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. The resulting code is very portable and highly interoperable while
  48     remaining very efficient. Even if you do not plan to run your code for real,
  49     you may want to switch to GRAS if you intend to use MSG in a very intensive way
  50     (e.g. for simulating a peer-to-peer environment).
  51
  52 \li SMPI (<em>not functionnal yet</em>) is an ongoing project to enable MPI code to run on top of a
  53     virtual platform through SURF. It follows the same principle as
  54     the ones used in GRAS but is specific to MPI applications.
  55
  56 The section \ref publications contains links to papers that provide
  57 additional details on the project as well as validation and
  58 experimental results.
  59
  60 The software can be downloaded from <a href="http://gcl.ucsd.edu/SimGrid/dl/">here</a>.
  61
  62 \section install Installation
  63
  64 Simply type
  65       \li <tt>./configure</tt>
  66       \li <tt>make all install</tt>
  67
  68 If you are not familiar with compiling C files under UNIX and using
  69 libraries, you will find some more informations in Section \ref
  70 faq.
  71
  72 \section documentation API Documentation
  73
  74 The API of all different modules is described in \ref SimGrid_API.
  75
  76 See \ref SimGrid_examples for an introduction on the way to use these modules.
  77
  78 \section users_contributers Users / Contributers
  79
  80 \subsection contributers Contributers
  81
  82       \li Loris Marchal: wrote the new algorithm for simulation TCP
  83           bandwidth-sharing.
  84       \li Julien Lerouge : wrote a XML parser for ENV descriptions and
  85           helped for the general design during a  4 month period (march-june 2002)
  86           in the LIP.
  87       \li Clément Menier and Marc Perache : wrote a first prototype of
  88           the MSG interface during a project at ENS-Lyon (jan 2002).
  89       \li Dmitrii Zagorodnov : wrote some parts of the first version
  90           of SimGrid (1999).
  91
  92 \subsection mailinglist User Mailing List
  93
  94    We have a <a href=https://listes.ens-lyon.fr/wws/info/simgrid2-users> mailing list for
  95    SimGrid users</a>.<p>
  96
  97 \section publications Publications
  98
  99 \subsection simulation About simulation
 100
 101 \li <b>Scheduling Distributed Applications: the
 102        SimGrid Simulation Framework</b>\n
 103     by <em>Henri Casanova and Arnaud Legrand and Loris Marchal</em>\n
 104     Proceedings of the third IEEE International Symposium
 105     on Cluster Computing and the Grid (CCGrid'03)\n
 106     Since the advent of distributed computer systems an active field
 107     of research has been the investigation of scheduling strategies
 108     for parallel applications.  The common approach is to employ
 109     scheduling heuristics that approximate an optimal
 110     schedule. Unfortunately, it is often impossible to obtain
 111     analytical results to compare the efficacy of these heuristics.
 112     One possibility is to conducts large numbers of back-to-back
 113     experiments on real platforms.  While this is possible on
 114     tightly-coupled platforms, it is infeasible on modern distributed
 115     platforms (i.e. Grids) as it is labor-intensive and does not
 116     enable repeatable results. The solution is to resort to
 117     simulations. Simulations not only enables repeatable results but
 118     also make it possible to explore wide ranges of platform and
 119     application scenarios.\n
 120     In this paper we present the SimGrid framework which enables the
 121     simulation of distributed applications in distributed computing
 122     environments for the specific purpose of developing and evaluating
 123     scheduling algorithms.  This paper focuses on SimGrid v2, which
 124     greatly improves on the first version of the software with more
 125     realistic network models and topologies.  SimGrid v2 also enables
 126     the simulation of distributed scheduling agents, which has become
 127     critical for current scheduling research in large-scale platforms.
 128     After describing and validating these features, we present a case
 129     study by which we demonstrate the usefulness of SimGrid for
 130     conducting scheduling research.
 131
 132
 133 \li <b>A Network Model for Simulation of Grid Application</b>\n
 134     by <em>Henri Casanova and Loris Marchal</em>\n
 135     \anchor paper_tcp
 136     In this work we investigate network models that can be
 137     potentially employed in the simulation of scheduling algorithms for
 138     distributed computing applications. We seek to develop a model of TCP
 139     communication which is both high-level and realistic. Previous research
 140     works show that accurate and global modeling of wide-area networks, such
 141     as the Internet, faces a number of challenging issues. However, some
 142     global models of fairness and bandwidth-sharing exist, and can be link
 143     withthe behavior of TCP. Using both previous results and simulation (with
 144     NS), we attempt to understand the macroscopic behavior of
 145     TCP communications. We then propose a global model of the network for the
 146     Grid platform. We perform partial validation of this model in
 147     simulation. The model leads to an algorithm for computing
 148     bandwidth-sharing. This algorithm can then be implemented as part of Grid
 149     application simulations. We provide such an implementation for the
 150     SimGrid simulation toolkit.\n
 151     ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-40.ps.gz
 152
 153
 154 \li <b>MetaSimGrid : Towards realistic scheduling simulation of
 155         distributed applications</b>\n
 156     by <em>Arnaud Legrand and Julien Lerouge</em>\n
 157     Most scheduling problems are already hard on homogeneous
 158     platforms, they become quite intractable in an heterogeneous
 159     framework such as a metacomputing grid. In the best cases, a
 160     guaranteed heuristic can be found, but most of the time, it is
 161     not possible. Real experiments or simulations are often
 162     involved to test or to compare heuristics. However, on a
 163     distributed heterogeneous platform, such experiments are
 164     technically difficult to drive, because of the genuine
 165     instability of the platform. It is almost impossible to
 166     guarantee that a platform which is not dedicated to the
 167     experiment, will remain exactly the same between two tests,
 168     thereby forbidding any meaningful comparison. Simulations are
 169     then used to replace real experiments, so as to ensure the
 170     reproducibility of measured data. A key issue is the
 171     possibility to run the simulations against a realistic
 172     environment. The main idea of trace-based simulation is to
 173     record the platform parameters today, and to simulate the
 174     algorithms tomorrow, against the recorded data: even though it
 175     is not the current load of the platform, it is realistic,
 176     because it represents a fair summary of what happened
 177     previously. A good example of a trace-based simulation tool is
 178     SimGrid, a toolkit providing a set of core abstractions and
 179     functionalities that can be used to easily build simulators for
 180     specific application domains and/or computing environment
 181     topologies. Nevertheless, SimGrid lacks a number of convenient
 182     features to craft simulations of a distributed application
 183     where scheduling decisions are not taken by a single
 184     process. Furthermore, modeling a complex platform by hand is
 185     fastidious for a few hosts and is almost impossible for a real
 186     grid. This report is a survey on simulation for scheduling
 187     evaluation purposes and present MetaSimGrid, a simulator built
 188     on top of SimGrid.\n
 189     ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-28.ps.gz
 190
 191 \li <b>SimGrid: A Toolkit for the Simulation of Application
 192         Scheduling</b>\n
 193     by <em>Henri Casanova</em>\n
 194     Advances in hardware and software technologies have made it
 195     possible to deploy parallel applications over increasingly large
 196     sets of distributed resources. Consequently, the study of
 197     scheduling algorithms for such applications has been an active area
 198     of research. Given the nature of most scheduling problems one must
 199     resort to simulation to effectively evaluate and compare their
 200     efficacy over a wide range of scenarios. It has thus become
 201     necessary to simulate those algorithms for increasingly complex
 202     distributed, dynamic, heterogeneous environments. In this paper we
 203     present SimGrid, a simulation toolkit for the study of scheduling
 204     algorithms for distributed application. This paper gives the main
 205     concepts and models behind SimGrid, describes its API and
 206     highlights current implementation issues. We also give some
 207     experimental results and describe work that builds on SimGrid's
 208     functionalities.\n
 209     http://grail.sdsc.edu/papers/simgrid_ccgrid01.ps.gz
 210
 211 \subsection research Papers using SimGrid results
 212
 213 \li <b>Optimal algorithms for scheduling divisible workloads on
 214        heterogeneous systems</b>\n
 215     by <em>Olivier Beaumont and Arnaud Legrand and Yves Robert</em>\n
 216    In this paper, we discuss several algorithms for scheduling
 217    divisible loads on heterogeneous systems. Our main contributions
 218    are (i) new optimality results for single-round algorithms and (ii)
 219    the design of an asymptotically optimal multi-round algorithm. This
 220    multi-round algorithm automatically performs resource selection, a
 221    difficult task that was previously left to the user. Because it is
 222    periodic, it is simpler to implement, and more robust to changes in
 223    the speeds of processors or communication links. On the theoretical
 224    side, to the best of our knowledge, this is the first published
 225    result assessing the absolute performance of a multi-round
 226    algorithm.  On the practical side, extensive simulations reveal
 227    that our multi-round algorithm outperforms existing solutions on a
 228    large variety of platforms, especially when the
 229    communication-to-computation ratio is not very high (the difficult
 230    case).\n
 231    ftp://ftp.ens-lyon.fr/pub/LIP/Rapports/RR/RR2002/RR2002-36.ps.gz
 232 \li <b>On-line Parallel Tomography</b>\n
 233     by <em>Shava Smallen</em>\n
 234     Masters Thesis, UCSD, May 2001
 235 \li <b>Applying Scheduling and Tuning to On-line Parallel Tomography </b>\n
 236      by <em>Shava Smallen, Henri Casanova, Francine Berman</em>\n
 237      in Proceedings of Supercomputing 2001
 238 \li <b>Heuristics for Scheduling Parameter Sweep applications in
 239          Grid environments</b>\n
 240     by <em>Henri Casanova, Arnaud Legrand, Dmitrii Zagorodnov and
 241             Francine Berman</em>\n
 242     in Proceedings of the 9th Heterogeneous Computing workshop
 243     (HCW'2000), pp349-363.
 244 */