Proposta de Otimização do Tamanho de Batch em Aplicações de Stream para Multicores usando Aprendizado de Máquina

  • Claudio Scheer PUCRS
  • Dalvan Griebler PUCRS
  • Luiz G. Fernandes PUCRS

Resumo


Este trabalho apresenta uma proposta de estudo e avaliação de features e algoritmos de aprendizado de máquina visando melhorar a desempenho através do ajuste/regulagem do tamanho do batch em aplicações paralelas de stream para arquiteturas multicore.

Referências

Andrade, H. C. M., Gedik, B., and Turaga, D. S. (2014). Fundamentals of Stream Processing: Application Design, System and Analytics. Cambridge University Press, Cambridge CB2 8BS, United Kingdom.

Das, T., Zhong, Y., Stoica, I., and Shenker, S. (2014). Adaptive stream processing using dynamic batch sizing. In Lazowska, E., Terry, D., Arpaci-Dusseau, R. H., and Gehrke, J., editors, Proceedings of the ACM Symposium on Cloud Computing, Seattle, WA, USA, November 3-5, 2014, pages 16:1–16:13. ACM.

Stein, C. M., Rockenbach, D. A., Griebler, D., Torquati, M., Mencagli, G., Danelutto, M., and Fernandes, L. G. (2020). Latency-aware adaptive micro-batching techniques for streamed data compression on graphics processing units. Concurrency and Computation: Practice and Experience, na(na):e5786.

Zhang, Q., Song, Y., Routray, R., and Shi, W. (2016). Adaptive block and batch sizing for batched stream processing system. In Kounev, S., Giese, H., and Liu, J., editors, 2016 IEEE International Conference on Autonomic Computing, ICAC 2016, Wuerzburg, Germany, July 17-22, 2016, pages 35–44. IEEE Computer Society.
Publicado
14/04/2021
SCHEER, Claudio; GRIEBLER, Dalvan; FERNANDES, Luiz G.. Proposta de Otimização do Tamanho de Batch em Aplicações de Stream para Multicores usando Aprendizado de Máquina. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 21. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 127-128. ISSN 2595-4164. DOI: https://doi.org/10.5753/eradrs.2021.14802.