网格计算中的任务调度模型研究

—7—网格计算中的任务调度模型研究尚明生(电子科技大学计算机学院，成都 610054)摘 要：任务调度对于获取高性能具有十分重要的作用，各种任务调度算法都是基于不同的假设模型。

从任务模型、网络平台模型和性能目标模型3个方面讨论了各种模型，结论为网格任务调度模型的主要发展方向是异构、非专用和多目标。

关键词：任务调度；计算网格；异构计算；应用模型；平台模型；性能模型Models for Task Scheduling in Grid ComputationSHANG Mingsheng(School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054)【Abstract 】Task scheduling plays a critical role for achieving high performance, which has been an active area of research for several decades. In this paper, models for task scheduling in grid computing are surveyed. First with the application model, the divisible load model is recommend;followed by the platforms model, including processor model and network model, which is the main difference between traditionally platforms and the grid computing; next is the objective model. Several objectives are discussed and none of a single objective is satisfying, the paper proposes an integrated model to compete the problem. Finally some conclusions are drawn.【Key words 】Task scheduling; Computation grid; Heterogeneous computing; Application model; Platform model; Performance model计 算 机 工 程Computer Engineering 第32卷 第2期Vol.32 № 2 2006年1月January 2006·发展趋势/热点技术·文章编号：1000—3428(2006)02—0007—03文献标识码：A中图分类号：TP393有效的任务调度与应用程序和计算环境密切相关。

除极少数情况外，任务调度都是NP 完全的。

人们已经提出了大量的任务调度算法，但它们都基于不同的假设模型，以达到某种特定的性能为目标。

这些模型对于任务调度非常重要，不同的假设将可能导出完全不同的调度算法。

任务调度由3个方面决定：(1)应用程序模型指定应用的结构和需求；(2)计算平台模型指定调度可用的资源，包括计算资源模型和网络模型；(3)性能目标模型指定调度要达到的目标。

传统任务调度和网格任务调度的主要区别在于计算平台不同。

本文试图集中研究任务调度的典型模型，分析这些模型对于任务调度的影响，并提出一些新的观点。

从应用程序模型、计算平台模型和性能目标模型3个方面较完整讨论了网格任务调度模型。

这些模型和具体的任务调度算法关系密切。

本文的研究对于网格计算技术的其它方面也将提供有用的参考。

我们的研究主要集中在静态任务调度或重调度方面。

静态任务调度的主要特点在于作出调度决策前已经知道各种需要特征。

如果这些特征不是在编译时就已知的，这样的调度称为动态任务调度或重调度，也称为负载平衡或负载共享。

1 任务模型任务模型仅仅和应用相关，和计算平台无关。

根据应用是否可分解，存在两种情况：(1)应用本身不可划分，此时一个应用对应一个任务；(2)应用可以划分，根据划分情况可以分为不同大小，相同大小和任意大小3种任务。

任务一般假定是原子的，且不能抢占执行。

因此多个独立的任务集的调度类似于传统的作业调度。

任务之间可能具有依赖关系，也可能没有依赖关系。

具有依赖关系的任务被模型化为一个有向无环图(DAG)或任务流图(TFG)，它是高性能并行计算领域最常用的应用程序模型。

没有依赖关系的任务也称为元任务，网格任务调度主要考虑任务之间没有依赖关系的情形。

具有依赖关系的任务被模型化为带权的有向无环图(,,,)T V E w c =，其中结点v V ∈表示任务，权值(),w v v V ∈表示任务v 的计算量;弧':e v v E →∈表示任务'v 依赖v ，权值'(,)c v v 表示它们之间通信量。

任务之间的依赖关系要求一个任务必须接收到它的所有前驱任务消息后才能开始执行。

如果它们分配到相同的处理机，则通信开销为0。

无依赖关系任务模型中，最复杂的是任务交互图(TIG)模型，TIG 是DAG 模型的简化。

它的边是无向的，表示任务之间可能存在通信，通信可能是双向的，但任务何时执行和通信无关。

任务可以在指定的某个处理机上执行，称为依附(attach)任务。

多数研究考虑任务是独立的且任务间无通信。

从古老的多处理机作业调度问题就开始研究大小不同的任务，目前仍是研究的热点。

由于相对比较困难，研究者开始转向相同大小任务和任意大小任务，这导致了可分负载模型。

可分负载模型是一种最简单的模型，近年来得到了广泛的研究。

可分负载模型假设应用可以在任意数目的处理机之间任意分割，且任务之间是互相独立的，可完全并行基金项目：国家自然科学基金资助项目(10476006)作者简介：尚明生(1973－)，男，博士生，主研方向：网络并行计算收稿日期：2005-09-28 E-mail ：msshang@—8—执行。

设total W 为总的负载大小，()p α为分配给处理器p 的负载，0()p α≤，则()total p W α=∑。

这一模型由于能刻画多数应用，且简单实用，成了目前研究最热的应用模型。

任务的执行时间一般假定是规范化的，而且如果一旦给定，在指定的处理机上就不再改变。

由于应用代码条件分支等本身条件，精确预测任务的执行时间实际上是有很困难的。

已经提出多个应用执行时间模型，它们多数是建立在对不同存储器层次访问可能性基础上的。

但这些预测模型很少用于任务调度策略。

从最复杂的DAG 模型到最简单的可分负载模型的转变，一方面反映了任务调度问题的复杂性(即使最简单的可分负载模型都可能是NP 完全的)；另一方面也反映了现实复杂应用和模型简单化之间的折中。

尽管可分负载模型最近取得了极大的成功，但对于网格环境，虽然处理机异构可以通过虚拟技术进行屏蔽，然而异构的资源分布可能要求某些特定任务需在特定位置执行。

2 计算平台模型传统任务调度和网格任务调度的主要区别在于计算平台不同。

由于网格模型至今仍未建立，多数研究认为异构和分布是网格计算平台最主要的特点。

它主要包括两个部分：处理机和网络。

其它的资源，如分布的管理域的数据库、文件、专用设备等的模型化也是很重要的。

2.1处理机模型处理机模型化为(),,,,M P t m ωτ=，其中p P ∈表示处理机，权值()p ω表示计算速度， ()t p 表示处理机类型，()p τ表示任务启动开销，()m p 表示内存大小。

早期的处理机被认为是同构的，各个处理机是完全相同的。

同构模型明显不符合实际情况，因而被拓展到异构情形，同构是异构的特殊情形。

处理机异构主要包括类型异构和速度异构。

类型异构主要指机器指令和数据表示不同，因而相同的代码不能在不同的处理机执行。

类型异构的处理机由于结构过于复杂，需求也不是很高，因而将会越来越少。

而且，通过某种虚拟机制，如Java 虚拟机，可以解决类型不同的问题。

多数研究只假定速度异构，即任意处理机都可以完成计算，只是计算速度不同。

处理机的计算速度()p ω定义为它的计算速度除以系统中最快处理机的速度。

由于权值是相对的，因此可能存在别的定义方法。

设α为分配给处理器p 的负载，则完成该任务需要的时间为()()p p ταω+×。

多数文献假设启动开销()0p τ=，即执行时间和任务大小成正比。

这个假定有助于得到优化的任务分配。

近来有文献开始考虑()0p τ≠的情况，认为其更接近实际情况。

由于一次通信中计算启动开销和网络启动开销都是常量，因此若计算启动开销不可重叠，则它们可以合并；如果可以重叠，则可以不考虑计算启动开销。

值得注意的是，线性执行时间模型只有在任务所需内存空间不超过处理机实际内存时才是正确的，因为虚拟存储的使用可能导致频繁的换页，使得处理机速度难以预测，于是近来的大量文献开始考虑存储受限的问题，称为核心外(out-of-core)计算。

存储器的层次结构使得线性时间模型不再适用。

这一结构对处理机性能的影响已得到广泛的研究，但得到的结果并不理想。

由于网络的速度可能快于硬盘存取速度，因而使用网络存储可能比本地存储具有更好的性能。

可分任务调度中可以使用简单的分段函数来刻画处理机的计算能力，这个方法可以扩展到多级的存储结构。

上述处理机的速度假设都是恒定的，在整个任务执行过程中固定不变，这和实际情况是有差别的。

即使使用动态预测性能，现有的技术都是使用过去的历史来预测将来，因而可能不准确。

对于非专用处理机的网络环境，存在处理机共享，已有研究结果表明：任务执行时间由处理机利用率决定，利用率的变化对其有显著影响，较大的变化将使得任务完成时间无法预测。

因此，在内存受限的情况下，线性时间模型在目前看来是适用的。

如果使用多级存储，则使用分段的线性时间模型是恰当的。

2.2网络模型网络模型主要涉及延迟、拓扑和带宽，可以表示为(,,)N P g B =，其中()g p 表示处理机p 发送一个任务的启动开销，(,)i j b p p B ∈表示处理机i p 和j p 之间的通信能力，通常为带宽的倒数。

处理机i p 发送大小为α的任务到j p 需要时间()(,)i j g p b p p +。

早期的研究假设网络同构，且通信无竞争，后来被扩展到异构情形。

网络异构的引入使得问题大大复杂。

对于网络和处理机异构的情况下，最简单的可分负载任务的最优调度问题，也只有当()0g p =时才最近得到解决。