Mechanistic and Empirical Models for Processing Capacity Prediction

• André Cesta Eldorado Research Institute
• Geraldo Silva Eldorado Research Institute

Resumo

Trabalhos anteriores demostraram como modelos de capacidade de processamento, tais como a Lei de Amdahl e a Lei de Escalabilidade Universal de Gunther, podem ser generalizados e estendidos de funções de número de processadores 'p' para funções de variáveis intrínsecas do microprocessador, tais como: velocidade do clock 'c' e threads do hardware 't', possibilitando a predição do desempenho. Esses artigos focaram-se no ajuste de modelos de capacidade de processadores para um conjunto de dados mediano, obtendo erros de predição em torno de 12%. O presente artigo concentra-se no ajuste desses modelos e técnicas de modelagem empírica para reduzir os erros de 13% para 7% para um benchmark de desempenho de um sistema ERP, e de 17% para 10% para o benchmark do SPECInt 2006 rate.

Referências

Cesta, A., Takara, A. and Moscheto, D. (2011) "Leveraging diverse regression approaches and heterogeneous machine data in the modeling of computer systems performance", in Proceedings of MSV, Las Vegas, Nevada, USA, pp. 201–207.

Cesta, A., Silva, G. M. and Storch, M. (2012) "Performance Prediction for Processors and External Resources", in Proceedings of CMG, Las Vegas, Nevada, USA.

Eyerman, S., Hoste, K. and Eeckhout, L. (2011) "Mechanistic-Empirical Processor Performance Modeling for Constructing CPI Stacks on Real Hardware", Performance Analysis of Systems and Software (ISPASS), IEEE International Symposium on , vol., no., pp.216,226, 10-12.

Gunther, N. (2010) "Guerrilla Capacity Planning: A Tactical Approach to Planning for Highly Scalable Applications and Services", Springer.

Henning, J. L. (2006) "Spec cpu2006 benchmark descriptions", SIGARCH Comput. Archit. News, vol. 34, pp. 1-17, September.