软件学报

作者：汤小春，朱紫钰，毛安琪，符莹，李战怀

单位：汤小春，西北工业大学 计算机学院, 陕西 西安 71012911,朱紫钰，西北工业大学 计算机学院, 陕西 西安 71012902,毛安琪，西北工业大学 计算机学院, 陕西 西安 71012903,符莹，西北工业大学 计算机学院, 陕西 西安 71012904,李战怀，西北工业大学 计算机学院, 陕西 西安 71012905

关键词：GPU;数据密集型;最小代价;公平性;数据本地化

基金：国家重点研发计划（2018YFB1003400）

数据密集型作业包含大量的任务，使用GPU设备来提高任务的性能是目前的主要手段.但是，在解决数据密集型作业之间的GPU资源公平共享以及降低任务所需数据在网络间的传输代价方面，现有的研究方法没有综合考虑资源公平与数据传输代价的矛盾.分析了GPU集群资源调度的特点，提出了一种基于最小代价最大任务数的GPU集群资源调度算法，解决了GPU资源的公平分配与数据传输代价较高的矛盾.将调度过程分为两个阶段：第1阶段为各个作业按照数据传输代价给出自己的最优方案；第2阶段为资源分配器合并各个作业的方案，按照公平性给出全局的最优方案.首先，给出了GPU集群资源调度框架的总体结构，各个作业给出自己的最优方案，资源分配进行全局优化；第二，给出了网络带宽估计策略以及计算任务的数据传输代价的方法；第三，给出了基于GPU数量的资源公平分配的基本算法；第四，提出了最小代价最大任务数的资源调度算法，描述了资源非抢夺、抢夺以及不考虑资源公平策略的实现策略；最后，设计了6种数据密集型计算作业，对所提出的算法进行了实验.通过实验验证，最小代价最大任务数的资源调度算法对于资源公平性能够达到90%左右，同时亦能保证作业并行运行时间最小.

来源：2022年第12期

《软件学报》期刊编辑部

查看软件学报杂志2022年第12期