Ακριβείς και ευριστικοί αλγόριθμοι σχεδιασμού και βελτιστοποίησης ροών εργασιών σε περιβάλλον υπολογιστικού νέφους με πολλαπλές μηχανές

Προβατάς, Νικόδημος; Provatas, Nikodimos

dc.contributor.author	Προβατάς, Νικόδημος	el
dc.contributor.author	Provatas, Nikodimos	en
dc.date.accessioned	2017-02-16T09:14:57Z
dc.date.available	2017-02-16T09:14:57Z
dc.date.issued	2017-02-16
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44369
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13367
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Υπολογιστικό νέφος	el
dc.subject	Ροές εργασιών	el
dc.subject	Πολλαπλές μηχανές	el
dc.subject	Βελτιστοποιήση πολλαπλών κριτηρίων	el
dc.subject	Cloud computing	en
dc.subject	Workflow	en
dc.subject	Multiengine	en
dc.subject	Multiobjective optimization	en
dc.title	Ακριβείς και ευριστικοί αλγόριθμοι σχεδιασμού και βελτιστοποίησης ροών εργασιών σε περιβάλλον υπολογιστικού νέφους με πολλαπλές μηχανές	el
heal.type	bachelorThesis
heal.classification	Πληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-10-25
heal.abstract	Οι μοντέρνες ροές εργασιών έχουν γίνει αρκετά μεγάλες και πολύπλοκες. Για κάθε εργασία είναι πιθανόν να υπάρχει η δυνατότητα εκτέλεσης σε διαφορετική μηχανή εκτέλεσης. Επομένως, μία ροή εργασιών έχει πολλά διαφορετικά πλάνα εκτέλεσης. Από όλα τα διαφορετικά πλάνα εκτέλεσης που μπορούν να προκύψουν για ροή εργασιών κρίνεται σκόπιμο να βρεθούν τα βέλτιστα ως προς κάποια κριτήρια. Στην παρούσα διπλωματική εργασία, κατασκευάζεται ένας μετα-σχεδιαστής, ο οποίος έχει ως στόχο τον αυτόματο προσδιορισμό των βέλτιστων λύσεων κατά pareto ως προς τα κριτήρια του χρόνου και του κόστους εκτέλεσης. Ο σχεδιαστής αυτός αρχικά διαβάζει την περιγραφεί μίας ροής εργασιών από ένα XML αρχείο και στη συνέχεια επιχειρεί την εύρεση των κατάλληλων πλάνων με δύο τρόπους, με τη χρήση μοντέλων που προσδιορίζουν το χρόνο και στο κόστος εκτέλεσης κάθε εργασίας σε κάθε μηχανή. Ο πρώτος χρησιμοποιεί έναν βέλτιστο αλγόριθμο που εγγυάται την εύρεση των καλύτερων λύσεων. Ο δεύτερος είναι ο προσεγγιστικός γενετικός αλγόριθμος NSGA-II. Στόχος είναι η αξιολόγηση των δύο μεθόδων, από την οποία προέκυψε ότι μέγαλη επίδραση στην επίδοση και των δύο αλγορίθμων έχει το μέγεθος της ροής εργασίων, σε αντίθεση με το πλήθος των μηχανών όπου επηρεάζει κυρίως το βέλτιστο αλγόριθμο. Επίπλέον, υπάρχουν περίπτωσεις όπου ο προσεγγιστικός αλγόριθμος είναι σημαντικά πιο γρήγορος από τον βέλτιστο (μέχρι και 152 φορές), γεγονός που υποδεικνύει τη χρήση του δεδομένης της μικρής απόστασης των λύσεων. Τέλος, διαπιστώνεται ότι χρησιμοποιώντας τον σχεδιαστή μπορεί να επιτευχθεί εντοπισμός καλύτερου πλάνου εκτέλεσης ως προς κάποιο κρίτηριο σε σχέση με το να εκτελούταν όλη τη ροή στην ίδια μηχανή εκτέλεσης.	el
heal.abstract	Modern workflows have become extremely large and complex. Each task in the workflow might be able to execute in more than one execution engines. Therefore, a workflow has many different execution plans. From all different execution plans available for the workflow, it is crucial to locate the best plans according to some objectives. In this diploma thesis, a meta-planner is built , which target is to locate the best pareto solutions according to the time and cost objectives. At first, the planner reads the description of the workflow from an XML file and then attempts to find the appropriate execution plans in two ways, using models that describe the time and cost of executing each operator in any engine. The first way uses and optimal algorithm that guarantees the best solutions. The second is the approximate genetic algorithm NSGA-II. The target is the evaluation of the two methods, which showed that the size of the workflow really affects the performance of the two algorithms. Instead, the number of the available execution engines affects mostly the optimal algorithm. Moreover, there are cases that NSGA-II is much faster than the optimal (up to 152 times), which indicates its usage given the small distance of the solution sets. In the end, it is found that using the meta-planner can locate better execution plans according to an objective, instead of executing the whole workflow in the same execution engine.	en
heal.advisorName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Τσουμάκος, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Υπολογιστικών Συστημάτων	el
heal.academicPublisherID	ntua
heal.numberOfPages	78 σ.	el
heal.fullTextAvailability	true