吉岡信和

2012/5/18

1

Cluster

CloudGrid

The 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing

2010+Cloud

2003Tokyo

2001

International Symposium on Cluster Computing and the Grid

2

Cluster

CloudGrid

3

[PaaS]Map Reduce and WorkflowsMap Reduce

[IaaS]Cloud Services ICloud Services IICloud Computing ICloud Computing IIData on the Cloud

Applications

[Inter-Cloud]Communication and NetworksFaults, Failures and Reliabi1lity

[Scheduling]WorkflowsScheduling and Monitoring

[OS/Programming Language]Programming Models and File SystemsProgramming ModelsQoS and ArchitectureI/O and File SystemsFaults, Failures and Reliability

[Virtualization]VirtualizationGPU

[Hardware]Multicore Architectures

[Network]Communication and Network

Grid CloudsHeterogeneous HomogeneousMany types of systems DatacentersMulti-organizational Clearly defined organizationScientific applications Web / ApplicationsAuthentication issues Authentication by credit

cardOne user – many resources Elasticity No industry involvement Much industry involvementFree(?) Payment model

Energy awareness4引用：Dick H.J. Epema, “Twenty Years of Grid Scheduling Research and Beyond, “CCGrid2012.

5

開催期間：２０１２年５月１４日～１６日

参加者：１５０名～２００名

セッション：４パラレル

発表数：８３本／投稿数：３０１本（27.5％）

6

7

Discovering Knowledge from Massive Social Networks and Science Data – Next Frontier for HPC

Twenty Years of Grid Scheduling Research and Beyond

8気象予測： 350TB

100万 tweets /日

話題の広がり、人々の繋がり

9http://www.st.ewi.tudelft.nl/koala

２０本 with Reception Party Best poster: Hiroko Midorikawa and Joe Uchiyama, “Automatic

Adaptive Page-Size Control for Remote Memory Paging” Our Poster: Shigetoshi Yokoyama and Nobukazu Yoshioka,

“Cluster as a Service for Self-Deployable Cloud Applications”

10

GRID 5000 と目的が同じでは？

Thyaga Nandagopal and Krishna P. N. Puttaswamy, “Lowering Inter-Datacenter Bandwidth Costs via Bulk Data Scheduling” Best paper, クラウド間のデータ転送のピーク（最大バンド幅）を低く抑えるようにスケジューリング

Hsing-Yu Chen, Yue-Hsun Lin, and Chen-MouCheng , “COCA: Computation Offload to Clouds using AOP” モバイルとクラウドの組み合わせをAOPで実現

11

シナリオ：他のDCにバックアップ（デッドラインがある大容量データ）

基本アイデア: データ転送のピークを空いている時間に移動

Elastic Jobをデッドラインスケジューリング

12

実行完了までに柔軟性があるJobバックアップ、データ転送など

13

• offload classはクラウドで実行• メッセージパッシングで通信

• AOPのオーバーヘッドは10-20nsWifiでは問題ないが、3Gではボトルネック

• 電力量は同等通信に電力を使う。ただし、ピークが分散

MORPHOSYS: Efficient Colocation of QoS-Constrained Workloads in the Cloud SLAを満たすためのリソース提供言語を規定：SLA

Calculus リソース提供方法をパラメータ化 (IPの考え方）：

capacity, interval, tolerant, window Reward Scheduling for QoS in Cloud Applications

multi-tiered serverを想定：memory, SSD, HDD SSDをfairに分配

Policy-Based Automation of SLA Establishment for Cloud Computing Services WS Policyを利用

14

A Model and Decision Procedure for Data Storage in Cloud Computing クラウドの選択を自動化

costを最小, known parameterを固定し、unknown parameterを調整

inter linear programming (ILP) modelに帰着ILP/SAT solverを利用

An Analysis of Provisioning and Allocation Policies for Infrastructure-as-a-Service Clouds 様々なVMのprovisioning policyとallocation policyを考慮

した割り当てをシミュレーションにより比較

ポリシーの使い分け、良し悪しをperformanceとcostの観点で比較⇒ 結論：トレードオフが重要

15

A Workflow-Aware Storage System: An Opportunity Study Workflow処理時間の３０％はdata

management IO patterns に従い、jobのノードへの

割り当てを決定 Memory, SSD, HDDを使い分け

A Time-series Pattern based Noise Generation Strategy for Privacy Protection in Cloud Computing ユーザ側で故意に場所情報のノイズ

を送ってプライバシーを守る

少ないノイズで効果的にサーバを混乱

16

低レベルなリソーススケジューリングの話が多い クラスタ関連の研究者が主流？

シミュレーションベースが多い 実際の運用実験はまだ

Globusを使った研究は少数：SCが主流？ Workflowを仮定した研究は意外に多い

認証系の話はなし

【次回の会議】

2013/5/13-16, Delft, the Netherlands 投稿締切：１１月１２日

17

18