350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №11 за 2009 г.
Статья в номере:
Методы оценивания пропускной способности каналов данных в распределенных системах
Ключевые слова: пропускная способность каналов данных
Авторы:
А. Т. Вахитов аспирант каф. системного программирования математико-механического факультета СПбГУ. E-mail: av38@yandex.ru О. Н. Граничин д. ф.-м. н., проф. каф. системного программирования математико-механического факультета СПбГУ, зав. лаб. стохастических вычислительных систем НИИ информационных технологий СПбГУ. E-mail: Oleg_granichin@mail.ru М. А. Паньшенсков аспирант каф. параллельных алгоритмов математико-механического факультета СПбГУ. E-mail: mpansh@gmail.com
Аннотация:
Рассмотрена проблема оценивания пропускной способности каналов передачи данных в распределенных вычислительных системах, в частности при обучении распределенных искусственных нейронных сетей, по пассивным наблюдениям за каналами передачи данных. Описывается линейная модель оценивания, сравниваются четыре метода оценивания, проводятся сравнительные эксперименты и делается вывод о наиболее применимом методе.
Страницы: 45-52
Список источников
  1. Bo, Y., Xun,W.,Research on the performance of grid computing for distributed neural networks // International Journal of Computer Science and Netwrok Security. 2006. V. 6. No. 4. P. 179 - 187.
  2. Milea, C. and Svasta, P., Using distributed neural networks in automated optical inspection // Concurrent Engineering in Electronic Packaging, 24rd Int. spring seminar on electronics technology // Calimanesti-Caciulata, Romania. 2001. May.
    P. 286-288.
  3. Venugopal, S., Buyya, R.,and Ramamohanarao, K., A taxonomy of data grids for distributed data sharing, management, and processing // ACM Computing Surveys. 2006. V. 38. Issue 1. P. 1-53.
  4. Ranganathan, K.,andFoster, I., Decoupling computation and data scheduling in distributed data-intensive applications // In proceedings of the 11th IEEE International Symposium on High Performance Distributed Computing, 2002. July 24-26. P. 352.
  5. Neginhal, M., Efficient Estimation of Available Bandwidth Along Network Paths // Master-s Thesis, North Carolina State University. 2006.
  6. Keshav, S., A Control-Theoretic Approach to Flow Control // ACM SIGCOMM Computer Communication Review. 1995. V. 5. Issue 1. P. 188-201.
  7. Paxson, V., End-to-end internet packet dynamics. // IEEE/ACM Transactions on Networking (TON), 1999. V. 7. No. 3.
    P. 277-292.
  8. Ribeiro, V., Riedi, R., Baraniuk, R., Navratil, J.,and Cottrell, L., pathChirp: Efficient Available Bandwidth Estimation for Network Paths // In Proceedings of The Conference on Passive and Active Measurements (PAM). 2003. April.
  9. Carter, R. L. and Crovella, M. E., Measuring bottleneck link speed in packet-switched networks // Performance Evaluation, 1996. 27(28). P. 297-318.
  10. Lai, K. and Baker, M., Nettimer: A tool for measuring bottleneck link bandwidth // In Proceedings of the USENIX Symposium on Internet Technologies and Systems. 2001. P. 123-134.
  11. Dovrolis, C., Ramanathan, P.,and Moore, D., Packet-dispersion techniques and a capacity estimation methodology // IEEE/ACM Transactions on Networking (TON). 2004. V. 12. No. 6. P. 963-977.
  12. Kapoor, R., Chen, L.-J., Lao, L., Gerla, M.,and Sanadidi, M. Y., CapProbe: a simple and accurate capacity estimation technique // ACM SIGCOMM Computer Communication Review. 2004. V. 34. No. 4. P. 67-78.
  13. Carter, R. L., Crovella, M. E., Dynamic server selection using bandwidth probing in wide-area networks // Technical Report. 1996.
  14. Hu, N. and Steenkiste, P., Evaluation and characterization of available bandwidth and probing techniques // IEEE JSAC Special Issue in Internet and WWW Measurement, Mapping, and Modeling. 21. 2003. P. 879-894.
  15. Jain, M. and Dovrolis, C., End-to-end available bandwidth: measurement methodology, dynamics, and relation with TCP throughput // IEEE/ACM Transactions on Networking. 2003. V. 11. No. 4. P. 537-549.
  16. Strauss, J., Katabi, D.,and Kaashoek, F., A Measurement Study of Available Bandwidth Estimation Tools. // In ACM/USENIX internet measurement conference (IMC). 2003. P. 39-44.
  17. Seshan,S., Stemm, M., and Katz, R. H., SPAND: Shared passive network performance discovery // In USENIX symposium on internet technologies and systems. 1997.
  18. Vazhkudai, S. and Schopf, J. M., Predicting Sporadic Grid Data Transfers // In Proceedings of HPDC-2002. 2002.
  19. Guo, L., Stability of recursive stochastic tracking algorithms. // SIAM J. control and optimization. 1994. V. 32. No. 5.
    P. 1195-1225.
  20. Granichi, O. N., Linear regression and filtering under nonstandard assumptions (Arbitrary noise) // IEEE Trans. Automat. Contr. 2004. V. 49. No. 10. P. 1830-1835.