DynAdapt: Alterações na Definição de Atividades de Workflows Científicos em Tempo de Execução

• Igor de Araújo dos Santos UFRJ
• Jonas Dias UFRJ
• Daniel de Oliveira UFRJ / CEFET-RJ
• Eduardo Ogasawara UFRJ
• Marta Mattoso UFRJ

Resumo

Os workflows científicos são capazes de representar experimentos baseados em simulações computacionais. Em geral, workflows executados em paralelo manipulam uma grande massa de dados e demandam um elevado tempo de execução. Tais características podem dificultar ou encarecer o processo exploratório de um experimento. Diante deste cenário tornou-se desejável a utilização de workflows com aspectos dinâmicos, que permitem que mudanças na definição do workflow possam ser realizadas em tempo de execução. Assim, a proposta deste artigo é oferecer uma abordagem para permitir alterações na definição de atividades de workflows em tempo de execução, de acordo com critérios definidos pelos cientistas.

Referências

Boeres, C., Sardiña, I., Drummond, L., (2011), "An efficient weighted bi-objective scheduling algorithm for heterogeneous systems", Parallel Computing, v. 37, n. 8 (Agosto.), p. 349–364.

Clarence Ellis, Karim Keddara, Grzegorz Rozenberg, (1995), "Dynamic change within workflow systems". In: COCS ’95 Proceedings of conference on Organizational computing systems, p. 10 – 21, New York, NY, USA.

Costa, F., Silva, V., Oliveira, D., Ocana, K., Dias, J., Ogasawara, E., Mattoso, M., (2013), "Capturing and Querying Workflow Runtime Provenance with PROV: a Practical Approach". In: International Workshop on Managing and Querying Provenance Data at Scale (BigProv’13), Genova, Italy.

Deelman, E., Gannon, D., Shields, M., Taylor, I., (2009), "Workflows and e-Science: An overview of workflow system features and capabilities", Future Generation Computer Systems, v. 25, n. 5, p. 528–540.

Dias, J., Ogasawara, E., Oliveira, D., Porto, F., Coutinho, A., Mattoso, M., (2011), "Supporting Dynamic Parameter Sweep in Adaptive and User-Steered Workflow". In: 6th Workshop on Workflows in Support of Large-Scale Science, p. 31–36, Seattle, WA, USA.

Freire, J., Koop, D., Santos, E., Silva, C. T., (2008), "Provenance for Computational Tasks: A Survey", Computing in Science and Engineering, v.10, n. 3, p. 11–21.

Gil, Y., Deelman, E., Ellisman, M., Fahringer, T., Fox, G., Gannon, D., Goble, C., Livny, M., Moreau, L., Myers, J., (2007), "Examining the Challenges of Scientific Workflows", Computer, v. 40, n. 12, p. 24–32.

Kammer, P. J., Bolcer, G. A., Taylor, R. N., Hitomi, A. S., Bergman, M., "Techniques for Supporting Dynamic and Adaptive Workflow", Computer Supported Cooperative Work (CSCW), p. 269–292.

Moreau, L., Missier, P., Belhajjame, K., Cresswell, S., Golden, R., Groth, P., Miles, S., Sahoo, S., (2011). The PROV Data Model and Abstract Syntax Notation. Disponível em: http://www.w3.org/TR/prov-dm/. Acesso em: 14 Dec 2011.

Ocaña, K. A. C. S., Oliveira, D., Dias, J., Ogasawara, E., Mattoso, M., (2011), "Optimizing Phylogenetic Analysis Using SciHmm Cloud-based Scientific Workflow". In: IEEE e-Science 2011, p. 190–197, Stockholm, Sweden.

Ogasawara, E., Dias, J., Silva, V., Chirigati, F., Oliveira, D., Porto, F., Valduriez, P., Mattoso, M., (2013), "Chiron: A Parallel Engine for Algebraic Scientific Workflows", Concurrency and Computation Ogasawara, E., Paulino, C., Murta, L., Werner, C., Mattoso, M., (2009), "Experiment Line: Software Reuse in Scientific Workflows". In: SSDBM 2009, p. 264–272, New Orleans, Louisiana, USA.

Oliveira, D., Ocaña, K., Baião, F., Mattoso, M., (2012), "A Provenance-based Adaptive Scheduling Heuristic for Parallel Scientific Workflows in Clouds", Journal of Grid Computing, v. 10, n. 3, p. 521–552.

Tudruj, M., Kopanski, D., Borkowski, J., (2007), "Dynamic Workflow Control with Global States Monitoring". In: Parallel and Distributed Computing, 2007. ISPDC ’07. Sixth International Symposium on, p. 44, Hagenberg.