Sobre os limites das técnicas de Machine Learning no aprendizado de políticas de escalonamento

Resumo

O uso de Computação de Alto Desempenho (HPC) vem aumentando nas mais diferentes áreas. Ao mesmo tempo que tais plataformas evoluem tanto em tamanho, quanto em complexidade; o seu consumo energético também aumenta. Nesse sentido, grandes esforços vem sendo feito por parte dos pesquisadores na tentativa de fazer um uso mais eficiente dessas plataformas. Neste trabalho, nos propomos a contribuir com esses esforços aprimorando um dos diferentes aspectos relacionados ao desempenho: o gerenciamento de recursos.Pretendemos explorar diferentes metodologias dentro do campo de Aprendizado de Máquinas no contexto do escalonamento de tarefas. Partindo de dados gerados por simulação, pretendemos modelar o impacto de escalonar diferentes tipos tarefas em termos do bounded slowdown médio por meio de métodos de regressão. Por fim, cada modelo será testado em experimentos simulados considerando diferentes configurações de plataformas e características das tarefas.