D2GRAF: dynamic and decentralized GPU resource allocation framework for high performance computing on cloud system = D2GRAF : 클라우드 시스템에서의 고성능 컴퓨팅을 위한 동적·분산식 GPU 자원 할당 프레임워크

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 568
  • Download : 0
최근 전산처리능력에 있어 GPU 상의 범용계산(GPGPU)의 진화가 상당히 진전됨에 따라, 많은 수의 고성능 컴퓨터 플랫폼이 GPGPU를 엑셀러레이터 엔진으로써 통합시켜 왔다. 사용자들에게 자신만의 고성능컴퓨터를 설정할 수 있도록 하는 클라우드 프로바이더의 경우 또한 GPGPU를 클라우드 리소스로써의 활용을 고려하고 있다. 클라우드 상에서 GPGPU를 리소스화 한 (GPU 가상화라 불리는) 최근의 최첨단 기술로는 NVIDIA Grid, PCI Pass through, Remote API 등이 있다. 이들 중 Remote API는 PCI Pass through 보다 리소스 사용율이 더 우수하고, NVIDIA Grid 보다 전개면에서 더 유연하다. 그러나, 확장성 문제나, 고장감내 시스템의 요구사항, 최적화된 리소스 사용 등 클라우드 시스템에서 야기될 수 있는 여러가지 난제들을 고려하여 클라우드 플렛폼에 도입되는 것에 대한 포괄적인 연구는 없는 상태이다. 본 논문에서는 GPGPU와 클라우드 플렛폼의 특징을 분석하고 클라우드 플랫폼과 GPGPU의 통합적 프레임워크인 D2GRAF를 제시하였다. D2GRAF 는 확장성과 고장감내 능력을 갖춘 시스템을 목적으로 하여 고안되었다. 이를 달성하기 위해서, D2GRAF는 마스터와 슬레이브 역할 내에서 운영되는 복수의 일정관리 체제(D2GRAF 스케줄러)로 이루어진다. 효과적인 일정관리와 확장성을 구축하기 위하여, 이 체제들은 주키퍼 서버와 인피니밴드 네트워크 라이브러리와 협력하면서, 네트워크 접근에 따라 클러스터를 구축한다. 결국, 주키퍼의 “Watch” 기능이 마스터와 슬레이브의 고장을 신속하게 복구함으로써 높은 고장감내 능력을 달성할 수 있도록 도와주는 것이다. 이 구조는 실질적인 실행 및 시뮬레이션(모의실험) 모두에서 측정되었다. 결과에 따르면, D2GRAF는 GPU가상화 기술에 비해 오버헤드가 감소한다. 또한 1000번에 걸친 노드 모의실험결과 높은 고장감내 능력과 확장성을 보인다.
Advisors
Kim, Dae Youngresearcher김대영researcher
Description
한국과학기술원 :전산학부,
Publisher
한국과학기술원
Issue Date
2015
Identifier
325007
Language
eng
Description

학위논문(석사) - 한국과학기술원 : 전산학부, 2015.8 ,[vi, 44 p :]

Keywords

GPU Resource Allocation; High Performance Computing; Cloud System; Decentralized; D2GRAF; GPU 자원 할당; 고성능 컴퓨팅을; 클라우드 시스템; 분산식

URI
http://hdl.handle.net/10203/206640
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=628554&flag=dissertation
Appears in Collection
CS-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0