温度感知的MapReduce节能任务调度策略

Temperature aware energy-efficient task scheduling strategies for mapreduce

二维码有效期 120s

摘要现有的FIFO、Fair、Capacity、LATE及Deadline Constraint等MapReduce任务调度器的主要区别在于队列与作业选择策略的不同,而任务选择策略基本相同,都是将数据的本地性(data-locality)作为选择的主要因素,忽略了对TaskTracker当前温度状态的考虑.实验表明,当TaskTracker处于高温状态时,一方面使CPU利用率变高,导致节点能耗增大,任务处理速度下降,导致任务完成时间增加;另一方面,易发的宕机现象将直接导致任务的失败,推测执行(speculative execution)机制容易使运行时任务被迫中止.继而提出温度感知的节能任务调度策略,将节点CPU温度纳入任务调度的决策信息,以避免少数高温任务执行节点对作业整体进度的影响.实验结果表明,算法能够避免任务分配到高温节点,从而有效地缩短作业完成时间,减小作业执行能耗,提高系统稳定性.

作者廖彬 ^[1] 张陶 ^[2] 于炯 ^[3] 刘继 ^[1] 尹路通 ^[3] 郭刚 ^[3] 学术成果认领

作者单位新疆财经大学统计与信息学院,新疆乌鲁木齐,830012 ^[1] 新疆医科大学医学工程技术学院,新疆乌鲁木齐,830011 ^[2] 新疆大学软件学院,新疆乌鲁木齐,830008 ^[3]

关键词绿色计算 MapReduce 任务调度温度感知 green computing MapReduce task scheduling temperature aware

分类号 TP393.09

栏目名称 学术论文

DOI 10.11959/j.issn.1000-436x.2016008

发布时间 2016-05-05

基金项目

国家自然科学基金资助项目 新疆财经大学博士科研启动基金资助项目(No.2015BS007)The National Natural Science Foundation of China The Doctoral Research Foundation of Xinjiang University of Finance and Economics