Ocean-Atmosphere Modelization over the Grid

Y. Caniou, E. Caron, G. Charrier, A. Chis, F. Desprez, É. Maisonnave
2008 2008 37th International Conference on Parallel Processing  
In this report, we tackle the problem of scheduling an Ocean-Atmosphere application used for climate prediction on the grid. An experiment is composed of several 1D-meshes of identical DAGs composed of parallel tasks. To obtain a good completion time, we divide groups of processors into sets each working on parallel tasks. The group sizes are chosen by computing the best makespan for several grouping possibilities. We improved this heuristic method by different means. The improvement yielding
more » ... the best makespan is the representation of the problem as an instance of the Knapsack problem. As this heuristic is firstly designed for homogeneous platforms, we present its adaptation to heterogeneous platforms. Simulations show improvements of the makespan up to 12%. Résumé Les besoins en calcul pour la simulation de modèle météorologique ou océanographique sont très importants. Afin d'améliorer les temps de calcul, nous nous intéressons ici au problème de l'ordonnancement de simulations du climat sur une grille de calcul. Plusieurs simulations couplées Océan-Atmosphère sont entreprises simultanément afin d'estimer statistiquement l'incertitude sur le réchauffement du climat du XXIe siècle. Notre expérience est donc composée de plusieurs chaînes de DAG (Directed Acyclic Graph) identiques composés de tâches parallèles. Afin de minimiser le temps d'exécution, nous divisons des groupes de processeurs en ensembles, chacun travaillant sur une tâche parallèle. Les tailles des groupes sont choisis en estimant le meilleur temps d'exécution en fonction de plusieurs scénarios de regroupement. Nous avons mis en oeuvre et amélioré une heuristique pour plate-forme homogène pour résoudre ce problème. L'heuristique offrant alors les meilleures performances est solution s'inspirant du problème du sac à dos. Nous proposons ensuite une adaptation de cette heuristique dans le cadre de plates-formes hétérogènes. Enfin nous proposons quelques simulations qui montrent entre autres des gains allant jusqu'à 12%.
doi:10.1109/icpp.2008.37 dblp:conf/icpp/CaniouCCCDM08 fatcat:nx46wuxghbfh3lw3f6jy6fizgq