Effiziente Ressourcenverwaltung
Rechenzentren sind aus unserer Gesellschaft kaum noch wegzudenken: Internetdienste stützen sich auf von großen Unternehmen gemietete Rechenkraft, Forschungsinstitute kaufen für aufwendige Rechnungen kurzfristig Rechenzeit ein und selbst der Endanwender lagert immer mehr seiner alltäglichen Anwendungen in die Cloud aus. Dieser schnell steigende Bedarf an kurzfristiger, garantierter und genau dosierter Rechenkraft führt gängige Systemarchitekturen rasch an ihre Grenzen. Die Leistungsfähigkeit von Einzelrechnern kann mit dieser Entwicklung längst nicht mehr Schritt halten. So sind parallele Systeme inzwischen gang und gäbe. Gerade die zeitgerechte und garantierte Bereitstellung von Rechenleistung erfordert aber in absehbarer Zeit neue Architekturen. Es erscheint unumgänglich, heterogene Systeme zu entwickeln: parallele Systeme, die neben (möglicherweise verschiedenen) CPU-Kernen auch Beschleunigerkomponenten enthalten. Beispiele für derartige Beschleuniger sind GPUs oder auch FPGAs. Sie ermöglichen es zum Beispiel kurzfristige, zeitkritische Aufträge neben dem Normalbetrieb abzuarbeiten. Die Aussicht, kritische Teile eines Algorithmus auf Spezialhardware auszulagern, möglicherweise sogar zur Laufzeit, erlaubt zudem deutlich effizientere Lösungsstrategien. Effizienz schließt hier neben klassischen Faktoren (Zeit und Speicherplatz) auch neue Konzepte (z. B. Energie, Temperaturentwicklung) mit ein.
Unsere Forschung befasst sich mit algorithmischen Problemstellungen in solchen zukünftigen Hochleistungsrechenzentren. Wie kann eine derartig große Anzahl an stark unterschiedlichen Ressourcen effizient verwaltet werden? Dabei ergeben sich auch weitergehende Fragestellungen nach der Profitabilität und der Unterstützung von Garantien gegenüber Kunden. Wir entwickeln Modelle und Algorithmen, die zum einen beweisbar gute Ergebnisse erzielen, zum anderen nahe genug an der Realität liegen, um ein tieferes Verständnis der vorliegenden Problemstellung zu ermöglichen. Erste Ansätze solcher Modelle betrachten mehrere Prozessoren, deren Geschwindigkeit zur Laufzeit frei gewählt werden kann. Eine höhere Geschwindigkeit erlaubt es, Aufträge schneller zu bearbeiten und so möglicherweise einen höheren Erlös vom Kunden zu erzielen, benötigt jedoch auch eine höhere Energieinvestition. Verpasste Deadlines ziehen verlorenen Gewinn oder sogar Schadensersatz nach sich. Optimale Strategien sind hier meist nicht erreichbar. Gute Strategien sollten jedoch die jeweiligen Konsequenzen berücksichtigen und versuchen einen möglichst optimalen Schedule zu erzielen.
Service Level Agreements als Funktionen modelliert
Verteilte Rechennetze
Eine kostengünstige Alternative zu herkömmlichen Rechenzentren stellt das Volunteer-Computing dar: die Nutzung der schlummernden Rechenkapazität vieler Desktopsysteme, wie z. B. den nur geringfügig ausgelasteten PCs in vielen Unternehmen. Solche Systeme sind allerdings sehr dynamisch: die verfügbare Rechenkapazität kann stark schwanken und Rechner sind nicht ständig verfügbar. Mit der Paderborn University BSP-based Web Computing (PUB-Web) Library haben wir eine Middleware entwickelt, die mit dieser Dynamik umgehen kann. Als Peer-to-Peer-System passt sie sich den Gegebenheiten des PC-Netzwerks an. Intelligente Lastbalancierungsalgorithmen verteilen die parallelen Prozesse auf die PCs gemäß der jeweils aktuell verfügbaren Rechenleistung und verschieben ggf. Prozesse zur Laufzeit auf weniger ausgelastete PCs. Regelmäßig und redundant gespeicherte Sicherungskopien der Prozesszustände ermöglichen hierbei den Umgang mit unerwarteten Ausfällen einzelner PCs.
In diesem Forschungsfeld untersuchen wir Möglichkeiten PUB-Web weiter auszubauen und als Basis für die Vernetzung verschiedenster Rechenressourcen zu nutzen. Dies schließt sowohl herkömmliche Desktopsysteme als auch Verbünde von Rechenzentren mit ein, die Teile ihrer Rechenkapazitäten möglicherweise unter bestimmten, vertraglich festgelegten Bedingungen zur Verfügung stellen.
Verschiedene Ebenen von Schedulingproblemen
Kontakt:
Dipl.-Math. Peter Kling, M.Sc.
E-Mail: Peter.Kling@hni.uni-paderborn.de
Telefon: +49 (0) 5251/60 64 27
