使用coLinux与openMosix构建异构集群(1)(6)

运行时间基准

这里是阐明我们所提出的方法的易用性与性能的一个基本的、初步的基准。我们的实验台上只有两台机器：Amun 是一台本地 Linux 的机器，运行的是 Debian linux。Ipc256 运行的是 Windows 2000 Professional。

各个节点的硬件规格如下：

Ipc256 的规格

处理器：  P4 1.70 GHz
RAM：  256 MB
操作系统：  Windows 2000 Professional
硬盘：  40 GB IDE
网卡：  Realtek Semiconductor Co. Ltd. RTL-8139 Fast Ethernet

Amun 的规格

处理器：  P4 2.40 GHz Hyper Threading
RAM：  2048 MB
操作系统：  Debian Woody
硬盘：  2x approx. 40 GB IDE, several NFS mounts
网卡 1：  Syskonnect (Schneider & Koch) SK-98xx V2.0 Gigabit Ethernet
网卡 2：  Realtek Semiconductor Co., Ltd. RTL-8139 Fast Ethernet

我们选择了一个多进程之所以使用术语“进程”，是因为它使用了 fork()）应用程序作为基准，它不做任何事情，只是连续不断地使用不同的种子数值计算 Fibonacci 数字。它的目的并不是做有意义的计算，而是为我们的解决方案提供一个易于理解的说明。在下载一节中有压缩文件，下载这些文件可以查看其源代码。

程序分为两部分。第一部分派生 2^5 = 32 个子进程。为此它使用了系统调用 fork()。这样就使得 openMosix 可以将那些进程分布到参与集群的所有节点中去。在第二部分执行实际的计算。

我们将此程序运行了四次，取其平均值。下面的表给出了结果。

表 2. 多进程程序运行时间结果

宿主  执行时间单位为秒）  注释 
Amun ta = 436.25 本地运行
Ipc256 ti = 778.75 本地运行
Both tb = 285.25 先在 Amun 上运行，然后迁移到 Ipc256

查看这些结果，您会观察到单台 PC 完成那个工作需要多长时间。Amun 比 Ipc256 稍快一些，但是同时使用两台 PC 获得的效率绝对是最高的。如果不仅是一台而是很多 Windows PC 加入到集群，这个效率可能还会更高。

使用下面的公式计算开销：

Overhead = tb/ta + tb/ti - 1

在该例中，我们的试验所产生的开销是 2.01%，接近理论最优值。

通过这一基准，我们可以得出这样的结论：要最大限度地受益于此类集群，最好的方法就是划分作业或者应用程序。使用参数化调用parameterized invocation） 是更常见的一个策略，使用不同的参数派生同一个程序的多个实例。

POV-Ray 的渲染工厂renderfarm）是参数化调用的一个示例。渲染程序的每一个实例都取得一部分场景并构建出一个完成的帧。重复此过程，直到所有场景都被取完。