[論文レビュー] A Survey on Dynamic Job Scheduling in Grid Environment Based on Heuristic Algorithms

D. Thilagavathi, Antony Selvadoss Thanamani|arXiv (Cornell University)|Feb 21, 2014

Distributed and Parallel Computing Systems参考文献 5被引用数 6

ひとこと要約

本調査は、計算グリッドにおけるヒューリスティックに基づく動的ジョブスケジューリングを検討し、スループットと効率の向上を目的としたリソース割り当て最適化のためのアルゴリズムを分析する。遺伝的アルゴリズム、粒子群最適化、アンチコロニー最適化などの技術を評価し、動的ワークロードおよびリソースの非均一性に適応可能である点を強調し、分散環境におけるリアルタイムスケジューリングの有効な戦略の特定という主な貢献を示す。

ABSTRACT

Computational Grids are a new trend in distributed computing systems. They allow the sharing of geographically distributed resources in an efficient way, extending the boundaries of what we perceive as distributed computing. Various sciences can benefit from the use of grids to solve CPU-intensive problems, creating potential benefits to the entire society. Job scheduling is an integrated part of parallel and distributed computing. It allows selecting correct match of resource for a particular job and thus increases the job throughput and utilization of resources. Job should be scheduled in an automatic way to make the system more reliable, accessible and less sensitive to subsystem failures. This paper provides a survey on various heuristic algorithms, used for scheduling in grid.

研究の動機と目的

• 計算グリッドにおける動的ジョブスケジューリングのためのヒューリスティックアルゴリズムを分析・比較すること。
• 非均一で分散型の環境において、リソース利用効率とジョブスループットを向上させる有効なスケジューリング戦略を特定すること。
• 遺伝的アルゴリズム、粒子群最適化、アンチコロニー最適化などのメタヒューリスティック手法が、動的グリッドスケジューリングにおいてどのように性能を発揮するかを評価すること。
• 現存するヒューリスティック手法の包括的概要を提供し、リアルタイムでスケーラブルなグリッドワークロードへの適用可能性を明らかにすること。
• 現在のヒューリスティックに基づくスケジューリングソリューションにおけるギャップと課題を明らかにすることで、今後の研究を導くこと。

提案手法

• グリッドコンピューティング環境における動的ジョブスケジューリングに用いられるヒューリスティックアルゴリズムの体系的レビュー。
• 進化的およびスワームインテリジェンス手法を含む、最適化原理に基づくスケジューリング技法の分類。
• ヒューリスティックベースのスケジューラーにおける適応度関数、集団初期化、選択メカニズムなどのアルゴリズム的要素の分析。
• リソース利用状況の変化やジョブ到着パターンの変動といった動的条件下でのアルゴリズム行動の評価。
• 異なるグリッドワークロードにおいて、マケスパン、リソース利用率、スケジューリングオーバーヘッドといったヒューリスティック性能指標の比較。
• 先行研究の知見を統合し、現実のグリッド展開におけるヒューリスティック手法のトレンド、長所、制限の特定。

実験結果

リサーチクエスチョン

• RQ1 非均一なグリッド環境における動的ジョブスケジューリングに最も効果的なヒューリスティックアルゴリズムは何か？
• RQ2 PSO や ACO といったメタヒューリスティック手法は、リアルタイムでリソース利用状況やジョブ優先順位の変化にどのように適応するか？
• RQ3 ヒューリスティックベースのグリッドスケジューラーにおいて、スケジューリング効率、計算オーバーヘッド、スケーラビリティの間にはどのようなトレードオフがあるか？
• RQ4 マケスパンとリソース利用率の観点から、ヒューリスティックアルゴリズムは従来の静的またはルールベースのスケジューリングと比べてどのように異なるか？
• RQ5 大規模で動的なグリッドインfra構造へのヒューリスティックベースのスケジューリングの実装における主な課題は何か？

主な発見

• 遺伝的アルゴリズム、粒子群最適化、アンチコロニー最適化といったヒューリスティックアルゴリズムは、動的ジョブの到着やリソースの変動に強く適応可能であることが示された。
• これらのアルゴリズムは、従来の静的スケジューリング手法と比較して、マケスパンを著しく短縮し、リソース利用率を向上させる傾向がある。
• 本研究では、PSO や ACO が、集団ベースの探索とフェロモン誘導探索のメカニズムにより、動的環境でより速い収束を示すことが判明した。
• 性能向上にもかかわらず、ヒューリスティックベースのスケジューラーは、特に急激に変動するグリッド環境では、計算オーバーヘッドとスケジューリングの正確性のバランスをとるのが難しいという課題を抱えている。
• 本調査では、現実のグリッド展開において耐障害性とスケーラビリティを高めるために、複数のヒューリスティックを組み合わせたハイブリッドアプローチの必要性が強調された。
• 既存の研究では、複数の出典においてアルゴリズムの記述に顕著な重複が見られたため、標準化されたベンチマークと評価フレームワークの整備が求められる。