面向高性能计算的众核处理器任务调度体系研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:hifithink
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在高性能计算中,如何根据用户提交的任务需求,对处理核等资源进行合理的按需分配是计算机系统结构的重要研究内容。但目前,该领域还存在诸如调度目标动态性,任务约束多样化及任务对资源需求多样性等问题,这些问题已成为制约众核任务调度效率和系统效能的关键因素。因此,基于调度目标动态性、任务和资源需求多样性,有针对地提出可以支持高效的多目标优化调度算法和调度目标灵活插拔的众核任务调度体系,将有利于调度效率和系统效能的提高。围绕这一研究内容,进行了众核任务调度体系统一范式研究,首次提出众核任务调度体系要素组织模型(FactorOrganizationModel,简称FOM),弥补了当前众核任务调度体系研究理论基础缺失,更好描述了众核任务调度体系。以FOM模型为基础构建可以仿真不同众核任务调度体系的仿真系统simScheduler和可以实现各众核任务调度体系的实际系统Linux插件schdulerArch,解决了构建各众核任务调度体系的技术问题,并基于simScheduler和schdulerArch开展了如下工作:
  ⑴提出了乐观锁和事务型共享状态(Optimistic-LockandTransactionalSharedState,简称OLTSS)众核任务调度体系以支持高效的多目标优化调度算法,实现调度目标灵活地插拔功能。该体系可以把任务调度策略以插拔式的组件形式加入调度器,允许任务根据自身特性制定资源调度策略,并通过共享计算资源状态将所有底层资源信息公开给任务,为任务提供并行自由竞争资源的途径。提出了基于乐观锁的资源竞争协调算法,以解决OLTSS众核任务调度体系并行执行任务调度而引发的资源竞争问题。该算法运用乐观锁机制提高并行度,以实现资源利用率的提高。实验采用了仿真实验进行验证,结果显示,相对于其它众核任务调度体系,采用了基于乐观锁的资源竞争协调算法的OLTSS众核任务调度体系,其任务平均等待时间、工作负载完成时间、调度器使用率、公平度等方面都有很好的表现,尤其是随着任务数的增多,表现出更大的优势。
  ⑵为兼顾用户和系统设计者双方利益的目标,在满足存储容量和约束条件下,设计出最小化工作负载完成时间和任务等待时间的MultipleObjectFairnessTradeoff(MOFT)调度算法。该算法结合OLTSS众核任务调度体系,把多目标优化调度简化为由冲突检测和基于不同权重函数进行冲突裁决这两阶段构成,以提高资源按需分配能力和提升系统性能。通过仿真实验,证实该方法与其它相关算法相比,在算法复杂度、执行时间上具有明显的优越性。通过基于Linux的实际环境实验,证实采用MOFT算法的OLTSS众核任务调度体系与其它众核任务调度体系相比,在考虑具体资源分配和满足存储约束、保证公平的条件下,其任务平均等待时间、工作负载完成时间、公平度方面都有更好的表现。
  ⑶在保证资源公平度的前提下,提出最小化任务集完成时间的冲突消减控制算法,以解决因用户级调度器数量和任务急速增加而引起的资源冲突激增问题,实现OLTSS众核任务调度体系在不降低系统性能和保障资源公平前提下容纳更多用户级调度器的能力,即插拔能力,从而提高其可扩展性。冲突消减控制算法运用P控制实现动态调整系统的插拔能力以适应系统提供的浮动并行能力,采用一个相对的增益计算公式来减少余差的影响,达到消减冲突的目标。对OLTSS和采用冲突消减的OLTSS的插拔能力和可扩展性进行了定量比较,结果表明当用户级调度器数量快速增加时,采用冲突消减的OLTSS在用户级调度器使用率和事务冲突率等方面表现出更大的优势,缓解了冲突激增效应;当任务数量快速增加时,采用冲突消减的OLTSS在任务平均等待时间和任务集完成时间方面均少于OLTSS,体现了冲突消减控制算法有效提升了OLTSS的插拔能力和可扩展性。再对采用冲突消减的OLTSS和静态划分调度体系在任务集完成时间和资源使用率方面进行定量比较,结果再次体现了前者的优越性。
其他文献
物联网应用的快速发展,以及智能联网设备远离云计算中心,当前仅基于云计算的框架面临挑战,从而加快了基于云计算与雾计算协作的新型计算框架的产生。雾计算有助于降低传输延迟,提供满意的延迟服务以支持需要近乎实时响应的延迟敏感的应用,而云计算则满足大规模计算密集型应用程序的需求。因此,云雾计算合作是具有前景的框架,它可以有效地满足物联网的数据处理和通信需求。但随着数据中心规模的不断扩大和智能终端用户的激增,
学位
目标检测是计算机视觉领域的一个研究热点和基本任务,它是图像识别技术和目标定位技术的结合。近来,在卷积神经网络的帮助下取得了巨大的进展,目标检测技术在不同的场景中已经日趋完善。智能监控、自动驾驶、公共安防等实际应用对目标检测技术提出了更大的需求。然而,在这些视频应用中,受目标形变、遮挡、模糊、光照等场景和自然因素的影响,现有的目标检测技术难以克服这些问题。因此,视频目标检测技术面临着更多的挑战。在视
学位
构件式的软件开发方法代表了面向对象软件开发技术的进一步发展。随着大型软件系统的日益复杂化,基于构件的软件开发方法在设计、开发、灵活度和可重用性方面提供了比面向对象技术更多的优势。在构件式软件系统中,构件之间相互调用集成,不同的构件在系统中发挥着不同的作用,其失效对系统造成的影响也是不同的。因此,在构件式软件系统的缺陷预测中应综合考虑不同构件对系统的影响程度及构件组成通路间缺陷的传播趋势,这样得出的
学位
传统的数据分析与数据挖掘的步骤一般包括,数据预处理、特征选择、模型选择、超参数调优、模型评估等。其中合理选择数据挖掘算法是数据挖掘的核心步骤,并且在构建模型的过程中,不同的数据挖掘算法具有不同类别的超参数,同种算法选择不同的超参数值,模型的性能也会有较大的差异,因此需要反复调优这些超参数,才能使模型达到最优性能。然而目前超参数调优这项工作比较依赖数据工程师和领域专家的专业知识和相关经验,计算和调试
学位
随着互联网软硬件技术的不断进步,各种电子商务平台蓬勃发展,网络购物成为人们生活中不可或缺的一部分,而网络服装购物成为其中最热门的一个应用,因此如何有效的对网络服装图像进行检索至关重要。针对这一问题,跨场景服装图像检索应运而生,通过输入服装图像快速而准确地检索出所需产品,大大提高了用户的网购体验。跨场景服装检索受到了越来越多专家学者的关注,但目前仍存在很多问题,主要面临的问题包括如下几个方面:1)日
学位
随着人工智能和网络购物的快速发展,越来越多的人喜爱线上购物,其中服装购买占据线上购物的很大部分。但是服装种类繁多,数量巨大,所以面对海量的服装图像数据,如何快速准确有效地搭配出用户所需要服装商品是一个亟待解决的问题。针对这一问题,服装搭配应运而生。服装搭配的目标是根据用户所选择的服装自动搭配出满足用户需求的服装。大部分现有的服装搭配系统依赖于用户的交互输入,然后提取服装的颜色、纹理、材料等特征进行
学位
计算机技术和互联网的迅速发展,使得多媒体作品的制作和传播变得越来越方便,但是这种便捷同时也带来了严重的版权问题,由此数字水印技术得到广泛应用。数字水印通过嵌入版权信息的方式来版权保护,因此其不可见性和鲁棒性之间的矛盾很难平衡。零水印不再向待保护图像中加入任何信息,而是通过注册零水印的方式来保护版权,成功解决了传统数字水印的矛盾。零水印一经提出,便引起了学术界的广泛关注,因此本文研究的是零水印技术。
学位
蜜罐技术作为一种主动防御方式可通过诱骗攻击者达到消耗攻击资源的目的,而蜜罐自身的虚假属性面临被攻击者识别的风险,从而绕开蜜罐陷阱转而攻击真实资源。本文课题提出了一种基于区块链技术的阵列蜜罐防御方案,构建由多种服务组成的真假切换蜜罐阵列,通过不断地变换服务真伪属性迷惑攻击者,为计算机网络安全领域提供防护方案。在表象上真实资源与虚假蜜罐已自成一体,即便攻击者觉察到蜜罐的存在,若其仍保持攻击动机,将无法
学位
在数据呈现爆炸式增长的背景下,如何从庞大的数据中提取知识显得至关重要。德国的Wille R.教授于1982年提出了形式概念分析理论,通过概念格这一可视化的层次结构表达二维表中对象与属性间的隶属关系,从而进行知识表示和数据挖掘。属性粒度的选择在概念格构造和知识发现的过程中具有重要作用。传统的概念格属性一般是固定的,结合粒计算理论,将属性作为粒计算的对象,对属性进行多粒度讨论,可以得到具有不同结构的概
学位
很多现实问题都可以建模成数学中的函数问题。为使利益最大化或成本最小化,求解函数极值问题就变得尤其重要。很多传统求解函数极值的方法都要受到函数可微、可导的条件限制,而群智能算法则突破了这些限制,在满足一定终止条件的情况下能够给出满意近似解。群体智能优化算法的思想来源于仿生动物学。人工蜂群算法是近年来提出的一种模拟蜜蜂采蜜过程的群体智能算法。粒子群优化算法是一种模拟鸟类觅食行为的群智能算法。人工蜂群算
学位