• 디지털산업정보학회논문지
• /
• 제8권1호
• /
• pp.99-105
• /
• 2012

Given the numbers of smartphones, tablets and other mobile devices shipped every day, more and more users are relying on the cloud as the main driver for satisfying their computing needs, whether it is data storage, applications or infrastructure. Mobile cloud computing is simply cloud computing in which at least some of the devices involved are mobile. Each node is owned by a different user and is likely to be mobile. Using mobile hardware for cloud computing has advantages over using traditional hardware. These advantage include computational access to multimedia and sensor data without the need for large network transfer, more efficient access to data stored on other mobile devices and distributed ownership and maintenance of hardware. It is important to predict job execution time in mobile cloud computing because there are many mobile nodes with different capabilities. This paper analyzes the job execution time for mobile cloud computing in terms of network environment and heterogeneous mobile nodes using a mathematical model.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권2호
• /
• pp.670-686
• /
• 2017

MapReduce (MRV1), a popular programming model, proposed by Google, has been well used to process large datasets in Hadoop, an open source cloud platform. Its new version MapReduce 2.0 (MRV2) developed along with the emerging of Yarn has achieved obvious improvement over MRV1. However, MRV2 suffers from long finishing time on certain types of jobs. Speculative Execution (SE) has been presented as an approach to the problem above by backing up those delayed jobs from low-performance machines to higher ones. In this paper, an adaptive SE strategy (ASE) is presented in Hadoop-2.6.0. Experiment results have depicted that the ASE duplicates tasks according to real-time resources usage among work nodes in a cloud. In addition, the performance of MRV2 is largely improved using the ASE strategy on job execution time and resource consumption, whether in a multi-job environment.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제11권4호
• /
• pp.293-304
• /
• 2005

본 논문에서는 글로버스(Globus) 기반의 MPICH-G2와 Cactus를 갖는 그리드 컴퓨팅 환경에서 작업 마이그레이션(Job Migration)에 대해 연구를 수행하였다. 그리드 컴퓨팅 환경에서 연산의 실행시간을 단축시킬 수 있는 연산자원이 풍부한 사이트를 찾아 작업을 마이그레이션 한다. 마이그레이션 사이트에서 체크 포인팅 파일에 기반 하여 연산의 수행이 중단된 지점부터 복구하여 연산을 재개한다. 마이그레이션 사이트를 선택하기 위해 사이트의 정적인 성능 지수와 CPU의 부하, 마이그레이션 작업을 전송하기 위한 네트워크의 부하를 고려한 작업 전송시간, 마이그레이션 사이트에서의 실행시간 예측 값을 사용하여 마이그레이션 이득이 큰 사이트로 작업을 마이그레이션 한다. 작업의 마이그레이션 시간과 실행시간 예측 값이 최소로 하는 사이트를 선택함으로서 보다 효율적인 그리드 컴퓨팅을 수행할 수 있도록 한다. 제안한 방법은 $K\ast{Grid}$ 환경에서 전체 연산 시간을 효과적으로 단축함을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제22권4호
• /
• pp.17-24
• /
• 2017

In this paper, we propose an efficient dynamic workload balancing strategy which improves the performance of high-performance computing system. The key idea of this dynamic workload balancing strategy is to minimize execution time of each job and to maximize the system throughput by effectively using system resource such as CPU, memory. Also, this strategy dynamically allocates job by considering demanded memory size of executing job and workload status of each node. If an overload node occurs due to allocated job, the proposed scheme migrates job, executing in overload nodes, to another free nodes and reduces the waiting time and execution time of job by balancing workload of each node. Through simulation, we show that the proposed dynamic workload balancing strategy based on CPU, memory improves the performance of high-performance computing system compared to previous strategies.

• 한국컴퓨터정보학회논문지
• /
• 제21권1호
• /
• pp.147-153
• /
• 2016

In this paper, we propose an efficient dynamic workload balancing strategy which improves the performance of high-performance computing system. The key idea of this dynamic workload balancing strategy is to minimize execution time of each job and to maximize the system throughput by effectively using system resource such as CPU, memory. Also, this strategy dynamically allocates job by considering demanded memory size of executing job and workload status of each node. If an overload node occurs due to allocated job, the proposed scheme migrates job, executing in overload nodes, to another free nodes and reduces the waiting time and execution time of job by balancing workload of each node. Through simulation, we show that the proposed dynamic workload balancing strategy based on CPU, memory improves the performance of high-performance computing system compared to previous strategies.

• 한국컴퓨터정보학회논문지
• /
• 제21권1호
• /
• pp.125-129
• /
• 2016

In this paper, we propose an efficient dynamic workload balancing strategy which improves the performance of high-performance computing system. The key idea of this dynamic workload balancing strategy is to minimize execution time of each job and to maximize the system throughput by effectively using system resource such as CPU, memory. Also, this strategy dynamically allocates job by considering demanded memory size of executing job and workload status of each node. If an overload node occurs due to allocated job, the proposed scheme migrates job, executing in overload nodes, to another free nodes and reduces the waiting time and execution time of job by balancing workload of each node. Through simulation, we show that the proposed dynamic workload balancing strategy based on CPU, memory improves the performance of high-performance computing system compared to previous strategies.

• 한국정보과학회논문지:시스템및이론
• /
• 제37권3호
• /
• pp.127-137
• /
• 2010

다양한 과학 분야에서 대규모의 계산집중적인 어플리케이션들이 많은 그리드 자원을 활용해감에 따라 그 실행 관리와 제어의 어려움도 증가하였다. 어플리케이션의 반복되는 실행으로 축적된 작업 이력을 참조하여 어플리케이션의 특성을 파악하고 그리드 자원 선택 정책을 결정하였다. 본 논문은 그리드 컴퓨팅 환경과 이를 활용한 어플리케이션의 이력을 분석하기 위해 통계적 기법인 PBDF(Plackett-Burman with Fold-Over)계획법을 적용하였다. PBDF는 그리드 환경과 어플리케이션에서 주요한 요인들을 파악하고, 그것들이 얼마만큼 영향을 미치는 가를 수치화한다. 영향력 큰 요인은 작업 이력에서 참조 프로파일을 찾고 적절한 자원을 선택하는데 사용하였다. 응용의 수행 결과를 다시 작업 이력에 포함시키고 인자의 신뢰도를 조정하였다. 본 연구는 항공우주 연구 그리드의 작업 이력을 분석하여 적응형 자원 선택 알고리즘을 제안하였다. 주요한 요인들의 영향력을 계산하고 자원 선택 정책에 반영하는 실험을 하였다. 또한, 수행이 끝난 후 인자의 신뢰도를 평가해 그리드 환경 변화에 적응하는 알고리즘의 유효성을 검증하였다. 오류가 빈번한 그리드 환경에서 자원 선택 기법을 평가하기 위해 다양한 시나리오에서 그 적응력을 실험하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.1-8
• /
• 2010

본 논문에서는 그리드 환경을 구축할 때 자원 비용 면에서 효율적인 스케줄링 정책을 제안한다. 이 스케줄링 정책은 로컬 컴퓨팅 자원을 효율적으로 할당하기 위해 자원 비용과 작업 실패율을 고려한다. 이 스케줄링 정책의 특징은 원격 스케줄러와 로컬 스케줄러를 사용하여 2단계 스케줄링을 수행한다. 원격 스케줄러에서는 자원 데이터베이스에 저장된 네트워크와 로컬시스템의 정보를 사용하여 작업의 총실행시간이 최소인 로컬시스템을 선택하여 작업을 할당한다. 로컬 스케줄러에서는 할당된 작업의 대기시간과 처리시간을 재계산한 후, 작업을 데드라인 내에 처리할 수 있다면 로컬시스템에서 수행한다. 하지만 데드라인을 초과하면 다른 로컬시스템으로 이주시켜 처리함으로써 작업 실패율과 자원 비용을 최소화한다. 제안한 스케줄링 정책은 기존 Greedy 정책에 비해 작업 실패율은 높지만, 자원 비용을 줄이는 면에서 더 우수함을 보인다. 본 논문에서는 시뮬레이션을 통하여 제안한 스케줄링 정책이 기존 Greedy 스케줄링 정책에 비해 컴퓨팅 자원 비용을 줄이는 면에서 효과적임을 보인다.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제15권5호
• /
• pp.511-518
• /
• 2015

As the cost-per-byte of SSDs dramatically decreases, the introduction of SSDs to Hadoop becomes an attractive choice for high performance data processing. In this paper the cost-per-performance of SSD-based Hadoop cluster (SSD-Hadoop) and HDD-based Hadoop cluster (HDD-Hadoop) are evaluated. For this, we propose a MapReduce performance model using queuing network to simulate the execution time of MapReduce job with varying cluster size. To achieve an accurate model, the execution time distribution of MapReduce job is carefully profiled. The developed model can precisely predict the execution time of MapReduce jobs with less than 7% difference for most cases. It is also found that SSD-Hadoop is 20% more cost efficient than HDD-Hadoop because SSD-Hadoop needs a smaller number of nodes than HDD-Hadoop to achieve a comparable performance, according to the results of simulation with varying the number of cluster nodes.

• 한국컴퓨터정보학회논문지
• /
• 제13권5호
• /
• pp.45-52
• /
• 2008

본 논문에서는 고성능 컴퓨팅 시스템의 성능 향상을 위한 효율적인 동적 작업부하 균등화 정책을 제안한다. 이 정책은 시스템 자원인 CPU와 메모리를 효율적으로 사용하여 고성능 컴퓨팅 시스템의 처리량을 최대화하고, 각 작업의 수행시간을 최소화한다. 또한 이 정책은 수행중인 작업의 메모리 요구량과 각 노드의 부하 상태를 파악하여 작업을 동적으로 할당한다. 이때 작업을 할당받은 노드가 과부하 상태가 되면 다른 노드로 작업을 이주시켜 각 노드의 작업부하를 균등하게 유지함으로써 작업의 대기시간을 줄이고, 각 작업의 수행시간을 단축한다. 본 논문에서는 시뮬레이션을 통하여 제안하는 동적 작업부하 균등화 정책이 기존의 메모리 기반의 작업부하 균등화 정책에 비해 고성능 컴퓨팅 시스템의 성능 향상 면에서 우수함을 보인다.