异构HPC系统中工作负载映射与调度优化工具与技术综述
分布式、并行与集群计算
2025-05-19 v1
摘要
本文系统性地综述了高性能计算（HPC）计算连续体中的映射和调度策略，特别强调异构系统。它引入了一个原型工作流程，以确立工作负载特征化和资源分配的基础概念。建立在此基础上，对选取的66篇研究论文（涵盖2017至2024年）进行了彻底分析，评估了用于工作负载映射和调度的当代工具和技术。综述指出，传统的车间作业调度公式往往缺乏足以有效建模现代HPC数据中心复杂性的表达力。它也重新确认了将HPC调度问题归类为NP难问题，由于其组合本质以及系统和工作负载约束的多样性。分析结果显示，当前仍依赖于启发式和类启发式策略，包括自然启发式、进化、排序和搜索算法。为弥合观察到的差距，本研究主张采用混合优化方法，战略性地整合启发式、类启发式、机器学习和新兴量子计算技术。这种整合在针对特定问题领域进行优化时，具有显著提升异构HPC环境工作负载优化规模性、效率和适应性的前景。
引用
@article{arxiv.2505.11244,
title = {A Review of Tools and Techniques for Optimization of Workload Mapping and Scheduling in Heterogeneous HPC System},
author = {Aasish Kumar Sharma and Julian Kunkel},
journal= {arXiv preprint arXiv:2505.11244},
year = {2025}
}
备注
The report follows IEEE double column format. It is submitted to a "International Journal of High Performance Computing Applications" on "30-Apr-2024" with Id: "hpc-24-0378" and is in peer-review. Reprints and permission: sagepub.co.uk/journalsPermissions.nav. DOI: 10.1177/ToBeAssigned; www.sagepub.com/