Comparação de Desempenho para Gerenciadores de Recursos OAR e SLURM em Aplicação Científica de Simulação Ionosférica

• Gabriela Luisa Eckel UFSM
• Fernando Emilio Puntel UFSM
• Adriano Petry INPE

DOI: https://doi.org/10.5753/eradrs.2020.10755

Resumo

Com a constante evolução da tecnologia, a computação de alto desempenho é uma das principais áreas de pesquisa no meio computacional. Os ambientes de alto desempenho são frequentemente usados por aplicações que necessitam lidar com uma grande quantidade de dados em um curto período de tempo. Para isso, podem ser usados sistemas distribuídos visando o aumento da eficiência e a velocidade de execução. Com a grande quantidade de recursos computacionais em ambientes de alto desempenho, sistemas gerenciadores de recursos, como OAR e SLURM, são empregados para otimizar a sua utilização. Neste trabalho, realizamos uma análise comparativa dos sistemas gerenciadores mencionados em uma aplicação científica real, que simula diariamente o comportamento da ionosfera terrestre na América do Sul através da geração de mapas de conteúdo eletrônico total.

Palavras-chave: Avaliação, Medição e Predição de Desempenho, Computação em Nuvem, Grade, Aglomerado (Cluster) e Peer-to-Peer, Escalonamento e Balanceamento de Carga, Linguagens, Compiladores e Ferramentas de Computação Paralela e Distribuída, Sistemas Distribuídos, Técnicas de Modelagem e Simulação, Tolerância a Falhas

Referências

Nicolas, C., Joseph, E., and ZIRST, M. (2003-2016). Oar documentation-user guide. LIG laboratory, Laboratoire d’Informatique de Grenoble Bat. ENSIMAG-antenne de Montbonnot ZIRST.

Petry, A., de Souza, J. R., de Campos Velho, H. F., Pereira, A. G., and Bailey, G. J. (2014). First results of operational ionospheric dynamics prediction for the brazilian space weather program. Advances in Space Research, 54(1):22–36.

Prabhu, C. (2008). Grid and cluster computing. PHI Learning Pvt. Ltd.

Yoo, A. B., Jette, M. A., and Grondona, M. (2003). Slurm: Simple linux utility for resource management. In Feitelson, D., Rudolph, L., and Schwiegelshohn, U., editors, Job Scheduling Strategies for Parallel Processing, pages 44–60, Berlin, Heidelberg. Springer Berlin Heidelberg.

Zhou, X., Chen, H., Wang, K., Lang, M., and Raicu, I. (2013). Exploring distributed resource allocation techniques in the slurm job management system. Illinois Institute of Technology, Department of Computer Science, Technical Report.