23820

زمان‌بندي پويا و آگاه از فرجه و بودجه جريان‌هاي‌كار در محيط جريان‌كار به‌عنوان سرويس

ارشد

مهندسي كامپيوتر

97

1399/12/4

دكتر مهرداد آشتياني

كامپيوتر

جريان‌هاي‌كار علمي، برنامه‌هاي محاسباتي و دنباله‌اي از محاسبات هستند كه پردازش و تحليل داده‌هاي حجيم در فرم ساختاريافته و توزيع‌شده را ممكن مي‌سازند. معمولاً براي پردازش اين جريان‌هاي‌كار به منابع زيادي نياز است و هريك از انواع آن‌ها ازنظر منابع مورد نياز ويژگي خاص خود را دارند. پژوهش‌هاي زيادي در حوزه زمان‌بندي جريان‌كار در محيط‌هاي مختلف انجام شده است. افزايش انگيزه كاربرها در اجراي جريان‌هاي‌كار در محيط ابري باعث توسعه بستر‌هاي چندمستأجره‌اي مانند بستر جريان‌كار به‌عنوان سرويس شده است. ابر يك محيط مقياس‌پذير و اقتصادي است كه به كاربرها امكان دسترسي به منابع محاسباتي نامحدود با مدل هزينه پرداخت به‌ميزان استفاده را مي‌دهد. جريان‌كار به‌عنوان سرويس از مقياس‌پذيري و كشساني و مقرون‌به‌صرفه بودن ابر، سرويس‌هايي مانند فضاي ذخيره‌سازي و ساير ويژگي‌هاي يك محيط ابري زيرساخت به‌عنوان سرويس استفاده مي‌كند و محيطي را ارائه مي‌دهد كه در آن كاربر‌ها به‌راحتي مي‌توانند جريان‌هاي‌كار خود را با تعيين كيفيت سرويس موردنظر خود، در زمان‌هاي مختلف و بدون درنظرگرفتن چالش‌هايي مانند مديريت منابع ثبت كنند. در بين انواع كيفيت سرويس زمان و هزينه در قالب فرجه و بودجه بيشتر مورد توجه قرار گرفته‌اند. در مسئله زمان‌بندي جريان‌كار پيداكردن جواب بهينه مسئله با درنظرگرفتن مواردي مانند نا‌همگوني منابع، نيازمندي‌هاي كيفيت سرويس و با توجه به كلاس پيچيدگي اين مسئله، در زمان چندجمله‌اي امكان‌پذير نيست. در اين پايان‌نامه ما يك الگوريتمِ زمان‌بنديِ چند محدوديتي، پويا و بسته‌بندي چند-منبع را كه براي محيط جريان‌كار به‌عنوان سرويس طراحي شده است، معرفي مي‌كنيم. اين الگوريتم از يك معيار دو-فاكتور براي كنترل و سبك‌وسنگين كردن بين هزينه و بهره‌وري منابع در حين نگاشت وظيفه‌ها به منابع استفاده مي‌كند. اين الگوريتم با بهره‌گيري از كانتينر، منابع اجاره‌شده را بين كاربرها به اشتراك گذاشته و چند وظيفه را به طور هم‌زمان روي يك ماشين مجازي اجرا مي‌كند. نتايج حاصل از شبيه‌سازي و آزمايش‌ها در اين پايان‌نامه نشان مي‌دهدكه نرخ موفقيت الگوريتم پيشنهادي در سه باركاري مختلف شامل 1000، 2000 و 4000 جريان‌كار روي دو مجموعه داده مختلف شامل جريان‌هاي‌كار علمي معروف، حداقل 96% است، كه يك دقت قابل مقايسه با الگوريتم‌هاي به‌روزِ ديگر براي زمان‌بندي پوياي جريان‌كار است. همچنين اين الگوريتم در مقايسه با دو الگوريتم زمان‌بندي EPSM و MW-HBDCS روي اين دو مجموعه داده و در سه باركاري مختلف اشاره‌شده با نرخ ورود 6 جريان‌كار در هر دقيقه، هزينه كل را حداقل 13.2% و به طور ميانگين 33.2% كاهش داده است و از نظر هزينه كل و تعداد ماشين‌هاي مجازي اجاره‌شده نيز بهتر عمل مي‌كند.

1399/12/16

A Dynamic Deadline and Budget-aware Workflow Scheduling Approach in Workflow as a Service Environment

2/23/2022 12:00:00 AM

Scientific workflows are computational programs and sequences of computations that enable processing and analysis of big data in a distributed and structured manner. These workflows are usually big compute-intensive applications that require a lot of processing power. Each of them needs a specific type of power according to the corresponding characteristics. Workflow scheduling has been excessively studied in different environments. An increase in the users’ desire to run their workflow applications on clouds, leads to the development of Workflow as a Service platform (WaaS). Cloud is a scalable, cost-effective environment that allows users to access an unlimited amount of resources and offers a pay-as-you-go model. WaaS leverages elasticity, cost-effectiveness, storage, and other cloud features that are provided by Infrastructure as a Service provides. It offers an environment where users can submit their workflows for execution with different quality of service (QoS) at different times without any concern in resource management challenges. Among these QoS, time and cost in terms of deadline and budget are the most common ones. Generally, resource management in these systems takes place in two steps: First, resource provisioning, and second, scheduling and assigning an appropriate resource to each task. However, the problem of finding an appropriate scheduling algorithm considering factors like resource heterogeneity and QoS requirements is in the NP-hard class which means finding the best solution is not possible in polynomial time. In this thesis, we propose DDBSW2, a multi-constraint dynamic multi-resource packing scheduling algorithm that is designed specifically for the WaaS environment. It uses a bi-factor to control the tradeoff between cost and resource utilization during mapping tasks to resources and leverages containers to share leased resources and run multiple tasks on a VM concurrently. The results of our experiments show that DDBSW2 outperforms the state-of-the-art dynamic concurrent workflow scheduling algorithm in terms of total execution cost and total leased VM numbers while it achieves a high and comparable PSR.

جريانكار به عنوان سرويس , زمانبندي جريانكار , پردازش ابري , كيفيت سرويس , بسته بندي چندمنبع

workflow scheduling , Workflow as a Service , Cloud Computing , Quality of Service , Multi resource packing