Computing models provide the parallel and distributed algorithms for cloud. The ability to estimate the performance of parallel computing models for efficient resource scheduling is critical. Current techniques for predicting the performance are mostly based on analyzing and simulating. The behavior of parallel computing model directly leads to the diversity of mathematical model. Without a general prediction model, it is very hard to compare fairly different parallel computing models in several critical aspects, including computing capacity, resource configuration, scalability, fault tolerance and so on. In this paper, we design a mathematical model for predicting the performance by using queuing system. We make various computing models as a service system for shielding the diversity. The performance can be accurately estimated with the job waiting time and the job performing time. The heterogeneity of computing nodes may also be considered

چکیده

مدل ‌های رایانشی می‌ توانند الگوریتم ‌های توزیع شده و موازی را برای پارادایم ابری فراهم سازند. توانایی تخمین کارائیِ مدل‌ های رایانش موازی برای زمان‌ بندی کارآمد منابع، امری ضروری است. تکنیک های فعلی که برای پیش‌ بینی کارائی این مدل‌ ها ارائه گردیده است، غالباً مبتنی بر تحلیل و شبیه‌ سازی می‌ باشند. رفتار یک مدل رایانش موازی به شکلی مستقیم منجر به تنوع مدل ریاضی می ‌گردد. بدون وجود یک مدل پیش‌ بینی کلی، نمی ‌توان مدل‌ های رایانش موازی نسبتاً متفاوت را از نظر جنبه‌ هایی همچون ظرفیت رایانشی، پیکربندی منبع، مقیاس‌ پذیری، تحمل ‌پذیری در برابر خطا و غیره مورد مقایسه قرار داد. در این مقاله قصد داریم تا به طراحی یک مدل ریاضی برای پیش‌ بینی کارائی مدل‌ های رایانشی به وسیله ‌ی سیستم صف ‌بندی بپردازیم. مدل‌ های رایانشی مختلفی را به عنوان یک سیستم سرویس ‌دهی برای حفاظت و حفظ این تنوع ارائه می ‌دهیم. کارائی را می ‌توان به شکلی صحیح و آن‌ هم به وسیله‌ ی زمان انتظار یک کار و زمان انجام یک کار تخمین زد. ناهمگنیِ گره‌ های رایانشی نیز ممکن است در نظر گرفته شود.

1-مقدمه

رایانش ابری (کلود کامپیوتینگ) را می ‌توان فناوری مطرحی برای انجام رایانش ‌های پیچیده و در مقیاس گسترده در نظر گرفت. این پارادایم رایانشی، باعث شده تا بار محاسباتی از دوش شرکت ‌ها و سازمان‌ ها برداشته شده و نیاز به بکار گیری منابع گران قیمت را در آن‌ ها کاهش دهد. مدل‌ های رایانش موازی، که الگوریتم ‌های توزیع شده و موازی را در پارادایم ابری فراهم می ‌سازند، نه تنها باعث افزایش سرعت پردازش حجم زیادی از داده‌ ها گردیده ‌اند بلکه منجر به تسهیل در اجاره ‌ی سرویس ‌های زیر ساختار به عنوان یک سرویس (IaaS) نیز گردیده‌ اند...