6、弹性并行树搜索应用的开发与运行：TASKWORK 系统解析

弹性并行树搜索应用的开发与运行：TASKWORK 系统解析

一、引言

如今，像亚马逊网络服务（AWS）和微软 Azure 等众多云服务提供商，都推出了针对高性能计算（HPC）工作负载优化的云服务。与传统基于静态资源分配和作业调度的 HPC 集群不同，云环境为并行应用带来了诸多优势，如按需访问计算资源、按使用付费以及弹性伸缩能力。弹性伸缩，即能够在运行时动态调配和释放计算资源，这一特性引入了细粒度成本控制的新概念，为并行计算带来了新的机遇与挑战。

近年来，使并行应用具备云感知能力的需求日益增长。现有研究主要集中在具有简单通信和协调模式的应用，如迭代并行工作负载。然而，对于其他类型的并行应用，如何从云的特性中获益，如何利用弹性伸缩以及确保分布式计算资源的云感知协调，仍是有待研究的问题。

本文聚焦于并行树搜索应用，这类应用在生物化学、电子设计自动化、金融投资组合优化等多个领域有广泛应用。我们将探讨如何应对这些应用在云环境中的挑战，并介绍 TASKWORK 这一云感知运行时系统，它为在云环境中开发和运行弹性并行树搜索应用提供了全面的基础。

二、基础与相关工作

（一）并行树搜索

并行树搜索技术常用的元算法包括分支限界法和回溯搜索法，用于解决枚举、决策和优化问题，如布尔可满足性、约束满足和图搜索问题。这些算法在非常大的状态空间中搜索解决方案，并通过高级的分支、剪枝和回溯机制提高搜索效率。

并行执行通常通过将状态空间树拆分为独立的任务来实现，每个任务在对应的子树中搜索解决方案，这种方法也称为探索性并行或空间分割。但由于搜索树的形状和大小受分支和剪枝操作的影响很大，这些应用具有高度的不规则性。为了有效利用大量