[雙語翻譯]--外文翻譯---同類集群上并行任務圖的進化調(diào)度（節(jié)選）

1、中文 中文 5900 5900 字出處： 出處：Hunold Hunold S, S, Lepping Lepping J. J. Evolutionary Evolutionary Scheduling Scheduling of of Parallel Parallel Tasks Tasks Graphs Graphs onto onto Homogeneous Homogeneous Clusters[J]. Clusters[

2、J]. 2011:344-352. 2011:344-352.同類集群上并行任務圖的進化調(diào)度 同類集群上并行任務圖的進化調(diào)度Sascha Hunold，Joachim Lepping摘要：當并行程序組合成較大的應用程序時，任務圖（PTGs）出現(xiàn)，例如，科學工作流。調(diào)度這些 PTGs 到集群上是一個具有挑戰(zhàn)性的問題，是由于可塑性任務產(chǎn)生的并行性的附加開銷。大多數(shù)算法是基于這樣的假設：并行任務的執(zhí)行時間隨著處理器的數(shù)量增加而增加。但是，這假

3、設并不完全通用，因為如果處理器的數(shù)目是多的內(nèi)部使用的塊大小，并行程序的性能經(jīng)常表現(xiàn)的更好。在這篇文章中，我們介紹了 EMTS 算法靜態(tài)調(diào)度 PTGs 到集群上。我們應用一種漸進式的方法確定每個任務分配處理器。進化調(diào)度策略保證了 EMTS 可以用于任何底層模型，用于預測可塑性任務的執(zhí)行時間。可以快速找到解決方案的目的，EMTS考慮其它啟發(fā)式結(jié)果（例如，HCPA，MCPA）作為起始解決方案。實驗結(jié)果表明，EMTS 顯著減少 PTGs 的完成

4、時間，相比其它啟發(fā)式兩個非單調(diào)和單調(diào)遞減模式。關(guān)鍵詞： 任務調(diào)度；并行任務；進化算法；集群1 概述科學工作流是并行任務圖的一個重要類型，并在計算網(wǎng)格上處理。許多科學工作流僅僅包含幾個并行任務。然而，正如 Cirne 等人所說，提交給就是那集群的并行任務幾乎 98%是可塑性的。一個可塑性的任務的處理器的數(shù)量在執(zhí)行之前被確定，并且執(zhí)行期間保持不變。如果這些并行任務結(jié)合起來，并且任務圖（PTGs）出現(xiàn)。幾種算法可以表示為 PTGs，如 St

5、rassen 的矩陣乘法和快速傅里葉變換（FFT）。一個 PTG 的節(jié)點表示計算，邊表示數(shù)據(jù)或控制的以來。執(zhí)行 PTG 導致混合并行時間調(diào)度，因為節(jié)點以一種數(shù)據(jù)并行的方式實現(xiàn)，獨立的任務可以同時執(zhí)行。讓我們以兩種矩陣的大小考察 ScaLAPACK 并行矩陣乘法例程 DGEMM 的執(zhí)行時間，我們就可以看到，執(zhí)行時間不單調(diào)遞減，但大多數(shù)的調(diào)度算法假設單調(diào)遞減的執(zhí)行時間模型。因此，施加一個非單調(diào)遞減模型會導致這些算法低效的執(zhí)行。出于這個原因，

6、我們專注于這個問題的進化算法，我們引入算法 EMTS，其可以再任意的執(zhí)行時間模型中使用。我們發(fā)現(xiàn)，EMTS 相比于其他啟發(fā)式算法，2.3 問題聲明盡我們所知，可塑性的任務 PTGs 調(diào)度算法是在假設一個任務的執(zhí)行時間隨處理器數(shù)量的增加而增加的基礎上。在這篇文章中，我們解決了如何克服這種限制的問題?？梢约僭O另一種啟發(fā)式方法，將采取一個事實，即增加一個分配也可以增加執(zhí)行時間。然而，該算法設計者會找到一個更好的大小分配。由于分配和映射步驟高

7、度依賴于彼此，加上 k 個處理器，分配可能會降低相應的任務的并行執(zhí)行時間，但是它可能同時增加整體完工時間。因此，我們希望找到一個啟發(fā)式方法，這個調(diào)度問題是獨立用來描述并行任務的運行時間模型。為此，我們采用進化搜索策略，但不能保證這可能克服陷入局部最優(yōu)解的問題。進化搜索策略的主要優(yōu)點是：（1）他們可以應付大問題；（2）他們能夠應用于未知搜索空間而無需得知其結(jié)構(gòu)的精確的數(shù)學模型；（3）他們能夠優(yōu)化在搜索空間開始的任意位置。缺點是，進化方法傾

8、向于慢慢收斂到最佳值，以及一個通常為沒有度量如何接近當前結(jié)果是最佳的解決方案。雖然意識到這些特性，我們要設計一個進化算法用于此調(diào)度問題，提供了用于計算的解決方案，并由此產(chǎn)生完工時間之間的良好平衡。由于我們通?？梢越灰讜r間的解決方案質(zhì)量，我們專注于一個特定的時間限制。3 EMTS 算法在本節(jié)中提出的算法是基于應用和平臺的模型，這是在第二章提出的，在本文中，一個同構(gòu)的集群包括相同類型的計算節(jié)點，也就是說，相同的處理器和存儲器大小。此外，任