Calendarización en línea para Grid jerárquico de dos niveles con un esquema de asignación admisible
El paradigma de computación en Grid introduce nuevos y difíciles problemas en calendarización y manejo de recursos. Los métodos de calendarización tradicional no satisfacen las necesidades actuales para la administración de recursos en un Grid computacional. En esta investigación analizamos estrateg...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2009 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/373 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/373 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Ciencias computacionales info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | El paradigma de computación en Grid introduce nuevos y difíciles problemas en calendarización y manejo de recursos. Los métodos de calendarización tradicional no satisfacen las necesidades actuales para la administración de recursos en un Grid computacional. En esta investigación analizamos estrategias de calendarización en Grid computacional de dos niveles utilizando un esquema de admisibilidad. En el primer nivel, el metacalendarizador selecciona una máquina del conjunto de máquinas admisibles para cada tarea según algún criterio. En el segundo nivel, el calendarizador local crea el calendario de ejecución para las tareas asignadas. El esquema de admisibilidad es un concepto muy simple y fácil de aplicar, basta con evitar la asignación de las tareas pequeñas a máquinas grandes. La consideración original es de restringir el 50% de los procesadores disponibles para una tarea. Mostramos que este porcentaje es el que más se acerca al óptimo si lo generalizamos para todas las estrategias de asignación de recursos. Sin embargo, algunas estrategias trabajan mejor con otro porcentaje. Un mejor ajuste, independiente para cada estrategia, ofrece mejores resultados. |
|---|