10.3969/j.issn.1673-064X.2015.03.019
面向GPU异构集群的自学习负载均衡调度算法
由于GPU的高性能计算能力,越来越多地被用于集群系统中,但同时也给集群带来节点级的异构问题,使原来适用于同构集群的调度算法在异构集群中性能大大降低.为使异构节点间的负载均衡,降低总的作业执行时间,提出了一个面向GPU异构集群的自学习负载均衡调度算法.首先对Torque调度器进行扩展,使其支持GPU作业调度,然后将提出的自学习调度算法在Rocks操作系统及Torque调度器软件中实现.真实物理集群上的实验结果表明,扩展后的Torque调度器很好地支持GPU任务的调度,自学习调度算法较原来的Torque调度算法能达到更好的负载均衡.
异构集群、GPU、自学习调度算法、负载均衡
30
TP393(计算技术、计算机技术)
国家自然科学基金项目61100075、61272456;高等院校基本科研业务费项目K5051323005,BDY041409
2015-07-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
105-110