چکیده فارسی:

دراكثر كاربردهای شبكه ­های داده ­ها، داده ­ها به زیر پایگاه داده­ های مستقل چندگانه ­ای تجزیه می ­شوند و برای اجرا و تحلیل موازی توزیع م ی­شوند. این مشخصه بطور موفقیت آمیز با استفاده از نظریه بار تقسیم پذیر (DLT) بكار برده می ­شود كه ثابت شده است ابزاری قدرتمند برای مدلسازی مسائل بار تقسیم پذیر در شبكه داده­ های فشرده است. برخی از مدل های برنامه ­ریزی وجود دارد كه مورد مطالعه واقع شده است اما هیچ راه حل بهینه­ای به علّت ناهمگن بودن شبكه ­ها بدست نیامده است. این مقاله یك مدل جدید به نام IDLT تكرار كننده­ای را برای برنامه­ ریزی برنامه های كاربردی شبكه داده­ های بخش­پذیر ارائه می­ دهد. راه­ حل ­های شكل بسته عددی بازگشتی جهت یافتن  مقدار كارهای بهینه ­ای مشتق شده­اند كه به گره ای پردازش اختصاص داده شده­ اند. نتایج آزمایشاتی نشان می­ دهد كه مدل IDLT پیشنهادی منجر به راه حلی بهتر نسبت به دیگر مدل ها برحسب محدوده ساخت می­شود.

چکیده انگلیسی:

In many data grid applications, data can be decomposed into multiple independent sub-datasets and distributed for parallel execution and analysis. This property has been successfully employed using Divisible Load Theory (DLT), which has been proved a powerful tool for modeling divisible load problems in data-intensive grids. There are some scheduling models that have been studied but no optimal solution has been reached due to the heterogeneity of the grids. This paper proposes a new model called the Iterative DLT (IDLT) for scheduling divisible data grid applications. Recursive numerical closed form solutions are derived to find the optimal workload assigned to the processing nodes. Experimental results show that the proposed IDLT model leads to a better solution than other models (almost optimal) in terms of makespan.