| مشخصات مقاله | |
| ترجمه عنوان مقاله | استفاده از کنترل کننده های الهام گرفته از PID ساده برای مدیریت منابع انعطاف پذیر آنلاین از جریان های علمی توزیع شده |
| عنوان انگلیسی مقاله | Using simple PID-inspired controllers for online resilient resource management of distributed scientific workflows |
| انتشار | مقاله سال 2019 |
| تعداد صفحات مقاله انگلیسی | 14 صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | scopus – master journals – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
5.341 در سال 2017 |
| شاخص H_index | 85 در سال 2019 |
| شاخص SJR | 0.844 در سال 2017 |
| شناسه ISSN | 0167-739X |
| شاخص Quartile (چارک) | Q1 در سال 2017 |
| رشته های مرتبط | مهندسی کامپیوتر – مهندسی فناوری اطلاعات |
| گرایش های مرتبط | معماری سیستم های کامپیوتری – هوش مصنوعی – اینترنت و شبکه های گسترده |
| نوع ارائه مقاله |
ژورنال |
| مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
| دانشگاه | University of Southern California, Information Sciences Institute, Marina del Rey, CA, USA |
| کلمات کلیدی | جریان های علمی، تشخیص و رسیدگی به خطا، جریان داده های انعطاف پذیر بزرگ، محاسبات ارادی |
| کلمات کلیدی انگلیسی | Scientific workflows, Fault detection and handling, Resilient Big Data workflows, Autonomic computing |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2019.01.015 |
| کد محصول | E12028 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Outline Highlights Abstract Keywords 1. Introduction 2. Related work 3. General resilient resource management process 4. Modeling simple controller-inspired Processes 5. Experimental evaluation 6. Tuning PID controllers 7. Conclusion Acknowledgments References |
| بخشی از متن مقاله: |
| Abstract Scientific workflows have become mainstream for conducting large-scale scientific research. As a result, many workflow applications and Workflow Management Systems (WMSs) have been developed as part of the cyberinfrastructure to allow scientists to execute their applications seamlessly on a range of distributed platforms. Although the scientific community has addressed this challenge from both theoretical and practical approaches, failure prediction, detection, and recovery still raise many research questions. In this paper, we propose an approach inspired by the control theory developed as part of autonomic computing to predict failures before they happen, and mitigated them when possible. The proposed approach is inspired on the proportional–integral–derivative controller (PID controller) control loop mechanism, which is widely used in industrial control systems, where the controller will react to adjust its output to mitigate faults. PID controllers aim to detect the possibility of a non-steady state far enough in advance so that an action can be performed to prevent it from happening. To demonstrate the feasibility of the approach, we tackle two common execution faults of large scale data-intensive workflows—data storage overload and memory overflow. We developed a simulator, which implements and evaluates simple standalone PID-inspired controllers to autonomously manage data and memory usage of a data-intensive bioinformatics workflow that consumes/produces over 4.4 TB of data, and requires over 24 TB of memory to run all tasks concurrently. Experimental results obtained via simulation indicate that workflow executions may significantly benefit from the controller-inspired approach, in particular under online and unknown conditions. Simulation results show that nearly-optimal executions (slowdown of 1.01) can be attained when using our proposed method, and faults are detected and mitigated far in advance of their occurrence. |