स्थानीय स्मृति / गणना, नेटवर्क विलंबता और HPC में बैंडविड्थ घबराहट के लिए सांख्यिकीय मॉडल

Question

समानांतर संगणना को अक्सर संगणना, लेटेंसी ओवरहेड और नेटवर्क बैंडविड्थ के एक निर्धारक स्थानीय दर का उपयोग करके तैयार किया जाता है। वास्तव में, ये स्थानिक रूप से परिवर्तनशील और गैर-नियतात्मक हैं। स्किनर और क्रेमर (2005) जैसे अध्ययन मल्टी-मोडल वितरणों का निरीक्षण करते हैं, लेकिन प्रदर्शन विश्लेषण हमेशा निर्धारणवादी या गौसियन वितरण का उपयोग करने के लिए लगता है (न केवल गलत है, यह नकारात्मक विलंबता की सकारात्मक संभावना के कारण असंगत है)।

क्या उच्च-निष्ठा वाले सांख्यिकीय मॉडल विकसित किए गए हैं? स्थानीय गणना / स्मृति, विलंबता और बैंडविड्थ परिवर्तनशीलता में क्रॉस-सहसंबंध के लिए कोई खाता है?

Comments

हाय जेड, मुझे केवल इतना पता है कि लिटिल का कानून अक्सर उपयोग किया जाता है।

— vanCompute

Answer 1

कंप्यूटर विज्ञान के दृष्टिकोण से मुझे नहीं लगता कि मेमोरी एक्सेस टाइम (विलंबता) और मेमोरी बैंडविड्थ के लिए एक सामान्य सांख्यिकीय मॉडल बनाने के लिए समझ में आता है ।

यह एक एल्गोरिथ्म के लिए एक सांख्यिकीय मॉडल बनाने के लिए समझ में आता है । ऐसा इसलिए है क्योंकि प्रत्येक एल्गोरिथ्म में एक विशिष्ट मेमोरी एक्सेस पैटर्न होता है, मेमोरी एक्सेस पैटर्न कैश पदानुक्रम के लिए प्रासंगिक होते हैं, जैसे उच्च डेटा स्थानीयता वाला एक एल्गोरिथ्म वास्तव में तेजी से मेमोरी एक्सेस समय का लाभ उठाने वाले निम्न स्तर के कैश से लाभ उठाएगा, जबकि अन्य एल्गोरिदम को करना होगा रैम (या सबसे खराब स्वैप मेमोरी) पर सभी तरह से जाएं और बहुत धीमी गति से पहुंचें।

सामान्य प्रयोजन मूल्यों को देखने के वास्तुकला की दृष्टि से दिया जाता है, तो आप अपने वास्तुकला की जाँच करें और एक दिया स्मृति स्थान के लिए एक दिया कोर से खोज उपयोग समय कर सकते हैं (चलो कहना L3 कैश)। ज्ञात हो कि हालिया आर्किटेक्चर नॉन यूनिफॉर्म मेमोरी एक्सेस NUMA हैं जो आपके काम को थोड़ा कठिन बना देगा।