[論文レビュー] A Deadline and Budget Constrained Cost-Time Optimisation Algorithm for Scheduling Task Farming Applications on Global Grids

Rajkumar Buyya, Manzur Murshed|ArXiv.org|Mar 14, 2002

Distributed and Parallel Computing Systems参考文献 6被引用数 130

ひとこと要約

本稿では、グローバルなグリッド上でタスクファーミングアプリケーションをスケジューリングするための、新しいDBC（デッドラインおよび予算制約付き）のコスト・タイム最適化アルゴリズムを提案する。従来のコスト最適化手法を拡張し、計算コストとジョブ完了時間の両方を同時に最小化することを目的としている。シミュレーションにより、同じデッドラインおよび予算制約下で、元のコスト最適化手法と比較して著しく短いジョブ完了時間を達成していることが検証された。世界中をカバーするグリッドモデルを用いたシミュレーションで検証された。

ABSTRACT

Computational Grids and peer-to-peer (P2P) networks enable the sharing, selection, and aggregation of geographically distributed resources for solving large-scale problems in science, engineering, and commerce. The management and composition of resources and services for scheduling applications, however, becomes a complex undertaking. We have proposed a computational economy framework for regulating the supply and demand for resources and allocating them for applications based on the users quality of services requirements. The framework requires economy driven deadline and budget constrained (DBC) scheduling algorithms for allocating resources to application jobs in such a way that the users requirements are met. In this paper, we propose a new scheduling algorithm, called DBC cost-time optimisation, which extends the DBC cost-optimisation algorithm to optimise for time, keeping the cost of computation at the minimum. The superiority of this new scheduling algorithm, in achieving lower job completion time, is demonstrated by simulating the World-Wide Grid and scheduling task-farming applications for different deadline and budget scenarios using both this new and the cost optimisation scheduling algorithms.

研究の動機と目的

• グローバルな計算グリッド上で、ユーザーが指定した厳密なデッドラインおよび予算制約のもとで、大規模なタスクファーミングアプリケーションを効率的にスケジューリングする課題に対処すること。
• 従来のコスト最適化スケジューリング手法を拡張し、時間の最小化を二重の目的として組み込むこと。
• リソース制約下で最小限の計算コストを維持しつつ、可能な限り速いジョブ完了時間を達成するスケジューリングアルゴリズムを開発すること。
• 現実的なグリッドシミュレーション環境において、提案手法とベースラインのコスト最適化アプローチとの性能を評価すること。

提案手法

• DBCコスト・タイム最適化アルゴリズムは、リソース割り当てを市場駆動のプロセスとしてモデル化する計算経済学フレームワーク内に設計されている。
• 時間に配慮したリソース選択基準を導入することで、DBCコスト最適化アルゴリズムを拡張し、より速い実行経路を優先する。
• アルゴリズムは、コストと実行時間の両方を基準に動的にリソースを選択し、総コストを最小限に保ちながらジョブ完了時間を短縮する。
• リソース割り当ての意思決定は、ユーザーが指定したデッドラインおよび予算制限に従い、サービス品質要件を満たす。
• コストと時間の両方の制約を満たすリソースの組み合わせを探索するために、ヒューリスティック探索メカニズムが使用されている。
• シミュレーションは、変動するデッドラインおよび予算設定下でのタスクファーミングワークロードを用いて、世界中をカバーするグリッドモデル上で実施された。

実験結果

リサーチクエスチョン

• RQ1 厳密なデッドラインおよび予算制約下で、グリッドスケジューリングにおいて計算コストとジョブ完了時間をどのように同時に最適化できるか。
• RQ2 純粋なコスト最適化と比較して、時間に配慮したリソース選択は、タスクファーミングアプリケーションにおいてどのような性能向上をもたらすか。
• RQ3 提案手法は、最小限の計算コストを維持しながら、どの程度ジョブ完了時間を短縮できるか。
• RQ4 グローバルなグリッド環境において、異なるデッドラインおよび予算制約の組み合わせに対して、このアルゴリズムはどの程度スケーラブルか。

主な発見

• 提案されたDBCコスト・タイム最適化アルゴリズムは、同一のデッドラインおよび予算制約下で、ベースラインのコスト最適化アルゴリズムと比較して著しく短いジョブ完了時間を達成した。
• アルゴリズムは、最小限の計算コストを維持しながら実行時間を短縮し、コストと時間の間の効果的なトレードオフ管理が可能であることを示した。
• シミュレーション結果から、時間最適化のコンponentが、すべてのテストされたデッドラインおよび予算シナリオで、ジョブ完了時間の顕著な短縮をもたらすことが明らかになった。
• リソース支出を増加させることなく、時間効率の観点で、コスト最適化アプローチを上回る性能を示した。これは、時間に敏感なワークロードにおいて、本手法の優位性を裏付けた。
• 計算経済学フレームワークにより、ユーザー定義のサービスレベル契約を尊重するスケーラブルで適応性のあるスケジューリングが可能になった。
• 本研究は、コスト制約付きスケジューリングに時間最適化を統合することが、大規模なグリッド環境において実現可能かつ有効であることを確認した。