Impacto da variabilidade de tarefas nas distribuições de aplicações baseadas em tarefas

• Lucas Leandro Nesi UFRGS
• Arnauld Legrand Univ. Grenoble Alpes
• Lucas Schnorr UFRGS

DOI: https://doi.org/10.5753/eradrs.2021.14795

Resumo

Algoritmos de distribuição de dados e tarefas em vários nós computacionais podem utilizar o poder de processamento de cada nó como parâmetro. O poder de cada nó pode ser calculado utilizando uma tarefa predominante. Entretanto, estas tarefas estão sujeitas a variabilidade. Este trabalho investiga o desempenho das distribuições estáticas quando as tarefas sofrem variabilidade.

Referências

Agullo, E. et al. (2010). Faster, Cheaper, Better – a Hybridization Methodology to Develop Linear Algebra Software for GPUs. In GPU Computing Gems. Morgan Kaufmann.

Augonnet, C. et al. (2011). StarPU: A Unied Platform for Task Scheduling on Heterogeneous Multicore Architectures. Conc. Comp.: Pract. Exp., SI:EuroPar 2009, 23.

Beaumont, O., Legrand, A., Rastello, F., and Robert, Y. (2001). Static LU decomposition on heterogeneous platforms. Int. Journal of High Performance Comp. Applications.

Cornebize, T. and Legrand, A. (2019). DGEMM performance is data-dependent. Research Report RR-9310, Université Grenoble Alpes ; Inria ; CNRS.

Nesi, L. L., Schnorr, L. M., and Legrand, A. (2020). Communication-Aware Load Balancing of the LU Factorization over Heterogeneous Clusters. In 2020 IEEE 26th ICPADS.