|
|
@@ -46,11 +46,16 @@ Para probar el algoritmo propuesto, usan *CloudSim* un framework que les
|
|
|
simular diferentes escenarios sobre el scheduler propuesto y otros para
|
|
|
luego poder comparar con las métricas(*average waiting time*,
|
|
|
*processing cost*, *total processing time*).
|
|
|
-
|
|
|
-- como se confeccionaron los escenarios
|
|
|
-- que pruebas realizaron
|
|
|
-- resultados obtenidos
|
|
|
-- No usaron
|
|
|
+Para todas la generación de los diferentes escenarios se basaron en
|
|
|
+generar tasks y recursos de forma aleatoria con una distribución
|
|
|
+normal, lo cual garantizaba la variablidad de las mismas, además aclaran que este algoritmo
|
|
|
+de scheduling nunca fue probado en entornos reales.
|
|
|
+Las conclusiones que obtienen los investigadores es que, su algoritmo propuesto es siempre mejor
|
|
|
+que los demás con los que compararon, logrando hasta un 30% de mejora en *average waiting time*
|
|
|
+para granuralidades chicas y mejoras marginales para granularidades grandes. Por otro lado también
|
|
|
+llegan a la conclusión que el scheduler con task grouping y ordenamiento por requerimientos de
|
|
|
+procesador u ordenamiento por requerimientos de ancho de banda se comportaron de forma muy similar
|
|
|
+en todos los aspectos de comparación.
|
|
|
|
|
|
|
|
|
[^ej6footnote]: **Jia Ru and Jack Keung***. *AN Empirical Investigation on the Simulation*
|
Agustín Cangiani