琉球大学主催 工学部情報工学科 卒業研究発表会 グリッドコンピューティング環境におけるオンラインジョブ割当手法 学籍番号 075736F 氏名 玉那覇 優作 指導教員 : 名嘉村 盛和 • Broker：User とグリッド環境間の仲介を行い、Information Service から情報を取得し適切な Resource に Job はじめに 1 グリッドコンピューティングとは、地理的に分散した異 を割当てる なるスペックを持つ多数の計算資源を統一的に利用出来る である。グリッドコンピューティング環境（以下グリッド環 • Resource：ジョブを処理する PE(Processor Element) で構成される 境）を構成する計算資源は、それぞれ仕様が異なるが、利 • Scheduler：Job を Resource 内の各 PE に割当てる ようにし、更に全体の処理スループットを向上させるもの 用者は統一されたインターフェイスから、具体的な個々の 計算資源を意識すること無く計算処理を行うことができる。 しかし、グリッド環境にある多数の計算資源を有効活用し、 1. User は Job をグリッド環境に送る 2. Broker は Information Service をもとに適切な Resource に Job を割当てる 全体のスループットを高めるためには、効率の良い資源割 当が必須であり、近年、研究開発が進められているがまだ 十分な研究成果はあがっていない [1]。 3. Resource は取得した Job を Scheduler により各 PE に 割当てる 本研究ではグリッド環境において効率良くジョブ割当を 行うためのオンラインジョブ割当手法を開発する。実応用 4. 計算処理を行う では、大規模データ処理、データベース、アクセス、ネット 5. 処理結果を User に送る ワーク遅延など、様々なファクターを考慮した資源割当、ス ケジューリングを行う必要があるが、本研究では、ジョブ の計算量と資源の処理性能のみを考慮したジョブ割当手法 2.2 を検討する。 Resource スケジューリング Resource は Broker から割当てられたジョブを PE に割 当てる。その代表的な Resource スケジューリングに Space Shared と Time Shared がある。 グリッド環境 2 2.1 • Space Shared FCFS 方式で Resource に到着した順にジョブを PE に グリッドモデル 割当てる手法。PE が使用中なら待機状態となる。 想定するグリッド環境のモデルを図 1 に示す。また個々の • Time Shared 空きの PE がない場合でも使用中の PE を共有する形 構成要素の役割、計算処理の流れを示す。 User#i 1 gridlets Broker#i 2 2 Internet 5 5 5 2 PE:Processor Element gridlet:User requires job で割当てる手法。従って、待機状態は発生しない。 Resource#j Scheduler 3 Machines PEs 4 Informetion Servirce 図 1: グリッドモデル Broker におけるオンラインジョブ割 当 3 3.1 Buffered 割当 オンライン割当ではなく、すべてのジョブ情報 (到着時 • User：グリッド環境の利用者 • Job: ユーザージョブ • Information Service：Resource のロケーション情報や 負荷情報を収集・管理し、Broker、Scheduler に情報を 提供する 刻、処理時間) が得られるのであれば、静的割当手法を用い て、より最適なスケジュールを計算することが可能である。 そこで、静的と動的割当の中間に位置する、Buffered 割当 を提案する。これは、到着したジョブを随時割当てるので はなく、Broker にある一定期間内に取得したジョブを貯め て、そのジョブに最適化手法を適用し、ジョブを資源へ割 当てる手法である。そのモデルを図 2 に示す。 琉球大学主催 工学部情報工学科 卒業研究発表会 Broker 3:Resource へ割当て Resource1 Job1 1:Job 投入 Job2 Resource2 Job3 Resource3 2:ΔT 間に取得したJobを最適化 図 2: Bufferd 割当 3.2 図 3:正規分布時の処理終了 図 4:一様分布時の処理終了 時刻 時刻 ジョブ割当手法 表 2:処理終了時刻の標準偏差 標準偏差 FCFS Greedy LS • FCFS(First Come First Serve) 法 正規分布 一様分布 到着順にジョブリスト PL に登録し、先頭のジョブ（最 も早く到着したジョブ）から評価関数値の最も小さい 2878 2562 3438 1954 2915 2125 Resource に割当てて行く。 図 3 の正規分布時の終了時刻を見ると、Greedy 法の平均 • Greedy 法 ジョブサイズの大きい順に並べたジョブリスト PL の先 値が最も低く、FCFS 法より約 30 分短い時間で処理が完了 頭から随時ジョブを取り出し、評価関数の良い Resource することが分かる。LS 法の平均値が他の手法より大きいの は、局所解探索のに要する計算時間により、Resource への に割当てる。 ジョブの割当が遅れることで、Resource のアイドル時間が • Local Search 法 (LS) 発生したものと考えられる。一方、図 4 の一様分布時では、 Greedy 法同様のジョブリスト PL を解空間として、要 Greedy 法、LS 法ともに、FCFS 法より低く、標準偏差でも 素から 2-opt 近傍探索を行い、一定時間または局所解 安定した結果となった。正規分布と比べて、一様分布では、 に陥るまで探索を行う。 ジョブサイズのばらつきが大きいため、FCFS 法が他の手 法より終了時間のばらつきが大きい。従って一様分布での 4 ジョブ処理においては、Buffered 割当がより有効であるこ 性能評価 とがわかる。 提案した割当手法と FCFS 形式での性能評価を、GridSim という java パッケージを用いて行った [2]。Resource の処 理性能と Scheduler を表 1 に示す。24 時間の間に、一様分 5 今後の課題 布の時間間隔で 100 個のジョブが Broker に到着するものと 本研究では、ジョブの計算量と資源の処理性能のみを考慮 する。また、Buffered 割当は 1 時間毎に、FCFS ではジョブ した Buffered 割当によるジョブ割当手法の検討をおこなっ が到着次第随時割当てを行うものとする。LS 手法では、探 た。Buffered 割当の割当間隔には、グリッド環境の規模や 索時間の上限を 30 分とし、時間が経過するまでに見つかっ データ量に影響するため、今後の課題として、データ量、 た最良の割当を採用するものとする。すべてのジョブが終 ネットワーク遅延、ジョブの種類などを考慮した効率的な 了した時刻を処理終了時刻として、各 50 回試行したものの 割当間隔の設定、資源割当が挙げられる。 最大、最小、平均値とその標準偏差を比較した。ジョブサ イズの分布は、正規分布と一様分布の 2 つを以下のように 参考文献 設定した。 • 正規分布：平均 200 万, 標準偏差 100 万, 最小値 1000 • 一様分布：最小値 1000, 最大値 400 万 Resource Res 1 Res 2 Res 3 Ree 4 Res 5 表 1:性能評価に用いる Resource Scheduler Num of PE A PE MIPS Time Shared Time Shared Space Shared Space Shared Space Shared 2 2 2 1 5 200 100 100 200 200 [1] M. Bertogna, M. Cirinei, and G. Lipari, ”Schedulability analysis of global scheduling algorithms on multiprocessor platforms,” IEEE Trans. on Parallel and Distributed Systems, Vol. 20, No. 4, 2009. [2] GridSim:A Grid Simulation Toolkit http://www.buyya.com/gridsim/
© Copyright 2024 Paperzz
