| |
| description |
28 pages
|
|
Das hier vor gestellte Modell versucht im wesentlichen durch drei
Ansätze, die Leistungssteigerungen durch dynamische
Lastbalancierung für ein deutlich breiteres Feld von Anwendungen
und Systemen anwendbar zu machen, als es derzeit möglich ist.
Teilsysteme werden durch zentrale Balancierungsverfahren verwaltet;
erst zwischen Teilsystemen werden dezentrale Verfahren eingesetzt,
um hohe Skalierbarkeit zu gewährleisten. Das ermöglicht
Lastverteilung im Zusammenspiel der Anwendungen und Ressourcen und
vermeidet kontra-produktive Entscheidungen unabhängiger
Balancierungskomponenten.
Der zweite wichtige Ansatz ist die Berücksichtigung mehrerer
Ressourcen für Lastbalancierungsentscheidungen. So können
Verteilungsstrategien im HiCon-Modell beispielsweise sowohl
Prozessorauslastungen als auch Datenaffinitäten der Anwendungen im
Entscheidungsalgorithmus kombinieren. Das eröffnet der
Lastbalancierung ein weiteres Spektrum unterschiedlicher Anwendungen
auf heterogenen Systemen.
Als dritter Schwerpunkt soll Lastbalancierung im HiCon-Modell
adaptiv auf aktuelle Systemlast- und Anwendungsprofile reagieren
können. Dazu wird eine Sammlung einfacher Strategien verwaltet,
zwischen denen zur Laufzeit umgeschaltet wird, um wechselnde
Lastprofile mit möglichst geringem Zusatzaufwand auf dem System zu
balancieren.
Der Artikel stellt die Grundideen vor und validiert die Konzepte
durch Messung verschiedener Anwendungen auf einem heterogenen
Rechnernetz.
The HiCon model investigates three approaches to exploit performance
improvement by dynamic load balancing for a wider range of
applications and systems than it is possible nowadays.
Centralized load balancing schemes manage cells of the whole system.
Between cells decentralized strategies are employed to achieve high
scalability. This enables harmonized load balancing of applications
and resources and avoids contra-productive decisions of independent
load balancing agents.
The second approach is the consideration of multiple resources for
load balancing decisions. For example, load balancing policies in
the HiCon model may combine both processor utilization and data
affinities of the applications for decision making. This opens a
wide range of different application types for load balancing in
heterogeneous environments.
The third issue is the facility to dynamically adapt HiCon load
balancing to current system load and application profiles.
Therefore, a collection of simple strategies is maintained. At
run-time, load balancing switches between these strategies to
distribute changing load patterns with minimal overhead across the
system.
This article introduces the main ideas and validates the concepts
through measurement of different applications on a heterogeneous
computer network.
|
| publisher |
Stuttgart, Germany, Universität Stuttgart
|
| type |
Text
|
| Technical Report
|
| source |
ftp://ftp.informatik.uni-stuttgart.de/pub/library/ncstrl.ustuttgart_fi/TR-1994-04/TR-1994-04.pdf
|
| contributor |
Anwendersoftware (Prof. Reuter) (IPVR)
|
| format |
application/pdf
|
| subject |
Distributed Systems (CR C.2.4)
|
| Performance of Systems (CR C.4)
|
| Operating Systems Performance (CR D.4.8)
|
| relation |
Technical Report No. 1994/04
|