ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

4
Содержание
том 62 / Апрель, 2019
СТАТЬЯ

DOI 10.17586/0021-3454-2017-60-4-295-301

УДК 519.687.1

ПЛАНИРОВАНИЕ ИСПОЛНЕНИЯ НАБОРОВ КОМПОЗИТНЫХ ПРИЛОЖЕНИЙ С МЯГКИМИ СРОКАМИ ЗАВЕРШЕНИЯ ВО ВРЕМЕННЫХ ОКНАХ ГЕТЕРОГЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СРЕД

Боченина К. О.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; младший научный сотрудник


Бутаков Н. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; младший научный сотрудник


Бухановский А. В.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; директор мегафакультета


Читать статью полностью 

Аннотация. Повышение эффективности загрузки неоднородных вычислительных ресурсов при удовлетворении требований пользователей к срокам получения результатов расчета требует применения специализированных алгоритмов планирования исполнения задач. Такие алгоритмы должны учитывать как специфику распределенной среды (уровень утилизации, типы ресурсов), так и возможные взаимосвязи по данным между частями расчетного сценария. Предложены алгоритмы реализации позадачного, стадийного и кластеризационного подходов к планированию наборов композитных приложений (КП) с мягкими сроками завершения в условиях частичной доступности вычислительных ресурсов. Исследована сравнительная эффективность разработанных алгоритмов при планировании исполнения наборов КП на гетерогенных ресурсах. Результаты экспериментов демонстрируют, что: а) использование информации о доступности ресурсов и сроках завершения задач позволяет существенно повысить качество планов; б) кластеризационный подход превосходит стадийный и позадачный по интегральному критерию эффективности планирования.
Ключевые слова: алгоритмы планирования, облачные среды, композитные приложения, планирование загрузки ресурсов, временные окна

Список литературы:
  1. Goble C., Roure D. De. The Impact of Workflow Tools on Data-centric Research // Fourth Paradig. Data-intensive Sci. Discov. / Ed. by T. Hey, S. Tansley, K. Tolle. Microsoft Research, 2009. P. 137—145.
  2. Zhao H., Sakellariou R. Scheduling Multiple DAGs onto Heterogeneous Systems // Parallel Distrib. Process. Simp. IPDPS’06. Washington: IEEE Computer Society, 2006. P. 14.
  3. Bittencourt L. F., Madeira E. R. M. Towards the Scheduling of Multiple Workflows on Computational Grids // J. Grid Comput. 2009. Vol. 8, N 3. P. 419—441.
  4. Masko L. et al. Scheduling moldable tasks for dynamic SMP clusters in SoC technology, parallel processing and applied mathematics // PPAM—2005. Poznań, Poland, September 2005. Springer, Berlin, 2005. Vol. 3911. P. 879—887.
  5. Hirales-Carbajal A. et al. Multiple Workflow Scheduling Strategies with User Run Time Estimates on a Grid // J. Grid Comput. 2012. Vol. 10, N 2. P. 325—346.
  6. Bochenina K. A Comparative Study of Scheduling Algorithms for the Multiple Deadline-constrained Workflows in Heterogeneous Computing Systems with Time Windows // Procedia Comput. Sci. Elsevier Masson SAS. 2014. Vol. 29. P. 509—522.