مقایسه انرژی مصرفی الگوریتم پیشنهادی با الگوریتم‌های LU-McEP و PDAMS در 6 مجموعه وظیفه مختلف
شکل 35شکل 5-4 مقایسه انرژی مصرفی الگوریتم پیشنهادی با الگوریتم‌های LU-McEP و PDAMS در 6 مجموعه وظیفه مختلف
همانطور که در شکل 4-5 مشاهده می‌کنید، الگوریتم پیشنهادی ما در تمام مجموعه وظیفه‌های مختلف، توانسته انرژی پایین‌تری از دو الگوریتم LU-McEP و PDAMS مصرف کند. در بار کاری کم الگوریتم LU-McEP انرژی کمتری نسبت به الگوریتم PDAMS مصرف کرده است، اما در بارکاری زیاد مشاهده می‌کنیم که الگوریتم PDAMS انرژی کمتری نسبت به LU-McEP مصرف کرده است. این به این دلیل می‌تواند باشد که در الگوریتم LU-McEP هیچ روشی برای تنظیم فرکانس و ولتاژ پردازنده وجود ندارد و هسته‌ها همواره با حداکثر فرکانس به اجرای وظایف می پردازند. همچنین این الگوریتم بوسیله تلاش برای خاموش نگه داشتن بیشتر هسته‌ها سعی در کاهش مصرف انرژی دارد که بدلیل اینکه فشار زیادی برای اجرای وظایف تناوبی روی تعداد محدودی هسته میاورد، در حجم بار زیاد و حالتی که تعداد وظایف غیرتناوبی خیلی بیشتر از وظایف تناوبی است مصرف انرژی تا حد زیادی بالا می‌رود. این مسئله را در حالتی که مجموعه وظیفه ما 1000 است، به وضوح مشاهده می‌کنید که مصرف انرژی الگوریتم پیشنهادی ما نزدیک به 42 درصد کمتر از الگوریتم LU-McEP می‌باشد. الگوریتم PDAMS نیز بنظر می‌رسد به دو دلیل انرژی مصرفی بیشتری نسبت به الگوریتم پیشنهادی ما مصرف کرده است. یکی اینکه در توزیع وظایف تناوبی، تا حد زیادی به سررسید وظایف توجه کرده است و دیگری اینکه در هسته‌هایی که به بیشترین فرکانس اجرا برسند، وظایف بیشتری اضافه نمی‌کند و هسته‌ خاموشی را روشن کرده و وظایف را به آن‌ها اختصاص میدهد. اما در الگوریتم ما بدلیل توجه به مجموع بهره‌وری وظایف هر هسته، تا حد امکان از روشن کردن هسته‌های دیگر جلوگیری شده است.
5-4 ارزیابی کارایی
کارایی یک سیستم می‌تواند با توجه به اهداف مختلف، مشخصه‌های متفاوتی داشته باشد. در سیستم ما که یک سیستم بی‌درنگ نرم می‌باشد، پایین آمدن نرخ نقض سررسید همه وظایف و در عین حال کاهش زمان پاسخ و زمان انتظار وظایف غیرتناوبی اهمیت فراوانی دارد. از این رو در این قسمت ابتدا به ارزیابی و مقایسه میزان نرخ نقض سررسید وظایف در الگوریتم پیشنهادی نسبت به الگوریتم‌های دیگر پرداخته و پس از زمان مشخصه زمان پاسخ و زمان انتظار وظایف غیرتناوبی را مورد ارزیابی قرار خواهیم داد.
5-4-1 ارزیابی نرخ نقض سررسید
اجرای کامل و درست یک وظیفه قبل از رسیدن به سررسید خود، از اصلی‌ترین اهداف یک سیستم بی‌درنگ می‌باشد. در سیستم پیشنهادی ما که بی‌درنگ نرم می‌باشد، ما تمام سعی خود را برای از دست‌ نرفتن سررسیدها می‌کنیم، اما سیستم می‌تواند تا حدی نقض سررسیدها را تحمل کند و بدون مشکل به کار خود ادامه دهد.
شکل 5-5 مقایسه نرخ نقض سررسید وظایف را در تمام مجموعه وظایف مورد آزمایش و در هر سه حالت دوهسته‌ای، چهار هسته‌ای و هشت‌هسته‌ای نشان می‌دهد.
شکل 5-5 مقایسه نرخ نقض سررسید وظایف در همه حالت‌های ممکن الگوریتم پیشنهادی
شکل 36شکل 5-5 مقایسه نرخ نقض سررسید وظایف در همه حالت‌های ممکن الگوریتم پیشنهادی
در شکل 5-5 مشاهده می‌کنید که برای مجموعه بیست وظیفه، در حالت هشت‌هسته‌ای نرخ نقض سررسید صفر شده است ولی در حالت‌های چهارهسته‌ای و دوهسته‌ای، این میزان به ترتیب حدود 3 و 5 درصد بدست آمده است. نکته قابل توجه در این مقایسه این است که الگوریتم پیشنهادی ما تقریبا در هرسه حالت دوهسته‌ای و چهارهسته‌ای و هشت‌هسته‌ای دارای شیب ملایمی است و تقریبا برای مجموعه وظایف بیشتر از 100 وظیفه، نرخ ثابتی دارد. این مسئله نشان می‌دهد که الگوریتم پیشنهادی در حجم بار زیاد سیستم، نرخ نقض سررسید تقریبا ثابتی داشته باشد (هرچند این مسئله تا حد زیادی به زمان ورود وظایف نیز وابسته است).
شکل 5-6 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی با الگوریتم‌های LU-McEP و PDAMS در حالت‌های دوهسته‌ای، چهارهسته‌ای و هشت‌هسته‌ای برای 500 وظیفه نشان می‌دهد.
شکل 5-6 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی با الگوریتم‌های LU-McEP و PDAMS
شکل 37شکل 5-6 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی با الگوریتم‌های LU-McEP و PDAMS
نمودار شکل 5-6 نشان می‌دهد که الگوریتم پیشنهادی ما توانسته سررسیدهای کمتری را نسبت به الگوریتم LU-McEP از دست بدهد ولی نسبت به الگوریتم PDAMS نتوانسته نرخ نقض سررسید را کاهش دهد. علت این موضوع این است که الگوریتم PDAMS تمرکز بیشتری به عدم نقض سررسیدها دارد، از انتخاب هسته‌ای که در درجه اول واریانس سررسید کمتری دارد گرفته تا الگوریتم تنظیم فرکانس سررسید محور، عواملی هستند که باعث بهتر شدن نرخ نقض سررسیدها در الگوریتم PDAMS شوند. اما این تمرکز زیاد به سررسیدها یکی از عواملی بوده که مصرف انرژی و زمان پاسخ وظایف را در الگوریتم PDAMS نسبت به الگوریتم پیشنهادی ما افزایش دهد.
شکل 5-7 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی ما با الگوریتم‌های LU-McEP و PDAMS را در تمام حالت‌های مجموعه وظایف مورد آزمایش در حالت چهارهسته‌ای نشان می‌دهد.
شکل 5-7 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی ما با الگوریتم‌های LU-McEP و PDAMS را در تمام حالت‌ها
شکل 38شکل 5-7 مقایسه میزان نرخ نقض سررسید الگوریتم پیشنهادی ما با الگوریتم‌های LU-McEP و PDAMS را در تمام حالت‌ها
این نمودار حاکی از این است که الگوریتم پیشنهادی ما در تمام شش مجموعه وظایف مورد آزمایش، نرخ نقض سررسید بسیار کمتری نسبت به الگوریتم LU-McEP دارد. این مسئله می‌تواند به دلیل توجه بیش از حد الگوریتم LU-McEP به محدود کردن وظایف تناوبی به تعداد کمی از هسته‌ها ناشی شده باشد، از طرف دیگر به دلیل اینکه در الگوریتم پیشنهادی ما وظایف غیرتناوبی می‌توانند تحت شرایطی از هسته‌های بخش تناوبی استفاده کنند و همچنین توجه به بهره‌وری وظایف موجود در صف هر هسته و واریانس سررسید آنها در هنگام توزیع وظایف، الگوریتم پیشنهادی ما نرخ نقض سررسید کمتری نسبت به LU-McEP دارد. اما الگوریتم PDAMS نشان داده که دارای نرخ نقض سررسید کمتری نسبت به الگوریتم ما است، هرچند که در عوض انرژی بیشتری مصرف می‌کند، اما از آنجایی که سیستم ما یک سیستم بی‌درنگ نرم است ، این میزان نرخ نقض سررسید در الگوریتم پیشنهادی ما نمی‌تواند کارایی سیستم را تحت تاثیر قرار دهد. همچنین نمودار بالا نشان می‌دهد که الگوریتم پیشنهادی ما در بار بیشتر سیستم، نرخ نقض سررسیدی تقریبا برابر با PDAMS دارد.
5-4-2 ارزیابی متوسط زمان پاسخ وظایف غیرتناوبی
کاهش زمان پاسخ وظایف غیرتناوبی در سیستم ما از اهمیت بالایی برخوردار می‌باشد. در الگوریتم ما این مسئله به صورت واضحی وجود دارد و تمام سعی برآن شده تا وظایف غیرتناوبی بتوانند زودتر اجرا شوند و کاربر را در انتظار نگذارند.
شکل 5-8 مقایسه زمان پاسخ وظایف غیرتناوبی الگوریتم ما با الگوریتم‌های LU-McEP و PDAMS در حالت‌های دوهسته‌ای، چهارهسته‌ای و هشت‌هسته‌ای و شانزده هسته‌ای در 500 وظیفه را نشان می‌دهد.
شکل 5-8 مقایسه زمان پاسخ وظایف غیرتناوبی الگوریتم ما با الگوریتم‌های LU-McEP و PDAMS
شکل 39شکل 5-8 مقایسه زمان پاسخ وظایف غیرتناوبی الگوریتم ما با الگوریتم‌های LU-McEP و PDAMS
همانطور که مشاهده می‌کنید، الگوریتم پیشنهادی ما توانسته به زمان پاسخ کمتری در هر سه حالت پردازنده‌های دو،چهار و هشت ‌هسته‌ای برای وظایف غیرتناوبی، نسبت به هر دو الگوریتم LU-McEP و PDAMS برسد. علت اینکه زمان پاسخ در پردازنده شانزده هسته‌ای و هشت‌هسته‌ای نسبت به چهار هسته‌ای تفاوت چشمگیری نکرده این است که سیستم ما سعی دارد همواره هم به انرژی مصرفی کمتر و هم به کارایی بالاتری دست پیدا کند، از این رو می‌توان نتیجه گرفت که با استفاده از الگوریتم ما می توان از پردازنده چهار هسته‌ای بجای هشت‌هسته ای و شانزده‌ای هسته‌ای استفاده کرد.
شکل 5-9 مقایسه زمان پاسخ وظایف غیرتناوبی الگوریتم پیشنهادی ما با الگوریتم‌های LU-McEP و PDAMS را در همه 1870 وظیفه با شش مجموعه متفاوت در یک پردازنده چهارهسته‌ای را نشان می‌دهد.
شکل 5-9 مقایسه متوسط زمان پاسخ وظایف غیرتناوبی الگوریتم ما با الگوریتم‌های LU-McEP و PDAMSدر همه حالت‌ها
شکل 40شکل 5-9 مقایسه متوسط زمان پاسخ وظایف غیرتناوبی الگوریتم ما با الگوریتم‌های LU-McEP و PDAMSدر همه حالت‌ها
همانطور که در این شکل مشاهده می‌کنید الگوریتم پیشنهادی ما توانسته میانگین زمان‌پاسخ هر وظیفه را به طور متوسط 33 درصد نسبت به الگوریتم PDAMS و 21 درصد نسبت به الگوریتم LU-McEP کاهش دهد. این مسئله از تفکیک درست هسته‌ها و توجه به وظایف غیرتناوبی در هنگام توزیع وظایف ناشی می‌شود.
5-4-3 ارزیابی متوسط زمان انتظار وظایف غیرتناوبی
زمان انتظار یک وظیفه یکی از پارامترهای موثر در زمان پاسخ وظایف یک سیستم می‌باشد. در واقع زمان انتظار یک وظیفه عبارت اند از زمان‌هایی که وظیفه وارد سیستم شده و در حال اجرا در پردازنده نمی‌باشد. این زمان میتواند شامل مدت زمان توزیع وظیفه پس از ورود به اضافه زمان منتظر ماندن آن در صف یک هسته باشد. این مسئله برای وظایف غیرتناوبی که دارای اولویت اجرای بالاتری هستند بسیار مهم است تا بتوانند کمترین انتظار را دارا باشند.
شکل 5-10 مقایسه متوسط زمان انتظار وظایف غیرتناوبی را در الگوریتم پیشنهادی ما نسبت به الگوریتم‌های LU-McEP و PDAMS در پردازنده دو، چهار، هشت‌هسته‌ای و شانزده هسته‌ای در 500 وظیفه نشان می‌دهد.
شکل 5-10 مقایسه متوسط زمان انتظار وظایف غیرتناوبی الگوریتم پیشنهادی ما نسبت به الگوریتم‌های LU-McEP و PDAMS
شکل 41شکل 5-10 مقایسه متوسط زمان انتظار وظایف غیرتناوبی الگوریتم پیشنهادی ما نسبت به الگوریتم‌های LU-McEP و PDAMS
در این شکل نیز شاهد این هستیم که الگوریتم ما توانسته متوسط زمان انتظار را برای وظایف غیرتناوبی نسبت به الگوریتم‌های LU-McEP و PDAMS کاهش دهد. در اینجا نیز علت اینکه زمان پاسخ در پردازنده شانزده هسته‌ای و هشت‌هسته‌ای نسبت به چهار هسته‌ای تفاوت چشمگیری نکرده این است که سیستم ما سعی دارد همواره هم به انرژی مصرفی کمتر و هم به کارایی بالاتری دست پیدا کند، از این رو می‌توان نتیجه گرفت که با استفاده از الگوریتم ما می توان از پردازنده چهار هسته‌ای بجای هشت‌هسته ای و شانزده‌ای هسته‌ای استفاده کرد.
5-5 نتیجه‌گیری
در این فصل ابتدا به معرفی پارامترهای شبیه‌سازی الگوریتم پیشنهادی و محیط شبیه‌سازی که استفاده کردیم پرداختیم و سپس به مقایسه نتایج شبیه‌سازی الگوریتم پیشنهادی خود نسبت به نتایج حاصل از شبیه‌سازی الگوریتم‌هایLU-McEP و PDAMS در انرژی مصرفی، میزان نرخ نقض سررسید وظایف، متوسط زمان پاسخ وظایف غیرتناوبی و متوسط زمان انتظار این وظایف پرداختیم. نتایج شبیه‌سازی نشان دادند که الگوریتم پیشنهادی ما توانسته به طور متوسط 34 درصد انرژی مصرفی و 34 درصد میانگین زمان پاسخ را نسبت به الگوریتم PDAMS و 10 و 21 درصد نسبت به الگوریتم LU-McEP کاهش دهد. همچنین الگوریتم پیشنهادی ما توانسته به طور متوسط 51 درصد، نرخ نقض سررسید را نسبت به الگوریتم LU-McEP کاهش دهد.
فصل ششم
فصل ششم : نتیجه‌گیری و پیشنهادات
6-1 نتیجه‌گیری

این مطلب رو هم توصیه می کنم بخونین:   دانلود پایان نامه ارشد با موضوعالگوریتم ژنتیک، زمان بندی، حل مسئله
دسته‌ها: No category

دیدگاهتان را بنویسید