Caracterização do Comportamento de E/S Utilizando Aprendizado não Supervisionado
Resumo
Nas aplicações de HPC operações de E/S são gargalos devido a diferença entre velocidade de processamento e de acesso a um dado. Assim, caracterizar as operações pode auxiliar na busca de desempenho. Deste modo, este trabalho propõe uma abordagem com aprendizado não supervisionado para a caracterização de E/S. Utilizando dados do supercomputador Intrepid, fomos capazes de identificar a principal característica de suas aplicações.
Referências
Di, S., Kondo, D., and Cappello, F. (2014). Characterizing and modeling cloud applications/ jobs on a google data center. The Journal of Supercomputing, 69(1):139–160.
Liu, Y., Gunasekaran, R., Ma, X., and Vazhkudai, S. S. (2016). Server-side log data analytics for i/o workload characterization and coordination on large shared storage systems. In SC’16: International Conference for High Performance Computing, pages 819–829. IEEE.
Zoll, Q., Zhu, Y., and Feng, D. (2010). A study of self-similarity in parallel I/O workloads. In Mass Storage Systems and Technologies (MSST), 2010 IEEE 26th Symposium on, pages 1–6. IEEE.