Dynamic memory scheduling to enhance processing performance

Abstract

Günümüzde artan kullanıcı ve sistem ihtiyaçları doğrultusunda daha güçlü sistemlere ihtiyaç duyulmaktadır. Artan donanım hızlarına rağmen yazılım tarafından desteklenmeyen sistemlerde performans sorunları ortaya çıkabilmektedir. Uygulama katmamnında bu amaç doğrultusunda bazı çalışmalar sürekli olarak yapılmaktadır. Bu çalışmada, dinamik hafıza planlaması ile sistem performansını arttırmanın yollarını araştırıldı.Sigorta sektörü gibi bazı sektörlerde prim ve kazanç hesaplamaları için yoğun aktueryal hesaplamalar yapılmaktadır. Bu hesaplamaları yapan programlarda da, her ne kadar farklı girdi değerleri ile işlemler yapılsa da, sistemin alt katmanlarında bazı işlerin sürekli olarak tekrarlandığı görülebilmektedir. Her işlem esnasında bütün hesaplamaların baştan yapılmasındansa, çok tekrar gören işlerin sonuçlarını sistemin performansını düşürmeden hafızada tutmanın faydaları araştırılmıştır.Sistem işlerini de I/O işi ve hesap işi olarak sınıflandırabiliriz. I/O işlerine dış depolama aygıtları üzerinde yapılan işleri örnek olarak verebiliriz. Hesap işleri ise aynı girdi değerleri ile daima aynı çıktıları üreten işlerdir. Çalışmamızda hesap işlerinin tekrarlandıkları durumda tekrar tekrar işlemek yerine çıktı değerlerini bellekte tutmanın avantajları incelenmiştir.Bellekte tutma işlemi için durağan bir yapı yerine dinamik olarak bellekten daha fazla faydalanmanın yolları araştırılmıştır. Elde edilen teorik sonuçların gerçek uygulamalar üzerindeki etkisi gözlemlenmiştir.Öncelikle sanal veri setleri üzerinde algoritma denendi. 10 tane iş, normal dağılım ile rastgele olarak 10000 iş oluşturacak şekilde dizildi. Herbir iş için rastgele çıktı büyüklüğü ve servis hızı seçildi. Farklı büyüklükteki hafıza durumları için bu işler tekrarlandı. İş sayısı 100'e kadar onar onar arttırılarak sonuçlar gözlemlendi. Elde edilen kazançlar, öğrenme algoritması uygulanmadığı takdirde elde edilebilecek kazançlar ile karşılaştırıldı.Daha sonra bu sonuçlar ışığında bir bireysel emeklilik şirketinin, hayat sigortası ürünleri için prim hesaplayan, bireysel emeklilik ürünleri için de birikim projeksiyonu yapan ?Zaman Makinası? adındaki, Java altyapısı ile yazılmış uygulamasının çalışma istatistiklerinden oluşan gerçek data üzerinde çalıştırılarak, öğrenme algoritması uygulanmadığı takdirde oluşan sonuç ile sınızsız hafızaya sahip olunması durumunda elde edilebilecek sonuçlar ile karşılaştırıldı. Bireysel emeklilik şirketinden alınan data, doğrusal bir fonksiyon vasıtasıyla bozulmuştur.Bu çalışmada temel olarak çoğu zaman boşta kalan hafıza tekrarlayan işler için, çıktı değerlerini tutmak üzere kullanılması incelenmiştir. Dataların hafızada tutulması işlemi tasarım modeli olarak kullanılmakta olan bir yapıdır. Bu modelin işler için de kullanılabilirliği araştırılmıştır. İş tekrarlı yapılarda, uygun iş seçimi için eklenen öğrenme algoritması ile birlikte sonuçları gözlemlenmiştir.

In line with the increasing information processing requests of users and systems, the systems with much more powerful processing capabilities are needed. Despite the increase in hardware?s processing and transmission busses? speed, performance enhancement of the overall computing system may require simultaneous resource allocation depending on the computing task. To enhance the overall processing performance, research on software control and dynamic resource allocation of the computing and storage units have been underway by almost all the leading computer and computing nodes? manufacturers. In this study, computing system performance enhancement by dynamic memory scheduling has been developed.A fairly special computing process has been elaborated, the requested computing jobs are always created by choosing the inputs among a finite set inquiring the risk of the insurance policy of the candidate. In some special computing areas, like insurance risk investigation, calculations of income and premium need heavy and repetitive actuarial calculations, that the computing systems performing these computing efforts, may enhance CPU?s utilization by classifying on an ?intelligent manner? the computing jobs and caching the repeating computing jobs created by the same input interval. In this study, caching the repetitive jobs? results and enhancing the CPU usage rate has been presented and an intelligent regulation scheme has been introduced to software control.The jobs can be classified as two kinds; I/O jobs and computational jobs. External storage jobs are may be the examples of the I/O jobs. The computational jobs are the jobs, which always produce the same outputs versus the same input values. In this work, in the situation that the jobs are processed again; the advantages are examined to keep the outputs in the memory instead of reprocessing them.Instead of a static structure, to keep the process in a dynamic way to provide more benefit from the memory has investigated, the Iterative Learning Control methodology has been implemented to improve the usage of the system resources. Moreover, theoretical results, which obtained in this work has observed on the actual practice. The data that has been obtained from an individual retirement company has been corrupted by a linear function.