静态负载分配.pptVIP

第9章 静态负载分配 负载分配 分布式系统的资源管理模块，主要实现合理和透明地在处理器之间重新分配系统负载，以达到系统的综合性能最优。（最小的总体系统执行时间最大的总体系统输出） 大致分为静态负载分配和动态负载分配2大类情况。 静态负载分配：进程运行前进行处理器分配，运行中不作调整，直到运行结束；（确定性分配） 动态负载分配：进程运行中动态进行处理器分配，且可以不断调整；（负载均衡） 负载分配分类 进程和处理器在负载分配时是M:N（多对多）的关系。 有多种负载分配算法分类： 负载分配分类 其它的负载分配算法分类： 单个和多个应用程序 抢占式的和非抢占式的 自适应的和非自适应的 静态负载分配 根据先验知识在执行前调度一个任务（进程）集合，使它们总体上在各个目标PE上有最小的执行时间（代价）。 静态负载分配问题也称为任务调度问题，它涉及到3方面的要素：处理器互连、任务划分和任务分配。 负载分配有时即使加入执行开销和通信开销等假设仍然是一个NP完全问题，很难求得一个明确的最优解，我们总是用各种方法试图求得一个次优的解，或者加入一些特殊的约束以求得最优解。 任务（进程）的图模型表示－任务优先图 任务优先图G是一个有向无环图（DAG） 任务的图模型表示－任务相互关系图 2个处理器的情况 处理器互连 a) Illiac网格方案（16个PE的系统） 处理器互连 b) 圆环方案（16个PE的系统） 处理器互连 c) 超立方体方案（16个PE的系统） 处理器互连 d) WK网络方案（16个PE的系统） 任务划分 将一个大的任务（应用程序）分解成一些小的子任务类，每个子任务类作为分配给同一个PE执行。也称任务聚类。 根据子任务类中基本任务单元（粒度）的大小，任务划分算法可分成：细粒度、中粒度、和粗粒度。 粒度太大，会降低并行度； 粒度太小，子任务进程的切换和它们间的通信代价会增加。 任务划分的主要目标是尽可能地增加并行度和降低通信代价（寻找一个适中的粒度）。 任务划分 大体上有三种方法的任务划分： 水平或垂直划分：根据任务优先图的关键路径（最长路径）垂直进行或任务分层水平进行； 通信延迟最小划分：将通信频繁的基本任务节点归成一类，让其在同一个PE上执行，以最大限度地降低通信代价。此方法需要顾及并行任务串行化所带来的损失。 任务复制：通过在PE上复制任务来降低通信代价，同时保留任务的并行性。此方法会增加PE的储存空间开销和PE间同步的开销。 通常任务划分的子任务类数目等于PE的个数，以简化后续的任务分配。 任务划分－线性和非线性 任务划分后，如果至少有一个子任务类中包含两个独立的任务，则划分是非线性的；否则划分是线性的（所有独立的任务被划分在不同的任务类中）。如： 任务划分－衡量划分 任务优先图可以认为是许多分叉和合并操作的集合： 任务划分－衡量划分 如果g(x) 1（g(G)1），合并或分叉（或图G）就是粗粒度的，否则操作或图就是细粒度的。如下图的非线性划分是粗粒度的（g(x)=2）。 任务划分－衡量划分 可以证明，如果任务优先图G是粗粒度的，则其任何非线性的子任务类都可以转换（再划分）成具有更少或相等执行时间的线性分类。即：粗粒度的任务优先图其线性划分性能优于任何非线性划分。 然而，如果任务优先图G是细粒度的，可能存在，也可能不存在一个非线性划分优于线性划分。 任务划分－衡量划分 例： 任务分配 将任务划分后的子任务类分配给PE的过程。 在n个子任务类和n个PE间作映射分配，共有Cnn=n!种分配方法，根据PE的存储容量、处理能力和PE间的通信距离各映射分配方法会产生较大差异的效果。 为了减少任务分配的复杂性，可以作一些假设： PE的存储容量无限 每个PE有相同的处理能力 忽略通信距离所造成的网络拥塞等。 任务调度（静态负载分配）方法 基于任务优先图的任务调度算法 （算法1）任务优先图是一棵树 （算法2）只有两个处理器 基于任务相互关系图的任务调度 任务调度评测 使用其它模型和技术的任务调度 Stone网络流量技术实现最优任务调度算法 实时定期任务调度 速率单调优先调度 期限驱动调度 基于任务优先图的任务调度 对任务优先图，可以用G=(V，A)来描述，其中V是节点的集合，表示任务集；A是弧线的集合，表示任务间的优先关系。如：u、v是V中的节点（任务），(u,v)是A中的弧线链接。 对于每个节点（任务）和链接都定义了代价函数w，其中w(u) ?(0,?)表示任务u在处理器上执行的时间代价（所有处理器是相同的），w(u,v)=(l,l’)是链接的代价，其中l’是在同一处理器内的通信时间代价，l是处理器间的通信时间代价（u和v分配在不同处理器）。 基于任务优先图的任务调度 几点约束： 处理器的处理能力是相同的。 不考虑处理器互连，即忽略网络拥塞，也