Abstract
Parameter Sweep Experiments (PSEs) allow scientists and engineers to conduct experiments by running the same program code against different input data. This usually results in many jobs with high computational requirements. Thus, distributed environments, particularly Clouds, can be employed to fulfill these demands. However, job scheduling is challenging as it is an NP-complete problem. Recently, Cloud schedulers based on bio-inspired techniques – which work well in approximating problems with little input information – have been proposed. Unfortunately, existing proposals ignore job priorities, which is a very important aspect in PSEs since it allows accelerating PSE results processing and visualization in scientific Clouds. We present a new Cloud scheduler based on Ant Colony Optimization, the most popular bio-inspired technique, which also exploits well-known notions from operating systems theory. Simulated experiments performed with real PSE job data and other Cloud scheduling policies indicate that our proposal allows for a more agile job handling while reducing PSE completion time
چکیده
آزمایش های رفت و برگشت پارامتر (PSE ها) با اجرای همان کد برنامه برای داده های ورودی مختلف امکان انجام آزمایشها را برای محققین و مهندسین فراهم می آورد. این موضوع معمولاً منجر به کارهای زیاد با نیازمندی های محاسباتی بالا میشود. در نتیجه، از محیط های توضیح شده و به خصوص ابرها میتوان برای برطرف نمودن این تقاضاها استفاده نمود. با این حال، زمان بندی کاری چالش برانگیز است زیرا یک مسئله ی کامل NP محسوب میشود. اخیراً، زمان بندهای بر پایه ی تکنیک های الهام گرفته ی زیستی (که در تقریب مسائل با اطلاعات داده ی کم خوب کار می کنند) پیشنهاد شده اند. متأسفانه پیشنهادهای موجود اولویت های کاری را نادیده میگیرند و این اولویت ها بعد بسیار مهمی در هستند و علت اهمیت این موضوع آن است که این اولویت ها فرآیند و تجسم نتایج PSE ها را در ابرهای علمی تسریع می بخشند. ما یک برنامه ریز ابر جدید را ارائه می کنیم که بر اساس بهینه سازی جامعه ی مورچگان که پرطرفدارترین تکنیک الهام گرفته ی زیستی است و از نظریه های شناخته شده از تئوری سیستم های عملیاتی بهره میبرد. آزمایشات شبیه سازی شده ی انجام شده با داده های کار PSE واقعی و سایر سیاست های برنامه ریزیمییاتی ده از تئوری سیستم که گارسیا ابر نشان می دهند که پروپوزال ما امکان اداره کار سریعتر و در عن حال کاهش زمان اتمام PSE را فراهم میکند.
1-مقدمه
آزمایشات رفت و برگشت پارامتر (PSE ها) یک روش محبوب انجام بر پایه ی شبیه سازی آزمایشات است که توسط محققین و مهندسین مورد استفاده قرار میگیرد و از طریق آن یک کد کارکرد یکسان به صورت چندباره با پارامترهای ورودی متفاوت اجرا میشوند که منجر به داده های خروجی متفاوت میشوند [48]. اجرای PSE ها شامل مدیریت کارهای مستقل متعدد است [40]، زیرا آزمایشات به صورت متعدد (مقادیر پارامتر وجودی) تحت تنظیمات چندگانه اجرا میشوند تا یک نقطه ی خاص را در فضای پارامتر مکانیابی کند که معیار های خاص کاربر را ارضا نماید. علاوه براین، PSE های مختلف تعداد پارامترهای متفاوتی دارند زیرا آنها مسائل علمی یا مهندسی مختلف را مدل میکنند. در حال حاضر، PSE ها کاربردهایی در زمینه های علمی گوناگون همانند بیوانفورماتیک [42]، علوم زمینی [16]، فیزیک انرژی-بالا [3]، و علم مولکولی [46] دارند.
یک مثال عینی از PSE کار انجام شده توسط کارگلیو و همکاران [7] میباشد که عبارت است از تحلیل تأثیر اندازه و نوع عیوب هندسی در پاسخ به تست کششی ساده بر روی میله های فولادی در معرض تغییر شکل های بزرگ. برای انجام مطالعه، نویسندگان به صورت عددی تست را با تغییر پارامترهای مورد نظر و برای مثال با استفاده از اندازه ها و انواع مختلف عیوب هندسی شبیه سازی میکنند. با تغییر این پارامترها، چنیدن مورد مطالعه حاصل شدند که برای تحلیل و کار بر روی ماشین های مختلف به صورت موازی ضروری بود…