Ocean-Atmosphere Modelization over the Grid

Abstract

Abstract:In this report, we tackle the problem of scheduling an Ocean-Atmosphere application used for climate prediction on the grid. An experiment is composed of several 1D-meshes of identical DAGs composed of parallel tasks. To obtain a good completion time, we divide groups of processors into sets each working on parallel tasks. The group sizes are chosen by computing the best makespan for several grouping possibilities. We improved this heuristic method by different means. The improvement yielding to the best makespan is the representation of the problem as an instance of the Knapsack problem. As this heuristic is firstly designed for homogeneous platforms, we present its adaptation to heterogeneous platforms. Simulations show improvements of the makespan up to 12%. Key-words: Grid computing, Ocean-Atmosphere application, SchedulingThis text is also available as a research report of the Laboratoire de l'Informatique du Parallélisme http://www.ens-lyon.fr/LIP.Modélisation Océan-Atmosphère sur la grille Résumé : Les besoins en calcul pour la simulation de modèle climatologique sont très importants. Afin d'améliorer les temps de calcul, nous nous intéressons ici au problème de l'ordonnancement de simulations du climat sur une grille de calcul. Plusieurs simulations couplées Océan-Atmosphère sont entreprises simultanément afin d'estimer statistiquement l'incertitude sur le réchauffement du climat du XXIe siècle. Notre expérience est donc composée de plusieurs chaînes de DAG (Directed Acyclic Graph) identiques composés de tâches parallèles. Afin de minimiser le temps d'exécution, nous divisons des groupes de processeurs en ensembles, chacun travaillant sur une tâche parallèle. Les tailles des groupes sont choisis en estimant le meilleur temps d'exécution en fonction de plusieurs scénarios de regroupement. Nous avons mis en oeuvre et amélioré une heuristique pour plate-forme homogène pour résoudre ce problème. L'heuristique offrant les meilleures performances est la solution s'inspirant du problème du sac à dos. Nous proposons ensuite une adaptation de cette heuristique dans le cadre de plates-formes hétérogènes. Enfin nous proposons quelques simulations qui montrent entre autres des gains allant jusqu'à 12%.

Habilitation à diriger des recherches

“…GoDiet was used to perform many large scale deployment [22,38,39,43]. One of future work is to provide a solution with the complete deployment process.…”

“…Comparing independent simulations, they expect to better understand the relations between the variation in this parametrization with the variation in climate sensitivity to greenhouse gases. We have analyzed and modelized the application in [38] with the purpose of deriving appropriate scheduling heuristics in order to decrease the execution time of such applications.…”

Ocean-Atmosphere Application Scheduling within DIET

“…The path followed by a request is shown in Figure 2: when an agent is contacted by a client who wants to solve a problem (1), the request travels down the hierarchy of agents to servers (2). They answer back performance information (3) which will be used up in the hierarchy to determine which one suits the best (4).…”

“…To compute the grouping of resources, we use the same notations as defined in [2]. We recall them for a better understanding of the remaining of the paper:…”

“…Our goal regarding the climate forecasting application is to continue the work started in [2]. We thoroughly analyze the application in order to model its needs in terms of execution model, data access pattern, and computing needs.…”