Development of Innovative Frameworks for Application Analysis in Post-Peta Scale Systems

点击翻译按钮获取中文摘要

2022年度はプロファイル予測に関する研究として，主に，関数コール回数予測の応用．ならびに，キャッシュミス回数予測手法の改良を行った．それぞれの研究内容を以下に述べる．関数コール回数予測に関しては，既存の性能モデリングツール（Extra-P）に関する複数の資料（一部の資料は本研究課題の採択後に公開）を分析したところ，この手法は実行時間以外の性能メトリクスの予測にも応用できることがわかった．そこで，Extra-Pと昨年度までに開発した手法を用いた場合で関数コール回数予測の精度比較を行ったところ，Extra-Pの方が予測精度が高いことが判明した．そのため，関数コール回数予測手法の開発を中止し，予測された関数コール回数の応用について検討を行った．応用の1つとして，予測された関数コール回数を用いた場合に関数の実行時間予測精度が向上することを実験的に確認した．キャッシュミス回数予測に関してもExtra-Pと昨年度までに開発にした手法の予測精度を比較したところ，昨年度までに開発した手法の方が高い予測精度を示すことを確認した．そこで，これまでに開発した予測手法の改良に引き続き取り組むとともに，この手法の適用範囲をL1DキャッシュからL2キャッシュとL3キャッシュに拡大した場合の評価実験を行った．その結果，提案手法はL2キャッシュのミス回数予測においては十分高い精度を示すことが確認できたものの，L3キャッシュのミス回数予測においては予測精度が著しく悪化することを確認した．L3キャッシュのミス回数予測において提案手法の予測精度が低いのは，提案手法のモデルではキャッシュサイズ等のアーキテクチャに関するパラメータが含まれていないことが原因と考えており，今後はこれらのパラメータを使用したモデルについて検討する予定である．