Scheduling Parallel Task Graphs on (Almost) Homogeneous Multi-cluster Platforms

07 Juil

Scheduling Parallel Task Graphs on (Almost) Homogeneous Multi-cluster Platforms

P.-F. Dutot, T. N’takpé, F. Suter and H. Casanova. Scheduling Parallel Task Graphs on (Almost) Homogeneous Multi-cluster Platforms. in IEEE Transactions on Parallel and Distributed Systems, 2009.

Résumé

Les applications structurées sous forme de graphiques de tâches parallèles présentent à la fois un parallélisme des données et des tâches et apparaissent dans de nombreux domaines. La planification efficace de ces applications sur des plates-formes parallèles est un défi de longue date. Dans le cas d’une plate-forme homogène unique, telle qu’un cluster, des résultats ont été obtenus tant en théorie, c’est-à-dire des algorithmes garantis, qu’en pratique, c’est-à-dire une heuristique pragmatique. En raison du parallélisme des tâches, ces applications sont bien adaptées à l’exécution sur des plates-formes distribuées qui couvrent plusieurs clusters, éventuellement dans plusieurs institutions. Cependant, les seuls résultats disponibles dans ce contexte sont les heuristiques non garanties. Dans cet article, nous développons un algorithme d’ordonnancement, MCGAS, qui est applicable à des plates-formes multi-clusters presque homogènes. Ces plates-formes sont souvent de grands sous-ensembles de plates-formes multigrappes. Notre nouvelle contribution est que MCGAS calcule l’attribution des tâches de sorte qu’une garantie de performance (accordable) soit fournie. Puisqu’une garantie de performance n’implique pas nécessairement une bonne performance moyenne dans la pratique, nous comparons également MCGAS avec un algorithme non garanti récemment proposé. En utilisant la simulation sur un large éventail de scénarios expérimentaux, nous constatons que le MCGAS conduit à une meilleure durée moyenne d’application que son concurrent.

Related Posts

Leave A Comment

Les DOCTORIALES 2020 se tiendront en ligne le 30 Juillet 2020 (en une journée).                                                                                     COVID-19: Le LARIT vous exhorte a respecter les mesures barrières
+