The method and system described herein presents a technique for performance
analysis that helps users understand the communication behavior of their
message passing applications. The method and system described herein may
automatically classifies individual communication operations and reveal
the cause of communication inefficiencies in the application. This
classification allows the developer to quickly focus on the culprits of
truly inefficient behavior, rather than manually foraging through massive
amounts of performance data. Specifically, the method and system described
herein trace the message operations of Message Passing Interface (MPI)
applications and then classify each individual communication event using a
supervised learning technique: decision tree classification. The decision
tree may be trained using microbenchmarks that demonstrate both efficient
and inefficient communication. Since the method and system described
herein adapt to the target system's configuration through these
microbenchmarks, they simultaneously automate the performance analysis
process and improve classification accuracy. The method and system
described herein may improve the accuracy of performance analysis and
dramatically reduce the amount of data that users must encounter.
Il metodo ed il sistema descritti qui presenta una tecnica per analisi di prestazioni che aiuta gli utenti a capire il comportamento di comunicazione del loro messaggio che passa le applicazioni. Il metodo ed il sistema descritti qui possono automaticamente classifica i diversi funzionamenti di comunicazione e rivelano la causa delle inefficienze di comunicazione nell'applicazione. Questa classificazione permette che lo sviluppatore metta a fuoco rapidamente sui colpevoli di comportamento vero inefficiente, piuttosto che manualmente di foraggiare con le quantità voluminose dei dati di prestazioni. Specificamente, il metodo ed il sistema descritti qui seguono i funzionamenti del messaggio del messaggio che passano le applicazioni dell'interfaccia (MPI) ed allora classificano ogni evento specifico di comunicazione usando una tecnica imparante sorvegliata: classificazione dell'albero di decisione. L'albero di decisione può essere addestrato usando i microbenchmarks che dimostrano sia la comunicazione efficiente che inefficiente. Dal metodo e dal sistema descritti qui adattisi alla configurazione del sistema di obiettivi attraverso questi microbenchmarks, automatizzano simultaneamente il processo di analisi di prestazioni e migliorano l'esattezza di classificazione. Il metodo ed il sistema descritti qui possono migliorare l'esattezza di analisi di prestazioni e ridurre drammaticamente la quantità di dati che gli utenti devono incontrare.
