Mecanismo de Detecção de Tarefas Anômalas Para a Análise de Desempenho de Aplicações com Tarefas Irregulares

• Marcelo Cogo Miletto UFRGS
• Lucas Mello Schnorr UFRGS

DOI: https://doi.org/10.5753/eradrs.2020.10778

Resumo

Este trabalho propõe uma metodologia para enriquecer a análise da desempenho de aplicações baseadas em tarefas, principalmente em cenários onde o custo das tarefas computacionais não é uniforme. Consideramos o emprego de regressão estatística para construir um mecanismo que detecta tarefas anômalas tomando por base o custo estimado por um modelo de desempenho.

Palavras-chave: Avaliação, Medição e Predição de Desempenho, Escalonamento e Balanceamento de Carga, Técnicas e Métodos de Extração de Paralelismo

Referências

Augonnet, C. et al. (2011). Starpu: a unified platform for task scheduling on heterogeneous multicore architectures. CCPE, 23(2):187–198.

Buttari, A. (2013). Fine-grained multithreading for the multifrontal qr factorization of sparse matrices. SIAM Journal on Scientific Computing, 35(4):C323–C345.

Dongarra, J. et al. (2017). With extreme computing, the rules have changed. Computing in Science & Engineering, 19(3):52.

Garcia Pinto, V. et al. (2018). A visual performance analysis framework for task-based parallel applications running on hybrid clusters. CCPE, 30(18):e4472.

Miletto, M. C. and Schnorr, L. (2019). Openmp and starpu abreast: the impact of runtime in task-based block qr factorization performance. In Anais do XX Simpósio em Sist. Comp. de Alto Desempenho, pages 25–36. SBC.