This paper presents how parallel advanced graph partitioning algorithms can be designed and improved with the use of global application states monitoring of distributed programs. The proposed algorithms have been implemented inside a novel distributed program design framework Program Execution Governed by Asynchronous Supervision of States in Distributed Applications (PEGASUS DA). This framework provides system support for the design of execution control in distributed applications based on automated global state monitoring. Two strategies for the control design of advanced parallel/distributed graph partitioning algorithms are presented and discussed. In the first one, the parallel algorithm control runs on top of the popular graph partitioning METIS tool. The second control strategy is based on genetic programming so that partitioning primitives and the overall algorithmic control can be freely designed by the user. Advanced partitioning methods have been conveniently embedded inside the global state monitoring driven PEGASUS DA framework which controls partitioning distributed actions at the level of processes and threads. The use of the framework allowed easy design and testing of different graph optimization strategies. The presented graph partitioning methods are illustrated by experiments with benchmark graphs. The experiments have comparatively assessed the obtained graph partitioning quality (visible improvement has been observed) and have identified benefits of the proposed approach for programmers.

中文翻译：

---

PEGASUS DA中的分布式应用程序全局状态监视应用于并行图分区

本文介绍了如何使用分布式程序的全局应用程序状态监视来设计和改进并行高级图分区算法。所提出的算法已在新颖的分布式程序设计框架中实现，该框架由分布式应用程序中的状态异步监视（PEGASUS DA）控制程序执行。该框架为基于自动化全局状态监视的分布式应用程序中的执行控制设计提供了系统支持。提出并讨论了两种用于高级并行/分布式图形划分算法的控制设计策略。在第一个中，并行算法控件在流行的图分区METIS工具之上运行。第二种控制策略基于遗传编程，因此用户可以自由设计分区原语和整体算法控制。先进的分区方法已方便地嵌入到全局状态监视驱动的PEGASUS DA框架中，该框架在进程和线程级别控制分布式操作的分区。该框架的使用允许轻松设计和测试不同的图形优化策略。通过基准图实验说明了所提出的图分区方法。实验已经比较评估了所获得的图形分区质量（已观察到明显的改善），并为程序员确定了所提出方法的好处。先进的分区方法已方便地嵌入到全局状态监视驱动的PEGASUS DA框架中，该框架在进程和线程级别控制分布式操作的分区。该框架的使用允许轻松设计和测试不同的图形优化策略。通过基准图实验说明了所提出的图分区方法。实验已经比较评估了所获得的图形分区质量（已观察到明显的改进），并为程序员确定了所提出方法的好处。先进的分区方法已方便地嵌入到全局状态监视驱动的PEGASUS DA框架中，该框架在进程和线程级别控制分布式操作的分区。该框架的使用允许轻松设计和测试不同的图形优化策略。通过基准图实验说明了所提出的图分区方法。实验已经比较评估了所获得的图形分区质量（已观察到明显的改进），并为程序员确定了所提出方法的好处。该框架的使用允许轻松设计和测试不同的图形优化策略。通过基准图实验说明了所提出的图分区方法。实验已经比较评估了所获得的图形分区质量（已观察到明显的改进），并为程序员确定了所提出方法的好处。该框架的使用允许轻松设计和测试不同的图形优化策略。通过基准图实验说明了所提出的图分区方法。实验已经比较评估了所获得的图形分区质量（已观察到明显的改进），并为程序员确定了所提出方法的好处。