ALGORITMOS DE BALANCE DE CARGA CON MANEJO DE ...

More documents

Recommendations

Info

Capítulo 6Conclusiones y trabajo a futuro6.1. ConclusionesEn esta tesis se presentaron dos algoritmos de balance de carga con manejo de informaciónparcial. Los algoritmos son una propuesta para balancear carga utilizando sólo una parte dela información del estado de carga del sistema. El uso de información parcial permitió reducirel número de mensajes requeridos para balancear carga y se logró el objetivo de reducir lostiempos de respuesta y el problema de escalabilidad.Los algoritmos propuestos fueron implementados en la herramienta DLML con el finde verificar su funcionamiento y comparar su desempeño con el algoritmo con manejo deinformación global que tiene de origen la herramienta.Los experimentos fueron realizados utilizando dos aplicaciones: N-Reinas y Multiplicaciónde matrices. La primera aplicación tiene como característica la generación dinámica de cargay la segunda es considerada estática pues no genera más carga a tiempo de ejecución. Lainfraestructura utilizada estuvo compuesta por dos clusters: cluster heterogéneo Pacifico ycluster homogéneo Aitzaloa.Los resultados obtenidos con respecto a la reducción de los tiempos de respuesta, escalabilidady distribución de carga fueron los siguientes:Tiempos de respuestaEn el caso de la aplicación de las N-Reinas (aplicación dinámica), los algoritmos: toroidey árbol binario, presentaron menor tiempo de respuesta con respecto al algoritmo global.85
6.1. ConclusionesEsta reducción fue más significativa cuando el tamaño del tablero se incrementa y esindependiente del cluster utilizado.Para la aplicación de multiplicación de matrices (aplicación estática), los resultadosmostraron que el algoritmo global tiene mejores tiempos de respuesta cuando el númerode cores utilizados está entre 8 y 32. Sin embargo, al incrementar el número de cores sustiempos de respuesta se incrementan considerablemente, mientras que los tiempos delos algoritmos propuestos se reducen, manteniendo esta tendencia hasta 256 y 512 coresen el algoritmo toroide y árbol binario respectivamente. Superando así los tiempos derespuesta del algoritmo global.EscalabilidadPara la aplicación de las N-Reinas, se puede observar que los algoritmos propuestoslogran reducir el problema de escalabilidad del algoritmo global. En los resultados seobserva que para un tablero con N=16 y N=17, el desempeño del algoritmo global sedegrada a partir de 64 y 128 cores respectivamente, mientras que nuestros algoritmosmantienen un buen desempeño. Sólo hasta 1024 cores se observa que se presenta ligeramenteun problema de escalabilidad para las pruebas en donde se considera el tablerocon N=16, mientras que para N=17, el desempeño de los algoritmos no se degrada.Para la aplicación Multiplicación de Matrices, el problema de escalabilidad es notablepara el algoritmo global y se presenta a partir de 16 cores para tamaños de matricescuadradas 1000 y 1200. En el caso de los algoritmos propuestos, estos presentan mejordesempeño. El problema de escalabilidad se presenta cuando se utilizan 256 cores, aúncuando los algoritmos propuestos también pierden eficiencia a mayor número de cores,esta no es tan significativa, contrario a lo que sucede con el algoritmo global que pierdeeficiencia de forma exponencial.86
Page 1 and 2:
ALGORITMOS DE BALANCEDE CARGA CON M
Page 4:
AgradecimientosA Dios por llenar mi
Page 7 and 8:
CONTENIDO3. DLML 273.1. Introducci
Page 9 and 10:
viiiCONTENIDO
Page 11 and 12:
LISTA DE FIGURAS5.3. Soluciones y
Page 13 and 14:
2LISTA DE TABLAS
Page 15 and 16:
1.1. Cómputo paralelose podrá res
Page 17 and 18:
1.3. Objetivosrecolectar el estado
Page 19 and 20:
1.5. Estructura de la tesisparcial,
Page 21 and 22:
2.3. Políticas de balance de carga
Page 23 and 24:
2.3. Políticas de balance de carga
Page 25 and 26:
14Figura 2.1: Taxonomía de los alg
Page 27 and 28:
2.4. Taxonomía de los algoritmos d
Page 29 and 30:
2.5. Herramientas de desarrollo de
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
262.5. Herramientas de desarrollo d
Page 39 and 40:
3.2. Algoritmo de balance de cargad
Page 41 and 42:
3.2. Algoritmo de balance de cargaW
Page 43 and 44:
3.4. Programación con listas de da
Page 45 and 46: 3.5. Interfaz de programación de D
Page 47 and 48: 3.5. Interfaz de programación de D
Page 49 and 50: 383.5. Interfaz de programación de
Page 51 and 52: 4.1. Introducción0 3450115 62 7a)
Page 53 and 54: 4.1. IntroducciónBúsqueda de una
Page 55 and 56: 4.1. Introducción110 382 1714522 6
Page 57 and 58: 4.2. Algoritmo toroideCuando su val
Page 59 and 60: 4.2. Algoritmo toroidenos que se en
Page 61 and 62: 4.2. Algoritmo toroiderespuesta car
Page 63 and 64: 4.2. Algoritmo toroide0 120 120 123
Page 65 and 66: 4.2. Algoritmo toroide0 120 1 2 0 1
Page 67 and 68: 4.2. Algoritmo toroide al recibir E
Page 69 and 70: 4.3. Algoritmo árbol binario termi
Page 71 and 72: 4.3. Algoritmo árbol binario4.3.2.
Page 73 and 74: 4.3. Algoritmo árbol binario enton
Page 75 and 76: 4.3. Algoritmo árbol binario si re
Page 77 and 78: 664.3. Algoritmo árbol binario
Page 79 and 80: 5.1. Aplicacionesm−1∑c i,j = a
Page 81: 5.1. AplicacionesPara resolver este
Page 84 and 85: 5. Plataforma de experimentación y
Page 98 and 99: 6. Conclusiones y trabajo a futuroD
Page 100 and 101: Apéndice AEn este apéndice se mue
Page 102 and 103: 6. Conclusiones y trabajo a futuro
Page 104 and 105: 6. Conclusiones y trabajo a futuroA
Page 106 and 107: 6. Conclusiones y trabajo a futuro
Page 108 and 109: Referencias[1] Aiden Bruen and R. D
Page 110: REFERENCIAS[16] Devine K., Hendrick
show all

ALGORITMOS DE BALANCE DE CARGA CON MANEJO DE ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?