Stratégie situationnelle pour l'équilibrage de charge

Quentin Baert (1, 2, 3) , Anne-Cécile Caron (1, 2, 3) , Maxime Morge (1, 2, 3) , Jean-Christophe Routier (1, 2, 3) , Kostas Stathis (4)

1 SMAC - Systèmes Multi-Agents et Comportements
2 CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189
3 Université de Lille
4 Department of Computer Science [Royal Holloway]

We study a novel location-aware strategy for distributed systems where cooperating agents perform the load-balancing. The strategy allows agents to identify opportunities within a current unbalanced allocation, which in turn triggers concurrent and one-to-many negotiations amongst agents to locally reallocate some tasks. The tasks are reallocated according to the proximity of the resources and they are performed in accordance with the capabilities of the nodes in which agents are situated. This dynamic and ongoing negotiation process takes place concurrently with the task execution and so the task allocation process is adaptive to disruptions (task consumption, slowing down nodes). We evaluate the strategy in a multi-agent deployment of the MapReduce design pattern for processing large datasets. Empirical results demonstrate that our strategy significantly improves the overall runtime of the data processing.

Nous étudions une stratégie qui tient compte de la localité des ressources pour équilibrer les charges dans un système distribué. Cette stratégie permet aux agents coopératifs d'identifier une allocation non équilibrée, voire de déclencher des enchères concurrentes pour réallouer localement certaines des tâches. Les tâches sont réallouées en tenant compte de l'accessibilité des ressources pour les agents ; elles sont exécutées conformément aux capacités des noeuds de calcul sur lesquels se trouvent les agents. Ce processus de négociation dynamique et continu est concurrent à l'exécution des tâches, ce qui permet d'adapter l'allocation des tâches aux perturbations (exécution de tâche, chute de performance d'un nœud). Nous évaluons cette stratégie dans le cadre du déploiement multi-agents de MapReduce. Ce patron de conception permet le traitement distribué de données massives. Les résultats empiriques démontrent que notre stratégie améliore significativement le temps d'exécution du traitement d'un jeu de données.

Mots clés: Distributed cooperative problem solving; Agent behaviour; Negotiation

Mots clés: Modèle de comportement d'agents; Négociation; Résolution collective de problème

Domaines: Système multi-agents [cs.MA]; Modélisation et simulation; Intelligence artificielle [cs.AI]

Quentin Baert, Anne-Cécile Caron, Maxime Morge, Jean-Christophe Routier, Kostas Stathis. Stratégie situationnelle pour l'équilibrage de charge. Vingt-septièmes journées francophones sur les systèmes multi-agents (JFSMA), Jul 2019, Toulouse, France. pp.9-18. ⟨hal-02173687⟩