第三章 研究流程與系統架構
第三節 平行運算機制
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 平行運算機制
本研究將負責同類型服務的應用程式伺服器實例(Server Instance)放在同一群 集(Cluster)或稱為伺服器組(Server Group)，集合所有系統功能成為一個可被管理的 域(Domain) 並建立 JMS 群集，該 JMS 群集隸屬在 JBoss 的管理域之下，如此能 達到跨硬體 享資訊流同時又能讓不同群集的成員保持鬆散耦合，使各應用程式 伺服器僅需記憶同群集成員的資料，節省記憶體空間 而 JMS 的非同步資料傳輸 特性可避免彼此間互相等待，使資源 用率提高
圖 15.平台管理機制圖
(資料來源：本研究整理)
‧
(load-balancing) Infinispan 負責系統可用性(availability) JGroup 負責系統的擴展 性(scalability)(1) Mod_Cluster
mod_cluster 主要功能為負載平衡 web server 使用 mod_cluster 定時 IP 多點傳 送(multicasting)詢問所有應用程式伺服器的狀況，如被使用與存活情形 web server 端會依據回報情況更新名單，依該名單將使用者的請求指派給空閒的應用程式伺 服器完成工作
圖 16.mod_cluster 配置範例圖
(資料來源：本研究整理)
(2)Infinispan
Infinispan 功能為解決系統可用性的問題 Infinispan 本身為依資料快取空間，
我們將其作為 Session Container 它主要的工作自 Web Server 取得為使用者提供服 務的應用程式伺服器名單後，到各群集中找該群集負責人(Group Coordinator)詢問 該應用程式伺服器的情況，若該應用程式伺服器不可被使用，則 Infinispan 會請求 Web Server 重新指派另一台應用程式伺服器為使用者提供服務
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 17.Infinispan 配置範例圖
(資料來源：本研究整理)
(3)JGroup
JGroup 是為了讓運算資源更具擴展性 JGroup 是一個群集內成員彼此聯絡的 方式 所有成員透過 IP Multicasting 不斷向其他成員傳達自身狀態 因此一旦應 用程式伺服器被使用 被釋放 新加入 被移出群集或當機時，其他成員 會知 道 而每個群集 會有個群集負責人(Group Coordinator)，它本身也是一台應用程 式伺服器 主要的工作除了處理在該台應用程式伺服器的運算工作外，群集負責 人還要匯整在群集中所有成員的存活狀態，負責向 Session Container 傳達成員的狀 態 JGroup 的傳遞訊息方式有 TCP 及 UDP，選擇 TCP 傳輸訊息傳遞較可靠，UDP 則犧牲可靠性但傳遞訊息較為快速 本系統平台需要快速傳遞即時訊息即回應結 果，故選擇 UDP
圖 18.JGroup 配置範例圖
(資料來源：本研究整理)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實驗數據 析
第一節 速度測試與 析
本章節將實際測試在即時交易環境中，交易室策略監控模組在一台機器與多台機 器的測試環境中運算速度的差異 本研究採用Amdahl’s law做為平行運算效能的衡量指 標
圖 19.Amdahl’s law 速度與處理器數量關係圖 (資料來源：H. Shen and F. Pétrot, 2011)
Amdahl’s law常用來預測在多處理器的平行運算中理論下的速度最大化，因其 表了處理器平行運算之後效率提升的能力，由於平行運算的速度受限於程式中的僅能 序列化處理的片段，因此系統僅有一部 可以經由平行運算改善效率，其餘則無法 其公式為：
T n = T 1 B + 1 − B
‧
‧
‧
如KBar Pattern因其計算特性在任何模式下，運算速度改善之情形極微；反之計算 時間越長之技術指標，如KD，在群集模式下運算時間縮短幅度越顯著；扣除KBar
‧
1408.048 1078.954 732.276 544.082
11種技術指標平均運算時間(毫秒)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在圖14中觀察，要找到Amdahl’s law所述平行運算之理論加速最大值，群集
之處理器數量需1000台以上，才能觀察到趨近理論最大值之曲線；本研究在有限 資源情況下，24台處理器之叢集環境中計算台灣期貨市場八種商品之市場狀態，較單台處理器得到11倍以上之加速比，足見本研究所設計之平行運算架構極為有 效提升運算效能，尤其適合需要大量運算之期貨交易平台 及其他金融商品之交 易平台 根據圖17之曲線，此次測試結果亦能得出，如擴大本研究設計之平行運 算架構之群集規模，能更有效提升平行運算之效能
‧
量投資者使用需求，結合HBase雲端分散式資料庫 JMX應用程式管理架構 JMS訊息交 換中介軟體，並使用JBoss企業級伺服器管理平台建立平行運算的管理機制 同時運用‧
以加一層in-memory Database，作為資料暫存之用 同時配合在硬體層級進行平行運算 的程式語言，如Scala，以期能改善平行運算的效能 而在JBoss框架底下，server instance 需要逐一在管理介面啟動，耗時且成本高，未來希望可以找到能動態開啟server instance 的方法
‧
1. George, L(2011), HBase: The Definitive Guide. O’Reilly Media, Inc, pp. 5–13.
4. J. Steven Perry(2002), Java Management Extensions. O’Reilly Media, Inc, pp. 8–10.
5. Ben G. Sullins, Mark B. Whipple(2003), JMX in Action. Manning Publications Co, pp. 8–11.
6. Francesco Marchioni(2011), JBoss AS 7 Configuration, Deployment, and Administration. Packt
Publishing Ltd, pp. 117–131.
7. Thomas Rauber, Gudula R¨unger(2007), Parallel Programming:For Multicore and Cluster Systems,
Springer-Verlag Berlin Heidelberg, pp. 21–23.
8. Wikipedia(2013), “Flynn's_taxonomy”, Retrieved from
http://en.wikipedia.org/wiki/Flynn's_taxonomy.
9. JBoss(2012), ”JBoss 7.1 Admin Guide(2012).” Retrieved from
https://docs.jboss.org/author/display/AS71/Admin+Guide .
10. Mark Richards, Richard Monson-Haefel & David A. Chappell(2009), Java Message Service.
O’Reilly Media, Inc, pp. 9–10.
11. Lo. Alfred, Bloor Chris, Choi. Y K(2000). Internet Research10. 2: 160-169.
12. Amza, C. (1996), Shared memory computing on networks of workstations, IEEE Computer.
13. J. Gantz and D. Reinsel(2010). The Digital Universe Decade - Are You Ready? Technical report, EMC Corporation.
14. A. Greenberg, J. Hamilton, D. Maltz, and P. Patel(2009). TheCost of a Cloud: Research Problems in Data Center Networks. ACM SIGCOMM CCR.
15. Pardo, Robert(2008), The Evaluation and Optimization of Trading Strategies. John Wiley & Sons, Inc.
16. James Chin, Zikai Wang(2011), HBase: A Comprehensive Introduction. Retrieved from
http://cs.brown.edu/courses/cs227/archives/2011/slides/mar14-hbase.pdf
17. Aronson, David R(2006).,Evidence-based Technical Analysis.John Wiley & Sons Inc 18. Ian Thomas Varley,(2009), No Relation: The Mixed Blessings of Non-Relational
Databases, Master's Thesis, University of Texas
19. William H., Teukolsky, Saul A., Vetterling, William T., Flannery, B. P. (2007), . Numerical Recipes:
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
20. Martin Law(2011), A Simple Introduction to Support Vector Machines, Department of Computer Science and Engineering Michigan State University
21. H. Shen and F. Pétrot,(2011), Using Amdahl's Law for Performance Analysis of Many-Core SoC Architectures Based on Functionally Asymmetric Processors, in Proc. ARCS, 2011, pp.38-49.
22. Robert D.Edwards, John Magee, W.H.C.Bassetti (2007), Technical Analysis of Stock Trends(9th Edition), Taylor & Francis Group, LLC
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
中文部分
1. 黃柏翰(2012) ，基於Hadoop雲端運算架構建立策略交易與回測模擬平台，國立政治大學資 訊
管理學系碩士學位論文
2. 楊雅菱(2011)，基於雲端環境與服務導向架構之交易策略評估平台框架，國立政治大學資 訊
管理學系碩士學位論文
3. 姜林杰祐(2009)，程式交易：觀念,方法,技術與解決方案，新陸書局
4. 曾永政(2012)，期貨程式交易SOP，聚財資訊：p13-p19
5. 胡翠峰(2004)，模糊相關與支援向量學習應用在文件多重分類之研究，義守大學資訊管理碩士
論文