چکیده

جریان های کاری علمی می تواند متشکل از بسیاری از وظایف گرانولاریتی محاسباتی ریز باشد. زمان اجرای این وظایف ممکن است کوتاه تر از طول سربارهای سیستم باشد، برای مثال، زمانیکه منابع چندگانه یک فراساختار ابر مورد استفاده قرار می گیرد. خوشه بندی کار یک تکنیک بهینه سازی زمان اجرا است که وظایف متعدد در حال اجرای کوتاه را به یک کار واحد ادغام می کند بطوریکه سربار زمانبندی کاهش می یابد و کارایی زمان اجرای کلی بهبود می یابد. هرچند، استراتژی های خوشه بندی موجود تنها یک رهیافت دانه درشت که بر یک مدل جریان کاری ساده شده متکی هستند. در این کار، دلایل نامتوازن شدن زمان اجرا و نامتوازن شدن وابستگی را در خوشه بندی کار بررسی می­کنیم. سپس، معیار های کمی را برای ارزیابی شدت دو مسئله نامتعادل پیشنهاد می کنیم. بعلاوه، ما یک سری از روش های متعادل سازی کار (عمودی و افقی) را برای حل مسئله تعادل بار، زمانیکه خوشه بندی کار برای پنج جریان کار علمی مرسوم انجام می گیرد، ارائه می کنیم. نهایتأ، ارتباط بین مقادیر این معیار ها و کارایی روش های متعادل سازی کار پیشنهادی را تجزیه و تحلیل می کنیم. شبیه سازی مبتنی بر ردگیری هنگامیکه با یک اجرای مبنا مقایسه می گردد، نشان می دهد که  روش های پیشنهادی ما می توانند بصورت قابل توجهی زمان اجرایی کاربردهای جریان کاری را کاهش دهند. ما همچنین کارایی روش های پیشنهادی خود را با الگوریتم های موجود در ادبیات کار مقایسه می کنیم.

1-مقدمه

بسیاری از علوم محاسباتی، کاربردهای پیوند ضعیف و بزرگ مقیاس را توسعه و استفاده می کنند که اغلب بعنوان جریان های کاری علمی ساختاردهی می شوند. اگرچه اکثریت وظایف موجود در این کاربردها اغلب اجرای نسبتأ کوتاهی دارند (از چند ثانیه تا چند دقیقه)، ولی در صورت تجمیع، آن ها حجم قابل توجهی از داده و محاسبات را به همراه دارند [1,3]. زمانیکه این کارها در چند ماشین اجرا می شوند، محیط توزیع شده، از قبیل گرید و ابر، ممکن است سربارهای قابل توجه سیستم وجود داشته باشد و ممکن است اجرای برنامه ها را کند کند [4]...

 میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید