Defesa de Doutorado de Thiago Augusto Lopes Genez

Título do Trabalho
Providing Robustness to Non-robust Workflow Schedulers to the Uncertainties of Available Bandwidth
Candidato(a)
Thiago Augusto Lopes Genez
Nível
Doutorado
Data
Add to Calender 2017-12-13 00:00:00 2017-12-13 00:00:00 Defesa de Doutorado de Thiago Augusto Lopes Genez Providing Robustness to Non-robust Workflow Schedulers to the Uncertainties of Available Bandwidth Sala 85 IC 2 INSTITUTO DE COMPUTAÇÃO mauroesc@ic.unicamp.br America/Sao_Paulo public
Horário
14:00
Local
Sala 85 IC 2
Orientador(a)
Edmundo Roberto Mauro Madeira
Banca Examinadora
Titulares (Professores Doutores) Unidade / Instituição
Edmundo Roberto Mauro Madeira IC/UNICAMP
Carlos Alberto Kamienski CMCC/UFABC
Paulo Romero Martins Maciel CIn/UFPE
Leandro Aparecido Villas IC/UNICAMP
Islene Calciolari Garcia IC/UNICAMP
Suplentes (Professores Doutores) Unidade / Instituição
Luiz Eduardo Buzato IC/UNICAMP
Juliana Freitag Borin IC/UNICAMP
Daniel Macêdo Batista DCC-IME/USP
Resumo

Para que escalonadores de aplicações científicas modeladas como workflows derivem escalonamentos eficientes em nuvens híbridas, é necessário que se forneçam, além da descrição da demanda computacional desses aplicativos, as informações sobre o poder de computação dos recursos disponíveis, especialmente aqueles dados relacionados com a largura de banda disponível. Entretanto, a imprecisão das ferramentas de medição fazem com que as informações da largura de banda disponível fornecida aos escalonadores difiram dos valores reais que deveriam ser considerados para se obter escalonamentos quase ótimos. Escalonadores especialmente projetados para nuvens híbridas simplesmente ignoram a existência de tais imprecisões e terminam produzindo escalonamentos enganosos e de baixo desempenho, o que os tornam sensíveis às informações incertas.

A presente Tese introduz um mecanismo pró-ativo para fornecer robustez a escalonadores não projetados para serem robustos frente às incertezas decorrentes do uso de ferramentas de medições imprecisas. Para tentar tornar os escalonadores sensíveis às incertezas em escalonadores robustos às essas imprecisões, o mecanismo propõe o refinamento das estimativas dadas por essas ferramentas de rede antes de serem utilizadas pelo escalonador. Ao propor o uso de estimativas refinadas da largura de banda disponível, escalonadores inicialmente sensíveis às incertezas passaram a produzir escalonamentos robustos às essas imprecisões. A eficácia e a eficiência do mecanismo em prover robustez a escalonadores não robustos são avaliadas através de simulação. Comparam-se, portanto, os escalonamentos gerados pelos escalonadores com robustez induzida pelo mecanismo com aqueles produzidos originalmente pelos escalonadores sensíveis às incertezas. Além disso, esta Tese também propõe um escalonador de aplicações científicas especialmente compostas por um conjunto de workflows. A novidade desse escalonador é que ele é flexível, ou seja, permite o uso diferentes categorias de funções objetivos. Embora a flexibilidade proposta seja uma novidade no estado da arte, esse escalonador também é sensível às incertezas da largura de banda estimada. Entretanto, o mecanismo mostrou-se capaz de provê-lo robustez frente às tais incertezas.

É mostrado nesta Tese que o mecanismo proposto aumentou a eficácia e a eficiência de escalonadores de workflows não robusto projetados para nuvens híbridas, já que eles passaram a produzir escalonamentos com um alto desempenho na presença de estimativas incertas da largura de banda disponível. Dessa forma, o mecanismo proposto nesta Tese é uma importante ferramenta para aprimorar os escalonadores sensíveis às estimativas incertas da banda disponível que são especialmente projetados para um ambiente computacional onde esses valores são imprecisos por natureza, trazendo, portanto, melhorias para as execuções de aplicações científicas em nuvens híbridas.