۱:۳۳:۰۸

۱:۳۲:۵۸

۱:۳۳:۵۰

۱:۳۲:۳۵

۲۴

۱:۴۱:۰۷

۱:۴۱:۱۵

۱:۴۵:۰۹

۱:۳۶:۵۶

۳۰

۲:۱۸:۰۷

۲:۱۷:۰۸

۲:۱۹:۳۷

۲:۱۷:۳۷

۳۶

شکل ‏۴‑۹: تاثیر تعداد Map Task های مختلف بر زمان پردازش در روش دوم

• تحلیل:

تعداد Map Taskهایی که هر ماشین می تواند بطور همزمان اجرا کند تاثیر بسیار زیادی بر سرعت اجرای برنامه ها دارد. لذا در هر آزمایش تعداد متفاوتی Map Task را اجرا کردیم که با افزایش تعداد Map Taskهای کلاستر، ابتدا زمان پردازش کاهش یافته اما بعد از مقدار خاصی، این زمان شروع به افزایش می‌کند. افزایش زمان پردازش به دلیل افزایش فشار و سربار بوده که نشان می دهد نباید از مقدار خاصی تعداد Map Taskها افزایش دهیم. نتایج فوق نشان می دهد با افزایش تعدا Map Taskها، زمان پردازش بصورت یک سهمی (معادله درجه دو) دارای مینیمم تغییر می‌کند. بنابراین افزایش یا کاهش غیرمنطقی این پارامتر، زمان پردازش را افزایش خواهد داد. لذا برای افزایش سرعت پردازش باید این تعداد را طوری انتخاب کرد تا زمان پردازش تا حد امکان نزدیک به مینیمم نمودار باشد. در شرایط این مساله این مقدار برابر با ۲ عدد Map Task به ازای هر هسته پردازنده می‌باشد. بنابراین انتخاب مقدار مناسب برای این پارامتر، تاثیر بسیاری بر سرعت پردازش دارد و سرعت پردازش در مطالعه موردی این پژوهش ۱٫۶ برابر افزایش یافت

سناریو پنجم: بررسی تاثیر تعداد تکرار تصاویر بر زمان پردازش

• شرح سناریو:

در پردازش توزیع شده براساس مدل برنامه نویسی نگاشت‌کاهش، کلاستری از ماشین‌ها را داریم که داده ها روی این ماشین‌ها توزیع شده اند. به دلایلی همچون قابلیت اطمینان، افزایش سرعت و … ما نیاز داریم که داده ها را بصورت تکراری روی کلاستر ذخیره کنیم.
ذخیره تکراری داده ها روی کلاستر باعث افزایش حجم داده روی دیسک می شود اما همانطور که پیشتر بیان شد مزایای بسیاری نیز دارد. یکی دیگر از مزایای این روش، کاهش ترافیک شبکه هنگام پردازش داده‌هاست. بطوریکه هر ماشین سعی می کند داده های روی خودش را پردازش کند و اگر ماشینی به هر دلیلی نتواند داده ای را پردازش کند، این وظیفه به ماشینی که کپی دیگری از آن داده را دارد، محول می شود. لذا انتقال داده ها روی شبکه به شدت کاهش می یابد.
همانطور که در ابتدای این بخش بیان شد، یکی دیگر از مزایای ذخیره تکراری داده ها روی کلاستر این است که در صورتی که به هر دلیلی یکی از ماشین‌ها از چرخه پردازش خارج شود داده‌های ما از بین نمی رود. چون کپی های دیگری از داده در ماشین های دیگر کلاستر وجود دارد. بنابراین ناگزیر به ذخیره سازی تکراری داده ها روی کلاستر هستیم. اما اینکه تعداد تکرار به چه اندازه باشد پارامتر مهم دیگری است که در این سناریو به بررسی آن می‌پردازیم.
در بررسی این پارامتر نیز از کلاستر استفاده می‌کنیم. علاوه‌براین در بررسی این پارامتر، از نتیجه‌ی بررسی پارامتر قبل نیز استفاده کرده و در بررسی این پارامتر برنامه را روی تصاویر با حجم MB6 اجرا و نتایج را بررسی کرده ایم. در اینصورت می توان نتایج این بررسی را در کنار نتایج بررسی قبلی قرار داده و با هم مقایسه کرد. همچنین حجم کل تصاویر ۵۰ گیگابایت و تعداد تصاویر برابر با ۸۶۵۵ عدد می‌باشد.
با توجه به اینکه در کلاستر مورد استفاده، شش ماشین پردازشگر داریم و ماشین هفتم وظیفه مدیریت و کنترل پردازش ها را بر عهده دارد، لذا تعداد تکرار مورد بررسی در این سناریو از یک تا شش می باشد. در حالت یک، داده ها فقط یکبار در کلاستر ذخیره شده اند و در حالت شش، یک کپی از کل داده‌ی مورد بررسی در هر یک از ماشین‌ها ذخیره شده است.

• مشاهدات:

همانند سناریوی قبل، هر یک از تست‌ها شش بار اجرا شده است که نتایج آن در بر حسب دقیقه نشان داده شده است. ستون آخر حاوی میانگین تمامی اجراهاست که در بررسی ها مورد استفاده قرار گرفته است.
جدول ‏۴‑۹: نتایج بررسی پارامتر تعداد تکرار

حجم هر تصویر

حجم داده

تعداد تکرار

اجرای اول

اجرای دوم