ВЛИЯНИЕ СБАЛАНСИРОВАННОСТИ НА ВРЕМЯ ИСПОЛНЕНИЯ РАСПРЕДЕЛЕННОЙ ИМИТАЦИОННОЙ МОДЕЛИ

Представлены результаты исследования влияния распределения нагрузки между вычислительными узлами на время выполнения распределенной имитационной модели компьютерной сети. Рассматриваются два основных типа балансировки – по вычислительной нагрузке и по объему передаваемых данных. Моделирование проводилось на одном компьютере, и распределение осуществлялось между ядрами одного процессора. В результате проведенных имитационных экспериментов на моделях сетей сетчатой топологии показано, что отсутствие сбалансированности по объему передаваемых данных между частями распределенной модели ведет к снижению скорости выполнения модели в несколько раз, что объясняется накладными расходами на передачу данных между логическими процессами распределенной модели в связи с использованием MPI. Изменение времени выполнения модели при неравномерном распределении вычислительной нагрузки в значительной степени зависит от нагрузки, которую создают приложения, работающие на узлах моделируемой сети. Показано, что даже при использовании приложений, не требующих значительных вычислительных ресурсов, сбалансированная модель выполняется быстрее несбалансированного варианта. Для уменьшения времени распределенного моделирования предлагается разделение модели таким образом, чтобы уменьшить количество передаваемых данных между ее частями и сократить разброс нагрузок, создаваемый приложениями в разных логических процессах модели. 

1. Миков А.И., Замятина Е.Б. Технология имитационного моделирования больших систем // Труды Всероссийской научной конференции «Научный сервис в сети Интернет». М.: МГУ, 2008. С. 199–204.

2. Алиев Т.И. Основы моделирования дискретных систем. СПб.: СПбГУ ИТМО, 2009. 363 с.

3. Fujimoto R.M. Parallel and Distributed Simulation Systems. Wiley, 2000. 320 p.

4. Perumalla K., Park A., Wu H., Ammar M.H., Riley G.F. Large-scale network simulation: how big? How fast? // IEEE 20th Int. Symposium on Modeling, Analysis and Simulation of Computer and Telecommunication Systems. 2003. P. 116–123.

5. Manjikian N., Loucks W.M. High performance parallel logic simulations on a network of workstations // ACM SIGSIM Simulation Digest. 1993. V. 23. N 1. P. 76–84.

6. Misra J. Distributed discrete-event simulation // ACM Computing Surveys. 1989. V. 18. N 1. P. 39–65

. 7. Chandy K.M., Misra J. Distributed simulation: a case study in design and verification of distributed programs // IEEE Transactions on Software Engineering. 1979. V. SE-5. N 5. P. 440–452.

8. Wentong C., Turner S.J., Hanfeng Z. A load management system for running HLA-based distributed simulations over the grid // Distributed Simulation and Real-Time Applications. 2002. P. 7–14.

9. Deelman E., Szymanski B.K. Dynamic load balancing in parallel discrete event simulation for spatially explicit problems // Proc. Workshop on Parallel and Distributed Simulation (PADS'98). Banff, Canada, 1998. P. 46–53.

10. Schlagenhaft R., Ruhwandl M., Bauer H., Sporrer C. Dynamic load balancing of a multi-cluster simulator on a network of workstations // Proc. 9th Workshop on Parallel and Distributed Simulation (PADS'95). Lake Placid, USA, 1995. V. 25. N 1. P. 175–180.

11. Renard K., Peri C., Clarke J. A performance and scalability evaluation of the NS-3 distributed scheduler [Электронный ресурс]. 2012. Режим доступа: http://eudl.eu/pdf/10.4108/icst.simutools.2012.247679, сво- бодный. Яз. англ. (дата обращения 18.11.2014).

12. Nandy B., Loucks W.M. An algorithm for partitioning and mapping conservative parallel simulation onto multicomputers // Proc. 6th Workshop on Parallel and Distributed Simulation. 1992. P. 139–146.

13. Nandy B., Loucks W.M. On a parallel partitioning technique for use with conservative parallel simulation // Proc. 7th Workshop on Parallel and Distributed Simulation. San Diego, USA, 1993. V. 23. N 1. P. 43–51.

14. Ferscha A. Parallel and Distributed Simulation of Discrete Event Systems. In: Handbook of Parallel and Distributed Computing. McGraw-Hill, 1995. 49 p.

15. Henderson T.R., Floyd S., Riley G.F. NS-3 Project Goals [Электронный ресурс]. Режим доступа: http://www2.nsnam.org/docs/meetings/wns2/wns2-ns3.pdf, свободный. Яз. англ. (дата обращения 15.11.2014)

16. Алиев Т.И., Бурмакин Н.Г., Соснин В., Тихонов М.Ю., Шинкарук Д.Н. САПР маршрутизируемой компьютерной сети на основе компонентов с открытыми исходными кодами // Изв. вузов. Приборо- строение. 2012. Т. 55. № 10. С 47–53.

17. Соснин В.В., Шинкарук Д.Н. Особенности проектирования имитационной модели маршрутизируемой компьютерной сети // Сборник трудов молодых ученых и сотрудников кафедры ВТ. Выпуск 3. СПб.: НИУ ИТМО, 2012. С. 57–63.

18. Pelkey J., Riley G. Distributed simulation with MPI in NS-3 [Электронный ресурс]. 2011. Режим доступа: http://users.ece.gatech.edu/~riley/ece6110/handouts/DistNS3.pdf, свободный. Яз. англ. (дата обращения 15.11.2014).

19. Liu X., Chien A.A. Traffic-based load balance for scalable network emulation // Proc. 2003 ACM/IEEE Conference on Supercomputing. 2003. P. 40. doi: 10.1145/1048935.1050190

20. Zhou S. Trace-driven simulation study of dynamic load balancing // IEEE Transactions on Software Engineering. 1988. V. 14. N 9. P. 1327–1341. doi: 10.1109/32.6176

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License