Аннотация. Рассматривается проблема управления облачной специализированной вычислительной системой, выполняющей разнородные ресурсоемкие задачи, способы выполнения которых можно представить как произвольный перебор большого числа вариантов. Проанализированы процессы распараллеливания заданий по данным в условиях неопределенности. Для решения проблем планирования поступающих входных потоков задач используется метод имитационного моделирования с помощью программного пакета SimEvent/Simulink/MatLab. Рассматривается функционирование системы и особенно серверов, представимых как автоматы конечных состояний. Особенность предложенной модели заключается в возможности прерывания работы сервера при появлении внешнего сигнала. Использование разработанной модели сервера позволяет повысить производительность системы за счет экономии времени выполнения задач каждым сервером и более эффективного распределения задач между серверами всей системы.

Ключевые слова: облачные вычисления, параллельные алгоритмы, автомат конечных состояний, имитационное моделирование, SimEvent, Simulink

Список литературы:

1. Козлов М. В., Малашенко Ю. Е., Назарова И. А. и др. Анализ режимов управления вычислительным комплексом в условиях неопределенности. М.: ВЦ РАН, 2011.
2. Sourcebook of Parallel Computing / Eds: J. Dongarra, I. Foster. San Francisco: Morgan Kaufmann Publ. Inc., 2003.
3. Malashenko Yu. E., Nazarova I. A. Control of resource intensive computations under uncertainty. I. Multiparametric model // J. Computer and Systems Sciences International. 2014. Vol. 53, N 4. P. 497—510.
4. Golosov Р. Е., Kozlov M. V., Malashenko Yu. E. et al. Analysis of computer job control under uncertainty // J. Computer and Systems Sciences International. 2012. Vol. 51, N 1. P. 49—64.
5. Vdovin P. M., Kostenko V. A. Algorithm for resource allocation in data centers with independent schedulers for different types of resources //J. Computer and Systems Sciences International. 2014. Vol. 53, N 6.
6. Loginovsky O. V., Shestakov A. L., Shinkarev A. A. Supercomputing technologies as drive for development of enterprise information systems and digital economy // Supercomputing Frontiers and Innovations. 2020. Vol. 7, N 1.
7. Баранов А. В., Киселев А. В., Корнеев Б. В. и др. Программный комплекс „Пирамида“ организации параллельных вычислений с распараллеливанием по данным // Тр. Междунар. суперкомпьютерной конф. и конф. молодых ученых „Научный сервис в сети Интернет: Суперкомпьютерные центры и задачи“. М.: МГУ, 2010. С. 299—302.
8. Максимов К. В. Эффективность использования облачных вычислений: методы и модели оценки // Прикладная информатика. 2016. Т. 11, № 1 (61).
9. Talia D., Trunfio P., Marozzo F. Data Analysis in the Cloud Models, Techniques and Applications. Elsevier, 2015.
10. Cloud Computing: Concepts, Technology & Architecture / Ed. T. Erl. Pearson, 2013.
11. Sosinsky B. Cloud Computing Bible. John Wiley & Sons, 2011.
12. Chaturvedi D. K. Modeling and Simulation of Systems Using MatLab and Simulink. CRC Press. 2009.
13. Stallings W. Queuening Analysis 2000
14. Baker K. R., Trietsch D. Principles of Sequencing and Scheduling. John Wiley & Sons, 2009.
15. Simulink® User’s Guide. MathWorks®, Release R2016a. Natick, MA, 2016.
16. SimEvents®, User’s Guide. MathWorks®, Release R2016a, Natick, MA, 2016.
17. Wei Li, Ramamurthy Mani, Mosterman P. J. Extensible discrete-event simulation framework in simevent // Proc. of the Winter Simulation Conf., Dec. 2016. P. 943—954.
18. Brandberg C., Di Natale M. A SimEvents model for the analysis of scheduling and memory access delays in multicores // Proc. of the 13th Intern. Symp. on Industrial Embedded Systems (SIES), IEEE. 2018.
19. Golosov P. E., Gostev I. M. About one cloud computing simulation model // Systems of Signals Generating and Processing in the Field of on Board Communications: Conf. Proc., Moscow, 2021. DOI: 10.1109/IEEECONF51389.2021.9416100.