ARcode：通过图像编码监控数据识别HPC应用
分布式、并行与集群计算
2023-01-23 v1
摘要
了解作业的HPC（高性能计算）应用并分析其性能行为在系统管理和优化中起着重要作用。现有方法通过机器学习模型来检测和识别HPC应用。然而，这些方法严重依赖从资源利用数据中手动提取的特征以实现高预测准确率。在本研究中，我们提出了一种创新的应用识别方法ARcode，它将作业监控数据编码为图像，并利用卷积神经网络的自动特征学习能力来检测和识别应用。我们基于从大规模生产型HPC系统收集的数据集进行的广泛评估表明，在高置信度阈值下，ARcode在准确率方面优于最先进的方法多达18.87%。对于一些特定应用（BerkeleyGW和e3sm），在0.8的置信度阈值下，ARcode的准确率超出20%以上。
引用
@article{arxiv.2301.08612,
title = {ARcode: HPC Application Recognition Through Image-encoded Monitoring Data},
author = {Jie Li and Brandon Cook and Yong Chen},
journal= {arXiv preprint arXiv:2301.08612},
year = {2023}
}