Escalonamento de tarefas com localidade de dados em grids

• Processo: 14/02104-0
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de julho de 2014
• Data de Término da vigência: 28 de fevereiro de 2015
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Teoria da Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Eduardo Candido Xavier
• Beneficiário: Marcelo Galvão Póvoa
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Problemas de programação de tarefas Sistemas distribuídos Algoritmos de aproximação Replicação de dados Interface gráfica
• Palavra(s)-Chave do Pesquisador: Algoritmos de Aproximação | Data Grids | Escalonamento de tarefas | Replicação de Dados | Algoritmos de Aproximação

Resumo

Este trabalho estuda os problemas de alocação de tarefas e replicação de dados em sistemas computacionais distribuídos conhecidos como Data Grids. Os dois problemas já foram extensivamente estudados de forma independente na literatura, mas estamos concentrados na análise integrada de ambos, de forma a otimizar uma única função objetivo. Ainda não são conhecidos resultados teóricos expressivos para essa abordagem, que tem sido alvo de pesquisa mais recente. Temos interesse tanto na análise teórica, ao avaliar a dificuldade do problema e suas variações e propor um algoritmo de aproximação (quando viável), bem como no aspecto prático, ao propor e experimentar novas heurísticas eficientes para o problema. Nossos resultados até o momento incluem uma formulação concisa usando programação linear inteira e um algoritmo com fator de aproximação constante para uma versão reduzida do problema. O objetivo final deste trabalho consiste em apresentar um algoritmo robusto que tenha desempenho comparável, se não melhor, que os resultados presentes na literatura. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

POVOA, MARCELO G.; XAVIER, EDUARDO C.. Approximation algorithms and heuristics for task scheduling in data-intensive distributed systems. International Transactions in Operational Research, v. 25, n. 5, p. 1417-1441, SEP 2018. (16/23552-7, 14/02104-0, 15/11937-9)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

PÓVOA, Marcelo Galvão. Escalonamento de tarefas com localidade de dados em grids. 2015. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Instituto de Computação Campinas, SP.