20174

۲۰۱۷۴

زمان‌بندي خوشه‌هاي مجازي توان بالا به جهت مقياس‌پذيري

دكتري

نرم افزار

۱۳۹۱-۱۳۹۷

۱۳۹۷/۱۱/۱

دكتر محسن شريفي

كامپيوتر

اجراي نسل آتي كاربردهاي محاسباتي توان بالاي (HPC) پيوسته، با چالش مقياس‌پذيري روبه‌رو است. ماهيت پوياي كاربردهاي پيوسته، نبود دانش قبلي درباره‌ي بار كاري كاربردها و رفتارهاي پيچيده‌ي همگام‌سازي محاسبات بين واحدهاي اجرايي آن‌ها، از جمله عوامل كاهنده‌ي مقياس‌پذيري اين كاربردها مي‌باشند. بخش‌بندي كاربردها بين گروه‌هايي از ماشين‌ها مبتني بر زمان‌بندي ايستا، و تركيب كاربردهاي پيوسته در هر ماشين، به منظور كاهش اُفت مقياس‌پذيري ارائه شده‌اند. تركيب كاربردهاي ناهمگن بر روي ماشين‌هاي فيزيكي مشترك، استفاده از مجازي‌سازي و خوشه‌هاي محاسباتي مبتني مجازي‌سازي را ايجاب كرده كه همين امر سبب تاثيرپذيري منفي مقياس‌پذيري از سربارهاي مجازي‌سازي و اثرات تداخلي ماشين‌هاي مجازي، مي‌شود. اداره‌ي پويايي بار كاري و رفتار نامشخص كاربردها در زمان اجرا، نيازمند زمان‌بندي پويا است. اين رساله امكان تضمين مقياس‌پذيري با كمك زمان‌بندي را براي خوشه‌هاي محاسباتي مبتني بر ماشين‌هاي مجازي، اثبات مي‌كند. به منظور تضمين مقياس‌پذيري، چارچوبي با نام تراز ارائه شده كه با در نظر گرفتن اثرات بار كاري پويا، ناهمگني نرم‌افزارهاي سيستمي، مجازي‌سازي و معطلي ناشي از همگام‌سازي واحدهاي اجرايي كاربردها، در قالب دو پارامتر (۱) هزينه‌ي معطلي محاسبات به دليل همگام‌سازي و (۲) هزينه‌ي بار كاري واحدهاي اجرايي، زمانبدي واحدهاي اجرايي را انجام مي‌دهد. سپس از طريق حل مساله‌ي مسيريابي مدارهاي مجازي، زمان‌بندي نزديك بهينه‌ي پويا را، انجام مي‌دهد. تراز از دو تكنيك (۱) تك‌ريخت كردن هزينه‌ي معطلي و بار كاري، (۲) ايجاد دو سطح انتزاعي فضاي پردازه و فضاي خوشه‌هاي مجازي، استفاده مي‌كند. تراز به منظور تضمين مقياس‌پذيري، واحدهاي اجرايي و پردازه‌ها را صورت توامان با كمك روال‌هاي انتساب و باز انتساب، زمان‌بندي مي‌كند. تراز به منظور بازانتساب واحدهاي اجرايي و پردازه‌ها، شرايطي تعريف كرده كه در صورت برآورده شده آن، خوشه‌هاي مجازي توان بالا پايدار مي‌شود. در اين رساله، ما اثبات كرده‌ايم كه اگر تراز پايدار باشد، مقياس‌پذيري براي كاربردهاي پوياي محاسباتي توان بالاي پيوسته در خوشه‌هاي مجازي تضمين مي‌شود.

1397/12/20

Scheduling of High Performance Virtual Clusters for Scalability

1/21/2019 12:00:00 AM

Running of the next-generation of tightly-coupled high performance computing (HPC) applications faces the scalability challenge. The inherent dynamicity of tightly-coupled HPC applications, lacking knowledge about application’s workload and the complex computation synchronization behavior between their execution units, are major factors decreasing scalability of these applications. Partitioning of applications between groups of machines, based on static scheduling, and composition of tightly-coupled applications in each machine, are proposed in order to decrease the scalability degradation. The composition of heterogeneous HPC application on common physical machines requires virtualization and computational clusters based on virtual machines that cause scalability being negatively impacted by virtualization overheads and interferences. Dynamic management of workload and unknown runtime behavior of applications need dynamic scheduling. This thesis proves the possibility of scalability guarantee using scheduling for computational clusters based on virtual machines. To guarantee scalability, a framework called Taraz is presented that schedules execution units by considering effects of dynamic workload, heterogeneous system software, virtualization and idling due to the synchronization of execution units of applications, in the form of two parameters (1) the cost of computation idling due to synchronization, and (2) the cost of workload of execution units. Taraz uses two techniques (1) unification of idling and workload costs, and (2) creation of two abstraction levels process and virtual cluster spaces. In order to guarantee scalability, Taraz schedules execution units and processes simultaneously by assignment and reassignment procedures. In order to reassign execution units and process, Taraz defines a stability condition that its fulfillment makes the high performance virtual cluster stable. In this thesis, we prove that if Taraz is stable the scalability for the dynamic tightly-coupled HPC applications is guaranteed in high performance virtual vlusters.