Виконав студент групи КП-52м:

Зайка Владислав Андрійович

Науковий керівник:

к.т.н., доцент Заболотня Тетяна Миколаївна

Підвищення релевантності

пошукових систем методом

розбиття на рубрики

Мета дослідження

1. Дослідити існуючі алгоритми аналізу великих об'ємів даних 

2. Запропонувати власні вдосконалення існуючих рішень

Об'єкт та предмет

Об'єкт дослідження - процес збирання, узагальнення та кластеризації масивів даних.

Предмет дослідження - оптимізований алгоритм для класифікації та кластеризації масивів даних.

Проблема

Регулярна обробка великого масиву даних.

Мільйони пошукових запитів.

Визначення тематичних рубрик

Вирішення

Розподілити обробку пошукових даних на комп'ютерний кластер

Використати генетичні алгоритми для виділення рубрик(застосовується розфарбування графів).

Завдання

1. Обрати підходящі python бібліотеки

2. Виконати тестування на одній машині

3. Конфігурувати кластер машин

4. Розподілити обчисленя на кластер

5. Порівняти бібліотеки

6. Запропоновати вдосконалення 

Inspyred

FW для розподілених паралельних обчислень

Працює разом з PP модулем

Inspyred

Створений для локальних мереж

Швидкий старт

Планувальник! --

on the nodes:
node-1> ./ppserver.py -a
node-2> ./ppserver.py -a

final_pop = ea.evolve(generator=generate,                     evaluator=inspyred.ec.evaluators.parallel_evaluation_pp,
                          pp_evaluator=evaluate,

                          pp_servers=("*",),
                          pp_dependencies=(my_squaring_function,),
                          pp_modules=("math",),
                          pop_size=8,
                          bounder=inspyred.ec.Bounder(-5.12, 5.12),
                          maximize=False,
                          max_evaluations=256,
                          num_inputs=3)

DEAP

FW спеціально створений для розподілених обчислень

Використовує SCOOP для розпаралелювання

Проект університету Laval, Quebec

DEAP

Підключення до будь-якої машини

Без налаштування нод

Складність конфігурування

Ручне налаштування хостів

from scoop import futures

toolbox.register("map", futures.map)

python -m scoop --hostfile hosts program.py

hostname_or_ip 4
other_hostname
third_hostname 2

Кластер

Inspyred:

• швидкий старт
• мінімум коду
• авто конфігурація
• один кластер
• планувальник

DEAP:

• без коду на нодах
• масштабування
• активна розробка
• ручна конфігурація
• складність налаштування

PP vs SCOOP

PP

SCOOP

Планувальник

Планувальник PP модуля назначає всі роботи на початку

Планувальник SCOOP чекає поки існуючі роботи будуть виконані

SCOOP + Inspyred

Розробка паралелізму scoop для inspyred

    final_pop = my_ec.evolve(generator=generate,
                          evaluator=parallel_evaluator_scoop,
                          scoop_evaluator=evaluate,
                          pop_size=1,
                          maximize=True,
                          max_generations=5,
                          num_elites=_NumberOfElite,
                          seeds=None,
                          dimension_bits=_NumberOfBits
                          )

def parallel_evaluator_scoop(candidates, args):
    evaluator = args['scoop_evaluator']
    results = list(futures.map(evaluator, candidates, args))
    return results

Бенчмарки

• максимальний час роботи на ноді
• середній час роботи на ноді
• перевірити закон Amdahl"а:

Наступні кроки

• Тестування SCOOP + Inspyred 
• Завантажити дані до кластеру
• Налаштувати обробку даних
• Аналізувати результати

OAR

OAR - менеджер робіт на кластері

jdoe@idpot:~$ oarsub -I -l /nodes=3/core=1    

jdoe@idpot5:~$ cat $OAR_NODEFILE
idpot5.grenoble.grid5000.fr
idpot8.grenoble.grid5000.fr
idpot9.grenoble.grid5000.fr

#!/bin/bash

python3 insp_script.py

Висновки

• Тестування Inpyred vs DEAP
• конфігурування OAR 
• Визначення слабких сторін
• зв'язка SCOOP + Inspyred 
• Бенчмарки

Дякую за увагу

Публікації

Наукова доповідь: "Prediction of miRNA-disease associations with vector space model."