@phdthesis{Opitz2009, author = {Opitz, Alek}, title = {Prognose freier Rechenkapazit{\"a}ten zur besseren Nutzung von Grid-Ressourcen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus-9527}, school = {BTU Cottbus - Senftenberg}, year = {2009}, abstract = {Vor allem in der Forschung und in den Entwicklungsabteilungen von Unternehmen gibt es eine Vielzahl von Problemen, welche nur mit Programmen zu l{\"o}sen sind, f{\"u}r deren Ausf{\"u}hrung die zur Verf{\"u}gung stehende Rechenleistung kaum groß genug sein kann. Gleichzeitig ist zu beobachten, dass ein großer Teil der mit der installierten Rechentechnik vorhandenen Rechenkapazit{\"a}t nicht ausgenutzt wird. Dies gilt insbesondere f{\"u}r Einzelrechner, die in B{\"u}ros, Computer-Pools oder Privathaushalten stehen und sogar w{\"a}hrend ihrer eigentlichen Nutzung selten ausgelastet sind. Eines der Ziele des Grid-Computings besteht darin, solche nicht ausgelasteten Ressourcen f{\"u}r rechenintensive Anwendungen zur Verf{\"u}gung zu stellen. Die eigentliche Motivation f{\"u}r die beabsichtigte bessere Auslastung der Ressourcen liegt dabei nicht prim{\"a}r in der h{\"o}hreren Auslastung, sondern in einer m{\"o}glichen Einsparung von Kosten gegen{\"u}ber der Alternative der Neuanschaffung weiterer Hardware. Ein erster Beitrag der vorliegenden Arbeit liegt in der Analyse und Quantifizierung dieses m{\"o}glichen Kostenvorteils. Zu diesem Zweck werden die relevanten Kosten betrachtet und schließlich verschiedene Szenarien miteinander verglichen. Die Analyse wird schließlich konkrete Zahlen zu den Kosten in den verschiedenen Szenarien liefern und somit das m{\"o}gliche Potential zur Kosteneinsparung bei der Nutzung brach liegender Rechenkapazit{\"a}ten aufzeigen. Ein wesentliches Problem beim Grid-Computing besteht jedoch (vor allem bei der Nutzung von Einzelrechnern zur Ausf{\"u}hrung l{\"a}nger laufender Programme) darin, dass die zur Verf{\"u}gung stehenden freien Rechenkapazit{\"a}ten im zeitlichen Verlauf stark schwanken und Berechnungsfortschritte durch pl{\"o}tzliche anderweitige Verwendung bzw. durch Abschalten der Rechner verloren gehen. Um dennoch auch Einzelrechner sinnvoll f{\"u}r die Ausf{\"u}hrung l{\"a}nger laufender Jobs nutzen zu k{\"o}nnen, w{\"a}ren Vorhersagen der in der n{\"a}chsten Zeit zu erwartenden freien Rechenkapazit{\"a}ten w{\"u}nschenswert. Solche Vorhersagen k{\"o}nnten u. a. hilfreich sein f{\"u}r das Scheduling und f{\"u}r die Bestimmung geeigneter Checkpoint-Zeitpunkte. F{\"u}r die genannten Anwendungszwecke sind dabei Punktvorhersagen (wie z. B. Vorhersagen des Erwartungswertes) nur bedingt hilfreich, weshalb sich die vorliegende Arbeit ausschließlich mit Vorhersagen der Wahrscheinlichkeitsverteilungen besch{\"a}ftigt. Wie solche Vorhersagen erstellt werden sollen, ist Gegenstand der restlichen Arbeit. Dabei werden zun{\"a}chst M{\"o}glichkeiten der Bewertung von Prognoseverfahren diskutiert, die Wahrscheinlichkeitsverteilungen vorhersagen. Es werden wesentliche Probleme bisheriger Bewertungsverfahren aufgezeigt und entsprechende L{\"o}sungsvorschl{\"a}ge gemacht. Unter Nutzung dieser werden in der Literatur zu findende und auch neue Vorgehensweisen zur Prognoseerstellung empirisch miteinander verglichen. Es wird sich zeigen, dass eine der neu entwickelten Vorgehensweisen im Vergleich zu bisher in der Literatur dargestellten Vorhersageverfahren klare Vorteile bzgl. der Genauigkeit der Prognosen erzielt.}, subject = {Grid Computing; Ressourcenallokation; K{\"u}nstliche Intelligenz; Prognosebewertung; Grid Computing; Auslastung; Wahrscheinlichkeitsrechnung; Wirtschaftlichkeit; Forecast assessment; Grid computing; Utilization; Probability distribution; Economics}, language = {de} }