Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов
Розглянуто метод визначення оптимальної моделі прогнозування стану черги виконання задач обчислювальних кластерів та ґрід-вузлів. Показано можливість автоматичного отримання прогнозів за допомогою пакета статистичного прогнозування PREDICTOR. A method of determining the optimal model of predicting t...
Збережено в:
| Опубліковано в: : | Кибернетика и системный анализ |
|---|---|
| Дата: | 2011 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2011
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/84193 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов / С.И. Лавренюк, О.Л. Перевозчикова // Кибернетика и системный анализ. — 2011. — Т. 47, № 2. — С. 160-164. — Бібліогр.: 9 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859556537040633856 |
|---|---|
| author | Лавренюк, С.И. Перевозчикова, О.Л. |
| author_facet | Лавренюк, С.И. Перевозчикова, О.Л. |
| citation_txt | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов / С.И. Лавренюк, О.Л. Перевозчикова // Кибернетика и системный анализ. — 2011. — Т. 47, № 2. — С. 160-164. — Бібліогр.: 9 назв. — рос. |
| collection | DSpace DC |
| container_title | Кибернетика и системный анализ |
| description | Розглянуто метод визначення оптимальної моделі прогнозування стану черги виконання задач обчислювальних кластерів та ґрід-вузлів. Показано можливість автоматичного отримання прогнозів за допомогою пакета статистичного прогнозування PREDICTOR.
A method of determining the optimal model of predicting the queue of tasks of computing clusters and grid nodes is discussed. It is shown that it is possible to use the PREDICTOR statistical prediction software.
|
| first_indexed | 2025-11-26T12:49:01Z |
| format | Article |
| fulltext |
Ñ.È. ËÀÂÐÅÍÞÊ, Î.Ë. ÏÅÐÅÂÎÇ×ÈÊÎÂÀ
ÓÄÊ 004 ÎÏÐÅÄÅËÅÍÈÅ ÎÏÒÈÌÀËÜÍÎÃÎ ÌÅÒÎÄÀ
ÏÐÎÃÍÎÇÀ ÇÀÃÐÓÇÊÈ ÊËÀÑÒÅÐÍÛÕ ÐÅÑÓÐÑÎÂ
È ÃÐÈÄ-ÓÇËÎÂ
Êëþ÷åâûå ñëîâà: êëàñòåð, ãðèä, ïðîãíîçèðîâàíèå, ÷èñëîâîé ðÿä, î÷åðåäü.
ÂÂÅÄÅÍÈÅ
Ïðè ðàáîòå âû÷èñëèòåëüíîãî êëàñòåðà íà ïîëíóþ ìîùíîñòü, êîãäà âñå óçëû
ïîñòîÿííî çàãðóæåíû (íàïðèìåð, êàê â êëàñòåðå ÑÊÈÒ-3 Èíñòèòóòà êèáåðíå-
òèêè ÍÀÍ Óêðàèíû), àêòóàëüíà çàäà÷à ïðîãíîçèðîâàíèÿ äîñòóïíîñòè íåîáõî-
äèìûõ ðåñóðñîâ èëè èõ îáúåìà â îïðåäåëåííûå âðåìåííûå ïåðèîäû. Íà êëàñ-
òåðå ÑÊÈÒ-3 [1, 2] ðàáîòàþò ïîëüçîâàòåëè èç ìíîãèõ èíñòèòóòîâ ÍÀÍ Óêðàè-
íû. Äàííûé êëàñòåð ÿâëÿåòñÿ òàêæå îäíèì èç ìîùíûõ óçëîâ Óêðàèíñêîãî
Àêàäåìè÷åñêîãî Ãðèäà (ÓÀÃ) [3].  ñâÿçè ñ ýòèì â íåì îáñëóæèâàþòñÿ íå-
ñêîëüêî î÷åðåäåé çàäà÷ — ëîêàëüíàÿ (äëÿ ïîëüçîâàòåëåé êëàñòåðà) è ãðèä-î÷å-
ðåäü (äëÿ ïîëüçîâàòåëåé ÓÀÃ).
Âðåìÿ âûïîëíåíèÿ çàäà÷è íà êëàñòåðå îïðåäåëèì ôîðìóëîé
T T Tall q r� � , (1)
ãäå Tq — âðåìÿ íàõîæäåíèÿ çàäàíèÿ â ëîêàëüíîé î÷åðåäè, Tr — âðåìÿ âû-
ïîëíåíèÿ çàäàíèÿ.
Âðåìÿ âûïîëíåíèÿ çàäà÷è â ãðèä-ñåòè îïðåäåëèì ôîðìóëîé
T T T T Tall s q r u
�
� � � � , (2)
ãäå Ts — âðåìÿ ïîñòóïëåíèÿ çàäà÷è è äàííûõ íà ãðèä-óçåë, Tq — âðåìÿ íàõîæ-
äåíèÿ çàäàíèÿ â ëîêàëüíîé î÷åðåäè ãðèä-óçëà, Tr — âðåìÿ âûïîëíåíèÿ çàäàíèÿ,
Tu — âðåìÿ ïîëó÷åíèÿ ðåçóëüòàòà âûïîëíåíèÿ çàäàíèÿ íà óêàçàííûé ðåñóðñ.
 îáùåì ñëó÷àå Tq — âðåìÿ îæèäàíèÿ îñâîáîæäåíèÿ íåîáõîäèìûõ ðåñóðñîâ
äëÿ âûïîëíåíèÿ çàäàíèÿ. ×òîáû îöåíèâàòü è ìèíèìèçèðîâàòü Tall è Tall
� , íóæíî ïðå-
æäå âñåãî îöåíèòü çíà÷åíèÿ Tq . Ïî ðåçóëüòàòàì ïðîâåäåííîãî îöåíèâàíèÿ ìîæíî
âûáðàòü ãðèä-óçëû ñ îïòèìàëüíûì Tq è Tr äëÿ çàïóñêà çàäà÷ è ìèíèìèçàöèè Tall è
Tall
� . Òîãäà çàäà÷à ñâîäèòñÿ ê íàõîæäåíèþ è âûáîðó îïòèìàëüíûõ ìåòîäîâ ïðîãíî-
çèðîâàíèÿ ñîñòîÿíèÿ ðåñóðñîâ ëîêàëüíîé î÷åðåäè è ãðèä-î÷åðåäè, à òàêæå îïðåäåëå-
íèþ îïòèìàëüíîãî ÷èñëà ïåðèîäîâ ïðèåìëåìîãî ïðîãíîçà.
ÐÅØÅÍÈÅ ÇÀÄÀ×È
Äëÿ ðåøåíèÿ ïîñòàâëåííîé çàäà÷è èñïîëüçîâàí ïàêåò àâòîìàòè÷åñêîãî ïîñòðîå-
íèÿ ÷èñëîâûõ ïðîãíîçîâ PREDICTOR. Ýòîò ïàêåò èíòåðàêòèâíîãî ïðîãíîçèðîâà-
160 ISSN 0023-1274. Êèáåðíåòèêà è ñèñòåìíûé àíàëèç, 2011, ¹ 2
© Ñ.È. Ëàâðåíþê, Î.Ë. Ïåðåâîç÷èêîâà, 2011
íèÿ âñòðàèâàåòñÿ êàê äîïîëíåíèå â MS Excel è èìååò äëÿ ïîëüçîâàòåëÿ ÷åòûðå
ðåæèìà ñëîæíîñòè îáðàáîòêè ñ ðàçíûìè èíòåëëåêòóàëüíûìè ñðåäñòâàìè [4].
1. Äëÿ íà÷èíàþùèõ ïîëüçîâàòåëåé ðåæèì Ìàñòåð ïîçâîëÿåò áûñòðî ïîëó÷èòü
ïðîãíîç ïóòåì ïîøàãîâûõ îïåðàöèé óñòàíîâëåíèÿ ñåçîííîñòè, âûáîðà ìåòîäà (ìîäå-
ëè), âèçóàëüíîãî êîíòðîëÿ êà÷åñòâà ðàáîòû ìîäåëè è çàïèñè ðåçóëüòàòà â âèäå ðÿäà
÷èñåë. Ïðè ýòîì îïòèìàëüíûå âåëè÷èíû âñåõ íåîáõîäèìûõ ïàðàìåòðîâ PREDICTOR
ïîäáèðàåò àâòîìàòè÷åñêè.
2. Äëÿ êâàëèôèöèðîâàííûõ ïîëüçîâàòåëåé äèàëîãîâàÿ ñðåäà èòåðàòèâíîãî ïðî-
ãíîçèðîâàíèÿ èíîãäà íàìíîãî áîëåå äëèòåëüíûé ïðîöåññ, ÷åì ýêñïðåññ-ïðîãíîçèðî-
âàíèå. Îäíàêî ïðåèìóùåñòâî ýòîãî ðåæèìà ñîñòîèò â òîì, ÷òî ïîëüçîâàòåëü ìîæåò
«êîíñòðóèðîâàòü» ïðîãíîç ïóòåì êîððåêöèè ïàðàìåòðîâ ïîñëå èõ àâòîìàòè÷åñêîãî
ïîäáîðà ïàêåòîì, ñðàâíåíèÿ àëüòåðíàòèâíûõ âàðèàíòîâ ïðîãíîçà îäíîãî è òîãî æå
ðÿäà (âèçóàëüíîãî è êîëè÷åñòâåííîãî, èñïîëüçóÿ ñòàòèñòè÷åñêèå ïîêàçàòåëè) è ñîõðà-
íåíèÿ ïîëó÷åííîé òàêèì îáðàçîì ýìïèðè÷åñêîé ìîäåëè ïðîãíîçèðîâàíèÿ îäíèõ äàí-
íûõ äëÿ èñïîëüçîâàíèÿ åå ñ äðóãèìè äàííûìè, îïèñûâàþùèìè ïîäîáíûå ïðîöåññû.
3. Â ðåæèìå ôóíêöèé ýëåêòðîííîé òàáëèöû ïðåäïîëàãàåòñÿ, ÷òî ïàðàìåòðû
ïðîãíîçíîé ìîäåëè óæå îïðåäåëåíû, à ðåçóëüòàòû ïðîãíîçèðîâàíèÿ äîëæíû ñòàòü
èñõîäíûìè äàííûìè äëÿ ïîñëåäóþùèõ âû÷èñëåíèé â ýëåêòðîííîé òàáëèöå. Ïðè
ýòîì íåîáõîäèìî, ÷òîáû ïðè èçìåíåíèè èñõîäíûõ äàííûõ, êîòîðûå íå ÿâëÿþòñÿ ðå-
çóëüòàòîì êàêèõ-ëèáî âû÷èñëåíèé, ïðîèñõîäèë àâòîìàòè÷åñêèé ïåðåñ÷åò âñåõ çàâè-
ñèìûõ îò íèõ çâåíüåâ, â ÷àñòíîñòè ðåçóëüòàòîâ ïðîãíîçà, — ïîýòîìó ìîäåëè íà ýòîì
óðîâíå îðãàíèçîâàíû â âèäå ôóíêöèé MS Excel. PREDICTOR âêëþ÷àåò 25 ìåòîäîâ
ïðîãíîçèðîâàíèÿ, ñðåäè êîòîðûõ: ïðîñòûå è ëèíåéíûå ñêîëüçÿùèå ñðåäíèå; ñãëàæè-
âàíèå — ïðîñòîå, àäàïòèâíîå, ëèíåéíîå ïî Õîëòó, ëèíåéíîå ïî Áðàóíó, êâàäðàòè÷-
íîå ïî Áðàóíó, àääèòèâíîå ñåçîííîå ïî Âèíòåðçó, ñåçîííîå ïî Õîëòó–Âèíòåðçó, ñå-
çîííîå ïî Áðàóíó–Õàððèññîíó; ðåãðåññèÿ — àâòîðåãðåññèÿ, S-êðèâûå, êðèâàÿ Ãîì-
ïåðòöà, ëîãèñòè÷åñêàÿ êðèâàÿ, ïîïóëÿðíûå è îïðåäåëÿåìûå ïîëüçîâàòåëåì òðåíäû;
ìåòîäîëîãèÿ Áîêñà–Äæåíêèíñà, ARARMA, ARIMA-ìîäåëè ñ ñåçîííîñòüþ â AR è
MA, îáîáùåííàÿ àäàïòèâíàÿ ôèëüòðàöèÿ (GAF); ìíîæåñòâåííàÿ ðåãðåññèÿ; èíòåð-
ïîëÿöèîííûå àïïðîêñèìèðóþùèå íåéðîííûå ñåòè [5–7].
4. Áûñòðîå ïîëó÷åíèå ïðîãíîçà äàåò ïàêåòíîå ïðîãíîçèðîâàíèå, â ïðîöåññå
êîòîðîãî ïîëüçîâàòåëþ íåîáõîäèìî óêàçàòü òîëüêî èñòî÷íèê äàííûõ, äëèíó ïðî-
ãíîçà, îáùèå ïàðàìåòðû, õàðàêòåðèçóþùèå âðåìåííîé ðÿä, è âûáðàòü ìåòîäû
äëÿ òåñòèðîâàíèÿ èç ïðåäëîæåííîãî ñïèñêà. Áîëåå êâàëèôèöèðîâàííûé ïîëüçî-
âàòåëü ìîæåò íàñòðîèòü âåñîâûå êîýôôèöèåíòû ñòàòèñòè÷åñêèõ îöåíîê, ïî êîòî-
ðûì âåäåòñÿ îòáîð îïòèìàëüíîãî ìåòîäà. Îïòèìàëüíûå ïàðàìåòðû, ìåòîä äåñå-
çîíèðîâàíèÿ ïàêåò ïîäáèðàåò àâòîìàòè÷åñêè, òåñòèðóÿ ïðè ýòîì ïîëó÷åííóþ ìî-
äåëü, à â êîíöå ðàáîòû ïðåäëàãàåò ñïèñîê èç ÷åòûðåõ îïòèìàëüíûõ ìåòîäîâ è
ïðîãíîçû, ïîñòðîåííûå ñ èõ ïðèìåíåíèåì, ò.å. äàåò âîçìîæíîñòü àâòîìàòè÷åñêè
ïîëó÷èòü ðåçóëüòàò ñ ìèíèìàëüíûì ÷èñëîì øàãîâ.
 ïàêåòå PREDICTOR ïîääåðæèâàåòñÿ äèíàìè÷åñêîå ïðîãíîçèðîâàíèå ïî
ìåðå ïîñòóïëåíèÿ íîâûõ äàííûõ, óïðàâëåíèå ñöåíàðèÿìè è ïîâòîðíîå èõ èñ-
ïîëüçîâàíèå. PREDICTOR çàäóìàí êàê ñðåäñòâî, îáúåäèíÿþùåå ïðîñòîòó è íà-
ãëÿäíîñòü ýëåêòðîííûõ òàáëèö MS Excel è ìîùíûå âîçìîæíîñòè ìåòîäîâ
÷èñëåííîãî ïðîãíîçèðîâàíèÿ.
Ýòîò ïàêåò àâòîìàòè÷åñêè ñòðîèò òåñòîâûå ïðîãíîçû ïî ðÿäó èëè íåñêîëüêèì ðÿ-
äàì äàííûõ è âûáèðàåò ÷åòûðå ëó÷øèõ ìåòîäà, êîòîðûå ýôôåêòèâíåå àïïðîêñèìèðó-
þò èìåþùèåñÿ äàííûå. Äàëåå ìîæíî â ðó÷íîì ðåæèìå ìåíÿòü ïàðàìåòðû âûáðàííûõ
ìåòîäîâ è ñðàâíèâàòü ïîëó÷åííûå ðåçóëüòàòû ïðîãíîçà ñ èìåþùèìèñÿ äàííûìè.
 êà÷åñòâå èñõîäíûõ äàííûõ î ñîñòîÿíèè ðåñóðñîâ âû÷èñëèòåëüíûõ êëàñòå-
ðîâ èñïîëüçîâàíû äàííûå áàçû ìîíèòîðèíãà ñîñòîÿíèÿ ãðèä-óçëîâ ÓÀÃ è
ISSN 0023-1274. Êèáåðíåòèêà è ñèñòåìíûé àíàëèç, 2011, ¹ 2 161
ãðèä-óçëîâ êîëëàáîðàöèè Nordugrid [8]. Â áàçå ìîíèòîðèíãà õðàíÿòñÿ äàííûå
î çàãðóæåííîñòè êëàñòåðîâ ëîêàëüíûìè çàäà÷àìè (ëîêàëüíàÿ î÷åðåäü) è ãðèä-çà-
äà÷àìè (ãðèä-î÷åðåäü). Âçÿòû äàííûå çà ôåâðàëü-ìàðò 2010 ãîäà è âûáðàíû
12 óçëîâ, íà êîòîðûå ðåãóëÿðíî ïîñòóïàþò çàäàíèÿ: ïÿòü óçëîâ ÓÀÃ, ñåìü óçëîâ
Nordugrid (îäèí èç Øâåöèè, äâà èç Äàíèè, ÷åòûðå èç Ôèíëÿíäèè). Äàííûå ïîñòó-
ïàþò â áàçó êàæäûå 15 ìèíóò. Äëÿ óäîáñòâà èññëåäîâàíèÿ äëèííîãî ðÿäà ïðîâåäåíà
ñâåðòêà äàííûõ è âû÷èñëåíà ñðåäíÿÿ çàãðóçêà óçëà çà äåíü [9].
Äëÿ êàæäîãî óçëà îòäåëüíî äëÿ ëîêàëüíîé è ãðèä-î÷åðåäè àâòîìàòè÷åñêè
âûáðàíû ÷åòûðå ëó÷øèå ìîäåëè äëÿ ïðîãíîçèðîâàíèÿ.
Íà ðèñ. 1 ïîêàçàíû ïðåäëîæåííûå ïàêåòîì PREDICTOR ÷åòûðå ëó÷øèå ìî-
äåëè äëÿ ãðèä-óçëà nordug.bitp.kiev.ua ïî ïðîãíîçèðîâàíèþ ñîñòîÿíèÿ ëîêàëüíîé
î÷åðåäè çàäà÷.
Íà ðèñ. 2 ïîêàçàíû ïðåäëîæåííûå ïàêåòîì PREDICTOR ÷åòûðå ëó÷øèå ìî-
äåëè äëÿ ãðèä-óçëà nordu.hpcc.ntu-kpi.kiev.ua ïî ïðîãíîçèðîâàíèþ ñîñòîÿíèÿ
ãðèä-î÷åðåäè çàäà÷.
Íà ðèñ. 3 ïîêàçàíû ïðåäëîæåííûå ïàêåòîì PREDICTOR ÷åòûðå ëó÷øèå ìî-
äåëè äëÿ ãðèä-óçëà svea.c3se.chalmers.se ïî ïðîãíîçèðîâàíèþ ñîñòîÿíèÿ ãðèä-
î÷åðåäè çàäà÷.
Ðåçóëüòàòû âûáîðà ìîäåëåé ïðîãíîçèðîâàíèÿ ïðèâåäåíû â òàáë. 1.
162 ISSN 0023-1274. Êèáåðíåòèêà è ñèñòåìíûé àíàëèç, 2011, ¹ 2
Ðèñ. 1
Íîìåð îòñ÷åòà
×
è
ñë
î
çà
ä
à÷
â
î
÷
åð
åä
è
(ñ
ð
åä
í
åå
çà
ä
åí
ü
)
Ðèñ. 2
Íîìåð îòñ÷åòà
×
è
ñë
î
çà
ä
à÷
â
î
÷
åð
åä
è
(ñ
ð
åä
í
åå
çà
ä
åí
ü
)
Íà îñíîâàíèè àíàëèçà òàáë. 1 îïðåäåëåíû ïî ðàíæèðó ÷åòûðå ìåòîäà, èñ-
ïîëüçóåìûõ ÷àùå äðóãèõ ïðè âûáîðå ÷åòûðåõ ëó÷øèõ ìîäåëåé äëÿ ïðîãíîçèðî-
âàíèÿ: ARARMA, AR, ARIMA, LMA.
Êà÷åñòâî ïðîãíîçèðîâàíèÿ ñîñòîÿíèÿ ðåñóðñîâ êëàñòåðà ñ ïîìîùüþ âûáðàí-
íûõ ìîäåëåé ïðîâåðåíî íà äàííûõ î ñîñòîÿíèè ëîêàëüíîé î÷åðåäè êëàñòåðà
ÑÊÈÒ. Íà ðèñ. 4 ïîêàçàí ãðàôèê âûáîðà ìîäåëè äëÿ ïðîãíîçèðîâàíèÿ çàãðóçêè
ëîêàëüíîé î÷åðåäè.
Íà ðèñ. 5 ïîêàçàí ãðàôèê âûáîðà ìîäåëè äëÿ ïðîãíîçèðîâàíèÿ êîëè÷åñòâà
çàäà÷ íà êëàñòåðå ÑÊÈÒ.
ISSN 0023-1274. Êèáåðíåòèêà è ñèñòåìíûé àíàëèç, 2011, ¹ 2 163
Ðèñ. 3
Íîìåð îòñ÷åòà
×
è
ñë
î
çà
ä
à÷
â
î
÷
åð
åä
è
(ñ
ð
åä
í
åå
çà
ä
åí
ü
)
Ðèñ. 4
Íîìåð îòñ÷åòà
Ç
àã
ð
ó
çê
à
î
÷
åð
åä
è
,
%
Ðèñ. 5
Íîìåð îòñ÷åòà
×
è
ñë
î
çà
ä
à÷
â
î
÷
åð
åä
è
(ñ
ð
åä
í
åå
çà
ä
åí
ü
)
Ïðîãðàììíûé ïàêåò
PREDICTOR àâòîìàòèçè-
ðîâàë ìíîãèå ïðîöåññû
ïðîâåäåíèÿ ìîäåëèðîâàíèÿ
è ýêñïåðèìåíòà ïî ïîñòðî-
åíèþ ïðîãíîçîâ äàííûõ.
Ýòî ïîçâîëÿåò èçáåæàòü
ðàçðàáîòêè äîïîëíèòåëü-
íûõ ïðîãðàììíûõ ìîäóëåé
è ïîòåðè âðåìåíè íà ðåøå-
íèå âòîðîñòåïåííûõ çàäà÷
ìîäåëèðîâàíèÿ.
Ïî âûáðàííûì ìîäåëÿì
ïîñòðîåíû è ïðîàíàëèçèðî-
âàíû ïðîãíîçû ñ ãîðèçîíòîì
íà äåñÿòü òî÷åê. Ýòè ìîäåëè
äàþò ïðèåìëåìûé ïðîãíîç
ñ íåáîëüøèì ðàñõîæäåíèåì
äëèíû ãîðèçîíòà äî øåñòè
òî÷åê.
ÇÀÊËÞ×ÅÍÈÅ
Äëÿ ïðîãíîçèðîâàíèÿ ëîêàëüíîé è ãðèä-î÷åðåäè êëàñòåðîâ ñ äîïóñòèìûì êà÷åñ-
òâîì ïîñòðîåíèÿ ïðîãíîçà ýôôåêòèâíû àâòîðåãðåññèîííûå ìîäåëè ARARMA è
ARIMA, ñòðîÿùèå ïðèåìëåìûå ïðîãíîçû ñîñòîÿíèÿ ëîêàëüíîé è ãðèä-î÷åðåäè.
Ðàöèîíàëüíî ñòðîèòü ïðîãíîçû ñ ãîðèçîíòîì äî øåñòè òî÷åê.  ðàìêàõ îäíîãî
êîíêðåòíîãî ãðèä-óçëà, ïðè ðåãóëÿðíîì ïîñòóïëåíèè çàäà÷, èçìåíåíèå î÷åðåäè
ìîæíî àïïðîêñèìèðîâàòü òåìè æå ìîäåëÿìè, ÷òî è ëîêàëüíîé î÷åðåäè êëàñòå-
ðà, êîòîðûé ÿâëÿåòñÿ ãðèä-óçëîì. Òàêèì îáðàçîì ìîæíî îöåíèâàòü Tq è îïòè-
ìèçèðîâàòü Tall è Tall
� .
Çàäà÷ó âûáîðà îïòèìàëüíûõ ìîäåëåé ïðîãíîçà íåîáõîäèìî óñëîæíèòü ñ èñ-
ïîëüçîâàíèåì ïðîèçâîëüíîãî ìíîæåñòâà ñâÿçàííûõ ýêîíîìåòðè÷åñêèõ ðÿäîâ
äàííûõ, íàïðèìåð çàâèñèìîñòè êîëè÷åñòâà çàäà÷ â ëîêàëüíîé è ãðèä-î÷åðåäè îò
âðåìåíè (ñóòîê, ðàáî÷èõ è âûõîäíûõ äíåé è ò.ä.). Ïðè ýòîì ïðîâîäèòñÿ äîïîëíè-
òåëüíîå àíàëèòè÷åñêîå ðàçäåëåíèå óêàçàííûõ ðÿäîâ íà ïîäðÿäû. Öåëåñîîáðàçíî
âûäåëèòü òàêèå èíäèêàòîðû çàäà÷, êàê êîëè÷åñòâî çàïðàøèâàåìûõ ïðîöåññîðîâ,
òèï çàäà÷è, èäåíòèôèêàöèÿ ïîëüçîâàòåëÿ è äð. Íåîáõîäèìî òàêæå ïðîâåðÿòü âëè-
ÿíèå ñåçîííîñòè äàííûõ (íåäåëÿ, ìåñÿö, êâàðòàë, ãîä) íà êà÷åñòâî ïðîãíîçà.
Èñïîëüçîâàíèå ñâÿçàííûõ ðÿäîâ äàííûõ ïîâûñèò òî÷íîñòü ïðîãíîçèðîâàíèÿ
äëÿ ïëàíèðîâàíèÿ çàãðóæåííîñòè ðåñóðñîâ êàê âñåé ãðèä-ñèñòåìû, òàê è îòäåëü-
íûõ âû÷èñëèòåëüíûõ êëàñòåðîâ.
ÑÏÈÑÎÊ ËÈÒÅÐÀÒÓÐÛ
1. Ê î â à ë ü Â . , Ñ å ð ã i º í ê î I . Ñ Ê I Ò — óêðà¿íñüêèé ñóïåðêîìï’þòåðíèé ïðîåêò // Âiñí. ÍÀÍ
Óêðà¿íè. — 2005. — ¹ 8. — Ñ. 3–13.
2. Ñ Ê È Ò - 3 (http://icybcluster.org.ua/).
3. Ó ê ð à è í ñ ê è é Àêàäåìè÷åñêèé Ãðèä (http://grid.bitp.kiev.ua/).
4. È í ò å ë ë å ê ò ó à ë ü í û å ïàêåòû ñòàòèñòè÷åñêîãî ïðîãíîçèðîâàíèÿ / Î.Ë. Ïåðåâîç÷èêîâà, È.Í. Ïøoí-
êîâñêàÿ, Ò.Ê. Òåðçÿí, Â.Ã. Òóëü÷èíñêèé è äð. // Óïð. ñèñòåìû è ìàøèíû. — 1997. — ¹ 6. — C. 56–67.
5. B o x G . E . P . , J e n k i n s G . M . Time series analysis: Forecasting and control. — San Francisco:
Holden-Day, Inc., 1976. — 423 p.
6. C o h n D . A . , G h a h r a m a n i Z . , J o r d a n M . I . Active learning with statistical models // Artif. Intel.
Res. — 1996. — N 4. — P. 129–145.
7. G e m a n S . , B i e n e n s t o a k E . , D o u r s a t R . Neural networks and the bias/variance dilemma //
Neural Computation. — 1992. — N 4. — P. 1–58.
8. A R C Grid Monitor (http://www.nordugrid.org/monitor/).
9. Ë à â ð å í þ ê À . Í . , Ë à â ð å í þ ê Ñ . È . , Ã ð è ï è ÷ Þ . À Ïîñòðîåíèå áàçû äàííûõ ñîñòîÿíèÿ
grid-óçëîâ íà îñíîâå èñïîëüçîâàíèÿ àêòèâíûõ ýêñïåðèìåíòîâ // Ðîçïîä³ëåí³ êîìï’þòåðí³ ñèñòåìè: Çá. ïðàöü
þâ³ë. ì³æíàð. íàóê.-ïðàêò. êîíô. ÐÊÑ-2010 (6–8 êâ³òíÿ 2010). — Êè¿â: ÍÒÓÓ «Êϲ», 2010. — Ñ. 22–25.
Ïîñòóïèëà 17.05.2010
164 ISSN 0023-1274. Êèáåðíåòèêà è ñèñòåìíûé àíàëèç, 2011, ¹ 2
Ò à á ë è ö à 1
Ìåòîä ïðîãíîçèðîâàíèÿ
Ðåçóëüòàòû âûáîðà
ìåòîäîâ
ëîêàëüíàÿ
î÷åðåäü
ãðèä-
î÷åðåäü
ARARMA (Autoregressive
moving-average model)
10 8
AR (Autoregression) 6 4
ARIMA (Box–Jenkins) 6 6
LMA (Linear Moving Averages) 5 3
AES (Adaptive Exponential Smoothing) 4 4
MA (Single Moving Averages) 4 3
Brown (Linear ES by Brown) 3 3
QBrown (Quadratic ES by Brown) 3 4
Sc (S-Curve Fitting) 3 6
Holt (Linear ES by Holt) 1 1
Sg (Gompertz’ S-Curve Fitting) 1 1
Sl (Logistic S-Curve Fitting) 1 1
|
| id | nasplib_isofts_kiev_ua-123456789-84193 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0023-1274 |
| language | Russian |
| last_indexed | 2025-11-26T12:49:01Z |
| publishDate | 2011 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Лавренюк, С.И. Перевозчикова, О.Л. 2015-07-03T15:51:18Z 2015-07-03T15:51:18Z 2011 Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов / С.И. Лавренюк, О.Л. Перевозчикова // Кибернетика и системный анализ. — 2011. — Т. 47, № 2. — С. 160-164. — Бібліогр.: 9 назв. — рос. 0023-1274 https://nasplib.isofts.kiev.ua/handle/123456789/84193 004 Розглянуто метод визначення оптимальної моделі прогнозування стану черги виконання задач обчислювальних кластерів та ґрід-вузлів. Показано можливість автоматичного отримання прогнозів за допомогою пакета статистичного прогнозування PREDICTOR. A method of determining the optimal model of predicting the queue of tasks of computing clusters and grid nodes is discussed. It is shown that it is possible to use the PREDICTOR statistical prediction software. ru Інститут кібернетики ім. В.М. Глушкова НАН України Кибернетика и системный анализ Программно-технические комплексы Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов Визначення оптимального методу прогнозу завантаження кластерних ресурсів та ґрід-вузлів Identifying the optimal method of predicting the load of cluster resources and grid nodes Article published earlier |
| spellingShingle | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов Лавренюк, С.И. Перевозчикова, О.Л. Программно-технические комплексы |
| title | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| title_alt | Визначення оптимального методу прогнозу завантаження кластерних ресурсів та ґрід-вузлів Identifying the optimal method of predicting the load of cluster resources and grid nodes |
| title_full | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| title_fullStr | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| title_full_unstemmed | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| title_short | Определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| title_sort | определение оптимального метода прогноза загрузки кластерных ресурсов и грид-узлов |
| topic | Программно-технические комплексы |
| topic_facet | Программно-технические комплексы |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/84193 |
| work_keys_str_mv | AT lavrenûksi opredelenieoptimalʹnogometodaprognozazagruzkiklasternyhresursovigriduzlov AT perevozčikovaol opredelenieoptimalʹnogometodaprognozazagruzkiklasternyhresursovigriduzlov AT lavrenûksi viznačennâoptimalʹnogometoduprognozuzavantažennâklasternihresursívtagrídvuzlív AT perevozčikovaol viznačennâoptimalʹnogometoduprognozuzavantažennâklasternihresursívtagrídvuzlív AT lavrenûksi identifyingtheoptimalmethodofpredictingtheloadofclusterresourcesandgridnodes AT perevozčikovaol identifyingtheoptimalmethodofpredictingtheloadofclusterresourcesandgridnodes |