Aplicando estratégias de escalonamento através da análise do perfil de jobs para ambientes de impressão distribuídos

Abstract

A impressão digital de documentos vem se tornando cada vez mais eficiente ao passar dos anos, o que provocou a criação de uma nova tendência: a personalização de documentos. Com a finalidade de suprir esta necessidade foram criadas linguagens para a descrição de conjuntos de documentos personalizados (jobs) e processos para permitir a impressão correta de tais jobs. Um dos processos que se destaca em termos de custo computacional é a rasterização de documentos, realizado sobre uma fila de jobs. No ambiente de impressão tradicional, algumas estratégias foram introduzidas para aumentar o desempenho desta fase através do emprego do uso de técnicas relacionadas ao processamento paralelo e distribuído. Entretanto, tais estratégias apresentam diversos problemas, dos quais o mais grave é relativo à impossibilidade da garantia de um balanceamento de carga justo para quaisquer seqüências de jobs. Assim, este trabalho vem a propor novas estratégias para aumentar o desempenho da fase de rasterização, através da análise do perfil dos jobs, para que então seja possível utilizar os recursos disponíveis de uma maneira mais eficiente. Para tanto, são propostas métricas que avaliam o custo computacional de cada job e ferramentas para permitir o escalonamento destes, de forma a superar o ganho de desempenho das estratégias existentes no âmbito da fila como um todo.

Digital Printing has become more efficient over the past few years, what led to the creation of a new tendency: the documents personalization. In order to fullfil this need, languages to describe a set of personalized documents (jobs) were designed, along with processes to allow the correct printing of such jobs. One of these processes, which demands a high computational effort, is the documents RIPping phase performed over a queue of jobs. In traditional printing environments, some strategies are applied to increase the performance of that phase through the usage of parallel and distributed computing techniques. However, such strategies present several issues, in which the most severe one is the impossibility to guarantee a fair load balancing for any job sequence. In this scenario, this work proposes new strategies to increase the performance of the RIPping phase, through the profiling of jobs in order to enable a more efficient usage of the available resources. For this purpose, metrics that evaluate the computational cost of each job and tools to permit a better scheduling of such jobs are proposed, overcoming the performance gain of the existing strategies over the whole job queue.