Page 112 - 《软件学报》2021年第12期

3776 Journal of Software 软件学报 Vol.32, No.12, December 2021

• 浪潮 TS10000 计算集群(100 个节点,200 颗 2.8Ghz Intel®Xeon®CPU);
• 浪潮 TS20000 计算集群(6 个节点,24 颗 1.3GHz Intel®ItaniumII CPU);
• HP DL580 高性能服务器;
• Dell r720 服务器、Dell 交换机等大数据处理平台;
• IBM p690(32 颗 1.7GHz Power4+CPU,128G 内存,6TB 硬盘);
• IBM NAS300G 存储系统(6.6TB 容量);
• 网络系统(InfiniBand QDR,链路速率 40Gbps,聚合带宽 69.6TB/s);
• 操作系统(Windows Server 2008);
• 编程语言及环境(C-CUDA, Fortran, Java, MPI);
• 互联网出口(教育网和联通运营商专线).
3.1 实验参数设置
实验分为两部分:第 1 部分探讨 GHSA_di/II 算法求解异构调度优化问题的整体性能,对比算法是新发表的
3 个实时调度算法代表——PPADE 算法 [21] 、MOCTS-AI 算法 [22] 和 MaOEA/C 算法 [23] ;第 2 部分则比较分析软
硬件节能原理深度融合给异构调度优化解集带来的绿色感知影响,此部分采用的任务实例包括计算密集型和
数据密集型两类.
(1) 调度实验采用 200 个计算集群,包括常见的 3 种能耗异构类型(v∈{1,2,3}),而且基本各占 1/3;
(2) 集群编号按能耗类型依次设置,即能耗类型 v=1 集群的编号集中排在前面,然后依次是能耗类型 v=2,
v=3 集群的编号;
(3) 集群节点处理器和硬盘各自的初始利用率大致范围在[10%,40%];
(4) 在后续小节中,“processor-optim”和“disk-optim”分别表示集群节点能效最高时,处理器和硬盘各自的
理论最优利用率.具体讲,{disk-optim:[0.75,0.8],processor-optim:[0.8,0.9],v:1}表示对于能耗型 v=1 的
计算节点,其处理器和硬盘各自的利用率范围分别为[80%,90%]和[75%,80%],能效最高;同理,对于
v=2 和 v=3 的计算节点,存在理论最优值:{disk-optim:[0.6,0.65],processor-optim:[0.6,0.7],v:2}和{disk-
optim:[0.45,0.5],processor-optim:[0.4,0.5],v:3}.
3.2 整体性能比较
首先,实验探讨 GHSA_di/II 算法求解异构调度优化问题的整体性能,对比算法是新发表的 3 个元启发式实
时调度算法代表:PPADE 算法 [21] 、MOCTS-AI 算法 [22] 和 MaOEA/C 算法 [23] .
评价指标包括能耗值(公式(1))以及系统总体性能(overall system performance,简称 OSP).这里,保证率
(guarantee ratio)是针对实时任务要求存在不能满足的情况(比如服务延迟或负载约束等),统计的可调度任务数
所占比例;系统总体性能是标准化的安全值与保证率乘积.
可调度计算节点从 8 个增加至 256 个实验过程中,图 3 显示了 4 种算法各自的 4 项性能评价值.
具体讲,从节能、安全性以及系统总体性能这 3 项评价指标看,GHSA_di/II 算法的解质量明显优于 PPADE
算法 [21] 、MOCTS-AI 算法 [22] 和 MaOEA/C 算法 [23] ;这里,仅从保证率指标看,GHSA_di/II 算法与 MaOEA/C 算
法 [23] 接近.
更重要的是:对比 3 种算法——PPADE 算法 [21] 、MOCTS-AI 算法 [22] 和 MaOEA/C 算法 [23] ,GHSA_di/II 算法
不仅具备显著的高能效优化性能,而且随着可调度计算节点从 8 到 256 的增加,这种优势迅速提升.