Etude de mécanismes avancés pour les "batch schedulers"
- Niveau : Master recherche
- Responsable : Denis Trystram (Denis.Trystram@imag.fr)
- Mots-clés : ordonnancement, multi-utilisateurs, multi-objectifs
- Durée : 4 à 6 mois
Responsables
Yiannis Georgiou, Recherche et développement à Bull (Clayes sous bois)
Denis Trystram, Professeur Grenoble INP, LIG-MOAIS
Description du sujet
Le calcul à haute performance aujourd'hui s'est développé autour de très grandes plates-formes composées d'ordinateurs multi-coeurs avec des accélérateurs GPU. Il est indispensable de repenser les outils qui gèrent les ressources en fonction des nouvelles caractéristiques de ces supports. Ainsi, l'objectif de ce stage est de proposer un nouvel algorithme de batch scheduling (ordonnancement des tâches par lots).
Il est aujourd'hui acquis que les modèles de calcul actuels sont fortement distribués et à large échelle. Une des raisons de la popularité de ces nouveaux supports d'exécution est la facilité d'installation et leur relativement faible coût. A contrario, il y a peu d'outils d'exploitation disponibles (communications efficaces, équilibrage de charge, etc.) laissant inutilisée une grande partie de la puissance potentielle.
Le problème de l'utilisation optimisée des systèmes parallèles et distribués est un sujet qui motive à l'heure actuelle de très nombreuses recherches de par le monde. Des solutions acceptables existent pour des objectifs usuels communs pour tous les utilisateurs, il convient d’étudier des solutions avec des objectifs plus diversifiées et surtout, avoir la possibilité de considérer un grand nombre d’objectifs simultanément.
Le sujet de master de recherche que nous proposons ici consiste à développer une méthode d’optimisation où chaque utilisateur possède son propre objectif. Cette méthode sera analysée du point de vue théorique, implémentée et testée à partir d’un simulateur construit sur des logs d’exécutions réels. La méthode développée sera évaluée avec des indicateurs de performance pour algorithmes multi-objectifs et devra garantir une certaine équité entre les utilisateurs.
On dispose également d’un générateurs d’instances pour tester les algorithmes (Ggen) et de traces d'exécutions de production.