論文の概要: A Makespan and Energy-Aware Scheduling Algorithm for Workflows under
Reliability Constraint on a Multiprocessor Platform
- arxiv url: http://arxiv.org/abs/2212.09274v1
- Date: Mon, 19 Dec 2022 07:03:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:08:59.341586
- Title: A Makespan and Energy-Aware Scheduling Algorithm for Workflows under
Reliability Constraint on a Multiprocessor Platform
- Title（参考訳）: マルチプロセッサプラットフォーム上での信頼性制約下でのワークフローのMakespanとEnergy-Awareスケジューリングアルゴリズム
- Authors: Atharva Tekawade and Suman Banerjee
- Abstract要約: 本稿では,所定の信頼性制約に対する等間隔とエネルギーを最小化するワークフロースケジューリングアルゴリズムを提案する。
私たちのアルゴリズムであるMERTとEAFTSは最先端のアプローチよりも優れています。
- 参考スコア（独自算出の注目度）: 11.427019313284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many scientific workflows can be modeled as a Directed Acyclic Graph
(henceforth mentioned as DAG) where the nodes represent individual tasks, and
the directed edges represent data and control flow dependency between two
tasks. Due to the large volume of data, multiprocessor systems are often used
to execute these workflows. Hence, scheduling the tasks of a workflow to
achieve certain goals (such as minimizing the makespan, energy, or maximizing
reliability, processor utilization, etc.) remains an active area of research in
embedded systems. In this paper, we propose a workflow scheduling algorithm to
minimize the makespan and energy for a given reliability constraint. If the
reliability constraint is higher, we further propose Energy Aware Fault
Tolerant Scheduling (henceforth mentioned as EAFTS) based on active
replication. Additionally, given that the allocation of task nodes to
processors is known, we develop a frequency allocation algorithm that assigns
frequencies to the processors. Mathematically we show that our algorithms can
work for any satisfiable reliability constraint. We analyze the proposed
solution approaches to understand their time requirements. Experiments with
real-world Workflows show that our algorithms, MERT and EAFTS, outperform the
state-of-art approaches. In particular, we observe that MERT gives 3.12% lesser
energy consumption and 14.14% lesser makespan on average. In the fault-tolerant
setting, our method EAFTS gives 11.11% lesser energy consumption on average
when compared with the state-of-art approaches.
- Abstract（参考訳）: 多くの科学ワークフローは、ノードが個々のタスクを表現し、有向エッジが2つのタスク間のデータおよび制御フロー依存性を表す有向非循環グラフ(dag)としてモデル化することができる。
大量のデータのために、マルチプロセッサシステムはこれらのワークフローの実行にしばしば使用される。
したがって、ワークフローのタスクをスケジューリングして特定の目標を達成する(メースパン、エネルギーの最小化、信頼性の最大化、プロセッサ利用など)ことは、組み込みシステムにおける研究の活発な領域である。
本稿では,与えられた信頼性制約に対するメーズパンとエネルギーを最小化するワークフロースケジューリングアルゴリズムを提案する。
信頼性の制約が高ければ、アクティブレプリケーションに基づくエネルギを意識したフォールトトレラントスケジューリング(eaftsと呼ばれる)も提案する。
また,タスクノードをプロセッサに割り当てることが知られていることから,プロセッサに周波数を割り当てる周波数割当アルゴリズムを開発した。
数学的には,我々のアルゴリズムは任意の信頼性制約に対して有効であることを示す。
提案する解法を解析し,その時間要件を理解する。
実世界のワークフローの実験では、私たちのアルゴリズムであるMERTとEAFTSが最先端のアプローチよりも優れていることが示されています。
特に、MERTはエネルギー消費を3.12%減少させ、平均で14.14%減少させる。
耐故障性の設定では,EAFTS法は最先端手法と比較して平均11.11%少ないエネルギー消費量となる。
関連論文リスト
- FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorFBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorFEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することができることを観察する。
論文 参考訳（メタデータ） (2024-10-10T12:41:19Z) - Distributed Deep Learning Inference Acceleration using Seamless
Collaboration in Edge Computing [93.67044879636093]
本稿では,コラボレーティブエッジコンピューティングにおける分散畳み込みニューラルネットワーク(CNN)を用いた推論高速化について検討する。
本研究では,第2エッジサーバ(ES)上のサブタスクの重なり合うゾーンをホストES上で実行し,HALPと命名した新しいタスク協調方式を設計する。
実験結果から,GTX 1080TIとJETSON AGX Xavierでは,単一のタスクに対して1.7-2.0x,バッチ毎に1.7-1.8x,バッチ毎に1.7-1.8x,VGG-16では1.7-2.0xのCNN推論を高速化できることがわかった。
論文 参考訳（メタデータ） (2022-07-22T18:39:09Z) - A heuristic method for data allocation and task scheduling on
heterogeneous multiprocessor systems under memory constraints [14.681986126866452]
本稿では,メモリ制約下でのデータ割り当てとタスクスケジューリングの問題に焦点をあてる。
本稿では,いくつかの特徴を組み合わせたタブ探索アルゴリズムを提案する。
実験により,提案アルゴリズムは比較的高品質な解を妥当な計算時間で得られることを示した。
論文 参考訳（メタデータ） (2022-05-09T10:46:08Z) - Over-the-Air Federated Multi-Task Learning via Model Sparsification and
Turbo Compressed Sensing [48.19771515107681]
本稿では,エッジサーバの協調の下で,エッジデバイス上にデプロイされた複数の学習タスクを非直交型フェードチャネルで共有する,オーバー・ザ・エアのFMTLフレームワークを提案する。
OA-FMTLでは、エッジデバイスの局所的な更新はスパース化され、圧縮され、重ね合わせの方法でアップリンクチャネルに送信される。
提案するOA-FMTLフレームワークとM-Turbo-CSアルゴリズムの性能解析を行った。
論文 参考訳（メタデータ） (2022-05-08T08:03:52Z) - Energy-Efficient Model Compression and Splitting for Collaborative
Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。
提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文 参考訳（メタデータ） (2021-06-02T07:36:27Z) - Energy Efficient Edge Computing: When Lyapunov Meets Distributed
Reinforcement Learning [12.845204986571053]
本研究では,エッジコンピューティングによるエネルギー効率のよいオフロード問題について検討する。
考慮されたシナリオでは、複数のユーザが同時に無線およびエッジコンピューティングリソースを競う。
提案されたソリューションは、ベンチマークアプローチと比較してネットワークのエネルギー効率を高めることもできます。
論文 参考訳（メタデータ） (2021-03-31T11:02:29Z) - Deep Reinforcement Learning for Delay-Oriented IoT Task Scheduling in
Space-Air-Ground Integrated Network [24.022108191145527]
宇宙空間統合ネットワーク(SAGIN)における遅延指向モノのインターネット(IoT)サービスにおけるタスクスケジューリング問題について検討する。
検討されたシナリオでは、無人航空機(UAV)がIoTデバイスからコンピューティングタスクを収集し、オンラインのオフロード決定を行う。
我々の目的は、UAVエネルギー容量の制約により、タスクのオフロードと計算遅延を最小限に抑えるタスクスケジューリングポリシーを設計することである。
論文 参考訳（メタデータ） (2020-10-04T02:58:03Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z) - Taskflow: A Lightweight Parallel and Heterogeneous Task Graph Computing
System [12.813275501138193]
Taskflowは、軽量なタスクグラフベースのアプローチを使用して、並列および異種アプリケーションの構築を合理化することを目的としている。
我々のプログラミングモデルは、グラフ内制御フローを伴うタスクグラフ並列性の非常に一般的なクラスとして、自分自身を区別する。
我々は実世界のアプリケーションでTaskflowの有望な性能を実証した。
論文 参考訳（メタデータ） (2020-04-23T00:21:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。