BUC: Beneficiador de Usuários Conscientes em Grades

  • Geremias Corrêa UDESC
  • Maurício A. Pillon UDESC

Resumo


Com o crescimento da computação em grade, possuindo prioridades que variam conforme o contexto e, portanto, nos algoritmos de escalonamento que nela atuam, elaborar otimizações que maximizem a qualidade da disposição dos recursos e minimizem os gastos indesejados é essencial. Com isso, é construído um modelo baseado no nível de confiança do usuário, a partir de um algoritmo que reposiciona as filas de acordo com essa informação, ajudando os usuários precisos em detrimento dos não precisos. Busca-se também, através disso, conscientizar os usuários no envio de informações mais acertadas. Os resultados obtidos tem um retorno positivo de redução do tempo de espera desses usuários mais precisos em até 93%

Referências

Alves, D. M., Costa, M., Furtado, M. R. S., and Moravia, R. V. (2013). Computação em nuvem: Um estudo sobre seus conceitos, tecnologia e aplicação.

Bolze, R., Capello, F., Caron, E., Daydé, M., Desprez, F., Jeannot, E., Jégou, Y., Lanteri, S., and Leduc, J. (2006). GRID’5000: A large scale and highly reconfigurable experimental grid testbed. The International Journal of High Performance Computing Applications, 20(3):481–494.

Casagrande, L., Koslovski, G., Miers, C. C., and Pillon, M. (2020). DeepScheduling: grid computing job scheduler based on deep reinforcement learning. In The 34-th International Conference on Advanced Information Networking and Applications (AINA-2020).

Dubey, K., Kumar, M., and Sharma, S. C. (2018). Modified HEFT algorithm for task scheduling in cloud enviroment. 6th International Conference on Smart Computing and Communications, 125:725–732.

Dutot, P.-F., Mercier, M., Poquet, M., and Richard, O. (2015). Batsim: A Realistic Language-independent Resources and Jobs Management Systems Simulator. In Job Scheduling Strategies for Parallel Processing, pages 178–197. Springer.

Eng, K., Muhammed, A., Mohamed, M. A., and Hasan, S. (2020). A hybrid heuristic of variable neighbourhood descent and great deluge algorithm for efficient task scheduling in grid computing. European Journal of Operational Research, 284(1):75 – 86.

Goes, L. F. W., Neto, D. O. G., Ferreira, R., and Cirne, W. (2005). Computação em grade: Conceitos, tecnologias, aplicações e tendências. Escola Regional de Informática de Minas Gerais.

Mu’alem, A. W. and Feitelson, D. G. (2001). ”Utilization, predictability, workloads, and user runtime estimates in scheduling the IBM SP2 with backfilling”. IEEE Transactions on Parallel and Distributed Systems, 12(6):529–543.

Pillon, M., Amarante, T. D., Koslovski, G., and Miers, C. (2020). Escalonamento de tarefas em grades computacionais gruiado pelo consumo de energia com os algoritmos easy backfilling e heft. REABTIC.

Poquet, M. (2017). Approche par la simulation pour la gestion de ressources. PhD thesis, Université Grenoble Alpes.

Sharma, N. and Atri, S. T. S. (2017). A comparative analysis of min-min and maxmin algorithms based on the makespan parameter. International Journal of Advanced Research in Computer Science, 8(3).

Singh, A. B., Bhat, S., Raju, R., and D’Souza, R. (2017). A comparative study of various scheduling algorithms in cloud computing. American Journal of Intelligent Systems, 7(3):68–72.
Publicado
25/11/2020
CORRÊA, Geremias; A. PILLON, Maurício. BUC: Beneficiador de Usuários Conscientes em Grades. In: ESCOLA REGIONAL DE REDES DE COMPUTADORES (ERRC), 18. , 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 21-27. DOI: https://doi.org/10.5753/errc.2020.15184.