[論文レビュー] Intelligent strategies for DAG scheduling optimization in Grid environments

Florin Pop, Valentin Cristea|arXiv (Cornell University)|Jun 27, 2011

Distributed and Parallel Computing Systems参考文献 8被引用数 5

ひとこと要約

本論文では、グリッド環境における有向非巡回グラフ（DAG）タスクスケジューリングの最適化を目的とした分散型でフォールトトレラントなヒューリスティックおよび遺伝的アルゴリズムベースのスケジューラーを提案する。タスク依存関係の解消にヒューリスティックモデルを、リソース割り当てに遺伝的アルゴリズムを組み合わせることで、実行コストと効率性の両面で従来手法を上回る顕著な性能向上を達成した。これは、MonALISAモニタリングフレームワークを用いて検証された。

ABSTRACT

The paper presents a solution to the dynamic DAG scheduling problem in Grid environments. It presents a distributed, scalable, efficient and fault-tolerant algorithm for optimizing tasks assignment. The scheduler algorithm for tasks with dependencies uses a heuristic model to optimize the total cost of tasks execution. Also, a method based on genetic algorithms is proposed to optimize the procedure of resources assignment. The experiments used the MonALISA monitoring environment and its extensions. The results demonstrate very good behavior in comparison with other scheduling approaches for this kind of DAG scheduling algorithms.

研究の動機と目的

• 大規模なグリッド環境における高いタスク依存関係の複雑さを有する動的DAGスケジューリング問題に対処すること。
• インテリジェントなリソース割り当てとタスクスケジューリングにより、タスク実行の総コストを低減すること。
• 異種グリッドインfra構造に適したスケーラブルでフォールトトレラントかつ分散型のスケジューリングアルゴリズムの開発。
• タスクの順序とリソースマッピングの最適化により、スケジューリングの効率性と実行時間を向上させること。
• 実際のモニタリングデータを用いて、既存のスケジューリング戦略と比較して、提案手法を評価すること。

提案手法

• タスクの実行コストと先行制約に基づき、依存するタスクを優先順位付けしてDAG内でスケジューリングするためのヒューリスティックモデルが用いられる。
• タスクを利用可能なグリッドリソースに割り当てる最適化のために、遺伝的アルゴリズムが適用され、全体の実行コストを最小化する。
• スケジューラーは分散的に動作し、複数のノードにまたがるスケーラビリティとフォールトトレランスを実現する。
• リアルタイムのパフォーマンスデータ収集とフィードバック・最適化のため、MonALISAモニタリング環境と統合される。
• タスク実行コストは、リソースの可用性、処理能力、データ転送オーバーヘッドの関数としてモデル化される。
• アルゴリズムは、リソースの可用性やワークロード状態のランタイム変化に動的に適応する。

実験結果

リサーチクエスチョン

• RQ1 DAGにおけるタスク依存関係は、実行コストを最小限に抑えるために、どのように動的グリッド環境で効率的にスケジューリング可能か？
• RQ2 従来のヒューリスティック手法と比較して、遺伝的アルゴリズムはDAGスケジューリングにおけるリソース割り当てをどの程度改善できるか？
• RQ3 分散型でフォールトトレラントなスケジューラーは、変動するワークロードおよびリソース可用性条件下でも高いパフォーマンスを維持できるか？
• RQ4 実際のグリッドモニタリングシナリオにおいて、提案手法は既存のDAGスケジューリングアルゴリズムと比較してどの程度のパフォーマンスを示すか？
• RQ5 ヒューリスティックなタスク順序付けと遺伝的最適化が、全体のスケジューリング効率性とコストに与える影響は何か？

主な発見

• 提案されたスケジューラーは、従来のスケジューリング手法と比較して、実行コスト削減の観点で顕著に優れたパフォーマンスを示した。
• 遺伝的アルゴリズムとヒューリスティックタスクスケジューリングの統合により、より最適なリソース割り当てが達成され、マケスペンスが短縮された。
• 分散アーキテクチャにより、スケーラビリティとフォールトトレランスが確保され、動的ワークロード変化に対しても安定性を維持した。
• MonALISAモニタリング環境を用いた実験結果から、アルゴリズムの頑健性と実グリッド環境における効率性が確認された。
• 異種環境でも高いスループットと応答性を維持しながら、総実行コストを低減した。
• 実行時間およびリソース利用効率性の両面で、ベースラインスケジューリング戦略を上回る性能を発揮した。