@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 = "27 abr. 2024"
}