Implementação e Experimentação de Políticas de Escalonamento Baseadas na Aleatoriedade e nos Estados dos Recursos
Resumo
Este trabalho tem como objetivo a implementação e a avaliação de políticas de metaescalonamento que utilizam pouca ou nenhuma informação a respeito dos recursos na infraestrutura onde elas atuam. Para isso, foram realizados experimentos que simulam o sistema encontrado no SINAPAD, uma rede nacional de processamento de alto processamento disponível a comunidade científica nacional. Esses experimentos, como esperado, mostraram que políticas que utilizam informações facilmente obtidas, como a taxa de ocupação de CPU, levam a decisões de escalonamento melhores que a escolha aleatória de recursos. Dentre as políticas avaliadas, a política que obteve melhor desempenho foi baseada em um histórico de execuções prévias de tarefas e na estimativa de uso de CPU dos recursos. Tal política, por outro lado, foi uma das que necessitou de maior tempo de decisão. No entanto, o tempo gasto no momento do escalonamento tende a ser facilmente recuperado pelo ganho no tempo de execução que essa política é capaz de gerar.Referências
Cirne, W., Brasileiro, F., Andrade, N., Costa, L. B., Andrade, A., Novaes, R., and Mowbray, M. (2006). Labs of the world, unite!!! Journal of Grid Computing, 4(3):225–246.
Cirne, W., Brasileiro, F., Paranhos, D., Góes, L. F. W., and Voorsluys, W. (2007a). On the efcacy, efciency and emergent behavior of task replication in large distributed systems. Parallel Computing, 33(3):213–234.
Cirne, W., Paranhos, D., Brasileiro, F., Fabrício, L., and Góes, W. (2007b). On the efcacy, efciency and emergent behavior of task replication. In in Large Distributed Systems, Parallel Computing, pages 213–234.
Emmott, S. (2005). Towards 2020 science. Technical report, Microsoft Research. Disponível em http://research.microsoft.com/en-us/um/cambridge/projects/towards2020science/downloads/T2020S ReportA4.pdf. Acessado em: 02/06/2014.
Foster, I. (2005). Globus toolkit version 4: Software for service-oriented systems. In Proceedings of the 2005 IFIP International Conference on Network and Parallel Computing, NPC’05, pages 2–13, Berlin, Heidelberg. Springer-Verlag.
Foster, I., Kesselman, C., and Tuecke, S. (2001). The anatomy of the grid: Enabling scalable virtual organizations. International Journal of High Performance Computing Applications, 15(3):200–222.
Frey, J., Tannenbaum, T., Livny, M., Foster, I., and Tuecke, S. (2002). Condor-G: A computation management agent for multiin-stitutional grids. Cluster Computing, 5(3):237–246.
Hey, T. and Trefethen, A. (2003). The Data Deluge: An e-Science Perspective, pages 809–824. John Wiley & Sons, Ltd.
Izakian, H., Abraham, A., and Snasel, V. (2009). Comparison of heuristics for scheduling independent tasks on heterogeneous distributed environments. In Proceedings of the 2009 International Joint Conference on Computational Sciences and Optimization Volume 01, CSO ’09, pages 8–12, Washington, DC, USA. IEEE Computer Society.
Lima, M. J. D., Melcop, T., Cerqueira, R., Cassino, C., Silvestre, B., Nery, M., and Ururahy, C. (2005). CSGrid: um sistema In Salão de Ferramentas do 23o. Simpósio Brasileiro de Redes de para integração de aplicações em grades computacionais. Computadores, Porto Alegre, Brazil. SBC.
Maheswaran, M., Ali, S., Siegel, H. J., Hensgen, D., and Freund, R. (1999). Dynamic matching and scheduling of a class of independent tasks onto heterogeneous computing systems. In In Eighth Heterogeneous Computing Workshop, pages 30–44. IEEE Computer Society Press.
Menninger, W. (1993). Código do Benchmark Linpack em C. Disponível em http://www.netlib.org/benchmark/linpackc.new. Acessado em: 20/06/2014.
Schaller, R. R. (1997). Moore’s law: Past, present, and future. IEEE Spectrum, 34(6):52–59.
Silva, D. P. D., Cirne, W., Brasileiro, F. V., and Grande, C. (2003). Trading cycles for information: Using replication to schedule bagof-tasks applications on computational grids. In Applications on Computational Grids, in Proceedings of Euro-Par 2003, pages 169–180.
Xhafa, F. and Abraham, A. (2010). Computational models and heuristic methods for grid scheduling problems. Future Generation Computer Systems, 26(4):608–621.
Cirne, W., Brasileiro, F., Paranhos, D., Góes, L. F. W., and Voorsluys, W. (2007a). On the efcacy, efciency and emergent behavior of task replication in large distributed systems. Parallel Computing, 33(3):213–234.
Cirne, W., Paranhos, D., Brasileiro, F., Fabrício, L., and Góes, W. (2007b). On the efcacy, efciency and emergent behavior of task replication. In in Large Distributed Systems, Parallel Computing, pages 213–234.
Emmott, S. (2005). Towards 2020 science. Technical report, Microsoft Research. Disponível em http://research.microsoft.com/en-us/um/cambridge/projects/towards2020science/downloads/T2020S ReportA4.pdf. Acessado em: 02/06/2014.
Foster, I. (2005). Globus toolkit version 4: Software for service-oriented systems. In Proceedings of the 2005 IFIP International Conference on Network and Parallel Computing, NPC’05, pages 2–13, Berlin, Heidelberg. Springer-Verlag.
Foster, I., Kesselman, C., and Tuecke, S. (2001). The anatomy of the grid: Enabling scalable virtual organizations. International Journal of High Performance Computing Applications, 15(3):200–222.
Frey, J., Tannenbaum, T., Livny, M., Foster, I., and Tuecke, S. (2002). Condor-G: A computation management agent for multiin-stitutional grids. Cluster Computing, 5(3):237–246.
Hey, T. and Trefethen, A. (2003). The Data Deluge: An e-Science Perspective, pages 809–824. John Wiley & Sons, Ltd.
Izakian, H., Abraham, A., and Snasel, V. (2009). Comparison of heuristics for scheduling independent tasks on heterogeneous distributed environments. In Proceedings of the 2009 International Joint Conference on Computational Sciences and Optimization Volume 01, CSO ’09, pages 8–12, Washington, DC, USA. IEEE Computer Society.
Lima, M. J. D., Melcop, T., Cerqueira, R., Cassino, C., Silvestre, B., Nery, M., and Ururahy, C. (2005). CSGrid: um sistema In Salão de Ferramentas do 23o. Simpósio Brasileiro de Redes de para integração de aplicações em grades computacionais. Computadores, Porto Alegre, Brazil. SBC.
Maheswaran, M., Ali, S., Siegel, H. J., Hensgen, D., and Freund, R. (1999). Dynamic matching and scheduling of a class of independent tasks onto heterogeneous computing systems. In In Eighth Heterogeneous Computing Workshop, pages 30–44. IEEE Computer Society Press.
Menninger, W. (1993). Código do Benchmark Linpack em C. Disponível em http://www.netlib.org/benchmark/linpackc.new. Acessado em: 20/06/2014.
Schaller, R. R. (1997). Moore’s law: Past, present, and future. IEEE Spectrum, 34(6):52–59.
Silva, D. P. D., Cirne, W., Brasileiro, F. V., and Grande, C. (2003). Trading cycles for information: Using replication to schedule bagof-tasks applications on computational grids. In Applications on Computational Grids, in Proceedings of Euro-Par 2003, pages 169–180.
Xhafa, F. and Abraham, A. (2010). Computational models and heuristic methods for grid scheduling problems. Future Generation Computer Systems, 26(4):608–621.
Publicado
08/10/2014
Como Citar
RODRIGUES, Irwing; ISHII, Renato; GOMES, Antônio Tadeu; DOS REIS, Valéria.
Implementação e Experimentação de Políticas de Escalonamento Baseadas na Aleatoriedade e nos Estados dos Recursos. In: SIMPÓSIO EM SISTEMAS COMPUTACIONAIS DE ALTO DESEMPENHO (SSCAD), 15. , 2014, São José dos Campos.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2014
.
p. 75-86.
DOI: https://doi.org/10.5753/wscad.2014.15001.
