Um estudo sobre a otimização de aplicações paralelas através de aprendizado de máquina

• Autor(a) principal: Berned, Gustavo Paim
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4169
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Ciência da computação; Programação paralela (Computação); Aprendizado de máquinas; Otimização; Computer science; Parallel Programming (Computing); Machine learning; Optimization

Encontrar o número de threads que atende uma aplicação de maneira satisfatória não é uma tarefa trivial devido às diferentes variáveis envolvidas, tais como conjunto de entrada, organização hierarquica de memória e microarquitetura do processador. Entretanto, se uma aplicação tem comportamento similar quando diferentes conjuntos de entrada são utilizados, podemos usar um tamanho de entrada pequeno para predizer seu comportamento quando executar com um conjunto de entrada grande. Neste sentido, o objetivo deste trabalho consiste em utilizar os dados coletados pela execução de uma aplicação paralela com um conjunto de entrada pequeno para estimar o seu comportamento quando executada com um conjunto grande. A partir desta estimativa, pretende-se encontrar o grau de exploração de paralelismo no nível de threads que fornece o melhor desempenho, consumo de energia e/ou Energy-Delay Product (EDP) para a execução com a entrada grande. Através da execução de dezessete benchmarks conhecidos e amplamente utilizados pela comunidade acadêmica em um processador AMD com 16 núcleos, este trabalho mostra que é possível usar o comportamento da execução com conjunto de entrada pequeno para otimizar a execução com um conjunto grande. Considerando a média de todas as aplicações, os resultados mostram uma redução de 9% do consumo de energia e 10% do EDP comparado a execução com o número de threads padrão do sistema. O trabalho mostram ainda que o método proposto possuí uma diferença média de apenas 2% no consumo de energia e 1% no EDP com relação a solução oracle, que executa a aplicação com o melhor número de threads, sem contar com o período de treinamento.