Adaptive control of HPC clusters for server overload avoidance

This thesis focuses on the maximal usage of an High-Performance Computing (HPC) Cluster with particular attention to the overloading of the storage, namely the file server. HPCs have become important in the scientific domain because of their computational power which allows calculation that otherwise would be impossible with a single computer. On the other hand, this powered structure has a considerable cost, and unfortunately also a short life cycle. As a consequence, it becomes important to use as best as possible all the resources that this new structure gives. In this context, Autonomic Computing and the collaboration between control theory and computer science were born. This Mater Thesis continues a broader project where a PI controller was designed for an HPC Cluster. The aim of the controller is the minimization of idle resources inside the cluster. However, the controller is built on a model in a nominal configuration which leads to heterogeneous results for different working conditions. Moreover, conditions far from the nominal one bring the file server close to the overloading which is a challenging condition for the system. The idea of this project is to design an identification algorithm in order to end up with an Adaptive PI that changes its own parameters to achieve specification with various working conditions. We design three different algorithms that are going to be tested in a simulation environment (SIMULINK) and then only one will be carried to the real set-up. In the end, there is a comparison between the PI and the Adaptive PI. Here it is shown how the Adaptive PI has a more homogeneous result than the case of the simple PI and how the overloading of the file server is avoided. However, the drawback is the settling time which becomes larger than in the case of classic PI.

Questa tesi si focalizza nell’usare al meglio le risorse di un High-Performance Computing (HPC) con un accento sul sovraccarico della memorial esterna. Gli HPC sono diventati fondamentali nell’ambito scientifico per la loro potenza com- putazionale che sorpassa ogni limite prescritto dal singolo computer. Data la loro impor- tanza e potenza, queste strutture vengono ad un costo non ignorabile e, sfortunatamente, anche ad un ciclo di vita relativamente breve. Di conseguenza, diventa molto importante sfruttare al meglio tutte le risorse di un HPC durante il suo ciclo vitale. Proprio in questo contesto nasce l’Autonomic computing che da’ inizio alla cooperazione tra esperti di informatica e controllo. Questa Tesi Magistrale è solo una parte di un progetto più ampio. Infatti, nel lavoro precedente, si è costruito un PI in modo da minimizzare le risorse inutilizzate in un HPC Cluster. Però, il controllore è stato disegnato su un modello specifico per una condizione di lavoro, che verrà chiamata nominale. Quindi, il sistema finale presentava diverse etero- geneità rispetto le diverse condizioni di lavoro. In più, situazioni lontane da quella nom- inale portavano quasi al sovraccarico della memoria esterna, una condizione da evitare assolutamente. L’idea di questo progetto è di affiancare al precedente controllo un algoritmo di identifi- cazione, in modo tale da avere un controllore che cambi i propri parametri per soddisfare sempre le specifiche in qualsiasi quadro lavorativo. In questo lavoro vengono discussi e testati in ambiente simulativo (SIMULINK) tre algoritmi diversi. Poi vengono mostrati anche gli esperimenti sulla vera struttura, ma qui viene testato solo uno dei tre algoritmi. Alla fine, c’è un confronto tra il PI e il PI Adattivo. In questa parte è possible vedere come i risultati del nuovo controllore sono più omogenei rispetto ai precedenti e come il sovraccarico viene evitato. Però, il nuovo sistema tende ad essere più lento del precedente.