Doktoraty Wydziału IET

mgr inż. Kamil Figiela

Promotor: dr hab. inż. Maciej Malawski
Promotor pomocniczy: dr inż. Katarzyna Rycerz
Dyscyplina: Informatyka

Streszczenie

Rozprawa jest poświęcona zagadnieniu wykonania aplikacji naukowych w środowiskach chmurowych. Optymalny dobór infrastruktury i szeregowanie zadań pozwala na szybsze osiąganie rezultatów przy zachowaniu niskiego kosztu infrastruktury.

W rozprawie przedstawiono algorytm alokacji zasobów oraz szeregowania zadań dla naukowych aplikacji typu graf zadań (ang. scientific workflow) oparty o programowanie całkowitoliczbowe. Zaprezentowana heurystyka minimalizuje koszt wykonania aplikacji typu graf zadań przy ograniczonym terminie wykonania. W planie wykonania wykorzystywane są zasoby wielu dostawców. Algorytm uwzględnia koszt transmisji danych pomiędzy różnymi dostawcami usług chmurowych, godzinowy cykl rozliczeniowy i ograniczenia w dostępnej puli zasobów. W ocenie algorytmu wykorzystano rzeczywiste aplikacje naukowe takie jak Montage czy CyberShake. Otrzymane wyniki pokazują, że programowanie całkowitoliczbowe może być efektywnie wykorzystywane do planowania wykonania aplikacji naukowych.

Struktura obliczeń solwera wielofrontalnego — aplikacji typowo kojarzonej z superkomputerami — może być reprezentowana jako graf zadań. Solwer wielofrontalny został zaadaptowany do wykonania w luźno powiązanej architekturze chmury obliczeniowej. Analiza struktury obliczeń i inteligentna agregacja zadań umożliwiają wydajne wykonanie obliczeń na infrastrukturach chmurowych. Eksperymenty przeprowadzono w rzeczywistym środowisku produkcyjnym, a otrzymane wyniki porównano z pomiarami przeprowadzonymi na klastrze obliczeniowym. Choć chmury nie dorównują komputerom dużej mocy pod względem szybkości obliczeń, mogą one zapewnić szybsze rezultaty dla użytkownika, co jest ostateczną miarą wydajności z perspektywy użytkownika.

W rozprawie przedstawiono również nowatorski sposób oceny wydajności architektur bezserwerowych. Zaprojektowano i zaimplementowano system ewaluacji wydajności, a dane eksperymentalne zbierane były przez długi okres czasu. Zaprezentowane wyniki dotyczą oceny szybkości obliczeniowej, heterogeniczności i zachowania środowiska uruchomieniowego wiodących platform komercyjnych. Pokazano, że infrastruktura bezserwerowa jest ekonomicznie opłacalna w przypadkach niektórych aplikacji naukowych.

• prof. Dieter Kranzlmüller – Ludwig-Maximilians-Universität München
• dr hab. inż. Paweł Czarnul, prof. n. – Politechnika Gdańska

1. K. Figiela and M. Malawski, “Modeling, optimization and performance evaluation of scientific workflows in clouds,” in 2014 IEEE Fourth International Conference on Big Data and Cloud Computing, IEEE, Dec. 2014, pp. 280–280, ISBN: 978-1-4799-6719-3, DOI:10.1109/BDCloud.2014.112,
2. M. Malawski, K. Figiela, M. Bubak, E. Deelman, and J. Nabrzyski, “Scheduling multilevel deadline-constrained scientific workflows on clouds based on cost optimization,” Scientific Programming, vol. 2015, 2015, ISSN: 10589244, DOI: 10.1155/2015/680271,
3. B. Balis, K. Figiela, K. Jopek, M. Malawski, and M. Pawlik, “Porting HPC applications to the cloud: A multi-frontal solver case study,” Journal of Computational Science, vol. 18, pp. 106–116, 2017, ISSN: 18777503, DOI: 10.1016/j.jocs.2016.09.006,
4. M. Malawski, A. Gajek, A. Zima, B. Balis, and K. Figiela, “Serverless execution of scientific workflows: Experiments with HyperFlow, AWS Lambda and Google Cloud Functions,” Future Generation Computer Systems, Nov. 2017, issn: 0167-739X, doi:10.1016/J.FUTURE.2017.10.029,
5. K. Figiela, A. Gajek, A. Zima, B. Obrok, and M. Malawski, “Performance evaluation of heterogeneous cloud functions,” Concurrency and Computation: Practice and Experience, Jun. 2018, DOI:10.1002/cpe.4792.

• BG AGH
• DBLP