت.

هر تکرار برنامه را می توان به طور موازی در سیستم گرید اجرا کرد و به این طریق در مدتی بسیار کوتاهتر از زمان اجرای سریال برنامه، نتایج آن را مشاهده کرد.

یک سیستم گرید با کارایی بالا باید تلاش کند تا گذردهی کار سیستم را ماکزیمم کرده و زمان اجرای کار را مینیمم کند.

این دو هدف گاهی در مقابل یکدیگر قرار میگیرند به عنوان مثال اگر دو کار، هر یک نیازمند P پردازنده باشند و گرید تنها بتواند 2P-1 پردازنده را فراهم کند، نمی توان کارایی بهینه را به طور همزمان برای هر دو کار بدست آورد.

اگر هر دو کار به طور همزمان اجرا شوند حداقل دو وظیفه بر روی یک پردازنده قرار می گیرد که باعث می شود زمان اجرای هر دو کار افزایش یابد.

اما اجرای سریال دو کار گذردهی کار سیستم را پایین می آورد.

سیستم مدیریت منابع گرید استفاده از منابع را کنترل می کند تا به هدف سیستم گرید با کارآیی بالا دست یابد.

زمانبند یکی از اجزای سیستم مدیریت منابع گرید است که از اطلاعات سیستم گرید و کار استفاده می کند تا یک انتساب از وظایف کار ورودی به ماشین ها ایجاد کند.

به این عمل انتساب، زمانبندی گفته می شود.

تصمیم گیرهای زمانبندی مؤثر معمولا تلاش در مینیمم کردن زمان اجرای کار دارند .

سیستم مدیریت منابع گرید تلاش دارد تا زمانبندی های مؤثری انجام دهد زیرا زمانبندی ضعیف باعث افزایش زمان اجرای کار می شود و در نتیجه گذردهی کار را کاهش می دهد.

با این وجود تولید زمانبندی مؤثر و خوب برای کارهای گرید یک مساله بسیار دشوار است که پیچیدگی های خاص خود را دارا ست.

2- طبقه بندی زمانبندها­ی پیشین در این قسمت می خواهیم یک طبقه بندی از تکنیک های زمانبندی ارائه دهیم .

در یک طبقه بندی از زمانبندی در سیستم های توزیع شده ارائه گردیده که بسیاری از تعاریف را از آن گرفته ایم.

به طور کلی مساله زمانبندی به روشهای مختلفی در سیستم های عامل سنتی و سیستم های توزیع شده تعریف گردیده است .

در حالت کلی اجرای یک کار داده موازی در یک سیستم گرید شامل چهار مرحله زیر است (شکل1) پارتیشن بندی کار جمع آوری اطلاعات انتساب وظایف به نودها آغاز اجرای وظایف آغاز اجرای وظایف شکل 1- مراحل کلی اجرای یک کار داده موازی در یک سیستم گرید پارتیشن بندی کار عبارت است از تقسیم یک کار به وظایف آن .

به طور کلی کارهای موازی را می توان به دو گروه تقسیم کرد :1.

انعطاف ناپذیر 2.

قالب پذیر.

کارهای انعطاف ناپذیر بر روی تعداد مشخصی از پردازنده ها که معمولا توسط کاربر مشخص می شود، اجرا می شوند اما کارهای قالب پذیر را می توان بر روی تعداد متفاوتی از منابع محاسباتی اجرا کرد.

در سیستم های گرید ممکن است کاربران بخواهند تعداد پردازنده هایی که کار باید روی آن اجرا شود را مشخص کنند، به خصوص وقتی خود کاربر برنامه را نوشته باشد .

به طور جایگزین از ابزارهای پارتیشن بندی خاصی نیز می توان به منظور تولید وظایف استفاده کرد.

جمع آوری اطلاعات همان فرایند جمع آوری اطلاعات برنامه کاربردی و منابع است.

از این اطلاعات می توان برای ساختن یک مدل ساده از برنامه کاربردی و گرید استفاده کرد.

سپس در مرحله انتساب وظیفه، الگوریتم زمانبندی از مدل های موجود برای تخمین کارایی وظیفه و تولید انتساب وظیفه به صورت کارا استفاده می کند .

الگوریتم زمانبندی ممکن است از اطلاعات جمع آوری شده به منظور تولید انتساب کاراتر استفاده کند .

سپس وظایف بر روی منابع گرید انتساب یافته و شروع به اجرا می کنند .

از نظر زمان انجام فرایند زمانبندی می توان ، استراتژی های زمانبندی را به انواع زیرتقسیم کرد .

زمانبندی زمان کامپایل هنگام کامپایل برنامه کاربردی آن را زمانبندی نیز می کند و طبیعتا از اطلاعات پویای سیستم نمی تواند استفاده کند .

از این رو این استراتژی مناسب برای محیط گرید که وضعیت آن مدام در حال تغییر است، نمی باشد .

به عنوان نمونه این زمانبندی ها ممکن است وظایف را بر روی منابع غیر قابل دسترس قرار دهند .

زیرا اطلاعات راجع به در دسترس بودن منبع را نمی توان بیش از زمان اجرا به طور قطعی دانست .

زمانبندی زمان اجرا می تواند اطلاعات پویای سیستم را در تصمیم گیری زمانبندی شامل کند .

این زمانبندها ، به دو صورت پویا وایستا می توانند عمل کنند .

یک زمانبند زمان اجرای پویا یک انتساب اولیه از وظایف به ماشین ها ایجاد کرده ، اما ممکن است این انتساب را در پاسخ به تغییرات کارایی سیستم عوض کند .

این زمانبند مقداری بارکاری را در زمان اجرا تحمیل می کند زیرا باید گرید را حین اجرای کار مونیتور کند .

یک زمانبند زمان اجرای ایستا وظایف را هنگام آغاز اجرای برنامه به منابع می فرستد و پس از اینکه اجرای وظایف شروع شد آنها را به ماشین های دیگر ارسال نمی کند .

با وجودیکه زمانبندهای ایستا متحمل سربار زمان اجرای زمانبندهای پویا نمی شوند ، اما هنوز نیازمند حجم زیادی از اطلاعات در مورد برنامه و سیستم هستند تا بتوانند یک تصمیم اولیه خوبی بگیرند .

زمانبندهای زمان اجرای ایستا معمولا به دنبال یک راه حل زیر بهینه هستند زیرا یافتن راه حل بهینه برای بیش از سه منبع در زمان معقول غیر ممکن است.

راه حل های زمانبندی زیر بهینه معمولا از طریق ماکزیمم کردن یک تابع سعی در ایجاد راه حل نزدیک به بهینه دارند.

در زمانبندهای زیر بهینه به دو نوع تخمینی و اکتشافی تقسیم شده اند.

یک الگوریتم تخمینی زیر مجموعه ای از فضای راه حل را به منظور یافتن یک زمانبندی که معیارهای هزینه را برآورده کند، جستجو می کند .

یک الگوریتم اکتشافی از یک الگوریتم غیر بهینه به منظور انجام زمانبندیهای معقول استفاده می کند .

در از الگوریتم ژنتیک و در از الگوریتمهای شبیه سازی به منظور زمانبندی اکتشافی استفاده شده است .

غالب زمانبندهای اکتشافی زمان اجرای ایستا نیازمند حجم زیادی از اطلاعات در مورد برنامه و منبع هستند تا یک زمانبندی نزدیک به بهینه را تولید کنند.

زمانبندی های اکتشافی قطعی پیش از اجرای برنامه نیازمند اطلاعات دقیق درباره برنامه کاربردی و منابع سیستم هستند .

به طور نمونه یک برنامه کاربردی اطلاعاتی در باره زمان اجرای وظیفه بر روی یک پردازنده خاص ، توپولوژی ارتباطات و همچنین مقدار ارتباطاتی که برای هر وظیفه انتظار می رود ، تامین می کند .

متاسفانه برخی از برنامه های کاربردی ممکن است رفتار غیر قطعی از خود بروز دهند و اطلاعات راجع به رفتار برنامه ممکن است کاملا قابل پیش بینی نباشد.

علاوه بر آن سیستمی که بین تعداد زیادی کاربر به اشتراک گذاشته شده است حتما رفتار غیر قطعی از خود بروز خواهد داد .

زمانی که رفتار برنامه کاربردی یا سیستم قطعی نیست ، یک زمانبند غیر قطعی باید بدون کمک اطلاعات دقیق در مورد برنامه کاربردی و منابع ، تصمیم گیری کند .

در این تحقیق یک زمانبند زمان اجرای ایستا در یک محیط غیر قطعی پیشنهاد داده شده.

این زمانبند از اطلاعات سیستم در زمان اجرا برای تصمیم گیری استفاده می کند .

بعلاوه زمانبند پیشنهادی نیازمند اطلاعات قطعی برنامه و سیستم نیست، زیرا این اطلاعات همواره ممکن است موجود نباشد.

از یک الگوریتم انتساب وظیفه اکتشافی زیر بهینه به منظور زمانبندی تعداد بسیاری از برنامه های کاربردی در یک زمان منطقی استفاده شده است .

شکل 2 جایگاه این زمانبند را در طبقه بندی ارائه شده نشان می دهد.

2-1- توابع هدف دو گروه عمده در محاسبات گریدی یعنی مصرف کننده های منابع که برنامه های کاربردی را به گرید ارسال می کنند و تامین کننده های منابع که منابع خود را به اشتراک می گذارند، معمولا انگیزه های متفاوتی از ملحق شدن به گرید دارند .

کاربران گرید معمولا نگران کارایی برنامه کاربردی خود مثلا زمان اتمام برنامه و هزینه پرداختی برای اجرای آن هستند، اما تامین کننده های منابع توجه بیشتری به کارایی و بهره وری منابع خود و در محیط های اقتصادی ، بالا بردن سود خود دارند.

این واقعیت ها باعث می شود که زمانبند های موجود از نظر تابع هدف به دو دسته تقسیم شوند: متمایل به برنامه کاربردی و متمایل به منبع.

شکل 3 توابع هدف را برای زمانبند های یاد شده نشان می دهد.

شکل 2 طبقه بندی زمانبندهای گرید.

خطوط تیره جایگاه زمانبند پیشنهادی را نشان می دهند.

شکل 3 توابع هدف - متمایل به برنامه کاربردی : این زمانبندها که به آن ها زمانبندهای سطح برنامه کاربردی نیز گفته می شود بدنبال بهینه کردن کارایی برنامه کاربردی هستند.

بیشتر برنامه های کاربردی بدنبال اجرای سریعتر هستند، بنا براین makespan مهمترین معیاری است که این الگوریتم ها بدنبال بهینه کردن آن هستند.

Makespan زمان مصرفی از آغاز اجرای اولین وظیفه تا اتمام اجرای آخرین وظیفه موجود در یک کار است.

الگوریتم پیشنهادی نیز جزو همین دسته و بدنبال بهینه کردن همین پارامتر است.

در گرید های اقتصادی که از مدل های اقتصادی تبعیت می کنند ، هزینه ریالی که برای اجرای یک برنامه کاربردی باید پرداخت شود مهمترین معیار بهینه سازی است.

- متمایل به منبع : این الگوریتم ها متمایل به بهینه کردن کارایی منابع گرید هستند.

گذردهی و بهره وری مهمترین معیارهای بهینه سازی این الگوریتم هاست.

گذردهی به تعداد کارهایی گفته می شود که یک منبع می تواند در بازه زمانی خاصی اجرا کند.

بهره وری به درصد زمانی که یک منبع مشغول است گفته می شود.

در گرید هایی که از مدل اقتصادی پیروی می کنند ، سود اقتصادی که همان کل مبلغ دریافتی توسط تامین کننده های منبع است، مهمترین معیار بهینه سازی در زمانبندی است.

3-مروری بر زمانبندهای سیستم های توزیع شده و گرید در این قسمت در ابتدا بعضی از الگوریتم های زمانبندی اکتشافی در سیستم های توزیع شده و سپس گرید را مرور می کنیم .

یکی از ساده ترین الگوریتم های زمانبندی که بیشتر مناسب سیستم های توزیع شده است الگوریتم های تصادفی و چرخشی تکراری است که در سیستم های توزیع شده یکنواخت گهگاه دارای کارایی بیشتری نسبت به الگوریتمهای پیچیده است، اما این الگوریتمها وقتی به محیط های غیر یکنواخت مانند گریدهای محاسباتی اعمال می شوند با کاهش کارایی مواجه می شوند .

سه کلاس از برنامه های موازی مشخص شده و الگوریتم هایی برای زمانبندی آنها ارائه شده است .

این الگوریتم ها نیازمند اطلاعات راجع به هزینه محاسباتی هر وظیفه و همچنین هزینه های ارتباطی بین دو وظیفه بر روی دو پردازنده برای همه وظایف و پردازنده هاست .

در عمل این اطلاعات دقیق را نمی توان بخصوص برای محیط های پویا و بزرگی مانند گرید با حجم زیاد کارهای رسیده بدست آورد .

یک الگوریتم زمانبندی زمان اجرا و پویا برای محیط های محاسباتی غیر یکنواخت ارائه شده است .

این الگوریتم از نوعی الگوریتم بهینه انشعاب و تحدید استفاده می کند و مکررا حین اجرای کار تصمیم گیری های زمانبندی می گیرد .

به منظور محاسبات پویای زمانبندی در هنگام اجرای کار از یک پردازنده اختصاصی استفاده می کند و از نوع پردازنده و هزینه های ارتباطی به منظور پیش بینی زمان اتمام کار استفاده می کند .

گر چه این الگوریتم از بسیاری الگوریتمهای پویا در سیستم های غیر یکنواخت بهتر عمل می کند اما مناسب سیستمی به اندازه یک گرید واقعی نیست و از طرف دیگر ذخیره سازی پردازنده هنگامی که منابع به اشتراک گذاشته شده اند می تواند غیر ممکن نیز باشد.

از الگوریتم ژنتیک نیز به منظور زمانبندی در سیستم های توزیع شده استفاده شده است .

این الگوریتم و دیگر الگوریتمهای ژنتیک مشابه طبق این فرض عمل می کنندکه رفتار برنامه کاربردی قطعی است که همین امر کارایی الگوریتم را هنگامی که به یک محیط غیر قطعی مانند گرید اعمال شود زیر سوال می برد .

یافتن یک الگوریتم ژنتیک اکتشافی که با فرض غیر قطعی بودن محیط کار کند می تواند به عنوان یک کار آتی مناسب زمانبندی در محیط گرید باشد .

یازده الگوریتم زمانبندی برای سیستم های محاسباتی غیر یکنواخت ارائه شده است .

اغلب این الگوریتم ها نیازمند اطلاعات قبلی از زمان دقیق اجرای هر وظیفه هستند و علاوه بر آن تنها مناسب سیستم های توزیع شده و گرید های کوچک هستند و قابلیت مقیاس پذیری بر گرید های واقعی را ندارند .

در ادامه به اختصار مهمترین این الگوریتم ها تشریح می شوند : MIN-MIN: این الگوریتم ابتدا حداقل زمان اجرای هر وظیفه را با توجه به ماشین های موجود محاسبه می کند.

سپس وظیفه ای که حداقل زمان اجرا را بین وظایف داشته باشد انتخاب و به ماشین متناظر منتسب می کند .

سپس این وظیفه حذف شده و فرایند زمانبندی برای وظایف باقیمانده تکرار می شود.

MAX-MIN : این الگوریتم مشابه الگوریتم MIN-MIN است با این تفاوت که هر بار وظیفه با بیشترین زمان اجرا انتخاب شده و به ماشین متناظر منتسب می شود.

OLB: هر وظیفه را به ترتیب دلخواه به ماشین در دسترس بعدی منتسب می کند.

گرید متشکل از چندین سایت در نظر گرفته شده که هر سایت دارای یک زمانبند است .

هر زمانبند پس از دریافت کار آن را به همه سایت های دیگر ارسال می کند، هر سایت که زودتر بتواند اجرای کار را آغاز کند یک پیام به زمانبند سایت مبدا ارسال کرده و آغاز اجرای کار را به آن اطلاع می دهد .

سپس زمانبند سایت مبدا به همه سایت های دیگر یک پیام ارسال کرده و از آنها می خواهد این کار را نادیده بگیرند.

با توجه به اینکه یک کار می تواند حجم زیادی داشته باشد و ارسال آن به همه سایت های دیگر ترافیک زیادی را به شبکه گرید وارد می کند، این زمانبند بیشتر مناسب گریدهای کوچک است.

علاوه بر آن تعداد زیادی پیام برای ارسال یک کار در شبکه ارسال می شود که باعث کم شدن کارایی گرید می شود در ضمن تنها معیار زمانبندی آغاز زمان اجرا است و کار در سایتی اجرا می شود که زودتر بتواند شروع به اجرای کار کند و از قابلیت های محاسباتی و ارتباطی سایت ها چشم پوشی می شود، چه بسا سایت دیگری دیرتر آغاز به اجرای کار کند اما زود تر بتواند اجرای آنرا به اتمام برساند .

طراحی و پیاده سازی یک سیستم باززمانبندی پویا برای پردازش های در حال اجرا در یک شبکه محاسباتی از طریق تصمیم گیری خودکار و مهاجرت پردازش بررسی شده است که متفاوت از تحقیق موجود در این تحقیق است.

یک سیاست زمانبندی با تحمل خطا نیز ارائه گردیده که تاکید آن بر اجرای بدون خطای کار در شرایط خرابی (مانند خراب شدن یک نود ) است.

ارزیابی های کارایی زمانبند مذکور نشان می دهد که این سیاست زمانبندی در حضور انواع متفاوتی از خطاها عملکرد قابل قبولی دارد.

با اینحال با توجه به اینکه در طراحی این زمانبند تاکیدی بر زمانبندی موثر و مقیاس پذیر وجود ندارد این کار متفاوت از کار ارائه شده در این پایان نامه است .

دو الگوریتم زمانبندی با استفاده از به ترتیب استراتژی موازنه – زمانی و الگوریتم مورچه ارائه شده است .

این دو الگوریتم با توجه به اینکه عمل زمانبندی را در یک سطح انجام می دهند مناسب گرید های کوچک و شبکه های محاسباتی هستند و قابلیت مقیاس پذیری بر گرید های بزرگ را ندارند .

از طرف دیگر بعضی از الگوریتم ها نیازمند پیش بینی زمان اجرای هر وظیفه است که در واقعیت هنوز نرم افزاری که بتواند زمان دقیق اجرای یک کار را به درستی و با خطای کم پیش بینی کند وجود ندارد .

یک استراتژی پیش زمانبندی برای ارسال کار به ماشین های غیر یکنواخت ارائه شده است که مهمترین ویژگی آن در نظر گرفتن سربار ارتباطی غیر یکنواخت در شبکه های محاسباتی غیر یکنواخت است .

این تحقیق نیز همانند بسیاری کارهای مشابه مناسب برای شبکه های محاسباتی غیر یکنواخت و گرید های محاسباتی کوچک است .

منابع نوع منبع 1-مقاله مشخصات نویسنده ح-وحدت نژاد مشخصات منبع A new algorithm for global job scheduling in computational grids مشخصات نشر Cimsa2007,italy نوع منبع 2-اینترنت Scheduling in computational grids Supervisor: mr.sadegh zeynali By: Shabnam badri fariman 87