- 相關(guān)推薦
計算網(wǎng)格資源管理優(yōu)化技術(shù)和相關(guān)算法研究
摘要：在對現(xiàn)有的網(wǎng)格資源管理模型進(jìn)行分析和比較的基礎(chǔ)上，提出了一種基于分層結(jié)構(gòu)的具體模型HRMM，將資源管理分為作業(yè)并行分析、全局資源分配、局部資源分配和本地資源管理四個層次，并為每個層次設(shè)計了相應(yīng)的優(yōu)化策略和算法。該模型對資源管理的最大計算復(fù)雜度為O(n2)~O(n3)，是一個優(yōu)化而有效的網(wǎng)格資源管理模型。關(guān)鍵詞：計算網(wǎng)格資源管理資源分配作業(yè)資源調(diào)度GlobusToolkit
計算網(wǎng)格是近年興起的一種重要的并行分布式計算技術(shù)，其關(guān)鍵技術(shù)之一是對網(wǎng)格中的資源進(jìn)行管理。網(wǎng)格中的資源具有廣域分布、異構(gòu)和動態(tài)的特性，使得網(wǎng)格資源管理變得很復(fù)雜。當(dāng)前還沒有一種模型能夠處理所有的網(wǎng)格應(yīng)用需求。目前，網(wǎng)格資源管理模型主要分為分層模型、抽象所有者模型和經(jīng)濟(jì)／市場模型三類。Globus項目組在網(wǎng)格協(xié)議制定上有重要發(fā)言權(quán)，包括IBM、Microsoft、Sun、Compaq、SGI、NEC在內(nèi)的眾多重要公司都宣布支持GlobusToolkit。因此Globus所采用的分層模型代表了網(wǎng)格資源管理的發(fā)展趨勢。
本文在Globus分層模型設(shè)計思想的基礎(chǔ)上提出一種優(yōu)化的網(wǎng)格資源管理模型HRMM(HierarchicalResourceManagementModel)，并給出了相應(yīng)的資源管理算法。為了提高效率，在HRMM的主要模塊中運用了GlobusToolkit2．4提供的數(shù)據(jù)結(jié)構(gòu)和接口。
1HRMM的總體結(jié)構(gòu)
HRMM的設(shè)計思想是：動態(tài)接收來自用戶的作業(yè)請求，并為該作業(yè)分配符合條件的計算資源，同時提供整個計算過程中有關(guān)資源信息的在線反饋，接受用戶的在線控制。HRMM的體系結(jié)構(gòu)如圖1所示，將計算網(wǎng)格的資源管理任務(wù)分為四個層次：作業(yè)并行分析、全局資源分配、局部資源分配和本地資源管理。
由圖1可見，用戶經(jīng)過GUI(圖形用戶界面)向HRMM提交作業(yè)請求，作業(yè)并行分析器接收用戶的作業(yè)請求，再按最大并行度將作業(yè)中的任務(wù)劃分為若干任務(wù)組，提交給全局資源分配器。對多任務(wù)組中的每個任務(wù)，全局資源分配器在靜態(tài)資源庫中一次搜索多個滿足該需求的集群，組成候選集群組提交給局部資源分配器。局部資源分配器在動態(tài)資源庫中讀取候選集群組中每個集群的有關(guān)信息，并將相應(yīng)任務(wù)分配給最符合條件的集群。然后，該集群應(yīng)用本地資源管理器執(zhí)行任務(wù)。在整體上，本地資源管理器每隔一定時間向靜態(tài)資源庫發(fā)送靜態(tài)資源更新信息。另外，局部資源分配器讀取動態(tài)資源庫前，動態(tài)資源庫會從本地資源管理器讀取更新信息。
在這個分層模型中，一方面，用戶提交的作業(yè)能夠以最大的并行度執(zhí)行，從而高效體現(xiàn)了并行計算的思想；另一方面，選多個集群組成候選集群組，再確定其中某一分配資源的方案，由于綜合考慮了任務(wù)的靜態(tài)需求和動態(tài)需求，避免重復(fù)的查詢操作，從而提高了資源分配的效率。
2作業(yè)并行分析器
如圖1所示，用戶經(jīng)過GUI向作業(yè)并行分析器提交作業(yè)請求。這個請求包括該作業(yè)中所含的多個任務(wù)的相關(guān)信息、任務(wù)間的依賴關(guān)系及每個任務(wù)的計算資源需求。作業(yè)并行分析器分析該作業(yè)中的任務(wù)及相互關(guān)系，根據(jù)各任務(wù)的依賴關(guān)系將作業(yè)中的任務(wù)劃分為不同的任務(wù)組，并對每個任務(wù)組進(jìn)行適當(dāng)描述后提交給全局資源分配器。
2．1作業(yè)的拓?fù)浔硎?br />
一個作業(yè)由一個或多個任務(wù)組成。作業(yè)的拓?fù)涠x為一個滿足如下條件的有向無環(huán)圖：該圖的節(jié)點與作業(yè)中的任務(wù)一一對應(yīng)；若任務(wù)B直接依賴于任務(wù)A，則存在一條由節(jié)點A到節(jié)點B的有向邊，稱A為B的直接前驅(qū)，B為A的直接后繼；如果存在一條從A到B的由多條有向邊組成的有向通路，則稱A為B的前驅(qū)，B為A的后繼。
圖2表示一個作業(yè)的拓?fù)浣Y(jié)構(gòu)。設(shè)該作業(yè)由標(biāo)記為A~G的7個任務(wù)及其相互關(guān)系組成。如圖2所示，任務(wù)D需要在任務(wù)A和B完成后才能開始，而任務(wù)G必須在任務(wù)正和F完成后才能開始。
為了提高作業(yè)的并行執(zhí)行效率，需要關(guān)注任務(wù)在拓?fù)涠x中的深度。記任務(wù)T的直接前驅(qū)集合為Pd(T)，則其深度d(T)為：
若Pd(T)=φ，則d(T)=1；
若Pd(T)≠φ，則d(T)=max{d(R)}+1．
R∈Pd(T)
2．2作業(yè)的最大并行度劃分
作業(yè)的并行劃分是指：一個作業(yè)拆分后形成的一系列對應(yīng)每個任務(wù)、前后有序且相互獨立的任務(wù)組。一個作業(yè)可以有一個或多個并行劃分方案，形成該作業(yè)對應(yīng)的并行劃分集，記作Θ，I(Θ)為Θ中的任務(wù)組數(shù)。稱為作業(yè)的最大并行度劃分，如果：E∈Θ,且ξ∈Θ。I（）≤I（ξ）將作業(yè)中的多個任務(wù)按照相應(yīng)的深度進(jìn)行劃分，形成一個最
大并行度劃分。如圖2中的作業(yè)，其最大并行度劃分為：={(A，B)，(C，D，E)，F(xiàn)，G}。
3全局資源分配器
全局資源分配器接收到以RSL描述的任務(wù)組后，立刻進(jìn)行分析和解釋，獲得每個任務(wù)的靜態(tài)資源需求。系統(tǒng)根據(jù)每個任務(wù)的資源需求在靜態(tài)資源庫中搜索滿足條件的多個集群，并將結(jié)果提交給局部資源分配器。
3．1靜態(tài)資源庫
系統(tǒng)中的靜態(tài)資源庫采用基于輕量目錄訪問協(xié)議LDAP結(jié)構(gòu)。在HRMM模型中，網(wǎng)格系統(tǒng)的所有靜態(tài)資源都在LDAP服務(wù)器的DIT(目錄信息樹)中建立了相應(yīng)的目錄項，并用<屬性，值>的組合描述各種資源屬性。靜態(tài)資源庫選擇LDAP可以在性能上帶來以下優(yōu)點：
(1)LDAP專門對讀操作進(jìn)行了優(yōu)化，在讀操作頻繁的情況下，可以提高讀取效率。
(2)LDAP是跨平臺協(xié)議，可在任何計算機(jī)上使用。從而增加系統(tǒng)對異構(gòu)網(wǎng)格環(huán)境的適應(yīng)性。
(3)LDAP服務(wù)器支持分布式的結(jié)構(gòu)，靜態(tài)資源庫可訪問本地或全局的LDAP服務(wù)器，并能很方便地實現(xiàn)同步，即增強(qiáng)資源管理的分布性。
3．2全局資源分配算法
根據(jù)任務(wù)組中每個任務(wù)的靜態(tài)需求，全局資源分配器在靜態(tài)資源庫中搜索滿足需求的集群。在搜索時首先隨機(jī)選擇搜索的起始位置，然后為每個任務(wù)分別返回最先發(fā)現(xiàn)的N個滿足該任務(wù)需求的集群，形成候選集群組，并以ClusterList數(shù)據(jù)結(jié)構(gòu)描述后提交給局部資源分配器；其中ClusterList是用來描述候選集群組的廣義表結(jié)構(gòu)，如圖3所示。對于任何一個任務(wù)，如果只找到K(<N)個符合條件的集群，則只由這K個組成候選集群組；如果任何一個集群都不滿足任務(wù)的靜態(tài)需求，則向局部資源分配器提交空值，同時向作業(yè)并行分析器發(fā)送反饋信息，取消任務(wù)。設(shè)LDAP服務(wù)器所記錄的集群數(shù)量為M，則全局資源分配的計算復(fù)雜度為O(MN)。
4局部資源分配器
局部資源分配器在動態(tài)資源庫中搜索候選集群組的動態(tài)信息，將這些動態(tài)信息和從全局資源分配器獲得的靜態(tài)信息相組合并進(jìn)行綜合分析，最終將任務(wù)組中的每個任務(wù)分配給最適合的集群。
4．1動態(tài)資源庫
動態(tài)資源庫中的數(shù)據(jù)以XML描述，帶來如下優(yōu)點：
(1)XML針對更新操作進(jìn)行了優(yōu)化。因此，對于需要不斷更新的動態(tài)資源庫，可有效提高效率。
(2)XML和LDAP在存儲結(jié)構(gòu)上都是樹狀結(jié)構(gòu)，可以很方便地相互轉(zhuǎn)化。用XML描述數(shù)據(jù)，可使動態(tài)資源庫和基于LDAP的靜態(tài)資源庫具有更好的耦合性。
(3)XML與平臺無關(guān)，以XML表示的數(shù)據(jù)可很方便地被其他程序使用。
4．2局部資源分配策略
局部資源分配器得到候選集群組ClusterList后，從動態(tài)資源庫獲取每個候選集群的動態(tài)信息，并將這些動態(tài)信息添加到相應(yīng)集群的靜態(tài)信息之后，然后將靜態(tài)資源和動態(tài)資源信息相組合，形成集群綜合資源信息。設(shè)一個集群的動態(tài)資源信息為h=[h1,…，hm]T，靜態(tài)資源信息為t=[t1,…,td]T，其中m和d分別為動態(tài)和靜態(tài)資源描述的字段數(shù)，則集群綜合信息為υ=[tThT]T=[υ1,…,υp]T，其中P=m+d。如圖3所示，集群2，2的綜合信息表示為υ2.2。類似地，將任務(wù)靜態(tài)資源需求和動態(tài)資源組合，設(shè)一個任務(wù)的動態(tài)資源需求為g=[g1,…，gm]T，靜態(tài)資源需求為s=[s1,…，sd)T，則綜合資源需求為r=[sTgT]T=[r1,…，rp]T。任務(wù)i的綜合資源需求表示為ri。在確定分配策略時，將只考慮任務(wù)的綜合資源需求和集群的綜合資源信息。
首先，為了任務(wù)能夠順利完成，最終被選擇的集群必須同時滿足任務(wù)的靜態(tài)資源需求和動態(tài)資源需求，即滿足任務(wù)的綜合資源需求：
∨i∈[1,n],∨j∈[1，p]，Vi,f(i)[j]≥ri[j]
其中，n為任務(wù)組中的任務(wù)數(shù)量，p為向量u／和r的維數(shù)，f(i)為任務(wù)i的候選集群(即ClusterList中Taski對應(yīng)的集群鏈表)中最終被選擇集群的序號。因此，首先在ClusterList中刪除所有不滿足上述條件的集群，并記第i個任務(wù)還剩余Ki個符合綜合資源需求的候選集群，其中1≤i≤n，1≤Ki≤N。最后，局部資源分配器要為每個任務(wù)Taski從Ki個候選集群中選擇最合適的一個。綜合考慮計算網(wǎng)格的整體資源分配效率，在具體選擇集群時采用如下決策機(jī)制：
(1)獲選集群的綜合資源信息應(yīng)盡量接近相應(yīng)任務(wù)的綜合資源需求，避免資源的浪費，即：
(2)獲選集群和
任務(wù)提交節(jié)點間的總網(wǎng)絡(luò)延遲應(yīng)盡量小，即：
其中tj為全局標(biāo)識為j的集群的延遲；
(3)HRMM為每個用戶規(guī)定了計算資源占用量的上限，即：
其中W為該用戶對計算資源占用量的上限，且W>0。
綜合考慮上述三方面，局部資源分配可以描述為如下二次規(guī)劃問題：
其中C是可以改變的加權(quán)系數(shù)，且C>0。由于f(i)為離散值且取值范圍有限，因此提出以下優(yōu)化方法，通過較少的計算來搜索近似的最優(yōu)解。記候選集群組為ClusterList，則算法表示如下：
STEP1．對每個任務(wù)和候選集群，將靜態(tài)和動態(tài)資源信息組合為綜合資源信息；
STEP2．刪除ClusterList中不滿足總和資源需求的集群；
STEP3.，計算每個集群i,j的局部損失Cost[i,j]:=‖vi,j-ri‖+C·tij；
STEP4．并行地對Cost的每一列排序，并按從小到大的次序重排ClusterList中的集群鏈表；
STEP5．如果，則報告不存在滿足條件的解，算法結(jié)束；
STEP6．∨i∈[1,n],并行計算Cost*[i]：=‖vi,k-ri‖+C·ti,k，其中k=aramin(‖vi,j‖<‖vi,1‖)；
STEP7．∨i∈[1,n]，并行計算d(i]：=
STEP8．置b:=argmin(d[j])，并刪除ClusterList中任務(wù)b的集群鏈表中前k-1個集群節(jié)點；
STEP9．如果滿足則轉(zhuǎn)STEPl0，否則轉(zhuǎn)STEP6；
STEP10．∨i∈[1,n]，將第i個任務(wù)分配給ClusterList中相應(yīng)任務(wù)集群鏈表中的第一個集群，算法結(jié)束。
該算法為資源分配查找到了近似的最優(yōu)解，并在最大程度上利用了資源管理站點所在集群的計算資源，將大部分計算并行化。設(shè)資源管理站點所在集群的節(jié)點數(shù)為戶，則該算法在每個節(jié)點上的計算復(fù)雜度為O(n2n／P)<O(N3)；如果在全局資源分配器中設(shè)置N≈P戶，則計算復(fù)雜度為O(n2)。
5分析與總結(jié)
本課題組采用基于分層模型的結(jié)構(gòu)，將資源管理分為四個層次，然后在每個層次對模型的性能做出優(yōu)化并提出了相應(yīng)的算法。從總體上，HRMM對一個作業(yè)進(jìn)行資源管理的最大計算復(fù)雜度不超過O(n3)，是一個優(yōu)化而有效的網(wǎng)格系統(tǒng)資源管理模型。
【計算網(wǎng)格資源管理優(yōu)化技術(shù)和相關(guān)算法研究】相關(guān)文章：
小數(shù)加、減法的意義和計算法則08-16
基于DSP的信道譯碼算法優(yōu)化08-06
民辦高校人力資源管理優(yōu)化研究08-05
四則運算的意義和計算法則08-16