SCOPE：面向动态计算机系统优化的安全探索
系统与控制
2022-04-25 v1 硬件体系结构
机器学习
性能
系统与控制
摘要
现代计算机系统需在严格安全约束(如功率上限)下执行，但这常与其提供高性能(即最小延迟)的能力相冲突。已有工作利用机器学习自动调优硬件资源，使系统执行以最优方式满足安全约束。此类方案监控过往系统执行，以学习不同硬件资源分配下系统行为，再动态调优资源以优化应用执行。然而，系统行为在不同应用间甚至同一应用的不同输入间都可能显著变化。因此，使用先验数据学习的模型常非最优，且在新应用与输入下会违反安全约束。为克服此局限，我们引入执行空间概念，即硬件资源、输入特征与应用三者的笛卡尔积。为从执行空间动态且安全地分配硬件资源，我们提出 SCOPE——一种利用新颖安全探索框架的资源管理器。我们评估了 SCOPE 在运行多种 Apache Spark 应用时，通过动态配置硬件来降低延迟同时最小化功率约束违反的能力。与最小化功率约束违反的已有方法相比，SCOPE 消耗相近功率而将延迟最高提升 9.5 倍；与最小化延迟的已有方法相比，SCOPE 取得相似延迟但将功率约束违反率最高降低 45.88 倍，在所有应用中实现近乎零的安全约束违反。
引用
@article{arxiv.2204.10451,
title = {SCOPE: Safe Exploration for Dynamic Computer Systems Optimization},
author = {Hyunji Kim and Ahsan Pervaiz and Henry Hoffmann and Michael Carbin and Yi Ding},
journal= {arXiv preprint arXiv:2204.10451},
year = {2022}
}