Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma
Un sistema distribuido es un conjunto de sistemas informáticos independientes interconectados por una red, que trabajan en cooperación y se comportan como un único sistema creando una plataforma subyacente para distintos tipos de aplicaciones. Estas plataformas suelen utilizarse para ejecutar aplica...
| Autores principales: | , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
Universidad Autónoma de Nuevo León
2018
|
| Materias: | |
| Acceso en línea: | https://vinculategica.uanl.mx/index.php/v/article/view/1119 |
| _version_ | 1825054933454422016 |
|---|---|
| author | Flores-Contreras, Jesus Duran-Limon, Hector Mezura-Montes, Efren |
| author_facet | Flores-Contreras, Jesus Duran-Limon, Hector Mezura-Montes, Efren |
| author_sort | Flores-Contreras, Jesus |
| collection | Artículos de Revistas UANL |
| description | Un sistema distribuido es un conjunto de sistemas informáticos independientes interconectados por una red, que trabajan en cooperación y se comportan como un único sistema creando una plataforma subyacente para distintos tipos de aplicaciones. Estas plataformas suelen utilizarse para ejecutar aplicaciones de larga duración que requieren muchos recursos informáticos, como potencia de procesamiento de la CPU, memoria y ancho de banda de la red. En estos sistemas, es importante gestionar los recursos disponibles de forma eficiente para mejorar el rendimiento general del sistema. Saber cómo se va a comportar el tiempo de ejecución de una aplicación puede mejorar mucho el rendimiento de un sistema, ya que esta información permite asignar de forma eficiente los recursos disponibles. En este artículo, presentamos una evaluación de la idoneidad de las redes neuronales artificiales para lograr un enfoque independiente de la plataforma para la predicción del tiempo de ejecución de aplicaciones distribuidas que se ejecutan en sistemas multinúcleo. Realizamos nuestra evaluación con tres aplicaciones paralelas de larga ejecución, a saber, el modelo de Investigación y Predicción Meteorológica (WRF), Octopus y miniFE. Nuestros resultados indican que las redes neuronales son capaces de producir resultados precisos cuando predicen el tiempo de ejecución de la aplicación en la misma plataforma, pero su precisión disminuye al cambiar de plataforma. |
| first_indexed | 2025-02-05T23:30:13Z |
| format | Article |
| id | vinculategica-article-1119 |
| institution | UANL |
| language | spa |
| last_indexed | 2025-02-25T18:26:55Z |
| physical | Vinculategica efan; Vol. 3 No. 3 (2018): VinculaTégica EFAN 3(3) July 2017 - June 2018; 693-700 Vinculatégica EFAN; Vol. 3 Núm. 3 (2018): VinculaTégica EFAN 3(3) Julio 2017 - Junio 2018; 693-700 2448-5101 |
| publishDate | 2018 |
| publisher | Universidad Autónoma de Nuevo León |
| record_format | ojs |
| spelling | vinculategica-article-11192025-02-14T17:54:10Z Evaluating the use of Artificial Neural Networks for Platform-independent Performance Prediction of Distributed Applications Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma Flores-Contreras, Jesus Duran-Limon, Hector Mezura-Montes, Efren Sistemas distribuidos Plataforma independiente Predicción del tiempo de ejecución Técnica de aprendizaje automático Aplicaciones de larga duración Distributed systems Platform-independent Prediction of runtime Machine Learning technique Long-running applications . A distributed system is a set of independent computer systems interconnected by a network, which work in a cooperative way and behave as a single system creating an underlying platform for different kinds of applications. These platforms are usually used to execute long-running applications that demand a lot of computational resources e.g. CPU processing power, memory, and network bandwidth. In such kind of systems it is important to manage the available resources in an efficient way in order to improve the system’s overall performance. Knowing how an application’s runtime is going to behave can greatly improve performance of a system, since this information allows the efficient distribution of available resources. In this work, we present an evaluation of the suitability of artificial neural networks to achieve a platform-independent approach to execution time prediction of distributed applications running on multi-core systems. We performed our evaluation with three parallel long-running applications, namely the Weather Research and Forecasting (WRF) model, Octopus, and miniFE. Our results indicate that neural networks are capable of producing accurate results when predicting the application runtime on the same platform, but its accuracy decreases when the platform is changed Un sistema distribuido es un conjunto de sistemas informáticos independientes interconectados por una red, que trabajan en cooperación y se comportan como un único sistema creando una plataforma subyacente para distintos tipos de aplicaciones. Estas plataformas suelen utilizarse para ejecutar aplicaciones de larga duración que requieren muchos recursos informáticos, como potencia de procesamiento de la CPU, memoria y ancho de banda de la red. En estos sistemas, es importante gestionar los recursos disponibles de forma eficiente para mejorar el rendimiento general del sistema. Saber cómo se va a comportar el tiempo de ejecución de una aplicación puede mejorar mucho el rendimiento de un sistema, ya que esta información permite asignar de forma eficiente los recursos disponibles. En este artículo, presentamos una evaluación de la idoneidad de las redes neuronales artificiales para lograr un enfoque independiente de la plataforma para la predicción del tiempo de ejecución de aplicaciones distribuidas que se ejecutan en sistemas multinúcleo. Realizamos nuestra evaluación con tres aplicaciones paralelas de larga ejecución, a saber, el modelo de Investigación y Predicción Meteorológica (WRF), Octopus y miniFE. Nuestros resultados indican que las redes neuronales son capaces de producir resultados precisos cuando predicen el tiempo de ejecución de la aplicación en la misma plataforma, pero su precisión disminuye al cambiar de plataforma. Universidad Autónoma de Nuevo León 2018-06-29 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-reviewed Article Artículo evaluado por pares application/pdf https://vinculategica.uanl.mx/index.php/v/article/view/1119 10.29105/vtga3.3-1119 Vinculategica efan; Vol. 3 No. 3 (2018): VinculaTégica EFAN 3(3) July 2017 - June 2018; 693-700 Vinculatégica EFAN; Vol. 3 Núm. 3 (2018): VinculaTégica EFAN 3(3) Julio 2017 - Junio 2018; 693-700 2448-5101 spa https://vinculategica.uanl.mx/index.php/v/article/view/1119/946 https://creativecommons.org/licenses/by/4.0 |
| spellingShingle | Sistemas distribuidos Plataforma independiente Predicción del tiempo de ejecución Técnica de aprendizaje automático Aplicaciones de larga duración Distributed systems Platform-independent Prediction of runtime Machine Learning technique Long-running applications . Flores-Contreras, Jesus Duran-Limon, Hector Mezura-Montes, Efren Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| thumbnail | https://rediab.uanl.mx/themes/sandal5/images/article.gif |
| title | Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| title_alt | Evaluating the use of Artificial Neural Networks for Platform-independent Performance Prediction of Distributed Applications |
| title_full | Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| title_fullStr | Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| title_full_unstemmed | Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| title_short | Evaluación del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| title_sort | evaluacion del uso de redes neuronales artificiales para predecir el rendimiento de aplicaciones distribuidas independientemente de la plataforma |
| topic | Sistemas distribuidos Plataforma independiente Predicción del tiempo de ejecución Técnica de aprendizaje automático Aplicaciones de larga duración Distributed systems Platform-independent Prediction of runtime Machine Learning technique Long-running applications . |
| topic_facet | Sistemas distribuidos Plataforma independiente Predicción del tiempo de ejecución Técnica de aprendizaje automático Aplicaciones de larga duración Distributed systems Platform-independent Prediction of runtime Machine Learning technique Long-running applications . |
| url | https://vinculategica.uanl.mx/index.php/v/article/view/1119 |
| work_keys_str_mv | AT florescontrerasjesus evaluatingtheuseofartificialneuralnetworksforplatformindependentperformancepredictionofdistributedapplications AT duranlimonhector evaluatingtheuseofartificialneuralnetworksforplatformindependentperformancepredictionofdistributedapplications AT mezuramontesefren evaluatingtheuseofartificialneuralnetworksforplatformindependentperformancepredictionofdistributedapplications AT florescontrerasjesus evaluaciondelusoderedesneuronalesartificialesparapredecirelrendimientodeaplicacionesdistribuidasindependientementedelaplataforma AT duranlimonhector evaluaciondelusoderedesneuronalesartificialesparapredecirelrendimientodeaplicacionesdistribuidasindependientementedelaplataforma AT mezuramontesefren evaluaciondelusoderedesneuronalesartificialesparapredecirelrendimientodeaplicacionesdistribuidasindependientementedelaplataforma |