Caracterización de aplicaciones con comportamiento irregular para predecir su rendimiento, basado en la filosofía PAS2P.

Resum

El modelatge d'aplicacions científiques paral·leles ens permet entendre les complexitats del comportament de les aplicacions paral·leles. Moltes aplicacions científiques presenten un comportament irregular, fet que dificulta l'obtenció del model que caracteritza l'aplicació. Aquesta dificultat es deu principalment al seu patró no determinista de comunicació i càlcul. Una manera d'obtenir informació de les aplicacions és mitjançant eines d'anàlisi. L'eina PAS2P, basada en la repetibilitat de l'aplicació, se centra en l'anàlisi i predicció del rendiment mitjançant la signatura de l'aplicació. Utilitza els mateixos recursos que executen l'aplicació paral·lela per a la seva anàlisi, creant així un model independent de la màquina i identificant patrons comuns a l'aplicació._x000D_ _x000D_ Quan s'aplica l'eina PAS2P a aplicacions irregulars, generar un model és impossible a causa del patró de comunicació i càlcul no homogeni que impedeix trobar un patró de repetibilitat, dificultant l'obtenció d'un model que caracteritzi el comportament d'aquestes aplicacions._x000D_ _x000D_ A causa de l'anterior, presentem una metodologia de modelatge per a aplicacions paral·leles irregulars que analitza les dades per processos. Aquest enfocament caracteritza amb èxit l'aplicació basant-se en el comportament de cada procés. Per caracteritzar eficaçment les aplicacions irregulars, agrupem els patrons de repetibilitat de tots els processos que executen l'aplicació en un únic model. El model que caracteritza el comportament de l'aplicació paral·lela irregular pot ser utilitzat per analitzar i predir el temps d'execució de l'aplicació en una màquina objectiu._x000D_ _x000D_ La validació experimental del model proposat anomenat "Extensió de PAS2P per a aplicacions irregulars'' demostra una reducció de les comunicacions realitzades per PAS2P, la qual cosa implica una disminució del temps necessari per a l'anàlisi de l'aplicació. A més, és possible caracteritzar aplicacions irregulars, establint un model independent de la màquina que permet predir el temps d'execució amb un error mitjà inferior al 9%.

Data del Ajut	4 d’abr. 2024
Idioma original	Espanyol
Supervisor	Alvaro Wong Gonzalez (Director/a) & Emilio Luque Fadon (Director/a)