共享分布式架构上的拓扑感知局部虚拟集群映射算法提升性能

本文主要探讨的是在共享分布式基础设施上的拓扑感知局部虚拟集群映射算法，针对新型虚拟化高性能计算（HPC）中心的需求。在这样的环境下，为了支持并行和分布式应用的高效执行，虚拟集群（VC）作为一种隔离且可配置的资源池被动态创建和部署。传统的VCM问题关注于如何在运行时为每个作业分配物理资源，这直接影响到VC的性能和整个系统的资源利用率。 以往的研究往往忽视了并行作业中子任务间的角色差异，将VC内的所有虚拟机（VM）视为同等重要。然而，实际上，执行不同子任务的VM应该根据其在工作流程中的关键性赋予不同的权重。为此，作者提出了部分VC映射的概念，它区别于现有的全量映射方法，更注重VM之间的优先级和资源分配策略。 为了实施部分映射，研究者引入了通信骨架（Communication Skeleton, CS），这是基于虚拟节点之间网络拓扑的关键通信结构，用于确定VM的重要性和依赖关系。他们设计了一个评估节点重要性的机制，通过分析并行作业的通信需求来构建CS。这个算法考虑了任务间的数据流动和通信效率，确保关键节点和连接得到优化。 进而，本文提出了拓扑感知局部虚拟簇映射算法（TOP-VCM），它利用子图同构检测技术，精确地匹配通信骨架中的节点和链接需求。TOP-VCM在满足核心通信需求的同时，对非关键节点和链接的要求稍作妥协，以此降低映射复杂度，提高整体资源的利用效率。实验结果显示，TOP-VCM在保证VC性能的同时，显著提升了系统的总收入和资源利用率，以及映射算法的性能表现。 总结来说，本文的贡献在于提出了一种新的VCM策略，它能够更好地适应并行作业的特性，提升分布式基础设施的资源管理效率，对于优化虚拟化HPC中心的性能和资源分配具有重要意义。