En el entorno actual, diversas ramas de las ciencias, tienen la necesidad de auxiliarse de la computación de altas prestaciones para la
obtención de resultados a relativamente corto plazo. Ello es debido fundamentalmente, al alto volumen de información que necesita ser
procesada y también al costo computacional que demandan dichos cálculos. El beneficio al realizar este procesamiento de manera distribuida y
paralela, logra acortar de manera notable los tiempos de espera en la obtención de los resultados.
Para soportar ello, existen fundamentalmente dos modelos de programación ampliamente extendidos: el modelo de paso de mensajes a través de
librerías basadas en el estándar MPI, y el de memoria compartida con la utilización de OpenMP. Las aplicaciones híbridas son aquellas que
combinan ambos modelos con el fin de aprovechar en cada caso, las potencialidades específicas del paralelismo en cada uno. Lamentablemente,
la práctica ha demostrado que la utilización de esta combinación de modelos, no garantiza necesariamente una mejoría en el comportamiento de
las aplicaciones. Existen varios parámetros que deben ser considerados a determinar la configuración de la aplicación que proporciona el mejor
tiempo de ejecución. El número de proceso que se debe utilizar, el número de hilos en cada nodo, la distribución de datos entre procesos e hilos,
y así sucesivamente, son parámetros que afectan seriamente elrendimiento de
la aplicación. El valor apropiado de tales parámetros depende, por una parte, de las características de arquitectura del sistema
(latencia de las comunicaciones, el ancho de banda de comunicación, el tamaño y la distribución de los niveles de memoria cache,
la capacidad de cómputo, etc.) y, por otro lado, de la características propias del comportamiento de la aplicación.
La contribución fundamental de esta tesis radica en la utilización de una técnica novedosa para la predicción del rendimiento y la
eficiencia de aplicaciones híbridas de tipo Master/Worker. En particular, dentro del mundo del aprendizaje automatizado, este método de
predicción es conocido como arboles de regresión basados en modelos análiticos. Los resultados experimentales obtenidos permiten ser
optimista en cuanto al uso de este algoritmo para la predicción de ambas métricas o para la selección de la mejor configuración de
parámetros de ejecución de la aplicación. / In the current environment, various branches of science are in need of auxiliary high-performance computing to obtain relatively short-term
results. This is mainly due to the high volume of information that needs to be processed and the computational cost demanded by these
calculations. The benefit to performing this processing using distributed and parallel programming mechanisms is that it achieves shorter
waiting times in obtaining the results. To support this, there are basically two widespread programming models: the model of message passing
based on the standard libraries MPI and the shared memory model with the use of OpenMP. Hybrid applications are those that combine both
models in order to take the specific potential of parallelism of each one in each case. Unfortunately, experience has shown that using this
combination of models does not necessarily guarantee an improvement in the behavior of applications. There are several parameters that must
be considered to determine the configuration of the application that provides the best execution time. The number of process that must be
used,the number of threads on each node, the data distribution among processes and threads, and so on, are parameters that seriously affect
the performance of the application. On the one hand, the appropriate value of such parameters depends on the architectural features of the
system (communication latency, communication bandwidth, cache memory size and architecture, computing capabilities, etc.), and, on the other
hand, on the features of the application.
The main contribution of this thesis is a novel technique for predicting the performance and efficiency of parallel hybrid Master/Worker
applications. This technique is known as model-based regression trees into the field of machine learning. The experimental results obtained
allow us to be optimistic about the use of this algorithm for predicting both metrics and to select the best application execution
parameters.
Identifer | oai:union.ndltd.org:TDX_UAB/oai:www.tdx.cat:10803/283403 |
Date | 09 September 2014 |
Creators | Castellanos Carrazana, Abel |
Contributors | Margalef, Tomàs, Moreno Vendrell, Andreu, Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius |
Publisher | Universitat Autònoma de Barcelona |
Source Sets | Universitat Autònoma de Barcelona |
Language | English |
Detected Language | Spanish |
Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
Format | 154 p., application/pdf |
Source | TDX (Tesis Doctorals en Xarxa) |
Rights | ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs., info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds