领导级HPC系统工作负载功耗特性的分析与建模
分布式、并行与集群计算
2024-02-02 v1
摘要
在百亿亿次计算时代，应用行为具有巨大的功耗和能量足迹，因此每个作业级别的这种印象感知对于实现超越性能的效率目标（如能效和可持续性）至关重要。为了实现这些目标，我们开发了一种新颖的低延迟作业功耗分析机器学习流水线，该流水线可以根据作业完成时的形状对作业级功耗曲线进行分组。该流水线利用由生成对抗网络（GAN）模型驱动的全面特征提取和聚类流水线，以处理作业级功耗测量的丰富特征时间序列。然后，输出用于训练一个分类模型，该模型可以预测传入的作业功耗曲线是否与已知的曲线组相似，或者是全新的。通过广泛的评估，我们展示了流水线中每个组件的有效性。此外，我们提供了对结果聚类的初步分析，这些聚类描绘了从2021年采样的超过6万个作业中Summit超级计算机的功耗曲线景观。
引用
@article{arxiv.2402.00729,
title = {Profiling and Modeling of Power Characteristics of Leadership-Scale HPC System Workloads},
author = {Ahmad Maroof Karimi and Naw Safrin Sattar and Woong Shin and Feiyi Wang},
journal= {arXiv preprint arXiv:2402.00729},
year = {2024}
}