چکیده
در این مقاله توضیح میدهیم که چگونه شبیه سازی یک زنجیره مارکوف گسسته زمانی و مفاهیم تئوری گراف میتواند برای تحلیل کارآمد رفتار سیستمهای توزیع شده پیچیده به کارگرفته شود. به ویژه نشان خواهیم داد چگونه میتوان از تحلیل مجموعه برش s-t مینیمال برای شناسایی انتقال حالتها در یک گراف جهت دار یک زنجیره مارکوف ناهمگن-زمانی استفاده کرد که در صورت بهم ریختگی مناسب، منجر به کاهش کارآیی سیستم مدلسازی شده میشود. سپس میتوان این انتقال حالتها را به سناریوهای شکست ارتباط داده که در آنها کارآیی سیستم به شدت در سیستم هدف مدلسازی شده کاهش مییابد. استفاده از شبیه سازی بزرگ مقیاس سیستم گرید، نمونههایی از کاربرد این روش را بمنظور شناسایی سناریوهای شکست ارائه میدهد. آزمایشات اولیه گزارش داده میشوند که نشان میدهند این روش میتواند به مشکلات با مقیاس بسیار بزرگ اعمال شود. روش ارائه شده تکنیکهایی را با هم ترکیب میشکند کهاستفاده همزمان آنها برای تحلیل رفتار پویای سیستم هنوز در ادبیات موضوع گزارش نشدهاست.
1-مقدمه
در مقیاس بزرگ، در سیستمهای توزیع شده پویا، از جمله گریدهای محاسباتی، روابط تعداد زیادی از مولفههای مستقل ممکن است منجر به رفتارهای بحرانی در کل سیستم شود که نتایجی پیش بینی نشده و اغلب زیان بخش به همراه دارند (Mills and Dabrowski 2008). بمنظور تضمین قابلیت اطمینان و دسترسی سرویسهای محاسباتی در چنین محیطهایی، تکنیکهای جدیدی مورد نیاز هستند تا مسیرهای عملیاتی را به سرعت ارزیابی کرده و تغییرات رفتار سیستم را پیش بینی نمایند که عمدتا به دلیل چنین عواملی از جمله تغییر در بارکاری، اصلاح تنظیمات سیستم، تغییرات در ضوابط یا شکستها هستند.
در تحقیقات قبلی (Dabrowski and Hunt 2009)، بازنمایی زنجیره مارکوف گسسته زمانی فشرده (DTMC) را برای تحلیل رفتار یک سیستم گرید محاسباتی معرفی کردیم تا سناریوهای شکست ممکن را که منجر به فروپاشی کارآیی کل سیستم میشوند، شناسایی نماییم. در این بازنمایی، ویژگیهای تصادفی زنجیرههای مارکوف برای خلاصه سازی حالت تکامل یک سیستم استفاده شدند که در آن چندین دوجین کاربر و ارائه کنندگان سرویس گرید بمنظور پردازش بیشتر از 1000 وظیفه محاسباتی گرید در بازه زمانیهای شبیه سازی با هم ارتباط برقرار میکردند...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید