[論文レビュー] Economic and On Demand Brain Activity Analysis on Global Grids

Rajkumar Buyya, Susumu Date+3 more|ArXiv.org|Feb 13, 2003

Distributed and Parallel Computing Systems参考文献 7被引用数 9

ひとこと要約

本論文では、Nimrod-G、GridBus、Globusなどのグリッド技術を活用して、MEG（磁気脳波計測）脳活動データを分析するための、オンデマンドで経済的であるグリッドコンピューティングフレームワークを提案する。マーケットにインspiredされたスケジューリングアルゴリズムを統合することで、大規模な神経科学的データのスケーラブルかつコスト効率の良い処理が可能となり、脳研究におけるハイパフォーマンスコンピューティングへのアクセスが著しく向上する。

ABSTRACT

The lack of computational power within an organization for analyzing scientific data, and the distribution of knowledge (by scientists) and technologies (advanced scientific devices) are two major problems commonly observed in scientific disciplines. One such scientific discipline is brain science. The analysis of brain activity data gathered from the MEG (Magnetoencephalography) instrument is an important research topic in medical science since it helps doctors in identifying symptoms of diseases. The data needs to be analyzed exhaustively to efficiently diagnose and analyze brain functions and requires access to large-scale computational resources. The potential platform for solving such resource intensive applications is the Grid. This paper describes a MEG data analysis system developed by us, leveraging Grid technologies, primarily Nimrod-G, Gridbus, and Globus. This paper explains the application of economy-based grid scheduling algorithms to the problem domain for on-demand processing of analysis jobs.

研究の動機と目的

• 通常の機関の能力を超える膨大な処理能力を要する大規模なMEG脳活動データの分析における計算のボトル neck を解消すること。
• 脳科学分野における研究者の地理的・技術的分散と高度な装置の分布を克服し、グローバルに計算リソースへのアクセスを可能にすること。
• グリッドコンピューティングインfrastrucureを用いて、神経科学的データ処理のためのスケーラブルで経済的に効率的なソリューションを開発すること。
• オンデマンドでの計算リソースへのアクセスを可能にするために、経済的スケジューリングをグリッドシステムに統合すること。
• 特にデータ集約的な神経科学アプリケーションにおいて、市場駆動のリソース割り当てモデルが科学的ワークロードに適用可能であることを実証すること。

提案手法

• グローバルなグリッドインfrastrucureにわたりMEGデータ分析ジョブを管理・分散するため、Nimrod-Gグリッドスケジューリングシステムを活用した。
• 異種のコンピューティング環境間での相互運用性とリソース管理を可能にするために、GridBusミドルウェアを統合した。
• セキュアで信頼性が高くスケーラブルな分散コンピューティングを基盤とするために、Globus Toolkitを基礎ミドルウェアとして使用した。
• 計算リソースを市場商品としてモデル化する経済的スケジューリングアルゴリズムを実装し、需要に応じた動的価格設定とリソース割り当てを可能にした。
• 研究者がリソースの可用性とコストに基づき、自動的に計算リソースがプロビジョニングされるように、オンデマンドで分析ジョブを提出できるワークフローを設計した。
• 基盤となるミドルウェアスタック内のグリッドネイティブメカニズムを通じて、動的負荷分散とフェイルセーフを実現した。

実験結果

リサーチクエスチョン

• RQ1 局所的な計算リソースが不十分な場合、どのように大規模なMEG脳活動データを効率的に処理できるか？
• RQ2 市場ベースのリソース割り当てモデルは、科学的グリッドワークロードの応答性とコスト効率をどの程度向上できるか？
• RQ3 経済的駆動のスケジューリングを備えたグリッドベースのシステムは、分散された機関間でオンデマンドの神経科学的データ分析を効果的に支援できるか？
• RQ4 Nimrod-G、GridBus、Globusの統合は、脳データ処理のスケーラビリティと信頼性をどの程度向上させるか？
• RQ5 神経科学分野の科学的コンピューティングにおいて、市場ベースのモデルを用いる場合のパフォーマンスと経済的トレードオフは何か？

主な発見

• 提案されたシステムは、経済的スケジューリングによる動的リソース割り当てを通じて、MEGデータのオンデマンド処理を成功裏に実現し、ジョブの待機時間を短縮するとともにリソース利用率を向上させた。
• Nimrod-G、GridBus、Globusの統合により、神経科学的データ分析の計算的要件を満たせる堅牢で相互運用性のあるインfrastrucureが実現された。
• 経済的スケジューリングモデルにより、コストと可用性に基づいてジョブの優先順位を設定するリソース割り当てが効率的に行われ、グリッドリソース管理における市場駆動のアプローチを模倣した。
• システムは、単一の機関の能力を超える大規模データ処理をサポートする分散コンピューティング環境において、スケーラビリティを示した。
• 研究者がローカルのスーパーコンピュータインfrastrucureを必要とせず、ジョブを提出できるようにすることで、脳研究におけるハイパフォーマンスコンピューティングへのアクセスが顕著に向上した。
• 技術報告書は、特にデータ集約的な分野である神経科学において、経済モデルを科学的グリッドワークロードに適用可能であることを確認している。