English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Las tecnologias grid permiten integrar recursos heterogeneos distribuidos. Las aplicaciones del mundo cientifico y empresarial ganan asi acceso a vastas infraestructuras que traspasan limites administrativos. En este entorno distribuido, los trabajos de computacion pueden ser ejecutados en cualquier recurso y se hacen necesarias estrategias para seleccionar el destino optimo para cada tarea, con el objetivo de maximizar la eficiencia de las aplicaciones. Los metaplanificadores como GridWay son los encargados de enviar los trabajos a los recursos y en los momentos apropiados. Este proyecto se ocupa de la planificacion de tareas que consumen grandes cantidades de datos ya existentes. Muestra como los metaplanificadores necesitan tener en cuenta donde se hallan los datos para poder minimizar replicaciones innecesarias y para optimizar la eficiencia de los trabajos. Tambien describe las modificaciones realizadas en GridWay para hacerle capaz de aceptar requisitos de datos de los trabajos y flexible para implantar diferentes algoritmos en funcion de ellos. Se repasan y prueban con GridWay algunos de estos algoritmos y finalmente se propone una aproximacion al problema general de planificacion de trabajos y colocacion de datos en el grid. Como ejemplo de motivacion, se discuten las exigentes necesidades en datos del experimento CMS, participante del proyecto EGEE. Estas serviran como referencia para evaluar los algoritmos propuestos y nuestra propia implementacion. La organizacion de este trabajo es la siguiente: el capitulo 1 introduce el concepto de grid, describe las principales tecnologias grid usadas hoy en dia y el metaplanificador GridWay, y presenta la infraestructura EGEE. El capitulo 2 estudia los retos planteados por la planificacion de tareas con importantes necesidades de datos, y repasa como los afronta EGEE y que proponen otros autores para resolverlos. El capitulo 3 se apoya en las conclusiones del capitulo 2 para describir nuestra aproximacion al problema, las modificaciones realizadas en GridWay y los experimentos llevados a cabo para probar nuestra solucion. Finalmente, el capitulo 4 resume las conclusiones del proyecto y las posibles mejoras de trabajo futuro.[ABSTRACT]  Grid technologies have brought the promise of seamless integration of distributed heterogeneous resources. Applications from both industry and research communities will gain access to vast infrastructures across administrative boundaries. In this distributed environment, computing tasks may run anywhere and strategies to select the best possible destination for each piece of work become fundamental to improve the applications’ efficiency. It is the duty of metaschedulers such as GridWay to allocate computing jobs to the most appropriate resources at the proper time. This work focuses on the scheduling of jobs that consume huge amounts of existing data. It shows why metaschedulers need to take into account the location of data in order to optimize job efficiency and avoid unnecessary data replication. It also describes how GridWay has been modified to accept data requirements in job requests and made flexible to implement different data-aware scheduling algorithms. Some of these algorithms are reviewed and tested with the new GridWay and a proposal for the solution of the general problem of data placement and job allocation in the grid is presented. As a motivating example, the demanding data needs of the CMS experiment, within the EGEE project, are discussed. This serves to evaluate proposed algorithms and our own implementation. This text is organized as follows. Chapter 1 introduces the concept of grid, describes the main grid technologies in use today and the GridWay metascheduler, and presents the EGEE infrastructure. Chapter 2 studies the challenges posed by the scheduling of jobs with important data requirements. It reviews how this is dealt with in EGEE and what other authors propose to address it. Chapter 3 builds on the lessons of Chapter 2 and describes our approach to the problem, the modifications performed in GridWay to make it data location-aware and the experiments that were carried out to test our solution. Finally, Chapter 4 summarizes the conclusions of the project and the improvements that future work may bring.

Data location-aware job scheduling in the grid. Application to the GridWay metascheduler