Μοντελοποίηση εφαρμογών σε αρχιτεκτονικές NUMA με τεχνικές μηχανικής μάθησης

Αραπίδης, Φανούριος; Arapidis, Fanourios

dc.contributor.author	Αραπίδης, Φανούριος	el
dc.contributor.author	Arapidis, Fanourios	en
dc.date.accessioned	2019-03-04T12:22:15Z
dc.date.available	2019-03-04T12:22:15Z
dc.date.issued	2019-03-04
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48347
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16479
dc.rights	Default License
dc.subject	Απόδοση	el
dc.subject	Μοντελοποίηση	el
dc.subject	NUMA	en
dc.subject	Τοποθέτηση	el
dc.subject	Performance	en
dc.subject	Modeling	en
dc.subject	Placement	en
dc.title	Μοντελοποίηση εφαρμογών σε αρχιτεκτονικές NUMA με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	NUMA	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-11-19
heal.abstract	Σε αυτή τη διπλωματική εργασία παρουσιάζουμε μια προσέγγιση με τεχνικές μηχανικής μάθησης για να προβλέψουμε τον αντίκτυπο που έχει στην απόδοση εφαρμογών η τοποθέτηση των πυρήνων και της μνήμης σε συστήματα μη κοινής πρόσβασης μνήμης. Ο αντίκτυπος στην απόδοση εξαρτάται από την αρχιτεκτονική του συστήματος και τα χαρακτηριστικά των εφαρμογών. Επικεντρώσαμε την έρευνα μας σε χαρακτηριστικά που μπορούμε εύκολα να τα μετρήσουμε με τη χρήση των hardware performance counters που βρίσκονται ενσωματωμένοι στο σύστημα. Εκτελέσαμε μια μεγάλη ποικιλία από μονονηματικές εφαρμογές από τις σουίτες Spec2006 και Parsec κάτω από διαφορετικά σενάρια τοποθέτησης, και χρησιμοποιήσαμε τα δεδομένα που πήραμε από τις μετρήσεις για να εκπαιδεύσουμε μοντέλα πρόβλεψης τα οποία μπορούν να χρησιμοποιηθούν για να προβλέψουμε την απόδοση. Τα αποτελέσματα μας δείχνουν αξιοσημείωτη ακρίβεια στην πρόβλεψη της απόδοσης με σχετικά απλά μοντέλα. Τέλος, μελετήσαμε το τρόπο που μπορούμε να μεταφέρουμε τη μνήμη μιας εφαρμογής κατά την διάρκεια της εκτέλεσης.	el
heal.abstract	In this thesis we present a machine-learning approach to predict the impact on per- formanceofcoreandmemoryplacementinnon-uniformmemoryaccess(NUMA)systems. Theimpactonperformancedependsonthearchitectureandtheapplication’scharacteristics. We focus our study on features that can be easily extracted with hardware performance countersthatarefoundincommodityoff-the-selfsystems.Werunvarioussingle-threaded benchmarks from Spec2006 and Parsec under different placement scenarios, and we use thisbenchmarkingdatatotrainmultipleregressionmodelsthatcouldserveasperformance predictors. Our experimental results show notable accuracy in predicting the impact on performance with relatively simple prediction models. Finally, we studied how we can transfer the memory of an application during the execution time.	en
heal.advisorName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	104 σ.
heal.fullTextAvailability	true