Monitoramento de Desempenho usando Dados de Proveniência e de Domínio durante a Execução de Aplicações Científicas
Resumo
Simulações computacionais, em geral, são compostas pelo encadeamento de aplicações científicas e executadas em ambientes de processamento de alto desempenho. Tais execuções comumente apresentam gargalos associados ao fluxo de dados entre as aplicações. Diversas ferramentas de perfilagem de código têm apoiado a análise de dados de desempenho, como a Tuning and Analysis Utilities (TAU). Entretanto, essas ferramentas não favorecem as análises do fluxo de dados. Essas análises podem ser realizadas com a captura de dados de proveniência enriquecidos com dados de domínio extraídos ao longo da execução das simulações. Neste artigo, propomos o monitoramento de dados de desempenho por meio de consultas a uma base de dados de proveniência que integra dados sobre a execução, o fluxo de dados das simulações e os dados de domínio. Mostramos em aplicações científicas como consultas a essa base auxiliam no monitoramento de anomalias no desempenho, em tempo de execução.
Referências
Assuncao, L., Goncalves, C., Cunha, J. C., (2012), "Autonomic Activities in the Execution of Scientific Workflows: Evaluation of the AWARD Framework". In: Proceedings of 9th International Conference on Autonomic & Trusted Computing (UIC/ATC)Ubiquitous Intelligence & Computing and 9th International Conference on Autonomic & Trusted Computing (UIC/ATC), 2012 9th International Conference on, p. 423 – 430, Fukuoka.
Davidson, S. B., Freire, J., (2008), "Provenance and Scientific Workflows: Challenges and Opportunities". In: ACM SIGMOD International Conference on Management of Data, p. 1345–1350, New York, NY, USA.
Guerra, G., Rochinha, F. A., Elias, R., de Oliveira, D., Ogasawara, E., Dias, J. F., Mattoso, M., Coutinho, A. L. G. A., (2012), "Uncertainty Quantification in Computational Predictive Models for Fluid Dynamics Using Workflow Management Engine", International Journal for Uncertainty Quantification, v. 2, n. 1, p. 53–71.
Gunter, D., Deelman, E., Samak, T., Brooks, C. H., Goode, M., Juve, G., Mehta, G., Moraes, P., Silva, F., et al., (2011), "Online workflow management and performance analysis with Stampede". In: Proceedings of the 7th International Conference on Network and Service Management (CNSM), p. 1 –10
Hennessy, J. L., (2012), Computer architecture: a quantitative approach. 5th ed ed. Waltham, MA, Morgan Kaufmann/Elsevier.
Intel. Intel - Developer Zone. Disponível em: https://software.intel.com/en-us/intel-parallel-studio-xe/try-buy.
Jacob, J. C., Katz, D. S., Berriman, G. B., Good, J. C., Laity, A. C., Deelman, E., Kesselman, C., Singh, G., Su, M.-H., et al., (2009), "Montage: a grid portal and software toolkit for science-grade astronomical image mosaicking", International Journal of Computational Science and Engineering (IJCSE), v. 4, n. 2, p. 73–87.
Ogasawara, E., Dias, J., Oliveira, D., Porto, F., Valduriez, P., Mattoso, M., (2011), "An Algebraic Approach for Data-Centric Scientific Workflows", Proceedings of the 37th International Conference on Very Large Data Bases (PVLDB), v. 4, n. 12, p. 1328–1339.
Shende, S. S., (2006), "The Tau Parallel Performance System", International Journal of High Performance Computing Applications, v. 20, n. 2 (May.), p. 287–311.
Wozniak, J. M., Armstrong, T. G., Wilde, M., Katz, D. S., Lusk, E., Foster, I. T., (2013), "Swift/T: Large-Scale Application Composition via Distributed-Memory Dataflow Processing". In: Proceedings of the 13th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid), p. 95–102
