Моделирование и оценка эффективности планирования независимых заданий в распределенной вычислительной среде тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат физико-математических наук Паньшенсков, Михаил Алексеевич

• Паньшенсков, Михаил Алексеевич
• кандидат физико-математических наук
• 2012

Оглавление диссертации кандидат физико-математических наук Паньшенсков, Михаил Алексеевич

Глава 1. Введение.

1.1. Задача планирования.

1.2. Распределенная вычислительная среда.

1.3. Планирование вычислений в распределенной среде

1.4. Модель.

1.5. Описание диссертационной работы.

Глава 2. Методы оценки эффективности.

2.1. Оптимальный план в среде без задержек на соединение

2.2. Относительная эффективность плана в среде с задержками на коммуникацию

2.3. Эффективность по ресурсам при вычислении на одном кластере

2.4. Относительное ускорение при удвоении вычислительной мощности

2.5. Относительное ускорение при горизонтальном масштабировании

Глава 3. Практическая иллюстрация методов.

3.1. Система АРСО.

3.2. Эксперимент по проверке оптимальности плана для задачи поиска простых чисел в системе АРСО.

3.3. Оценка эффективности некоторого плана по решению вычислительной задачи проверки простоты чисел.

3.4. Эффективность планов вычислений на одном кластере

3.5. Относительная эффективность масштабирования.

3.6. Сравнение методов оценивания пропускной способности каналов данных в распределенной вычислительной среде

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Паньшенсков, Михаил Алексеевич

Заключение

В диссертации была предложена теоретическая модель распределенной вычислительной среды для интеравалъных систем. На базе модели достигнуты следующие теоретические результаты:

1. Описан оптимальный план вычисления произвольно делимых заданий в вычислительной среде без коммуникаций;

2. Предложен метод оценки эффективности плана вычисления произвольно делимых заданий в распределенной вычислительной среде с коммуникациями;

3. Предложен метод оценки эффективности по ресурсам вычисления неделимых заданий в распределенной вычислительной среде из одного кластера;

4. Предложен метод оценки относительной эффективности удвоения вычислительной мощности для вычисления неделимых заданий в распределенной вычислительной среде;

5. Предложен метод оценки относительной эффективности многократного увеличения вычислительной мощности для вычисления неделимых заданий в распределенной вычислительной среде.

В общем случае, задача отыскания оптимального плана с указанными ограничениями является ЫР-трудной [9] и, соответственно, вычислительно трудоемкой. Результаты (3), (5) на практике позволяют сделать оценку снизу эффективности плана х, что на практике может сэкономить время реализации сложного алгоритма планирования.

В рамках диссертационной работы был разработан пакет программ АРСО, который позволяет запускать процесс распределенных вычислений для различных алгоритмов планирования. Для иллюстрации изложенных в рамках работы теорем на базе фреймворка АРСО были развернуты распределенные вычислительные среды в вычислительном центре НИУ ИТМО и в лаборатории кафедры вычислительной физики СПбГУ. Был проведен ряд экспериментов. Среди важных итогов экспериментов можно выделить:

1. Иллюстрация теоретических оценок теорем 1-4 описанных в теоретической части;

2. Иллюстрация линейной модели оценки доступной пропускной способности каналов связи в распределенной вычислительной среде;

3. Проведены сравнения методов оценки доступной пропускной пропускной способности каналов связи в распределенной вычислительной среде. Для сравнения были выбраны следующие методы: Метод Наименьших Квадратов (МНК), Реккурентный МНК, Фильтр Калмана, Рандомизированный МНК.

Полученные иллюстрации позволяют говорить не только о теоретической значимости, но и практической применимости проведенных оценок эффективности. Дополнительно, было показано, что реккурентный МНК имеет меньшую погрешность при оценки пропускной способности в условиях редкого кросс-трафика, а рандомизированный МНК — в условиях активного кросс-трафика.

Список литературы диссертационного исследования кандидат физико-математических наук Паньшенсков, Михаил Алексеевич, 2012 год

1. Романовский И. В. Субоптимальные решения.- Петрозаводск: ПетрГУ, 1998.- С. 96.

2. Романовский И. В. Алгоритмы решения экстремальных задач.- Москва: Наука, 1977.

3. Jackson J. R. Scheduling a production line to minimize maximum tardiness // Manag. Sci. Res. Project. Research Report.- No. 43.- Los Angeles: CA: University of California, 1955.

4. Johnson S. M. Optimal two- and three-stage production schedules with setup times included//Naval Res. Logistics Quat.- 1954.- Vol. 1.- P. 61-68.

5. Коффман Э.Г. Теория расписаний и вычислительные машины.- Москва: Наука, 1984.

6. Сигал И. X, Иванова А. П. Введение в прикладное дискретное программирование.- Москва: Физ-матлит, 2002.- С. 240.

7. Поляк Б. Т. Введение в оптимизацию.- Москва: Наука. Главная редакция физико-математической литературы, 1983.- С. 384.

8. Ковалев М. Я. Интервальные I-приближенные алгоритмы решения дискретных экстремальных задач: Кандидатская диссертация.- 1986.- С. 110.

9. Monma Clyde L., Potts Chris N. On the Complexity of Scheduling with Batch Setup Times // Operations Research.- 1989.- Vol. 37, no. 5.- P. 798-804.

10. Mattson T. G., Sanders B. A., Massingill B. L. Patterns for Parallel Programming.- Addison-Wesley. Professional, 2004.- P. 384.

11. Севастьянов С. В. Геометрические методы и эффективные алгоритмы в теории расписаний: In.- 2000.

12. Воеводин В. В., Воеводин Вл. В. Параллельные вычисления.- СПб: БХВ-Петербург, 2002.

13. Посыпкин М. А., Хританков А. С. О понятии ускорения и эффективности в распределенных системах // Труды Всероссийской научной конференции Научный сервис в сети Интернет: решение больших задач.- 2008.- Р. 149-155.

14. Воеводин Вл. В., Жолудев Ю. А., Соболев С. И., Стефанов К. С. Эволюция системы метакомпьютинга X-Com // Вестник Нижегородского государственного университета им. Н.И. Лобачевского.- 2009.- Vol. 4.-Р. 157-164.

15. Березовский П.С. Управление заданиями в гриде с некластеризованными ресурсами: Кандидатская диссертация.- 2011.- С. 128.

16. Коваленко В. Н., Коваленко Е. И., Корягин Д. А., Любимский Э. 3. Основные положения метода опережающего планирования для грид вычислительного типа // Вестник СамГУ — Естественнонаучная серия.-2006.- Vol. 4, по. 44.- Р. 238-264.

17. Ghemawat Sanjay, MapReduce Jeffery Dean. Simplified Data Processing on Large Clusters // Proceedings of the Sixth Symposium on Operating System Design and Implementation.- Vol. 6.- San Francisco, USA: 2004.- P. 10.

18. Немнюгин С.A. // Основы параллельного программирования с использованием MPI / СПБГУ.- Санкт-Петербург, 2012.- URL: http: //www.intuit.ru/department / supercomputing/paralprogmpi/1 /.

19. Jin С., Buyya R. MapReduce programming model for .NET-based distributed computing // Technical Report GRIDS-TR-2008-15, 17 oct / Ed. by Grid Computing, Distributed Systems Laboratory.- Australia: The University of Melbourne, 2008.

20. Berthold J., Dieterle M., Loogen R. Implementing parallel google map-reduce in eden // Lecture Notes in Computer Science / Ed. by H. Sips, D. Epema, H. Lin.- Vol. 5704.- Springer-Verlag, 2009.- P. 990-1002.

21. Система метакомпьютинга X-Com.- URL: http://x-com.parallel.ru/ (дата обращения: 12.02.2009).

22. The Globus Alliance.- URL: http://www.globus.org/toolkit/ (дата обращения: 12.02.2009).

23. Хританков А. С. Один алгоритм балансировки вычислительной нагрузки в распределенных системах // Материал конференции «Параллельные Вычислительные Технологии», Нижний Новгород, 30 марта 3 апреля.-Челябинск: ЮурГУ, 2009.- Р. 783-789.

24. Демьянович Ю. К., Бурова И. Г. Алгоритмы параллельных вычислений и программирование (курс лекций).- Санкт-Петербург: СПбГУ, 2007.

25. Yu Jia, Buyya Rajkumar. Workflow Scheduling Algorithms for Grid Computing // Studies in Computational Intelligence.- 2008.- Vol. 146.- P. 173-214.

26. Xhafa F., Carretero J., Barolli L., Durresi A. Immediate mode scheduling in grid systems // Int. J. Web and Grid Services.- 2007.- Vol. 3, no. 7.-P. 219-236.

27. Xiaoshan H., Sun X.-H., von Laszewski G. QoS Guided Min-Min Heuristic for Grid Task Scheduling // Computer Science and Technology.- 2003,-Vol. 18.- P. 442-451.

28. Hef Yuxiong, Hsu Wen Jing, Leiserson. Charles E. Provably Ecient Online Non-clairvoyant Adaptive Scheduling // IEEE Transactions on Parallel and Distributed Systems archive.- 2008.- Vol. 19, no. 9,- P. 1263-1279.

29. Agrawal Kunal, He Yuxiong, Hsu Wen Jing, Leiserson Charles E. Adaptive task scheduling with parallelism feedback // PPoPP.- New York City, NY, USA: 2006.- P. 100-109.

30. Гэри M., Джонсон Д. Вычислительные машины и труднорешаемые задачи / Пер. с англ.- Москва: Мир, 1982.- С. 416.

31. Левин М. П. // Параллельное программирование с использованием Ореп-МР / СПБГУ.- Санкт-Петербург, 2008.- URL: http://www.intuit.ru/ department / se/openmp/.

32. Посыпкин М.А., Хританков А.С. О понятии производительности в распределенных вычислительных системах // Труды ИСА РАН.- 2008.-Vol. 32.

33. Хританков А. С. Оценка производительности распределенных вычислительных комплексов на основе модели эталонных систем: Кандидатская диссертация.- 2010.

34. Хританков А. С., Посыпкин М. А. Анализ эффективности распределенных вычислительных систем при решении больших задач // Труды конференции «Современные информационные технологии и ИТ-образование».- Москва: МАКС ПРЕСС, 2008.- Р. 528-536.

35. Хританков А. С. Модели и алгоритмы распределения нагрузки. Алгоритм на основе сетей СМО // Информационные технологии и вычислительные системы.- 2009.- Vol. 3.- Р. 33.

36. ATIS committee PRQC. "network topology-// ATIS Telecom Glossary 2007.-Alliance for Telecommunications Industry Solutions, Retrieved 2008-10-10.

37. Network Design Basics for Cabling Professionals.- BICSI.

38. Коваленко В. H., Корягин Д. А. Организация ресурсов в грид. Препринт № 63.- Москва: ИПМ им. М.В.Келдыша РАН, 2004.- С. 25.

39. Eisenbrand F., Rothvoss Т. Static-priority Real-time Scheduling: Response Time Computation is NP-hard // in IEEE Real-Time Systems Symposium (RTSS).- 2008.- P. 397-406.

40. Hall Leslie A., Shmoys David В., Wein Joel. Scheduling to minimize average completion time: off-line and on-line algorithms // In SODA, 1996. Society for Industrial and Applied Mathematics.- 1996.- P. 142-151.

41. Chekuri C., Motwani R., Natarajan В., Stien C. Approximation techniques for average completion time scheduling. // In SODA, 1997. Society for Industrial and Applied Mathematics.- 1997.- P. 609-618.

42. Turek John, Ludwi Walter, Wolf Joel L. et al. Scheduling parallelizable tasks to minimize average response time // In 6th Annual ACM Symposium on Parallel Algorithms and Architectures (SPAA).- 1994.- P. 200-209.

43. Хританков A.C. Метод анализа производительности распределенных приложений на основе эталонных моделей // ПаВТ'2011: труды международной научной конференции.- Москва: ЮУрГУ, 2011,-Р. 343-354.

44. Ковальчук С. В., Бухановский А. В. Параллельная производительность стохастических алгоритмов // Известия высших учебных заведений. Приборостроение.- 2008.- Vol. 12.- Р. 7-14.

45. Adaptice Parallel COmputing framework.- URL: http://sourceforge.net/ projects/apco/.

46. Ковальчук С. В. Особенности проектирования высокопроизводительных программных комплексов для моделирования сложных систем // Информационно-управляющие системы,- 2008,- Vol. 3, по. 34.- Р. 10-18.

47. Соболев С. И. Использование распределенных компьютерных ресурсов для решения вычислительно сложных задач // Системы управления и информационные технологии.- 2007.- Vol. 1.3, по. 27.- Р. 391-395.

48. Fedak G., Germain С., Neri V., Cappello F. XtremWeb : A Generic Global Computing System // Workshop on Global Computing on Personal Devices (CCGRID2001).- Berlin: IEEE Press, 2001.

49. Anderson D. P., Cobb J., Korpela E. et al. SETI@home: An Experiment in

50. Public-Resource Computing // Communications of the ACM.- 2002.- Vol. 45, no. 11.- P. 56-61.

51. Anderson D. P. BOINC: A System for Public-Resource Computing and Storage // 5th IEEE/ACM International Workshop on Grid Computing.- Pittsburgh, PA: 2004.- P. 365-372.

52. Rabin M. O. Probabilistic algorithm for testing primality // Journal of Number Theory. Elsevier Inc.- 1980.- Vol. 1, no. 12.- P. 128-138.

53. Задорожный В. H., Юдин Е. Б. Генерация статистически однородных планарных графов // Обработка информации и управление. Теория и практика. Сб. докл. науч.-практ. конф.- Омск: Изд-во ОмГТУ, 2008,-С. 27-31.

54. Milea С., Svasta P. Using distributed neural networks in automated optical inspection // Concurrent Engineering in Electronic Packaging, 24rd Int. spring seminar on electronics technology.- Calimanesti-Caciulata, Romania: 2001.-P. 286-288.

55. Venugopal S., Buyya R., Ramamohanarao K. A taxonomy of Data Grids for distributed data sharing, management, and processing // ACM Computing Surveys.- 2006.- Vol. 38, no. 1.- P. 1-53.

56. Ranganathan K., Foster I. Decoupling Computation and Data Scheduling in Distributed Data-Intensive Applications // In proceedings of the 11th IEEE International Symposium on High Performance Distributed Computing, July 24-26.- 2002.- P. 352.

57. Neginhal M. Efficient Estimation of Available Bandwidth Along Network Paths // Master's Thesis.- USA: North Carolina State University, 2006.

58. Paxson V. End-to-End Internet Packet Dynamics // IEEE/ACM Transactions on Networking (TON).- 1999.- Vol. 7, no. 3.- P. 277-292.

59. Ribeiro V., Riedi R., Baraniuk R. et al. pathChirp: Efficient Available Bandwidth Estimation for Network Paths // In Proceedings of The Conference on Passive and Active Measurements (PAM).- San Diego, USA: 2003.

60. Carter R. L., Crovella M. E. Measuring Bottleneck Link Speed in Packet-Switched Networks // Performance Evaluation.- 1996.- Vol. 27, no. 28.-P. 297-318.

61. Lai K., Baker M. Nettimer: A tool for measuring bottleneck link bandwidth // In Proceedings of the USENIX Symposium on Internet Technologies and Systems.- 2001.- P. 123-134.

62. Dovrolis C., Ramanathan P., Moore D. Packet-Dispersion Techniques and a Capacity Estimation Methodology // IEEE/ACM Transactions on Networking (TON).- 2004.- Vol. 12, no. 6.- P. 963-977.

63. Kapoor R., Chen L.-J., Lao L. et al. CapProbe: A Simple and Accurate Capacity Estimation Technique // ACM SIGCOMM Computer Communication Review.- 2004.- Vol. 34, no. 4.- P. 67-78.

64. Carter Robert L., Crovella Mark E. Dynamic Server Selection using Bandwidth Probing in Wide-Area Networks: Tech. rep.: 1996.

65. Jain M., Dovrolis C. End-to-End Available Bandwidth : Measurement Methodology, Dynamics, and Relation with TCP Throughput // IEEE/ACM Transactions on Networking.- 2003.- Vol. 11, no. 4.- P. 537-549.

66. Strauss J., Katabi D., Kaashoek F. A Measurement Study of Available Bandwidth Estimation Tools I I In ACM/USENIX Internet Measurement Conference (IMC).- 2003.- P. 39-44.

67. Seshan S., Stemm M., Katz R. H. SPAND: Shared passive network performance discovery // In USENIX Symposium on Internet Technologies and Systems.- 1997.

68. Vazhkudai S., Schopf J. M. Predicting Sporadic Grid Data Transfers // High Performance Distributed Computing, 2002. HPDC-11 2002. Proceedings. 11th IEEE International Symposium on.- 2002.- P. 188-196.

69. Guo L. Stability of recursive stochastic tracking algorithms // SIAM J. Control and Optimization.- 1994.- Vol. 32, no. 5.- P. 1195-1225.

70. Granichin O. N. Linear Regression and Filtering Under Nonstandard Assumptions (Arbitrary Noise) // IEEE Trans. Automat. Contr.- 1999.- Vol. 44, no. 3.-P. 442-453.

71. Посыпкин M. А. Мультплатформенный программный комплекс для решения задач оптимизации в распределенной вычислительной среде. // Труды ИСА РАН.- 2009.- Т. 46.- С. 24-42.

72. Silberstein М., Sharov A., Geiger D., Schuster. A. GridBot: execution of bags of tasks in multiple grids // In Proceedings of the Conference on High Performance Computing Networking, Storage and Analysis.- ACM, 2009.-P. 11.

73. Emelianov S. V., Velikhov E. P. Distributed Computing and Its Applications.-USA: Felicity Press, 2005.- P. 298.

74. Chen S., Schlosser S. W. MapReduce meets wider varieties of applications.- URL: http://www.pittsburgh.mtcl-research.rict/chensm/papcrs/ IRP-TR-08-05.pdf.

75. Arpaci-Dusseau Andrea, Culler David E., Mainwaring Alan M. Scheduling with implicit information in distributed systems // ACM SIGMETRICS Performance Evaluation Review.- Vol. 26.- ACM, 1998.- P. 233-243.

76. Sinnen Oliver, Sousa Leonel A. Communication contention in task scheduling // Parallel and Distributed Systems, IEEE Transactions.- 2005.- Vol. 16, no. 6.- P. 503-515.

77. Sinnen Oliver, Sousa Leonel Augusto, Sandnes Frode Eika. Toward a realistic task scheduling model // Parallel and Distributed Systems, IEEE Transactions.- 2006.- Vol. 17, no. 3.- P. 263-275.

78. Anderson Thomas E., Culler David E., Patterson David. A case for NOW (networks of workstations) // IEEE Micro.- 1995.- Vol. 15, no. 1.- P. 54-64.

79. Skillicorn David B., Talia Domenico. Models and languages for parallel computation // ACM Computing Surveys (CSUR).- 1998.- Vol. 30, no. 2,-P. 123-169.

80. Zaharia M., Konwinski A., Joseph A.D., Katz R. I. Stoica Improving mapre-duce performance in heterogeneous environments // Proc. 8th USENIX Symposium on Operating Systems Design and Implementation, OSDI 2008.- San Diego, USA: 2008.

81. Chu C., Kim S., Lin Y. A. et al. Map-reduce for machine learning on multi-core // In NIPS.- Vol. 19.- 2007.

82. Satish Nadathur, Harris Mark, Garland Michael. Designing ecient sorting algorithms for manycore GPUs // IEEE International Symposium on Paral-lel&Distributed Processing.- 2009.- P. 1-10.

83. Ekanayake J., Pallickara S., Fox G. Map-Reduce for Data Intensive Scientic // Analyses Proceedings of the IEEE International Conference on e-Science, 2008. December 7-12.- Indianapolis: 2008.

84. Hadoop implementation of MapReduce.- URL: http://hadoop.apache.org/ rriapreduce/.

85. Asanovic Krste, Bodik Ras, Catanzaro Bryan Christopher et al. The landscape of parallel computing research: A view from Berkeley // Technical Report UCB/EECS-2006-183.- Vol. 2.- Berkeley: EECS Department, University of California, 2006.

86. White Tom. Hadoop: The definitive guide.- O'Reilly Media, 2012.- P. 682.

87. Blumofe R.D. Joerg et al. Cilk: An efficient multithreaded runtime system // In Proceedings of the Fifth ACM SIGPLAN Symposium on Principles and Practice of Parallel Programming (PPoPP).- 1995.- P. 207-216.

88. Lee Edward A. The problem with threads // Computer.- 2006.- Vol. 39, no. 5,-P. 33-42.

89. Pinedo M. Scheduling: Theory, Algorithms, and Systems.- NJ: Prentice Hall, Englewood Cliffs, 1995.

90. Chu Cheng T., Kim Sang K., Lin Yi A. et al. Map-reduce for machine learning on multicore // Advances in neural information processing systems / Ed. by B. Scholkopf, J. Platt, T. Homan.- Cambridge: MA: MIT Press, 2007.-P. 281-288.

91. Lastovetsky Alexey L. Parallel computing on heterogeneous networks.- Wi-ley-Interscience, 2003.- P. 423.

92. Holt Chris, Heinrich Mark, Singh Jaswinder Pal et al. The Effects of Latency, Occupancy, and Bandwidth in Distributed Shared Memory Multiprocessors // Stanford University Technical Report No. CSLTR-95-660.- USA: Stanford University, 1995.

93. Frank M. I., Agarwal A., Vernon M. K. LoPC: Modeling Contention in Parallel Algorithms // Proc. 6th ACM SIGPLAN Symp. on Principles and Practices of Parallel Programming (PPoPP '97).- New York, USA: ACM, 1997.-P. 276-287.

94. Bosque J., Pastor L. A Parallel Computational Model for Heterogeneous Clusters // IEEE Transactions on Parallel and Distributed Systems.- 2006.- Vol. 17, no. 12.- P. 1390-1400.

95. Zhang Xiaodong, Yan Yong. Modeling and characterizing parallel computing performance on heterogeneous networks of workstations I I In Parallel and Distributed Processing, 1995. Proceedings. Seventh IEEE Symposium on. IEEE.-1995.- P. 25-34.

96. Melander Bob, Bjorkman Mats, Gunningberg Per. A new end-to-end probing and analysis method for estimating bandwidth bottlenecks // In Global Telecommunications Conference, 2000. GLOBECOM'OO. IEEE.- Vol. 1.2000.- P. 415-420.

97. Красовский Д. В., Фуругян Меран Габибуллаевич. Агрегирование в задаче составления оптимального расписания для многопроцессорных АСУ // Автоматика и телемеханика.- 2006,- Т. 12.- С. 205-211.

98. Canonico Massimo. Scheduling Algorithms for Bag-of-Tasks Applications on Fault-Prone Desktop Grids. Диссертация на соискание ученой степени DOTTORATO DI RICERCA.- Турин, Италия, 2005.

99. Во Y., Xun W. Research on the Performance Of Grid Computing For Distributed Neural Networks // International Journal of Computer Science and Netwrok Security.- 2006.- Vol. 6, no. 4.- P. 179-187.

100. Hu N., Steenkiste P. Evaluation and characterization of available bandwidth and probing techniques // IEEE JSAC Special Issue in Internet and WWW Measurement, Mapping, and Modeling.- 2003.- Vol. 21.- P. 879-894.

101. Silva L. M., Buyya R. «Parallel programming models and paradigms» // High Performance Cluster Computing: Architectures and Systems: Volume 2 / Ed. by R. Buyya.- NJ, USA: Prentice Hall PTR, 1999.

102. Google Protocol Buffers.- URL: http://code.google.eom/p/protobuf.

103. Хританков А. С. Математическая модель характеристик производительности распределенных вычислительных систем // Избранные труды 50й научной конференции МФТИ.- МОСКВА: МФТИ, 2007.

104. Оценка эффективности распределенных систем при решении задач переменного размера // Научно-технический вестник СПбГУ ИТМО.-Vol. 2, по. 66.- Р. 66-71.

105. Weng Chuliang, Lu Xinda. Heuristicscheduling for bag-of-tasksapplications in combination with QoS in the computationalgrid // Future Generation Computer Systems.- 2005.- Vol. 21, no. 2.- P. 271-280.

106. Oprescu Ana, Kielmann Thilo. Bag-of-tasks scheduling under budget constraints // In proceeding of: Cloud Computing Technology and Science (CloudCom), 2010 IEEE Second International Conference on.- 2010.

107. Rauber Thomas, Runger Gudula. Parallel programming: For multicore and cluster systems.- Springer, 2010.

108. Drozdowski Maciej. Scheduling for parallel processing.- Springer, 2009.1. Список публикаций

109. Паныпенсков M. А. Адаптивный метод управления потоком решения изолированных заданий в параллельной вычислительной среде // Стохастическая оптимизация в информатике вып.4,- 2008.

110. Паныпенсков М. А. Динамическое планирование коммуникаций и методы оценивания пропускной способности каналов данных в грид // из трудов конференции Научный сервис в сети интернет: масштабируемость, параллельность, эффективность.- 2009.- Р. 403-408.

111. Panshenskov M., Vakhitov A. Transfer Speed Estimation for Adaptive Scheduling in the Data Grid // Workshops at the Grid and Pervasive Computing Conference.- IEEE, 2009.- P. 58-63.

112. Panshenskov M., Vakhitov A. Methods of linear transfer speed estimation in the data grid // DaGreS '09 Proceedings of the 1st ACM workshop on Data grids for eScience.- P. 29-34.

113. Из них в рецензируемых журналах ВАК

114. Вахитов А. Т., Граничин О. Н., Паньшенсков М. А. Методы оценивания пропускной способности каналов данных в распределенных системах // Нейрокомпьютеры: разработка, применение, вып. 11.- 2009.

115. Паньшенсков М. А. Эффективный план распределения неограниченно делимых заданий в среде МарЯеёисе // Вестник ПМПУ, сер. 10 вып. 2.2011.- Р. 55-56.