集群环境中基于能量优化的并行任务调度机制研究

摘要

近些年TOP500的报告显示，集群所占的比例越来越大，集群系统已成为高性能计算的主流平台。随着处理器硬件的日益成熟和高速网络的发展，集群已经广泛而深入地应用到工业界。集群提供强大的计算能力的同时也带来了能量危机。高性能计算已经出现能量危机，能耗问题已经成为集群技术发展的一个瓶颈之一。调度问题一直是任务调度研究的重点和热点，调度机制对于集群的性能至关重要。设计出基于能量优化的任务调度算法成为缓解数据中心能量危机的一种行之有效的方法。
　　 本文提出了集群环境中基于能量优化的并行任务调度算法。主要研究内容包括：⑴构建同构集群数学模型、DAG(Directed Acyclic Graph)图任务模型和能耗模型，计算算法重要参数，提出同构集群环境中基于能量优化的并行任务调度算法EATCS(Energy-Aware Task Clustering Scheduling)。研究处理机类型、网络连接类型和CCR(Communication-to-Computation Ratio)值对能耗的影响。将EATCS算法与过去的TDS(Task Duplication Scheduling)和PEBD(PerformanceEnergy Balance task Duplication)调度算法在同一实验场景下进行能耗比较。⑵构建异构集群模型、DAG图任务模型和能耗模型，计算算法重要参数，提出异构集群环境中基于能量优化的并行任务调度算法EETCS(Energy-Efficient Task Clustering Scheduling)。利用simgrid模拟器模拟异构集群环境，研究CCR值、节点异构性和网络异构性对能耗的影响。在同一实验场景下比较EETCS算法、TDS和NDS(Non-Duplication Scheduling)算法的能耗。⑶为了验证改进的调度算法的有效性，将改进后的调度算法应用到高斯消去和快速傅里叶变换等经典应用程序，通过对比分析实验结果得出结论：改进后的算法在不影响性能的情况下，比原有调度算法在能量消耗方面具有更好的优越性。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景与意义

1.2 研究进展与现状

1.2.1 能量优化问题的任务调度研究现状

1.2.2 启发式调度算法的研究现状

1.3 研究内容及课题来源

1.4 论文的组织结构

1.5 小结

第2章 集群系统的并行任务调度技术

2.1 集群系统介绍概述

2.1.1 集群系统的定义

2.1.2 集群系统的特点

2.1.3 集群系统的分类

2.1.4 集群系统的适用范围

2.2 集群系统所涉及的关键技术

2.3 应用程序及调度的分类

2.3.1 串行应用及调度

2.3.2 功能并行应用及调度

2.3.3 数据并行应用及调度

2.4 基于DAG的调度机制

2.4.1 DAG图任务模型

2.4.2 DAG图的生成

2.4.3 任务调度和映射

2.5 小结

第3章 同构集群环境中基于能量优化的并行任务调度算法研究

3.1 系统模型

3.1.1 同构集群模型

3.1.2 并行任务模型

3.1.3 能量消耗模型

3.2 基于能量优化的任务调度算法

3.2.1 算法重要参数

3.2.2 基于能量优化的调度算法

3.2.3 EATCS算法实例分析

3.3 时间复杂度分析

3.4 实验结果分析

3.4.1 实验环境和参数配置

3.4.2 处理机类型对能耗的影响

3.4.3 网络连接类型对能耗的影响

3.4.4 CCR对能耗的影响

3.4.5 算法调度长度的比较

3.5 小结

第4章 异构集群环境中基于能量优化的并行任务调度算法研究

4.1 系统模型

4.1.1 异构集群模型

4.1.2 并行任务模型

4.1.3 能耗模型

4.2 基于节能的调度算法EETCS

4.2.1 EETCS算法

4.2.2 算法实例分析

4.3 算法复杂度分析

4.4 实验结果分析

4.4.1 Simgrid模拟器介绍

4.4.2 实验环境设置

4.4.3 算法的实现

4.4.4 CCR对能耗的影响

4.4.5 节点异构性对能耗的影响

4.4.6 网络异构性对能耗的影响

4.5 EETCS算法与EETDS算法的比较

4.6 小结

第5章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

攻读硕士学位期间发表的论文及参加的科研情况