Tăng Cẩm Nhung<br />
<br />
Tạp chí KHOA HỌC & CÔNG NGHỆ<br />
<br />
65(03): 134 - 138<br />
<br />
NGHIÊN CỨU VÀ ỨNG DỤNG CÁC THUẬT TOÁN LẬP LỊCH<br />
VÀO MÔI TRƯỜNG TÍNH TOÁN LƯỚI<br />
Tăng Cẩm Nhung<br />
Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên<br />
<br />
TÓM TẮT<br />
Nhờ có nhiều tiến bộ trong công nghệ mạng và các nguồn tài nguyên máy tính phong phú, công<br />
nghệ tính toán lưới đã ra đời và hiện nay là một lĩnh vực nghiên cứu khá hiệu quả. Một đặc điểm<br />
nổi bật của tính toán lưới đó là có thể kết hợp các nguồn tài nguyên phân tán rộng khắp và cung<br />
cấp số lượng dịch vụ không nhỏ cho người sử dụng. Để đạt được các mục tiêu đó, hệ thống lập<br />
lịch hiệu quả là một phần thiết yếu của lưới. Bài báo nghiên cứu và ứng dụng thuật toán lập lịch<br />
trong mô hình tính toán lưới với mục đích làm giảm thiểu thời gian hệ thống cần thiết để hoàn tất<br />
các ứng dụng. Một số thuật toán được nghiên cứu đó là: OLB, MCT, Min-Min, Max-Min,<br />
Sufferage; đồng thời trong bài báo này đưa ra kết quả so sánh về tính hiệu quả giữa các thuật toán<br />
này khi được áp dụng vào mô hình cụ thể.<br />
Từ khóa: Tính toán lưới, lập lịch,OLB, MET,MCT,Max-Min, Min – Min, Sufferage, xSufferage<br />
<br />
ĐẶT VẤN ĐỀ<br />
Cũng như các công nghệ tính toán khác, tính<br />
toán lưới (Grid Computing) ra đời xuất phát từ<br />
nhu cầu tính toán của con người. Thực tế, càng<br />
ngày càng có nhiều bài toán lớn và phức tạp<br />
hơn được đặt ra và do đó các tổ chức cũng cần<br />
phải có những năng lực tính toán mạnh mẽ hơn.<br />
Có thể giải quyết vấn đề này bằng hai cách:<br />
Thứ nhất: Đầu tư thêm trang thiết bị, cơ sở hạ<br />
tầng tính toán (mua thêm máy chủ, máy trạm,<br />
siêu máy tính, cluster...). Rõ ràng là cách làm<br />
này hết sức tốn kém.<br />
Thứ hai: Một cách thực hiện hiệu quả hơn là<br />
phân bố lại hợp lý các nguồn tài nguyên trong tổ<br />
chức hoặc thuê thêm các nguồn tài nguyên từ<br />
bên ngoài (dĩ nhiên là với chi phí rẻ hơn nhiều<br />
so với việc đầu tư cho cơ sở hạ tầng tính toán).<br />
Đây là mục tiêu chính của tính toán lưới<br />
Môi trường lưới cho phép kết hợp các hệ thống<br />
xử lý lại với nhau để giải quyết một cách hiệu<br />
quả các nhu cầu ngày càng cao của con người<br />
[6]. Đặc biệt, đây là một công nghệ có khả năng<br />
kết hợp các nguồn tài nguyên từ những tổ chức<br />
khác nhau, phân tán trên phạm vi địa lý rộng và<br />
đặc biệt là không đòi hỏi các nguồn tài nguyên<br />
phải tương đồng về cấu trúc [7].<br />
Bài toán lập lịch là một trong những vấn đề<br />
quan trọng được nghiên cứu trong các môi<br />
trường tính toán, đặc biệt là các môi trường<br />
*<br />
<br />
*<br />
<br />
Tel: 0988724824; Email:<br />
<br />
tính toán phân tán như môi trường tính toán<br />
lưới. Do đặc thù của môi trường lưới như: số<br />
lượng công việc và các nguồn tài nguyên<br />
thường rất lớn. Mặt khác các tài nguyên này<br />
còn nằm phân tán và hỗn tạp, mỗi nguồn tài<br />
nguyên có thể do một tổ chức riêng biệt quản<br />
lý, có các chính sách và chi phí hoạt động khác<br />
nhau, bên cạnh đó tải (load) và tính sẵn sàng<br />
(availability) của các hệ thống cũng rất khác<br />
nhau; do đó vấn đề lập lịch (scheduling) trong<br />
hệ thống lưới có nhiều khó khăn và thách thức<br />
hơn so với môi trường khác, hiện tại vẫn còn<br />
đòi hỏi nhiều công sức nghiên cứu [3]<br />
GIỚI THIỆU BÀI TOÁN LẬP LỊCH<br />
TRONG MÔI TRƯỜNG LƯỚI[1]<br />
Bài toán lập lịch là một trong những vấn đề<br />
quan trọng được nghiên cứu trong các môi<br />
trường tính toán, đặc biệt là các môi trường tính<br />
toán phân tán như môi trường tính toán lưới.<br />
Quá trình lập lịch là quá trình quyết định sẽ<br />
thực thi công việc tại một nguồn tài nguyên<br />
cụ thể nào và vào thời điểm nào là thích hợp<br />
nhất do đó sẽ ảnh hưởng rất lớn đến hiệu năng<br />
hoạt động của hệ thống.<br />
Có khá nhiều vấn đề được đặt ra và cần giải<br />
quyết khi nghiên cứu về quá trình lập lịch<br />
trong môi trường tính toán lưới:<br />
<br />
Mối liên hệ và tác động lẫn nhau giữa<br />
các ứng dụng trong quá trình thực thi.<br />
<br />
Những đòi hỏi, yêu cầu khác nhau<br />
của từng ứng dụng trong hệ thống.<br />
<br />
Sự không đồng nhất và biến động của<br />
các nguồn tài nguyên trong môi trường.<br />
<br />
134<br />
<br />
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br />
<br />
http://www.Lrc-tnu.edu.vn<br />
<br />
Tăng Cẩm Nhung<br />
<br />
Tạp chí KHOA HỌC & CÔNG NGHỆ<br />
<br />
<br />
Mô hình hoạt động và các chính sách<br />
về truy xuất, bảo mật … của hệ thống.<br />
CÁC THUẬT TOÁN ÁP DỤNG TRONG<br />
BÀI TOÁN LẬP LỊCH THEO HIỆU NĂNG<br />
CỦA HỆ THỐNG<br />
Mục đích của phương pháp này hướng đến<br />
mục đích giảm tối đa thời gian hệ thống cần<br />
thiết để hoàn tất các ứng dụng, thời gian này<br />
được gọi là makespan của hệ thống. Một số<br />
hướng tiếp cận được đề cập đến như OLB,<br />
MCT, Min-Min, Max-Min, Sufferage…<br />
OLB (Opportunistic Load Balancing)<br />
Đây là chiến lược rất đơn giản, phân phối<br />
công việc cho tài nguyên có thời điểm sẵn<br />
sàng sớm nhất mà không quan tâm đến thời<br />
gian thực thi của công việc trên tài nguyên đó.<br />
MET (Minimum Execution Time)[3]<br />
Ngược lại với OLB, phân phối công việc<br />
vào các tài nguyên có khả năng thực thi<br />
công việc nhanh nhất, không quan tâm đến<br />
thời điểm bắt đầu và kết thúc của công việc<br />
trên tài nguyên đó.<br />
Giải thuật này thường có nhược điểm là<br />
không cân bằng tải vì hầu như các công việc<br />
đều được tập trung thực thi trên các tài<br />
nguyên có năng lực cao nhất<br />
Giả sử ta có 2 tác vụ cần thực thi là T1,T2.<br />
Các tác vụ lần lượt có kích thước T1=60,<br />
T2=120 [5]. Hệ thống có 2 máy tính cụm, mỗi<br />
máy tính cụm có 2 máy tính (host), năng lực<br />
lần lượt là:<br />
Cluster 1: H1=30, H2=60<br />
Cluster 2: H3=45, H4=50<br />
Gọi Eij = Ti/Hj là thời gian thực thi của tác vụ<br />
i trên host j, ta có:<br />
E11=T1/H1=2<br />
E12=T1/H2=1<br />
(nhỏ nhất)<br />
E13=T1/H3=1.3<br />
E14=T1/H4=1.2<br />
<br />
E21=T2/H1=4<br />
E22=T2/H2=2<br />
(nhỏ nhất)<br />
E23=T2/H3=2.6<br />
E24=T2/H4=2.4<br />
<br />
Như vậy cả 2 tác vụ đều thực thi trên host H2,<br />
makespan của hệ thống = 1 + 2 = 3<br />
MCT (Minimum Completion Time) [3]<br />
Dựa trên khái niệm thời gian hoàn thành nhỏ<br />
nhất của tác vụ. Thời gian hoàn thành được<br />
tính bằng thời gian thực thi của tác vụ cộng<br />
với thời gian sẵn sàng của tài nguyên.<br />
<br />
65(03): 134 - 138<br />
<br />
Việc dựa trên thời gian hoàn thành nhỏ nhất<br />
sẽ giúp hệ thống cân bằng tải tốt hơn.<br />
Áp dụng với các số liệu tương tự như mục<br />
3.2, ta định nghĩa Cij = Bj + Eij với Cij là thời<br />
gian hoàn thành của tác vụ i trên host j, Bj là<br />
thời gian sớm nhất host j có thể thực thi tác<br />
vụ (thời gian sẵn sàng).<br />
C11= B1 + E11<br />
=0+2=2<br />
C12= B2 + E12<br />
=0+1=1<br />
C13= B3 + E13<br />
= 0 + 1.3 = 1.3<br />
C14 =B4 + E14<br />
= 0 + 1.2 = 1.2<br />
<br />
C21= B1 + E21<br />
= 0 + 4 =4<br />
C22= B2 + E22<br />
= 0 + 2 =2<br />
C23= B3 + E23<br />
= 0 + 2.6 = 2.6<br />
C24 = B4 + E24<br />
= 0 + 2.4 = 2.4<br />
<br />
Tác vụ T1 theo thứ tự được chọn tài nguyên<br />
trước, sẽ chọn thực thi trên host H2 (thời gian<br />
hoàn thành thấp nhất). Thời gian bắt đầu B2<br />
được cập nhật thành 1, vì chỉ sau thời điểm<br />
này H2 mới có thể thực thi các tác vụ khác.<br />
Giá trị E22 thay đổi: B2=1<br />
C22 = B2 + E22= 1 + 2 = 3 > 2.4<br />
Như vậy tác vụ T2 sẽ thực thi trên Host H4 vì<br />
có C24 nhỏ nhất. Thời gian thực thi toàn hệ<br />
thống makespan = 2.4 vì T1, T2 chạy song<br />
song trên 2 host khác nhau.<br />
Chúng ta có thể thấy, dựa vào giá trị MCT hệ<br />
thống sẽ cân bằng hơn dựa vào giá trị MET.<br />
Giải thuật Min – Min [2]<br />
Giải thuật Min – Min sẽ tính toán thời gian<br />
hoàn thành của tất cả các tác vụ trên tất cả các<br />
tài nguyên hiện có. Tác vụ nào có giá trị MCT<br />
nhỏ nhất sẽ được phép chọn tài nguyên trước.<br />
Sau đó cập nhật thời gian sẵn sàng cho tài<br />
nguyên được chọn, tính toán lại thông số với<br />
tất cả các tác vụ chưa được điều phối. Quá<br />
trình lặp lại cho đến khi tất cả các tác vụ đều<br />
đã chọn được tài nguyên thực thi.<br />
Ta định nghĩa một số khái niệm: T là tập các<br />
tác vụ, Hj,k là máy (host) thứ k của cluster j.<br />
C(Ti,Hj,k) là thời gian hoàn thành tác vụ Ti<br />
trên host Hj,k.<br />
Gọi f là một ánh xạ từ Rn vào R, toán tử<br />
argmin được định nghĩa:<br />
<br />
f (arg min n xR f ( x)) min n xR ( f ( x))<br />
Chú thích: Giá trị C(Ti,Hj,k) là thời gian hoàn<br />
thành của tác vụ Ti trên host Hj,k. Lúc này<br />
<br />
135<br />
<br />
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br />
<br />
http://www.Lrc-tnu.edu.vn<br />
<br />
Tăng Cẩm Nhung<br />
<br />
nếu argminj,<br />
1<br />
i<br />
<br />
k<br />
<br />
1<br />
i<br />
<br />
phần( c , h<br />
<br />
Tạp chí KHOA HỌC & CÔNG NGHỆ<br />
<br />
(C(Ti,Hj,k))gồm 2 thành<br />
)<br />
<br />
thì<br />
<br />
giá<br />
<br />
trị<br />
<br />
C (Ti , H c1 , h1 ) là nhỏ nhất . Host hi1<br />
i<br />
i<br />
trên cluster ci1 là host có khả năng hoàn tất<br />
tác vụ Ti sớm nhất.<br />
Giải thuật Min-Min:<br />
while(T≠ )<br />
foreach ( Ti T )<br />
( ci1 , hi1 arg min j ,k (C (Ti , H j ,k )) )<br />
endfor<br />
s= arg min i (C (Ti , H 1 1 ))<br />
ci , hi<br />
<br />
Ts H<br />
<br />
c1s , h1s<br />
<br />
T=T-{T}<br />
endwhile<br />
Áp dụng với các số liệu mục 2<br />
C11= B1 + E11<br />
=0+2=2<br />
C12= B2 + E12<br />
= 0 + 1 = 1 (min)<br />
C13= B3 + E13<br />
= 0 + 1.3 = 1.3<br />
C14 =B4 + E14<br />
= 0 + 1.2 = 1.2<br />
<br />
C21= B1 + E21<br />
= 0 + 4 =4<br />
C22= B2 + E22<br />
= 0 + 2 =2 (min)<br />
C23= B3 + E23<br />
= 0 + 2.6 = 2.6<br />
C24 = B4 + E24<br />
= 0 + 2.4 = 2.4<br />
<br />
Giá trị MCT(T1)= C12 =1 , MCT(T2)=C22=2<br />
MCT(T1) nhỏ hơn, do đó tác vụ T1 được chọn<br />
host H1 để thực thi trước.<br />
Giá trị E22 thay đổi: B2=1, C22 = B2 + E22= 1 +<br />
2 = 3 > 2.4<br />
Như vậy tác vụ T2 sẽ thực thi trên Host H4 vì<br />
có C24 nhỏ nhất. Thời gian thực thi toàn hệ<br />
thống makespan = 2.4 vì T 1, T 2 chạy song<br />
song trên 2 host khác nhau.<br />
Giải thuật Max-Min [2]<br />
Tương tự như giải thuật Min-Min, tuy nhiên<br />
giải thuật Max-Min cho phép các tác vụ có<br />
MCT lớn hơn được ưu tiên chọn host để thực<br />
thi trước. Giải thuật này được đánh giá tốt và<br />
cân bằng hơn Min-Min vì trong khi các tác vụ<br />
dài hơn được ưu tiên chọn thiết bị tốt để thực<br />
thi trước, các tác vụ ngắn có thể luân phiên<br />
thực thi ở các thiết bị có năng lực yếu hơn.<br />
Các tác vụ dài không phải mất thời tác vụ<br />
ngắn hơn như ở giải thuật Min-Min.<br />
<br />
65(03): 134 - 138<br />
<br />
Toán tử argmax được định nghĩa tương<br />
toán tử argmin<br />
<br />
tự<br />
<br />
f (arg max n xR f ( x)) max n xR ( f ( x))<br />
<br />
Giải thuật Max-Min:<br />
while(T≠ )<br />
foreach( Ti T )<br />
( ci1 , hi1 arg min j ,k (C (Ti , H j ,k )) )<br />
endfor<br />
s= arg max i (C (Ti , H 1 1 ))<br />
ci , hi<br />
<br />
Ts H<br />
<br />
c1s , h1s<br />
<br />
T=T-{T}<br />
endwhile<br />
Áp dụng với các số liệu như mục 2<br />
C11= B1 + E11<br />
=0+2=2<br />
C12= B2 + E12<br />
= 0 + 1 = 1 (min)<br />
C13= B3 + E13<br />
= 0 + 1.3 = 1.3<br />
C14 =B4 + E14<br />
= 0 + 1.2 = 1.2<br />
<br />
C21= B1 + E21<br />
= 0 + 4 =4<br />
C22= B2 + E22<br />
= 0 + 2 =2 (min)<br />
C23= B3 + E23<br />
= 0 + 2.6 = 2.6<br />
C24 = B4 + E24<br />
= 0 + 2.4 = 2.4<br />
<br />
Giá trị MCT(T1)= C12 =1,MCT(T2)=C22=2<br />
Lúc này tác vụ T2 có MCT lớn hơn nên được<br />
phép chọn host thực thi trước. T2 sẽ thực thi<br />
trên host H2.<br />
Giá trị B2 = 2,<br />
C12 = B2 + E12 = 2 + 1 =3 > 1.2<br />
Như vậy, sau đó tác vụ T1 sẽ thực thi trên host<br />
H4 vì lúc này C14 =1.2 là nhỏ nhất<br />
Thời gian hoàn thành của hệ thống makespan<br />
= 2 vì T1, T2 chạy song song (nhỏ hơn với giải<br />
thuật Min-Min)<br />
Giải thuật Sufferage<br />
Suferage lấy ý tưởng từ giải thuật Min-Min và<br />
Max-Min đã đề ra trước đó[1].<br />
Giải thuật Sufferage tính toán giá trị MCT<br />
thấp thứ nhất và thấp thứ hai đối với từng tác<br />
vụ trong hệ thống. Giá trị này được gọi là độ<br />
“thiệt hại” (suffering) của một tác vụ khi nó<br />
không được thực thi trên tài nguyên tốt nhất.<br />
Tác vụ có độ thiệt hại lớn nhất sẽ được ưu<br />
tiên chọn tài nguyên để thực thi trước.<br />
Giải thuật Suferage<br />
while(T≠ )<br />
foreach ( Ti T )<br />
( ci , hi ) arg min j ,k (C (Ti , H j ,k ))<br />
1<br />
<br />
1<br />
<br />
136<br />
<br />
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br />
<br />
http://www.Lrc-tnu.edu.vn<br />
<br />
Tăng Cẩm Nhung<br />
<br />
(ci2 , hi2 ) arg min<br />
<br />
Tạp chí KHOA HỌC & CÔNG NGHỆ<br />
<br />
(C (Ti , H j , k )) su<br />
j c1i , k hi1<br />
<br />
fi= C (Ti , H 2 2 ) C (Ti , H 1 1 ))<br />
ci , hi<br />
ci , hi<br />
endfor<br />
S= arg max i ( sufi )<br />
<br />
Ts H<br />
<br />
c1s , h1s<br />
<br />
T=T-{T}<br />
endwhile<br />
Giải thuật này đặc biệt hiệu quả nếu tính đến<br />
vấn đề vận chuyển dữ liệu đến nơi thực thi<br />
Giải thuật này đặc biệt hiệu quả nếu tính đến<br />
vấn đề vận chuyển dữ liệu nơi thực thi tác vụ.<br />
Nếu một tài nguyên đã có sẵn dữ liệu của một<br />
tác vụ, tác vụ nếu thực thi trên tài nguyên này<br />
sẽ tiết kiệm được thời gian rất nhiều so với<br />
khi thực thi trên một tài nguyên khác. Tác vụ<br />
trong trường hợp này sẽ có giá trị Sufferage<br />
cao nên được<br />
Áp dụng với các số liệu như mục 2<br />
Giá trị Suff (T1)= C14 – C12 = 0.2<br />
Giá trị Suff (T2)= C24 – C22 = 0.4<br />
Vì suff (T2) cao hơn nên tác vụ T2 được phép<br />
chọn host H2 để thực thi trước.<br />
Giá trị B2 = 2<br />
C12 = B2 + E12 = 2 + 1 = 3 > 1.2<br />
Như vậy, sau đó tác vụ T1 sẽ thực thi trên<br />
host H4 vì lúc này C14 = 1.2 là nhỏ nhất<br />
Thời gian hoàn thành của hệ thống makespan<br />
= 2 vì T1, T2 chạy song song.<br />
C11= B1 + E11<br />
=0+2=2<br />
C12= B2 + E12<br />
= 0 + 1 = 1 (min)<br />
C13= B3 + E13<br />
= 0 + 1.3 = 1.3<br />
C14 =B4 + E14<br />
= 0 + 1.2 = 1.2<br />
<br />
C21= B1 + E21<br />
= 0 + 4 =4<br />
C22= B2 + E22<br />
= 0 + 2 =2 (min)<br />
C23= B3 + E23<br />
= 0 + 2.6 = 2.6<br />
C24 = B4 + E24<br />
= 0 + 2.4 = 2.4<br />
<br />
Ví dụ ở trên khá đơn giản, chỉ có chiều dài<br />
tác vụ ảnh hưởng đến thời gian thực thi của<br />
tác vụ nên trường hợp Sufferage khá giống<br />
Max – Min.<br />
Giải thuật XSufferage<br />
Do nhóm nghiên cứu Casanova đề ra, phát<br />
triển từ thuật toán Sufferage[1].<br />
<br />
65(03): 134 - 138<br />
<br />
Các máy tính trong một Máy tính cụm thường<br />
có năng lực như nhau, do đó giá trị sufferage<br />
thường dần về 0. Điều này khiến một tác vụ<br />
Ti, khi rất cần chạy trên máy tính cụm j (ví dụ<br />
dữ liệu input của Ti đã nằm sẵn trên máy tính<br />
cụm j), nhưng trong trường hợp máy tính cụm<br />
này lại có 2 máy năng lực tương đương nhau<br />
khiến Suff(Ti) ≈ 0 nên Ti sẽ không có cơ hội<br />
chạy trên máy tính cụm j. Cải tiến ở đây là<br />
khái niệm Suf sẽ được tính ở mức cluster,<br />
không phải ở mức host.<br />
Giải thuật<br />
while(T≠ )<br />
foreach ( Ti T )<br />
foreach clusterj<br />
hi,j= arg min k (C (Ti , H j ,k ))<br />
endforeach<br />
<br />
c1i arg min j (C (Ti , H j , hi , j ))<br />
<br />
ci2 arg min<br />
<br />
(C (Ti , H j , hi, j<br />
j c1i<br />
<br />
))<br />
<br />
sufi= C (Ti , H 2 2 ) C (Ti , H 1 1 ))<br />
ci , hi<br />
ci , hi<br />
endforeach<br />
s= arg max i ( sufi )<br />
<br />
Ts H<br />
<br />
c1s , h 1<br />
s,cs<br />
<br />
T=T-{T}<br />
Endwhile<br />
KẾT LUẬN<br />
Bài báo đã nêu ra cái nhìn tổng quan nhất về<br />
vấn đề lập lịch trong môi trường lưới, và các<br />
thuật toán cụ thể được áp dụng cho lưới và<br />
các đặc điểm của giải thuật trên đó là:<br />
Phải duyệt tất cả các máy trong mọi máy<br />
tính cụm có thể dẫn đến độ phức tạp rất lớn.<br />
Ứng dụng rất lớn gồm nhiều tác vụ chạy<br />
song song, các tác vụ đóng vai trò như nhau.<br />
Một tác vụ có thể chạy trên host bất kỳ,<br />
không có sự ràng buộc về địa điểm thực thi.<br />
Từ cơ sở lý thuyết của các thuật toán đó đã<br />
được áp dụng vào hệ thống lưới gồm có hai<br />
máy tính cụm để chứng minh về tính hiệu quả<br />
của từng thuật toán đã được nêu ra.<br />
<br />
137<br />
<br />
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br />
<br />
http://www.Lrc-tnu.edu.vn<br />
<br />
Tăng Cẩm Nhung<br />
<br />
Tạp chí KHOA HỌC & CÔNG NGHỆ<br />
<br />
TÀI LIỆU THAM KHẢO<br />
[1] Fangpeng Dong and Selim G. Akl, January<br />
2006,<br />
Scheduling<br />
Algorithms<br />
for<br />
Grid<br />
Computing:State of the Art and Open Problems,<br />
Technical Report No. 2006-504,<br />
[3] Kousalya.K and Balasubramanie.P, April<br />
2008, An Enhanced Ant Algorithm for Grid<br />
Scheduling Problem, IJCSNS International<br />
Journal of Computer Science and Network<br />
Security, VOL.8 No.4,<br />
[4] Saurabh Kumar Garg , Rajkumar Buyya and<br />
H. J. Siegel, 2009, Scheduling Parallel<br />
Applications on Utility Grids:Time and Cost<br />
Trade-off Management, Proc. 32nd Australasian<br />
<br />
65(03): 134 - 138<br />
<br />
Computer Science Conference (ACSC 2009),<br />
Wellington, New Zealand<br />
[5] Graham Ritchie and John Levine, A fast,<br />
effective local search for scheduling independent<br />
jobs in heterogeneous computing environments.<br />
[6] Ian Foster, C. Kesselman ,Computational<br />
Grids, Chapter 2 Of "The Grid:Blueprint For A<br />
New Computing Infrastructure", MorganKaufman, 1999.<br />
<br />
RESEARCH AND APPLY SCHEDULE ALGORITHMS TO GRID COMPUTING<br />
ENVIRONMENTS<br />
Tang Cam Nhung2<br />
Thai Nguyen University of Tecnology<br />
Thanks to advances in wide-area network technologies and the low cost of computing resources, Grid<br />
computing came into being and is currently an active research area. One motivation of Grid computing<br />
is to aggregate the power of widely distributed resources, and provide non-trivial services to users. To<br />
achieve this goal, an efficient Grid scheduling system is an essential part of the Grid. This paper refers<br />
to the scheduling problem of grid system and some of scheduling algorithms applied to grid computing<br />
model so may reduce the maximum system time needed to complete the application. The algorithms<br />
are: OLB, MCT, Min-Min, Max-Min, Sufferage and in this paper is to compare the results of efficiency<br />
between algorithms when the applied to specific models.<br />
Keywords: grid computing, schedule, Opportunistic Load Balancing, Minimum Execution Time, Minimum<br />
Completion Time, Max-Min, Min – Min, Sufferage, xSufferage<br />
<br />
2<br />
<br />
Tel: 0988724824; Email:<br />
<br />
138<br />
<br />
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br />
<br />
http://www.Lrc-tnu.edu.vn<br />
<br />