研究功率限制对基于 MapReduce 的数据密集型微型应用在 Intel KNL 与 KNM 架构上的影响
分布式、并行与集群计算
2019-03-29 v1
摘要
在本海报中，我们定量测量了在 HPC 系统上执行基于 MapReduce 的应用时数据移动对性能的影响。我们利用 PAPI 的 'powercap' 组件，从以下方面确定应用执行的理想条件：（1）数据集特征（即唯一词数量）；（2）HPC 系统（即 KNL 与 KNM）；（3）MapReduce 编程模型的实现（即带或不带 combiner 优化）。结果证实了数据移动的高能耗与运行时开销，以及 combiner 优化对这些开销的益处。
引用
@article{arxiv.1903.11694,
title = {Studying the Impact of Power Capping on MapReduce-based, Data-intensive Mini-applications on Intel KNL and KNM Architectures},
author = {Joshua Hoke Davis and Tao Gao and Sunita Chandresekaran and Michela Taufer},
journal= {arXiv preprint arXiv:1903.11694},
year = {2019}
}
备注
Extended abstract submitted for the ACM Student Research Competition at SC18. 2nd place undergraduate poster