Planificación y gestión de recursos en la ejecución de workflows científicos en entornos híbridos GPGPU

Els workflows han esdevingut un esquema d’organitzacio de les tasques ampliament utilitzat per al processament de dades cientifiques. Aquesta tesis presenta varies tecniques de planificacio i de gestio de recursos per a l'execucio de workflows cientifics en entorns de computacio hibrids. En els darrers anys, els processadors de les targetes grafiques (GPUs) han esdevingut un recurs programable que s'ha introduit en els sistemes de comput com a acceleradors per a executar, a un cost economic baix, altres tasques que no sigui el processament grafic. Un ambit on s'han introduit ha estat el camp del processament d'imatges mediques, degut a que l'alta ressolucio i tamany de les imatges suposen un alt cost en recursos i temps de computacio. Aquest cas es dona amb FreeSurfer, que es un conjunt d'eines que defineixen workflows de processament de ressonancies magnetiques. La introduccio d'algunes implementacions en GPU en les etapes del workflow de processament de ressonancies estructurals des de les versions 5 i 5.3, ha suposat una important reduccio del temps d'execucio per una sola instancia (execucio serial) del workflow, al voltant d'un 60-70% en funcio de la ressonancia d'entrada. Quan volem executar multiples instancies del workflow en un mateix node de comput ens trobem que les GPUs resulten ser coll d'ampolla per la saturacio de la memoria de la targeta. Per superar aquestes limitacions s'introdueixen al llarg d'aquest treball varies tecniques de planificacio i gestio dels recursos compartits, en especial la GPU. En el primer estudi es presenta la proposta de planificacio que denominem inter-workflow, amb una taula de restriccions que defineix un percentatge d’utilitzacio de recursos per cada etapa i que serveix per prendre les decisions de planificacio. Aquesta planificacio s’aplica en la gestio de les dependencies de dades i d’acces als recursos per al cas d’us definit pel workflow complet d’analisi estructural de FreeSurfer. En l’execucio de multiples instancies, aplicant aquesta planificacio obtenim una millora de 6,79x respecte l'execucio serial. Per altra banda, en el segon estudi realitzat, el cas d’us es el subflow de FreeSurfer per a la reconstruccio volumetrica. Amb la planificacio que denominem per lots s'introdueixen mecanismes de control de combinacions de les tasques de les diferents instancies a executar, i obtenim un guany de 10,48x respecte l'execucio serial. Aquesta millora suposa un 27% respecte la planificacio inter-workflow aplicada en el mateix workflow i les mateixes dades d’entrada.