$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

클러스터 컴퓨팅 환경에서 병렬루프 처리를 위한 재구성 가능한 부하 및 성능 균형 방법
A Reconfigurable Load and Performance Balancing Scheme for Parallel Loops in a Clustered Computing Environment 원문보기

정보과학회논문지. Journal of KISS : Computing practices. 컴퓨팅의 실제, v.10 no.1, 2004년, pp.49 - 56  

김태형 (한양대학교 전자컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

부하 불균형은 병렬처리에 있어서 좋은 성능을 얻기 위한 주요한 방해 요소 중의 하나이다. 전역(全域) 부하균형 기법은 하나의 응용에서 발생된 병렬 태스크를 취급하는데 적절하지 않다. 동적 루프 스케줄링 기법은 공유 메모리 멀티프로세서 병렬구조에서 병렬 루프의 부하균형에 효과적인 것으로 알려져있다. 하지만 이 기법의 중앙집중적 특성은 워크스테이션 클러스터 환경에서 프로세서 수가 상대적으로 많지 않은 경우에도 병목현상을 일으킬 수 있는 요인이 된다. 워크스테이션 클러스터 환경에서의 통신 오버헤드는 공유 메모리 멀티프로세서 병렬 구조와 비교할 때 수십배의 차이가 생기기 때문이다. 더구나 병렬 루프에서 발생하는 단위 태스크가 불규칙적인 작업량을 갖는 경우에는 기본 루프 스케줄링 기법의 단점을 보완한 개선된 방법들을 적용할 수가 없다. 본 논문에서는 이러한 불규칙적인 작업량을 갖는 병렬루프를 서로 다른 성능을 갖는 워크스테이션들의 네트워크 환경에서 효율적으로 부하를 분배하기 위한 재구성 가능한 분산 부하 균형 기법을 제시한다. 이러한 재구성 가능한 기법은 전통적인 부하균형 방법과 함께 성능균형을 가능하게 함으로써 전체수행시간을 최소화할 수 있음을 보였다.

Abstract AI-Helper 아이콘AI-Helper

Load imbalance is a serious impediment to achieving good performance in parallel processing. Global load balancing schemes cannot adequately manage to balance parallel tasks generated from a single application. Dynamic loop scheduling methods are known to be useful in balancing parallel loops on sha...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • " data-before="있다" data-ocr-fix="">있다. 구체적으로 말한다면, 본 논문의 방법은 CORD (Configuration-level Optimization of RPC-based Distributed programs) 환경에서 적용되었으며 CORD는 RPC 기반의 분산 프로그램의 자동 재구성을 위한 프레임워크이다[7]. 이러한 환경에서 프로그램의 성능평가에 영향을 미치는 요소들은 프로그램 구성 단계에서 연결언어(interconnection language)의 형태로 주석(註釋)이 달린 표현을 이용하여 최적의 message passing primi* tives를 이용한 분산프로그램을 생성해 낸다.
  • 특히 어떤 프로세서들이 할 일이 없어서 쉬고 있다면 이 자원은 작업 수행을 더 빠르게 하는데 사용될 수 있기 때문에 이러한 부하 불균형이 높은 성능을 성취하는데 심각한 방해 요소가 된다는 것은 자명하게 이해된다. 물론 전체 운영체제 측면에서 보는 전체적인 부하 균형이 매우 중요한 주제이기는 하지만, 본 논문에서는 하나의 응용 프로그램에서 발생되는 병렬 태스크들을 여러 프로세서에 어떻게 균등하게 할당해 줄 것인가 하는 문제에 초점을 맞추기로 한다. 이 경우에는 특히 하나의 프로그램이 최종적으로 완료되는 시간을 최소화하는 것이 각 병렬 태스드들이 완료되기 위해 필요한 평균 반응 시간(average response time)보다 더 증요하기 때문에 각 프로세서들이 처리할 부하량 측면에서 균형을 이루도록 노력하는 것보다는, 각 프로세서가 쉬지 않고 계산을 계속하도록 유지시키는 것이 더 중요하다는 것을 인식해야 한다.
  • 최근에는 네트워크로 연결된 워크스테이션 (또는 PC)들을 하나의 가상적인 병렬 컴퓨터로 보고 여기에 병렬 프로그램을 수행하려고 하는 Peer-to-Peer 컴퓨팅에 대한 새로운 시도가 행해지고 있는데 이를 위해 기존의 shared memory 방식 병렬컴퓨터에서 사용된 기법을 그대로 적용할 수는 없다. 본 논문에서는 이러한 일반적인 병렬 프로그램올 최근의 peer-to-peer 컴퓨팅 환경에서도 효율적으로 수행할 수 있도록 하기 위한 기본적인 부하 균형 방법을 제시하고자 한다. 본 논문에서 제시된 방법은 위에서 살펴본 기존의 방법과는 달리 네트워크에 연결된 워크스테이션들의 기본 성능과 태스크들의 불규칙한 작업량을 동시에 고려하여 부하 균형을 유지하고 궁극적으로 최종수행시간을 최소화하는 새로운 방법이다.
  • 매우 효과적인 방법이다. 본 논문에서는 전통적인 동적 부하 균형 방법이 불규칙한 특성을 갖는 병렬루프에서는 적합하지 않은 이유를 논의하였으며 특별히 SS 방법과 그것을 개선한 CSS, GSS 및 TSS는 모두 shared-memory 병렬 구조에 적합한 방법이므로 워크스테이션의 네트워크 클러스터와 같은 통신 오버헤드가 몇십 배나 더 큰 상황에서는 병목 현상을 회피할 방법이 없으므로 적용 불가능함을 지적하였다. 이제까지의 부하 균형 방법들이 모두 처리해야 할 대상으로서 태스크의 균등한 배정 및 재배정 방법에만 초점을 맞추었지만 (load balancing) 본 논문에서는 태스크를 처리하는 프로세서들의 처리량에 기반한 성능균형 (performance balancing) 방법을 제시하였다는 점에서 큰 의미가 있다.
  • 참여하고 있는 프로세서의 수가 많을 경우 최적으로 source와 destination 프로세서를 결정하는 것은 상당한 오버헤드를 요구하기 때문이다. 연구에서는 이것을 미리 결정된 migration network로 대체하여 부하균형 오버헤드를 최소화 할 수 있다는 것을 이론적으로 계산하고 또 실험 결과로 보여준다. 각 프로세서의 순간적으로 변하는 부하 상태는 미리 예측할 수 없지만 각 프로세서의 기본 성능은 이미 알려져 있기 때문이다.
  • 본 절(節)에서는 본 연구의 배경이 되는 네트워크로 연결된 워크스테이션을 이용한 병렬 프로그램의 동작 환경을 살펴보고, 이러한 환경에서 필연적으로 나타나는 이기종(heterogeneous) 워크스테이션들이 서로 다른 성능올 갖는 것으로 인한 병렬 이상(parallelization anomaly) 현상을 살펴봄으로써 새로운 부하균형방법이 필요한 동기를 서술하며, 이에 관한 그동안의 관련 연구와 함께 본 논문의 전체구성을 개괄한다.
  • 본 논문에서 제시하는 방법은 하나의 프로세서가 처리할 태스크를 다소모 하였올 경우에만 태스크 이동이 발생하므로 불안정성 문제는 존재하지 않는다. 본 절에서는 간단한 예를 통하여 부하 균형올 위한 태스크 이동 행태를 파악해 본다.
  • 이제까지의 부하 균형 방법들이 모두 처리해야 할 대상으로서 태스크의 균등한 배정 및 재배정 방법에만 초점을 맞추었지만 (load balancing) 본 논문에서는 태스크를 처리하는 프로세서들의 처리량에 기반한 성능균형 (performance balancing) 방법을 제시하였다는 점에서 큰 의미가 있다. 이러한 성능 균형 노력은 부하 균형 노력과 결합하면 이동되어야 할 태스크의 수를 줄이고 부하 균형에 도달하는 시간을 단축할 수 있는 장점을 제공하며 이러한 내용은 실험으로 입증되었다. 본 논문에서는 일반적인 트리 구조에 의한 성능 균형 노력만올 살펴 보았는데 앞으로 새로운 토폴로지에 의한 성능 균형 효과를 더 살펴볼 필요가 있다.

가설 설정

  • N개의 균등한 태스크를 수행할 Pl, P2, P3, P4로 구성된 클러스터가 있다고 가정한다. 이 프로세서들의 처리량은 미리 알려져 있으며 각각 二 2 r, 3 rt 4r.
  • 즉, 하나의 가상적인 병렬 컴퓨터로서 워크스테이션 클러스터를 구성하는 요소들은 수시로 바뀔 수 있으며 이때마다 옹용 프로그램의 구성을 새롭게 작성해야 한다면 이것을 실제적으로 적용하기는 거의 불가능하다. 따라서 본 논문에서 제시하는 부하 균형 방법은 하드웨어 구성요소의 변화와 그들 간의 연결 상태 토폴로지가 변화할 때에도 자동적으로 새로운 구성을 생성해 주는 새로운 프로그램 환경의 존재를 가정하고 있다. 구체적으로 말한다면, 본 논문의 방법은 CORD (Configuration-level Optimization of RPC-based Distributed programs) 환경에서 적용되었으며 CORD는 RPC 기반의 분산 프로그램의 자동 재구성을 위한 프레임워크이다[7].
  • 이러한 환경에서 프로그램의 성능평가에 영향을 미치는 요소들은 프로그램 구성 단계에서 연결언어(interconnection language)의 형태로 주석(註釋)이 달린 표현을 이용하여 최적의 message passing primi* tives를 이용한 분산프로그램을 생성해 낸다. 일반적으로 RPC는 동기화 문제로 병렬 수행이 어렵지만 이러한 제한을 완화한 PARPC 또는 MultiRPC에서 제시된 방법을 이용하여 병렬성올 확보할 수 있다[8, 9] 본 논문에서는 이와 같은 기본 환경을 가정하고 이러한 환경에 적용 가능한 형태의 부하 균형 방법을 제시한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (14)

  1. S. F. Hummel, E. Schonberg, and L. E. Flynn, Factoring: A method for scheduling parallel loops, Communications of the ACM, Vol. 3(8), August, 1992 

  2. M. Cierniak, W. Li and M. J. Zaki. Loop scheduling for heterogeneity, In Proceedings of the 4th International Symposium on High Performance Distributed Computings, August 1995 

  3. C. P. Kruskal and A. Weiss. Allocating independent subtasks on parallel processors, IEEE Transactions on Software Engineering, Vol. 11(10): 1001-1016, October 1985 

  4. C. D. Polychronopoulos and D. J. Kuck. Guided self-scheduling: A practical scheduling scheme for parallel supercomputers, IEEE Transactions on Computer, Vol. C36-(12): 1425-1439, December 1987 

  5. P. Tang and P. C. Yew. Processor self-scheduling for multiple nested parallel loops. In Proceedings of International Conference on Parallel Processing, August 1986 

  6. T. H. Tzen and L. M. Ni. Dynamic loop scheduling for shared-memory multiprocessors. In Proceedings of International Conference on Parallel Processing, August 1991 

  7. T.-H. Kim and J. M. Purtilo. Configuration-level Optimization of RPC-based Distributed programs. In Proceedings of the 15th International Conference on Distributed Computing Systems, May 1995 

  8. B. Martin, C. Bergan, and B. Russ. PARPC: A system for parallel remote procedure calls. In Proceedings of the International Conferences on Parallel Processing, 1987 

  9. M. Satyanarayanan and E. H. Siegel. MultiRPC: A parallel remote procedure call mechanism. Technical Report CMU-CS-86-139, Carnegie-Mellon University, 1986 

  10. Clemens H. Cap and Volker Strumpen. Efficient parallel computing in distributed workstation environments, Parallel Computing, Vol. 19: 1221-1234, 1993 

  11. A. S. Grimshaw, J. B. Weissman, E. A. West and Jr. E. C. Loyot. 'Metasystems:An approach combining parallel processing and heterogeneous distributed computing systems. Journal of Parallel and Distributed Computing, Vol. 21: 257-270, 1994 

  12. P. Krueger and N. G. Shivaratri. Adaptive location policies for global scheduling. IEEE Transactions on Software Engineering, Vol. 20(6): 432-444, June 1994 

  13. Derek L. Eager, Edward D. Lazowska, and John Zarhorjan. Adaptive load sharing in homogeneous distributed systems, IEEE Transactions on Software Engineering, Vol. 12(5): 662-675, May 1986 

  14. V. S. Sunderam. PVM: A framework for parallel distributed computing. Concurrency: Practice and Experience, Vol. 2(4): 315-339, December 1990 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로