Fechar
Metadados

@InProceedings{PuntelCharPetr:2018:AnDeAl,
               author = "Puntel, Fernando Emilio and Charao, A. S. and Petry, Adriano",
          affiliation = "{Universidade Federal de Santa Maria (UFSM)} and {Universidade 
                         Federal de Santa Maria (UFSM)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "An{\'a}lise de desempenho de algoritmos de escalonamento 
                         aplicados a um SGR em um sistema de previs{\~a}o 
                         ionosf{\'e}rica",
                 year = "2018",
         organization = "Simp{\'o}sio Brasileiro de Geof{\'{\i}}sica Espacial e 
                         Aeronomia, 7. (SBGEA)",
             abstract = "O poder de processamento {\'e} uma das principais necessidades 
                         das {\'a}reas de clima espacial, pois devido uma grande carga de 
                         dados, necessita-se que o processamento seja realizado em 
                         supercomputadores, como cluster e grids. Contudo, 
                         supercomputadores s{\~a}o formados por v{\'a}rios n{\'o}s com 
                         alto poder de processamento interligados, a fim de trabalharem em 
                         conjunto. Com isso, torna-se necess{\'a}rio que em um ambiente 
                         HPC tenha um Sistema Gerenciador de Recursos (SGR), 
                         respons{\'a}vel pelo gerenciamento dos recursos computacionais e 
                         pelo escalonamento e controle de jobs, buscando a melhor 
                         utiliza{\c{c}}{\~a}o dos recursos. Com isso, este trabalho busca 
                         analisar o desempenho de tr{\^e}s algoritmos de escalonamento, 
                         SQF (Smallest resource requirement first), EASY-backfilling e 
                         Fattened backfilling, estes que utilizam t{\'e}cnicas de 
                         preenchimento, com a inten{\c{c}}{\~a}o de adiantar jobs menores 
                         na fila de execu{\c{c}}{\~a}o. Utilizou-se um sistema de 
                         previs{\~a}o ionosf{\'e}rica, que executa diariamente no Centro 
                         Regional Sul do Instituto Nacional de Pesquisas Espaciais 
                         (CRSINPE) para avaliar os algoritmos. Os jobs do sistema de 
                         previs{\~a}o ionosf{\'e}rica nomeado SUPIM (Sheffield University 
                         Plasmasphere-Ionosphere Model) executam um modelo de primeiros 
                         princ{\'{\i}}pios das camadas de Ionosfera e Plasmosfera da 
                         Terra, tamb{\'e}m foram executados jobs de 
                         assimila{\c{c}}{\~a}o de dados. Nos experimentos, os algoritmos 
                         foram expostos em tr{\^e}s cen{\'a}rios distintos. Foram 
                         analisados aspectos como tempo de conclus{\~a}o da previs{\~a}o, 
                         taxa de utiliza{\c{c}}{\~a}o de CPU e tempo m{\'e}dio de espera 
                         dos jobs na fila. Observou-se que nos casos intermedi{\'a}rio e 
                         desfavor{\'a}vel, o algoritmo SQF obteve desempenho melhor, pois 
                         sua pol{\'{\i}}tica de escalonamento n{\~a}o leva em 
                         considera{\c{c}}{\~a}o coeficientes de tempo para o adiantamento 
                         dos jobs. J{\'a} no caso favor{\'a}vel os algoritmos EASY e 
                         Fattened obtiveram resultados melhores, conseguindo concluir a 
                         previs{\~a}o ionosf{\'e}rica em um tempo menor. Com os 
                         resultados obtidos, observou-se que os tr{\^e}s algoritmos 
                         obtiveram desempenhos favor{\'a}vel, n{\~a}o prejudicando as 
                         previs{\~o}es em rela{\c{c}}{\~a}o a tempo de conclus{\~a}o.",
  conference-location = "Santa Maria, RS",
      conference-year = "05-09 nov",
             language = "pt",
           targetfile = "Livro_Resumos-VIISBGEA.pdf",
        urlaccessdate = "23 nov. 2020"
}


Fechar