doc/index.doc

   1 /*! \page index
   2
   3 <center>
   4 \htmlonly
   5 <img align=center src="simgrid_logo.png" alt="SimGrid"><br>
   6 \endhtmlonly
   7 </center>
   8
   9 \section overview Overview
  10
  11 SimGrid is a toolkit that provides core functionalities for the simulation
  12 of distributed applications in heterogeneous distributed environments.
  13 The specific goal of the project is to facilitate research in the area of
  14 distributed and parallel application scheduling on distributed computing
  15 platforms ranging from simple network of workstations to Computational
  16 Grids.
  17
  18 \section people People
  19
  20 The authors of SimGrid are:
  21
  22 \author Henri Casanova <casanova@cs.ucsd.edu>
  23 \author Arnaud Legrand <arnaud.legrand@imag.fr>
  24 \author Martin Quinson <martin.quinson@tuxfamily.org>
  25
  26 \section intro Available Softwares
  27
  28 The SimGrid toolkit is composed of different modules :
  29
  30 \li XBT (eXtensive Bundle of Tools) is a portable library with many
  31     convenient portable datastructures (vectors, hashtables, heap,
  32     contexts ...). Most other SimGrid modules rely on it.
  33
  34 \li SURF provides the core functionnalities to simulate a virtual
  35     platform. It is very low-level and is not intended to be used as
  36     such but rather to serve as a basis for higher-level simulators
  37     (like MSG, GRAS, SMPI, ...). It relies on a fast max min linear
  38     solver.
  39
  40 \li MSG is a simulator built using the previous modules. It aims at
  41     being realistic and is application-oriented. It is the software layer
  42     of choice for building simulation with multiple scheduling agents.
  43
  44 \li GRAS (<em>not functionnal yet</em>) is an ongoing project to emulate virtual virtual platforms
  45     through SURF. As a consequence a code developped using the GRAS
  46     framework is able to run as well in the real-world as in the
  47     simulator. If you intend to use MSG in a very intensive way
  48     (e.g. for simulating a peer-to-peer environment), you may want to
  49     switch to GRAS.
  50
  51 \li SMPI (<em>not functionnal yet</em>) is an ongoing project to enable MPI code to run on top of a
  52     virtual platform through SURF. It follows the same principle as
  53     the ones used in GRAS but is specific to MPI applications.
  54
  55 The section \ref publications contains links to papers that provide
  56 additional details on the project as well as validation and
  57 experimental results.
  58
  59 The software can be downloaded from <a href="http://gcl.ucsd.edu/SimGrid/dl/">here</a>.
  60
  61 \section install Installation
  62
  63 Simply type
  64       \li <tt>./configure</tt>
  65       \li <tt>make all install</tt>
  66
  67 If you are not familiar with compiling C files under UNIX and using
  68 libraries, you will find some more informations in Section \ref
  69 faq.
  70
  71 \section documentation API Documentation
  72
  73 The API of all different modules is described in \ref SimGrid_API.
  74
  75 See \ref SimGrid_examples for an introduction on the way to use these modules.
  76
  77 \section users_contributers Users / Contributers
  78
  79 \subsection contributers Contributers
  80
  81       \li Loris Marchal: wrote the new algorithm for simulation TCP
  82           bandwidth-sharing.
  83       \li Julien Lerouge : wrote a XML parser for ENV descriptions and
  84           helped for the general design during a  4 month period (march-june 2002)
  85           in the LIP.
  86       \li Clément Menier and Marc Perache : wrote a first prototype of
  87           the MSG interface during a project at ENS-Lyon (jan 2002).
  88       \li Dmitrii Zagorodnov : wrote some parts of the first version
  89           of SimGrid (1999).
  90
  91 \subsection mailinglist User Mailing List
  92
  93    We have a <a href=https://listes.ens-lyon.fr/wws/info/simgrid2-users> mailing list for
  94    SimGrid users</a>.<p>
  95
  96 \section publications Publications
  97
  98 \subsection simulation About simulation
  99
 100 \li <b>Scheduling Distributed Applications: the
 101        SimGrid Simulation Framework</b>\n
 102     by <em>Henri Casanova and Arnaud Legrand and Loris Marchal</em>\n
 103     Proceedings of the third IEEE International Symposium
 104     on Cluster Computing and the Grid (CCGrid'03)\n
 105     Since the advent of distributed computer systems an active field
 106     of research has been the investigation of scheduling strategies
 107     for parallel applications.  The common approach is to employ
 108     scheduling heuristics that approximate an optimal
 109     schedule. Unfortunately, it is often impossible to obtain
 110     analytical results to compare the efficacy of these heuristics.
 111     One possibility is to conducts large numbers of back-to-back
 112     experiments on real platforms.  While this is possible on
 113     tightly-coupled platforms, it is infeasible on modern distributed
 114     platforms (i.e. Grids) as it is labor-intensive and does not
 115     enable repeatable results. The solution is to resort to
 116     simulations. Simulations not only enables repeatable results but
 117     also make it possible to explore wide ranges of platform and
 118     application scenarios.\n
 119     In this paper we present the SimGrid framework which enables the
 120     simulation of distributed applications in distributed computing
 121     environments for the specific purpose of developing and evaluating
 122     scheduling algorithms.  This paper focuses on SimGrid v2, which
 123     greatly improves on the first version of the software with more
 124     realistic network models and topologies.  SimGrid v2 also enables
 125     the simulation of distributed scheduling agents, which has become
 126     critical for current scheduling research in large-scale platforms.
 127     After describing and validating these features, we present a case
 128     study by which we demonstrate the usefulness of SimGrid for
 129     conducting scheduling research.
 130
 131
 132 \li <b>A Network Model for Simulation of Grid Application</b>\n
 133     by <em>Henri Casanova and Loris Marchal</em>\n
 134     \anchor paper_tcp
 135     In this work we investigate network models that can be
 136     potentially employed in the simulation of scheduling algorithms for
 137     distributed computing applications. We seek to develop a model of TCP
 138     communication which is both high-level and realistic. Previous research
 139     works show that accurate and global modeling of wide-area networks, such
 140     as the Internet, faces a number of challenging issues. However, some
 141     global models of fairness and bandwidth-sharing exist, and can be link
 142     withthe behavior of TCP. Using both previous results and simulation (with
 143     NS), we attempt to understand the macroscopic behavior of
 144     TCP communications. We then propose a global model of the network for the
 145     Grid platform. We perform partial validation of this model in
 146     simulation. The model leads to an algorithm for computing
 147     bandwidth-sharing. This algorithm can then be implemented as part of Grid
 148     application simulations. We provide such an implementation for the
 149     SimGrid simulation toolkit.\n
 150     ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-40.ps.gz
 151
 152
 153 \li <b>MetaSimGrid : Towards realistic scheduling simulation of
 154         distributed applications</b>\n
 155     by <em>Arnaud Legrand and Julien Lerouge</em>\n
 156     Most scheduling problems are already hard on homogeneous
 157     platforms, they become quite intractable in an heterogeneous
 158     framework such as a metacomputing grid. In the best cases, a
 159     guaranteed heuristic can be found, but most of the time, it is
 160     not possible. Real experiments or simulations are often
 161     involved to test or to compare heuristics. However, on a
 162     distributed heterogeneous platform, such experiments are
 163     technically difficult to drive, because of the genuine
 164     instability of the platform. It is almost impossible to
 165     guarantee that a platform which is not dedicated to the
 166     experiment, will remain exactly the same between two tests,
 167     thereby forbidding any meaningful comparison. Simulations are
 168     then used to replace real experiments, so as to ensure the
 169     reproducibility of measured data. A key issue is the
 170     possibility to run the simulations against a realistic
 171     environment. The main idea of trace-based simulation is to
 172     record the platform parameters today, and to simulate the
 173     algorithms tomorrow, against the recorded data: even though it
 174     is not the current load of the platform, it is realistic,
 175     because it represents a fair summary of what happened
 176     previously. A good example of a trace-based simulation tool is
 177     SimGrid, a toolkit providing a set of core abstractions and
 178     functionalities that can be used to easily build simulators for
 179     specific application domains and/or computing environment
 180     topologies. Nevertheless, SimGrid lacks a number of convenient
 181     features to craft simulations of a distributed application
 182     where scheduling decisions are not taken by a single
 183     process. Furthermore, modeling a complex platform by hand is
 184     fastidious for a few hosts and is almost impossible for a real
 185     grid. This report is a survey on simulation for scheduling
 186     evaluation purposes and present MetaSimGrid, a simulator built
 187     on top of SimGrid.\n
 188     ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-28.ps.gz
 189
 190 \li <b>SimGrid: A Toolkit for the Simulation of Application
 191         Scheduling</b>\n
 192     by <em>Henri Casanova</em>\n
 193     Advances in hardware and software technologies have made it
 194     possible to deploy parallel applications over increasingly large
 195     sets of distributed resources. Consequently, the study of
 196     scheduling algorithms for such applications has been an active area
 197     of research. Given the nature of most scheduling problems one must
 198     resort to simulation to effectively evaluate and compare their
 199     efficacy over a wide range of scenarios. It has thus become
 200     necessary to simulate those algorithms for increasingly complex
 201     distributed, dynamic, heterogeneous environments. In this paper we
 202     present SimGrid, a simulation toolkit for the study of scheduling
 203     algorithms for distributed application. This paper gives the main
 204     concepts and models behind SimGrid, describes its API and
 205     highlights current implementation issues. We also give some
 206     experimental results and describe work that builds on SimGrid's
 207     functionalities.\n
 208     http://grail.sdsc.edu/papers/simgrid_ccgrid01.ps.gz
 209
 210 \subsection research Papers using SimGrid results
 211
 212 \li <b>Optimal algorithms for scheduling divisible workloads on
 213        heterogeneous systems</b>\n
 214     by <em>Olivier Beaumont and Arnaud Legrand and Yves Robert</em>\n
 215    In this paper, we discuss several algorithms for scheduling
 216    divisible loads on heterogeneous systems. Our main contributions
 217    are (i) new optimality results for single-round algorithms and (ii)
 218    the design of an asymptotically optimal multi-round algorithm. This
 219    multi-round algorithm automatically performs resource selection, a
 220    difficult task that was previously left to the user. Because it is
 221    periodic, it is simpler to implement, and more robust to changes in
 222    the speeds of processors or communication links. On the theoretical
 223    side, to the best of our knowledge, this is the first published
 224    result assessing the absolute performance of a multi-round
 225    algorithm.  On the practical side, extensive simulations reveal
 226    that our multi-round algorithm outperforms existing solutions on a
 227    large variety of platforms, especially when the
 228    communication-to-computation ratio is not very high (the difficult
 229    case).\n
 230    ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-36.ps.gz
 231 \li <b>On-line Parallel Tomography</b>\n
 232     by <em>Shava Smallen</em>\n
 233     Masters Thesis, UCSD, May 2001
 234 \li <b>Applying Scheduling and Tuning to On-line Parallel Tomography </b>\n
 235      by <em>Shava Smallen, Henri Casanova, Francine Berman</em>\n
 236      in Proceedings of Supercomputing 2001
 237 \li <b>Heuristics for Scheduling Parameter Sweep applications in
 238          Grid environments</b>\n
 239     by <em>Henri Casanova, Arnaud Legrand, Dmitrii Zagorodnov and
 240             Francine Berman</em>\n
 241     in Proceedings of the 9th Heterogeneous Computing workshop
 242     (HCW'2000), pp349-363.
 243 */