論文の概要: A Visual Analytics Framework for Reviewing Streaming Performance Data
- arxiv url: http://arxiv.org/abs/2001.09399v1
- Date: Sun, 26 Jan 2020 04:34:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 19:41:59.433919
- Title: A Visual Analytics Framework for Reviewing Streaming Performance Data
- Title（参考訳）: ストリーミングパフォーマンスデータのレビューのためのビジュアル分析フレームワーク
- Authors: Suraj P. Kesavan, Takanori Fujiwara, Jianping Kelvin Li, Caitlin Ross,
Misbah Mubarak, Christopher D. Carothers, Robert B. Ross, Kwan-Liu Ma
- Abstract要約: データ管理,分析,インタラクティブな可視化という3つのモジュールからなる視覚分析フレームワークを提案する。
特に、計算コストを制御できるだけでなく、分析結果の重要な側面をよりよく追従するためのオンラインおよびプログレッシブ分析手法を提案する。
- 参考スコア（独自算出の注目度）: 20.61348106852359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding and tuning the performance of extreme-scale parallel computing
systems demands a streaming approach due to the computational cost of applying
offline algorithms to vast amounts of performance log data. Analyzing large
streaming data is challenging because the rate of receiving data and limited
time to comprehend data make it difficult for the analysts to sufficiently
examine the data without missing important changes or patterns. To support
streaming data analysis, we introduce a visual analytic framework comprising of
three modules: data management, analysis, and interactive visualization. The
data management module collects various computing and communication performance
metrics from the monitored system using streaming data processing techniques
and feeds the data to the other two modules. The analysis module automatically
identifies important changes and patterns at the required latency. In
particular, we introduce a set of online and progressive analysis methods for
not only controlling the computational costs but also helping analysts better
follow the critical aspects of the analysis results. Finally, the interactive
visualization module provides the analysts with a coherent view of the changes
and patterns in the continuously captured performance data. Through a
multi-faceted case study on performance analysis of parallel discrete-event
simulation, we demonstrate the effectiveness of our framework for identifying
bottlenecks and locating outliers.
- Abstract（参考訳）: 極大規模並列コンピューティングシステムの性能の理解とチューニングには、大量のパフォーマンスログデータにオフラインアルゴリズムを適用する計算コストのため、ストリーミングアプローチが必要である。
大規模なストリーミングデータの分析は、データ受信率とデータ理解時間の制限により、重要な変更やパターンを欠くことなく十分なデータ検査が困難になるため、難しい。
ストリーミングデータ解析をサポートするために,データ管理,分析,インタラクティブ可視化という3つのモジュールからなるビジュアル分析フレームワークを提案する。
データ管理モジュールは、ストリーミングデータ処理技術を使用して監視システムから様々なコンピューティングおよび通信性能メトリクスを収集し、他の2つのモジュールにデータを供給する。
分析モジュールは、必要なレイテンシで重要な変更やパターンを自動的に識別する。
特に,計算コストの制御だけでなく,分析結果の重要側面をよりよく追従するためのオンライン・プログレッシブ分析手法を提案する。
最後に、インタラクティブな可視化モジュールは、継続的にキャプチャされたパフォーマンスデータの変化とパターンの一貫性のあるビューを提供する。
並列離散イベントシミュレーションの性能解析の多面的ケーススタディを通じて、ボトルネックの特定とアウトリーチの特定にフレームワークの有効性を実証する。
関連論文リスト
- CityGPT: Towards Urban IoT Learning, Analysis and Interaction with Multi-Agent System [4.612237040042468]
CityGPTはIoTデータの時間的分析を達成するために3つのエージェントを使用している。
我々は,大規模言語モデル(LLM)によって促進されたフレームワークを認証し,データの理解性を高めた。
実世界のデータを異なる時間で評価した結果、CityGPTフレームワークは、コンピューティングにおける堅牢な性能を保証できることが示されている。
論文 参考訳（メタデータ） (2024-05-23T15:27:18Z) - Demonstration of InsightPilot: An LLM-Empowered Automated Data
Exploration System [48.62158108517576]
本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。
InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。
簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
論文 参考訳（メタデータ） (2023-04-02T07:27:49Z) - EasyDGL: Encode, Train and Interpret for Continuous-time Dynamic Graph Learning [92.71579608528907]
本稿では,3つのモジュールから構成される使い勝手の良いパイプライン(EasyDGL)を設計することを目的とする。
EasyDGLは、進化するグラフデータからモデルが学習する周波数コンテンツの予測力を効果的に定量化することができる。
論文 参考訳（メタデータ） (2023-03-22T06:35:08Z) - Reinforced Approximate Exploratory Data Analysis [7.974685452145769]
まず,対話型データ探索環境におけるサンプリングの影響について検討し,近似誤差を導入する。
本稿では, サンプル選択を最適化し, 分析および洞察フローの持続性を維持するための, 深層強化学習(DRL)に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-12T20:20:22Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - DANCE: DAta-Network Co-optimization for Efficient Segmentation Model
Training and Inference [85.02494022662505]
DANCEは、効率的なセグメンテーションモデルのトレーニングと推論のための自動データネットワーク協調最適化である。
入力イメージを適応的にダウンサンプル/ドロップする自動データスライミングを統合し、画像の空間的複雑さによって導かれるトレーニング損失に対するそれに対応するコントリビューションを制御する。
実験と非難研究により、DANCEは効率的なセグメンテーションに向けて「オールウィン」を達成できることを示した。
論文 参考訳（メタデータ） (2021-07-16T04:58:58Z) - FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。
FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。
分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
論文 参考訳（メタデータ） (2021-05-25T08:02:44Z) - Graph signal processing for machine learning: A review and new
perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。
本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。
我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文 参考訳（メタデータ） (2020-07-31T13:21:33Z) - Informative Scene Decomposition for Crowd Analysis, Comparison and
Simulation Guidance [10.000622844914272]
群衆シミュレーションは、グラフィックを含むいくつかの分野において中心的なトピックである。
クラウドデータの急増に伴い、このようなボトルネックに対処する必要がある。
この問題に包括的に対処する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-04-29T12:03:32Z) - Interpretable Feature Learning in Multivariate Big Data Analysis for
Network Monitoring [0.4342241136871849]
最近提案された解釈可能なデータ解析ツールであるMultivarate Big Data Analysis (MBDA) の方法論の拡張について述べる。
本稿では,データ量が大きければMBDAを応用するための基礎的なステップである特徴の自動導出の解決策を提案する。
拡張MBDAを2つのケーススタディに適用する。フローベースの異常検出のためのベンチマークデータセットであるUGR'16と、これまで知られている中で最長かつ最大のWi-FiトレースであるDartmouth'18だ。
論文 参考訳（メタデータ） (2019-07-05T04:51:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。