رویکردی موثر تکرار داده ها گرید داده

رویکردی موثر تکرار داده ها گرید داده – ایران ترجمه – Irantarjomeh

مقالات ترجمه شده آماده گروه کامپیوتر

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

چگونگی سفارش مقاله

الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.

www.irantarjomeh.com

رویکردی موثر برای تکرار داده ها در گرید داده

چکیده

گرید داده به جابجایی مقدار حجیمی از داده میان عناصر ذخیره سازی می پردازد. یکی از چالش ها در گریدهای داده نحوه کاهش زمان متوسط دسترسی داده از طریق تکرار داده ها می باشد. در این مقاله، روشی برای تکرار پویای داده ها به نام RBAAC (متوسط هزینه دسترسی مبتنی بر نمونه تکراری) ارائه شده که فایل هایی را که کمترین هزینه متوسط زمان دسترسی را هنگام مواجهه با فضای ناکافی برای تکرار دارند حذف می کند. نتایج شبیه سازی نشان می دهد که روش پیشنهادی، متوسط زمان دسترسی به فایل ها و مصرف پهنای باند شبکه را بهبود می دهد.

کلمات کلیدی: گرید داده، تکرار، زمان دسترسی، شبیه سازی

رویکردی موثر تکرار داده ها گرید داده

۱- مقدمه

گرید نوعی سیستم نامتمرکز و موازی است که به اشتراک گذاشتن و انتخاب منابع ناهمگون، خودمختار و توزیع شده از نظر جغرافیایی را به صورت پویا ممکن می سازد. گرید داده به منابع داده ها و سیستم های ذخیره سازی می پردازد. در گرید داده، روشی به نام «تکرار» برای کارایی و قابلیت اطمینان بیشتر با استفاده از پهنای باند و مقیاس پذیری استفاده می شود. بر اساس این روش، یک یا چند تکرار در ماشین ها و موقعیت های گوناگون قرار داده می شود. تکرار داده مزایای بسیاری دارد، همچون قابلیت اطمینان، دسترس پذیری، تلرانس خطا، استفاده موثر از پهنای باند و از همه مهمتر کاهش زمان پاسخ.

دو روش پایه برای تکرار داده وجود دارد؛ ایستا و پویا [۱]. در روش ایستا، داده ابتدا توسط کاربر تکرار شده و سپس طی زمان اجرا در صورت لزوم توسط وی حذف می شود، این کار بی ثمر بوده و برای شبکه های پویا مناسب نیست. در روش پویا، حذف و تکرار بر اساس موقعیت فعلی صورت می گیرد. در سال ۲۰۰۲ روشی برای تکرار داده ها بر مبنای پیش بینی ساخته شد که بر اساس آن فایل f بر اساس r درخواست های اخیر در n درخواست های آتی به کرات فراخوانی می شد و سیاست های تکرار بر مبنای این پیشبینی بکار می رفت [۲]. کمی بعد در سال ۲۰۰۶ روشی مبتنی بر بازار که شبیه سازی ای از بازار واقعی بود برای استعلام های بازاری و انتخاب کمترین قیمت با تکرار خودکار مدیریت ارزیابی داده ها ارائه شد [۳]. چندی بعد در سال ۲۰۰۸ روشی به نام LALW (بیشترین وزن آخرین دسترسی) بر روی شبکه سلسله مراتبی ارائه شد که دارای ۳ مرحله کلی بود. در مرحله ۱، تعریف می شد که کدام فایل باید تکرار شود…

در این مقاله، ما فرآیند تکرار و حذف فایل را با استفاده از روشی جدید و پویا بر مبنای متوسط زمان دسترسی به مکان ها و فایل ها هنگام رویارویی با فضای ناکافی بکار برده ایم. بخش ۲ روش پیشنهادی را برای تکرار و حذف فایل شرح می دهد. بخش ۳ شبیه ساز و پارامترهای استفاده شده را معرفی می کند. بخش ۴ تعدادی از آزمایشات و ارزیابی رویکرد پیشنهادی ما را به تفصیل بیان می کند. در نهایت، بخش ۵ به برخی از نتیجه گیری ها و تحقیقات آتی برگرفته از روش فعلی ما اشاره می کند.

رویکردی موثر برای تکرار داده ها در گرید داده

۲- روش پیشنهادی

زمانی که کاری به یک فایل داده نیاز دارد، می توان از دو روش استفاده کرد؛ تکرار یا دسترسی از راه دور. در راهبرد تکرار، داده در مکانی که موردنیاز است تکرار می شود ولی در راهبرد دسترسی از راه دور، داده بدون نیاز به تکرار شدن استفاده می شود. در RBAAC، ما از هر دو راهبرد استفاده می کنیم. پیش از شروع کار، ما متوسط هزینه را به صورتی تعریف می کنیم که متوسط هزینه فایل به متوسط هزینه دسترسی همه مکان ها در گرید به فایل اشاره داشته باشد.

در روش RBAAC، زمانی که درخواست دسترسی به فایل دریافت شود و فایل درخواست شده (RF) در حافظه محلی موجود نباشد، الگوریتم تکرار در ناحیه ای که درخواست نمونه تکراری (STRR) داده اجرا می شود که شبه کد آن در شکل ۱ آمده و تعریف متغیرهایش در جدول ۱ دیده می شود. توجه کنید که همه لیست ها و متغیرها در شبه کدهای ارائه شده در ابتدا خالی هستند مگر اینکه توسط شبه کدی تخصیص یابند.

رویکردی موثر تکرار داده ها گرید داده

۳- شبیه ساز و پارامترها

در روش ارائه شده، از شبیه ساز OptorSim استفاده شد که با پروژه گرید داده ای اروپا توسعه داده شده بود [۹]. محیط شبیه سازی شامل مجموعه ای از المان هایی نظیر المان محاسبه، المان ذخیره، دلال منابع، مدیر تکرار و بهینه ساز تکرار می باشد. هر سایت شامل واحد محاسبه و ذخیره است. شکل ۴ ساختار شبکه را نشان می دهد و جدول ۲ حاوی پارامترهای شبیه سازی است.

رویکردی موثر تکرار داده ها گرید داده

۴- ارزیابی ها و نتایج

ما نتایج ارائه شده را با روش های رایجی که در گرید داده ها استفاده می شود مانند LRU، LFU و مدل اقتصادی مقایسه کرده ایم. نمودار مقایسه در شکل ۵ نشان داده شده است. این آزمایش با الگوهای دسترسی گوناگونی همچون ترتیبی[۱]، تصادفی، پیمایش تصادفی یکانی[۲]، پیمایش تصادفی گاوسی[۳] و زیپف تصادفی[۴]، در موقعیت های مختلف مقایسه کرده ایم. همانطور که در شکل ۵ دیده می شود، روش ارائه شده به متوسط زمان کمتری برای انجام وظایف احتیاج دارد و نتیجه اس تنها اگر گاوسی استفاده شود نامعتبر خواهد بود. شکل ۶ مقایسه روش ارائه شده را با دیگر الگوریتم ها برای تعداد مختلفی از وظایف نشان می دهد.

سود یک از استانداردهای پهنای باند است که با فرمول ۳ محاسبه می شود.

[۱] Sequential

[۲] Random Walk Unitary

[۳] Random Walk Gaussian

[۴] Random Zipf

رویکردی موثر تکرار داده ها گرید داده

۵- نتیجه گیری و تحقیقات آتی

همانطور که در بخش های قبلی دیدیم، ما روش جدیدی را برای تکرار و حذف فایل در گرید داده ها پیشنهاد داده ایم. ارزیابی های انجام شده در شبیه ساز OptorSim نشان می دهد که روش ما متوسط زمان را برای تکمیل دستور کاهش داده و با جلوگیری از تولید تکرارهای بی استفاده، به حداقل تکرار داده نیاز دارد. به علاوه، به دلیل حداقل تکرار داده، RBAAC در مقایسه با دیگر روش ها ترافیک شبکه را کاهش داده و باعث سود پهنای باند می شود.

در نهایت، به منظور بهبود ناحیه گرید تصمیم داریم در آینده روش ارائه شده را بهبود داده و ویژگی های بیشتری به آن اضافه نماییم.