English
Scheduling Parallel Task Graphs on Non-dedicated Heterogeneous Multicluster Platform with Moldable Task Duplication
文件大小：
253k
资源说明：Scheduling Parallel Task Graphs on Non-dedicated Heterogeneous Multicluster Platform with Moldable Task Duplication
本文的标题是《Scheduling Parallel Task Graphs on Non-dedicated Heterogeneous Multicluster Platform with Moldable Task Duplication》，翻译为中文即为《在非专用异构多集群平台上调度可塑性任务复制的并行任务图》。描述中指明，该文章主要研究的内容是在非专用的异构多集群平台上，利用可塑性任务复制策略，调度并行任务图（Parallel Task Graphs, PTG），其中这些PTG具有数据和任务并行性，它们普遍存在于科学和工业领域。文章中提到的“动态关键任务确定”考虑了在假定的截止日期内的多集群平台的异质性和波动性，并且提出了一种新的策略，即“可塑性任务复制结合前向迁移复制前驱任务”，用以充分利用数据并行任务的灵活性。通过模拟实验，证明了该方法相较于其他对手能实现更好的PTG平均跨度（makespan）。
关键词包括工作流调度（workflowscheduling）、混合并行性（mixed-parallelism）、异构多集群（heterogeneousmulticluster）、可塑性任务复制（moldabletaskduplication）、迁移（migration）。
从这段描述中，我们可以总结出以下几点关键知识点：
1. 并行任务图（PTG）：并行任务图是具有数据并行性和任务并行性的结构化工作流应用程序。它们广泛应用于科学研究和工业领域中，利用并行计算平台执行。在PTG中，每个数据并行任务分配可用的处理器子集，并且多个这样的任务可以并发地以任务并行的方式执行。
2. 非专用多集群平台：这里指的是一个平台，它由跨不同机构的异构集群聚合而成，不是为单一特定应用程序或用户专用的。这种平台能够提供比单一集群更高的规模和性能，尤其是对于任务并行应用程序，因为它们对网络延迟的容忍度更高。
3. 异构集群的特性：由于不同集群间的处理器、存储、网络等硬件和软件资源的差异性，以及它们运行时的动态变化（如负载波动），多集群平台表现出异质性和波动性。在调度并行任务时，这些特性必须被考虑在内。
4. 可塑性任务复制（Moldable Task Duplication）：这是一种新的任务调度策略，它允许一个任务在不同的处理器配置上执行，而不需要固定的处理器分配。这种策略允许任务更灵活地适应多集群平台的异构环境。
5. 前向迁移（Forward Migration）：这指的是在任务执行过程中，如果检测到性能瓶颈或者调度效率提升的空间，那么数据和任务状态可以迁移到其他处理器上，以优化整体任务执行效率。
6. 动态关键任务确定（Dynamic Critical Task Determination）：这是为了在假定的截止日期内实现任务调度效率优化而提出的概念。它意味着在调度过程中需要动态地识别那些关键的、对整体执行时间影响较大的任务。
7. 调度算法MTD（Moldable Task Duplication with Forward Migration of Duplicated Predecessors）：这是一种新的调度算法，它结合了可塑性任务复制和前向迁移策略。通过此算法，可以更充分地利用数据并行任务的灵活性，同时考虑多集群平台的异构性，以实现更高的调度效率。
8. 模拟实验（Simulation）：文章通过模拟实验验证了所提出算法的有效性。模拟实验通常用来在控制环境下测试算法或系统设计，以评估性能和效果。
9. 工作流调度（Workflow Scheduling）：工作流调度是将一系列任务按照特定的顺序安排在可用资源上执行的过程，目的是优化一个或多个性能指标，如最小化完成时间、提高资源利用率等。工作流调度是并行计算和分布式系统领域的一个关键问题。
10. 混合并行性（Mixed-parallelism）：这是指在同一个应用程序中同时使用任务并行性和数据并行性的策略。任务并行性是指将不同的任务分配给不同的处理器执行，而数据并行性是指将相同的操作应用到不同的数据子集上。
文章中提出的方法和概念对理解非专用异构多集群平台上的并行任务图调度具有重要的理论和实践意义，特别是在如何处理多集群平台的复杂性和异构性，以及如何通过创新的调度策略提高任务执行效率方面。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
