Unicorn:因果律のレンズによる構成可能システム性能に関する推論【JST・京大機械翻訳】

Iqbal Md Shahriar; Krishna Rahul; Javidian Mohammad Ali; Ray Baishakhi; Jamshidi Pooyan

プレプリント

J-GLOBAL ID：202202217981448522 整理番号：22P0277573

Unicorn:因果律のレンズによる構成可能システム性能に関する推論【JST・京大機械翻訳】

Unicorn: Reasoning about Configurable System Performance through the lens of Causality

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月20日プレプリントサーバーでの情報更新日： 2022年03月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

現代のコンピュータシステムは,宇宙における原子の数よりも時々大きい全変動空間で,高度に構成可能である。広大な可変空間にわたる高度に構成可能なシステムの性能挙動の理解と推論は挑戦的である。性能モデリングと解析に対する最先端の方法は,予測機械学習モデルに依存し,従って,それらは,(i)非意味環境(例えば,異なるハードウェア,作業負荷)で信頼できず,(ii)不正確な説明を生成する可能性がある。これに取り組むために,Unicornと呼ばれる新しい方法を提案し,(i)ソフトウェアハードウエアスタックの配置オプション間の複雑な相互作用を捕捉し,(ii)そのような相互作用が因果推論を介して性能変動にいかに影響するかを記述する。3つのオンデバイス機械学習システム,ビデオエンコーダ,データベース管理システム,およびデータ分析パイプラインを含む6つの高度に構成可能なシステムに関するUnicornを評価した。実験結果は,Unicornが,性能故障のための効果的修理を見つけるのに,最先端の性能デバッギングと最適化方法より優れ,最適に近い性能を有する構成を見つけることを示した。さらに,既存の方法とは異なり,学習因果性能モデルは新しい環境に対する性能を確実に予測している。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機システム開発

, , ,

前のページに戻る