WorkflowSimRL: escalonamento de workflows de larga-escala em nuvens de computadores com uso de aprendizado por reforço

• Autor(a) principal: Silva, Victor Olimpio dos Santos
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/30599
• topic: Computação em nuvem; Fluxo de trabalho; Processamento de alto desempenho

As nuvens de computadores têm atraído muito interesse da comunidade científica nos últimos anos por oferecerem uma grande gama de recursos para qualquer usuário a partir da Web. Duas das grandes vantagens das nuvens frente a outros ambientes como clusters e grades computacionais são (i) a elasticidade de recursos, e (ii) o pagamento do serviço sob demanda. Muitas dessas simulações são compostas por um conjunto de programas encadeados em um fluxo coerente, onde a saída de um programa é a entrada do próximo no fluxo. A esse fluxo atribuímos o nome de Workflow. Muitos dos workflows são considerados de larga-escala e demandam ambientes de computação de processamento de alto desempenho (PAD) e de técnicas de paralelismo para terminar sua execução em um tempo aceitável. As nuvens se mostram como um ambiente propício para a execução desses workflows que demandam PAD. Entretanto, escalonar as tarefas associadas a um workflow no ambiente de nuvem ainda é um problema que permanece em aberto. Diversos fatores fazem com que esse escalonamento em nuvens seja um desafio, como por exemplo: (i) as VMs apresentam uma flutuação de desempenho ao longo do tempo, (ii) cada tipo de Máquina Virtual (VM) está associada a uma capacidade de processamento diferente (recursos heterogêneos), (iii) o custo de transferência de dados é alto, logo a localidade dos dados tem fator fundamental. Os algoritmos da área de Aprendizado por Reforço (AR) são apropriados para este cenário. Este trabalho apresenta a extensão realizada no simulador WorkflowSim chamada de WorkflowSimRL, propondo uma abordagem para utilizar o AR aplicado ao problema do escalonamento de tarefas de workflows em VMs de nuvens computacionais. O objetivo é avaliar o impacto desse tipo de algoritmo no tempo total de execução, no tempo de simulação dentro do simulador, e aplicar o plano de escalonamento gerado pelo WorkflowSimRL em uma execução em um ambiente real de um Workflow (Amazon EC2), utilizando o sistema de workflows SciCumulus como arcabouço para execução de workflows