２０１２年５月１４日から１６日にオワタで開催されたCCGrid 2012に参加し、 ポスター発表及び最新のクラウド技術を調査した。 その参加報告をする

1. 吉岡信和
2012/5/18
1

2. 2001
2003
Cluster
Tokyo
2010
+Cloud
International Symposium on
Cluster Computing and the Grid
Grid Cloud
The 12th IEEE/ACM International Symposium on Cluster,
Cloud and Grid Computing
2

3. [OS/Programming Language] [Hardware]
Programming Models and File Systems Multicore Architectures
Programming Models
QoS and Architecture [Virtualization]
I/O and File Systems
Faults, Failures and Reliability Cluster Virtualization
GPU
[IaaS]
Cloud Services I
[Network]
Cloud Services II
Communication and Network
Cloud Computing I
Cloud Computing II
Grid Cloud Data on the Cloud
[Scheduling]
Workflows
Scheduling and Monitoring [PaaS]
Map Reduce and Workflows
Map Reduce
[Inter-Cloud]
Communication and Networks
Faults, Failures and Reliabi1lity Applications
3

4. Grid Clouds
Heterogeneous Homogeneous
Many types of systems Datacenters
Multi-organizational Clearly defined organization
Scientific applications Web / Applications
Authentication issues Authentication by credit
card
One user – many resources Elasticity
No industry involvement Much industry involvement
Free(?) Payment model
Energy awareness
引用：Dick H.J. Epema, “Twenty Years of Grid Scheduling Research and Beyond, “CCGrid2012. 4

5. 5

6.  開催期間：２０１２年５月１４日～１６日
 参加者：１５０名～２００名
 セッション：４パラレル
 発表数：８３本／投稿数：３０１本（27.5％）
6

7. Discovering Knowledge from Massive Social Networks
and Science Data – Next Frontier for HPC
Twenty Years of Grid Scheduling Research and Beyond
7

8. 100万 tweets /日
話題の広がり、
人々の繋がり
気象予測： 350TB 8

9. http://www.st.ewi.tudelft.nl/koala 9

10.  ２０本 with Reception Party
 Best poster: Hiroko Midorikawa and Joe Uchiyama, “Automatic
Adaptive Page-Size Control for Remote Memory Paging”
 Our Poster: Shigetoshi Yokoyama and Nobukazu Yoshioka,
“Cluster as a Service for Self-Deployable Cloud Applications”
GRID 5000 と目的が同じでは？
10

11.  Thyaga Nandagopal and Krishna P. N.
Puttaswamy, “Lowering Inter-Datacenter
Bandwidth Costs via Bulk Data Scheduling”
 Best paper, クラウド間のデータ転送のピーク（最大
バンド幅）を低く抑えるようにスケジューリング
 Hsing-Yu Chen, Yue-Hsun Lin, and Chen-Mou
Cheng , “COCA: Computation Offload to
Clouds using AOP”
 モバイルとクラウドの組み合わせをAOPで実現
11

12.  シナリオ：他のDCにバックアップ（デッドライン
がある大容量データ）
 基本アイデア:
 データ転送のピークを空いている時間に移動
 Elastic Jobをデッドラインスケジューリング
実行完了までに柔軟性があるJob
バックアップ、データ転送など
12

13. • offload classはクラウドで実行
• メッセージパッシングで通信
• AOPのオーバーヘッドは10-20ns
 Wifiでは問題ないが、3Gではボトルネック
• 電力量は同等
 通信に電力を使う。ただし、ピークが分散 13

14.  MORPHOSYS: Efficient Colocation of QoS-
Constrained Workloads in the Cloud
 SLAを満たすためのリソース提供言語を規定：SLA
Calculus
 リソース提供方法をパラメータ化 (IPの考え方）：
capacity, interval, tolerant, window
 Reward Scheduling for QoS in Cloud Applications
 multi-tiered serverを想定：memory, SSD, HDD
 SSDをfairに分配
 Policy-Based Automation of SLA Establishment for
Cloud Computing Services
 WS Policyを利用
14

15.  A Model and Decision Procedure for Data Storage
in Cloud Computing
 クラウドの選択を自動化
 costを最小, known parameterを固定し、unknown
parameterを調整
 inter linear programming (ILP) modelに帰着
ILP/SAT solverを利用
 An Analysis of Provisioning and Allocation
Policies for Infrastructure-as-a-Service Clouds
 様々なVMのprovisioning policyとallocation policyを考慮
した割り当てをシミュレーションにより比較
 ポリシーの使い分け、良し悪しをperformanceとcostの観
点で比較 ⇒ 結論：トレードオフが重要
15

16.  A Workflow-Aware Storage
System: An Opportunity Study
 Workflow処理時間の３０％はdata
management
 IO patterns に従い、jobのノードへの
割り当てを決定
 Memory, SSD, HDDを使い分け
 A Time-series Pattern based Noise
Generation Strategy for Privacy
Protection in Cloud Computing
 ユーザ側で故意に場所情報のノイズ
を送ってプライバシーを守る
 少ないノイズで効果的にサーバを混
乱
16

17.  低レベルなリソーススケジューリングの話が多い
 クラスタ関連の研究者が主流？
 シミュレーションベースが多い
 実際の運用実験はまだ
 Globusを使った研究は少数：SCが主流？
 Workflowを仮定した研究は意外に多い
 認証系の話はなし
【次回の会議】
 2013/5/13-16, Delft, the Netherlands
 投稿締切：１１月１２日
17

18. 18