高性能计算负载中社交影响力的分析与建模
分布式、并行与集群计算
2016-10-18 v1 社会与信息网络
摘要
用户间的社交影响（例如项目协作）会在底层高性能计算（HPC）负载中产生突发性行为。本文利用具有代表性的 HPC 和集群负载日志，识别、分析并量化了 HPC 用户间的社交影响程度。我们展示了一个社交图谱的存在，其特征为主导用户和追随者的模式。该模式同样遵循幂律分布，这与主流社交网络中观察到的现象一致。鉴于其对 HPC 负载预测和调度的潜在影响，我们提出了一种快速收敛、计算高效的在线学习算法来识别社交群体。广泛的评估表明，我们的在线算法能够（1）利用一小部分传入的作业快速识别社交关系，并且（2）能够高效地追踪群体随时间的演化。
引用
@article{arxiv.1610.04676,
title = {Analysis and Modeling of Social Influence in High Performance Computing Workloads},
author = {Shuai Zheng and Zon-Yin Shae and Xiangliang Zhang and Hani Jamjoom and Liana Fong},
journal= {arXiv preprint arXiv:1610.04676},
year = {2016}
}
备注
The 17th International European Conference on Parallel and Distributed Computing, Euro-Par 2011