Aprimorando a Análise de Desempenho de Aplicações Baseadas em Tarefas Irregulares e Árvores de Eliminação

• Marcelo Miletto UFRGS
• Claudio Schepke UNIPAMPA
• Lucas Schnorr UFRGS

DOI: https://doi.org/10.5753/eradrs.2021.14799

Resumo

Este trabalho apresenta os resultados de estratégias de aprimoramento da análise de desempenho de aplicações baseadas em tarefas com carga de trabalho irregular, através da automação de detecção de tarefas anômalas usando modelos de regressão. Também apresentamos técnicas de visualização de desempenho de aplicações baseadas na estrutura da árvore de eliminação, utilizada na paralelização de algoritmos a de fatoração de matrizes esparsas.

Referências

Agullo, E., Buttari, A., Guermouche, A., and Lopez, F. (2016). Implementing multifrontal sparse solvers for multicore architectures with sequential task ow runtime systems. Acm transactions on mathematical software (toms), 43(2):1–22.

Guo, Z., Yang, K., Yao, F., and Awad, A. (2020). Inter-task cache interference aware partitioned real-time scheduling. In Proceedings of the 35th Annual ACM Symposium on Applied Computing, pages 218–226.

Schnorr, L. M., Pinto, V. G., Nesi, L. L., and Miletto, M. C. (2020). starvz: R-Based Visualization Techniques for Task-Based Applications. R package version 0.4.1.