Energy-efficient Workflow Scheduling with Budget and Deadline constraints in a Cloud Datacenter - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Energy-efficient Workflow Scheduling with Budget and Deadline constraints in a Cloud Datacenter

Ordonnancement éco-énergétique de workflow sous contraintes de budget et de délai dans un centre de données de cloud

Résumé

Scientific workflows decompose complex scientific applications into smaller subsequent interdependent tasks that can be executed in serial or parallel. Their use has boosted scientific advancements in various fields such as biology, physics, medicine, and astronomy. However, scientific workflows are generally complex and have varied structures and characteristics that can have a significant impact on the result of a scheduling algorithm. Schedule a workflow consist to assign workflow tasks onto the resources of a computing infrastructure. Nowadays, the trend in information technology is the usage of Cloud computing environments to perform scientific workflow applications. However, cloud environments are experiencing a real problem of energy consumption. Inefficient resources management in cloud data centers has been identified as one of the main causes. That led to resources underutilisation, huge electricity bills, and reduction of the return of investment (ROI) for the cloud providers, and also high carbon dioxide emissions. As for the users, the respect of their defined deadline and budget is very important. In this thesis, we have proposed consecutively five workflow scheduling algorithms based on the structural properties of workflows. We have first investigated how to propose scheduling strategies to minimize both execution cost and execution time, which led to the proposal of two algorithms. Finally, we have investigated how to render our strategies more energy efficient. That led to the proposition of three scheduling algorithms aiming at minimizing the energy consumption, the execution cost, and the execution time. The three algorithms take advantage of the structural properties of the workflow as well as newly introduced scheduling concepts. At each step of our work, comparative simulations have been conducted between each of our proposals against state-of-the-art algorithms. Supported by adequate statistical tests, the analysis of the results reveals the levels of outperformance of our proposals both in the case of the two bi-objective algorithms than in the case of the three multi-objective ones aiming in addition at reducing energy consumption. The out-performance of the later ones in terms of energy-saving is established in 80% of types and workloads of workflows. Overall, one among the three, namely the Structure-based Multi-objective Workflow Scheduling with an Optimal instance type (SMWSO), is at least 50% more energy-saving, followed by our two other algorithms. As for the success rate, even though SMWSO scored overall the highest success rate, statistical tests revealed that there is no significant difference between our three algorithms and the baseline algorithm in terms of user satisfaction.
Les workflows scientifiques décomposent des applications scientifiques complexes en plus petites tâches subséquentes et interdépendantes qui peuvent être exécutées en série ou en parallèle. Leur utilisation a boosté les progrès scientifiques dans divers domaines tels que la biologie, la physique, la médecine et l'astronomie. Cependant, les workflows scientifiques sont généralement complexes et ont des structures et des caractéristiques variées qui peuvent avoir un impact significatif sur le résultat d'un algorithme d'ordonnancement. Ordonnancer un workflow consiste à affecter ses tâches aux ressources d'une infrastructure informatique. De nos jours, la tendance dans les technologies de l'information est l'utilisation des environnements de cloud computing pour l'exécution des workflows scientifiques. Cependant, les environnements cloud connaissent un réel problème de consommation d'énergie. La gestion inefficace des ressources dans les centres de données cloud a été identifiée comme l'une des principales causes. Cela a entraîné une sous-utilisation des ressources, des factures d'électricité très élevées et une réduction du retour sur investissement pour les fournisseurs de cloud, ainsi que des émissions de dioxyde de carbone élevées. Quant aux utilisateurs, le respect de leur délai et budget lors de l'exécution est très important. Dans cette thèse, nous avons proposé consécutivement cinq algorithmes d'ordonnancement de workflow basés sur les propriétés structurelles des workflows. Nous avons d'abord étudié comment proposer des stratégies d'ordonnancement pour minimiser à la fois le coût d'exécution et le temps d'exécution, ce qui a conduit à la proposition de deux algorithmes. Enfin, nous avons étudié comment rendre nos stratégies plus écoénergétiques. Cela a conduit à la proposition de trois algorithms d'ordonnancement de workflow visant à minimiser la consommation d'énergie, le coût d'exécution et le temps d'exécution. Les trois algorithmes tirent parti des propriétés structurelles des workflows ainsi que de concepts d'ordonnancement nouvellement introduits. A chaque étape de nos travaux, des simulations comparatives ont été menées entre nos algorithmes et des algorithmes de pointe. Soutenue par des tests statistiques adéquats, l'analyse des résultats révèle les niveaux de surperformance de nos propositions aussi bien dans le cas des deux algorithmes bi-objectifs que dans le cas des trois algorithmes multi-objectifs visant en outre à réduire la consommation d'énergie. La surperformance de ces derniers en termes d'économie d'énergie est établie dans 80% des types et des charges de travail des workflows. Dans l'ensemble, l'un des trois, à savoir Structure-based Multi-objective Workflow Scheduling with an Optimal instance type (SMWSO), est au moins 50% plus économe en énergie, suivi de nos deux autres algorithmes. En ce qui concerne le taux de réussite, même si SMWSO a globalement obtenu le taux de réussite le plus élevé, les tests statistiques ont révélé qu'il n'y a pas de différence significative entre nos trois algorithmes et celui de la littérature en termes de satisfaction des utilisateurs.
Fichier principal
Vignette du fichier
NdamlabinPhDThesis2021.pdf (3.91 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03590132 , version 1 (26-02-2022)

Identifiants

  • HAL Id : tel-03590132 , version 1

Citer

Jean Etienne Ndamlabin Mboula. Energy-efficient Workflow Scheduling with Budget and Deadline constraints in a Cloud Datacenter. Computer Science [cs]. Faculty of Science, University of Ngaoundere, Cameroon, 2021. English. ⟨NNT : ⟩. ⟨tel-03590132⟩

Collections

AFRIQ
110 Consultations
189 Téléchargements

Partager

Gmail Facebook X LinkedIn More