Uma Abordagem Hierárquica para Escalonamento de Workflows Científicos Executados em Nuvens
Resumo
Os Workflows científicos são utilizados para modelar experimentos baseados em simulação onde cada simulação é composta por diversos programas que possuem dependência de dados entre si. Muitas dessas simulações necessitam executar em ambientes de alto desempenho para terminar em tempo hábil. Executar workflows nesses ambientes envolve escalonar atividades dos workflows em diferentes recursos. Muitos escalonadores tradicionais buscam otimizar apenas o tempo de execução, porém em cenários mais reais existem vários fatores a serem considerados, e.g. consumo de energia e custo financeiro. Algumas abordagens recentes já levam em consideração múltiplos objetivos, porém muitas delas utilizam funções objetivo ponderadas que podem se tornar um problema quando muitos objetivos são considerados. Esse artigo propõe uma abordagem que usa múltiplas funções objetivo de forma hierárquica, onde os múltiplos objetivos são levados em consideração em uma determinada ordem estabelecida pelo cientista. Foram executados experimentos em workflows sintéticos e reais na nuvem da Amazon EC2. Os resultados obtidos apresentaram melhoras no objetivo escolhido para otimização.
