基于实例学习的并行负荷分配中的训练实例选择.pdfVIP

ISSN 计算机研究与发展 1000．1239|CN11-1777|TP Journalof Researchand Computer Development 基于实例学习的并行负荷分配中的训练实例选择问题 龙 舜 林永听 王会进 (暨南大学计算机科学系 广州 510632) (10ng．shun@gmail．com) SelectioninInstance—BasedParallelization TrainingExample Learning in LongShun，LinYongting，andWangHuij (Department Science，Ji’nczn 510632) ofComputer University，Guangzhou AbstractA usesstatic featurestoestimateava workload learning—basedapproach program J program’s beforeallocate workloadJavathreadsinordertoachieve parallel among optimalhigher the canmakeonthe ofthis on selection paperanalysesimpacttrainingexample efficiencyapproach，based theresultsofaseriesofexperiments． wordsruntime Key performance；parallelization；instance—basedlearning；trainingexamples 摘要基于实例学习的可适应性并行任务负荷分配算法能根据应用程序的静态特征估计其运算负荷， 选定好的任务负荷分配方案使其多线程并行接近甚至达到最优，它具有低成本和高效率的特点．通过 一系列实验，分析研究训练实例的选择对基于实例学习优化的效果的影响，从中总结一些有益的经验， 以便进一步提高算法性能． 关键词运行性能；并行化；基于实例的学习；训练实例 中图法分类号 TP314：TPl8：TP316．4 如何在以并行为主要特征的现代计算环境中更 到最优．这一具有可适应性、低成本而高效率的方 快地获得更高运行性能是当前研究和开发领域的一 法可以为通过动态编译将程序并行化、以及为并行 个热点[1-2]．传统上并行技术多应用于高性能计算Java虚拟机设计并行任务分配策略等提供指导． 领域，其成本通常忽略不计．而当前硬件技术的不 在理想情况下，编译程序应持续不断地从所遇 断提高和应用领域的不断扩大对如何充分利用并行 到的不同程序实例中学习，并随着获得经验的不断 提出更高的要求，开发人员在决定分配并行任务负 积累，不断提高并行优化的水平．但在现实情况下， 荷时必须考虑并行所需的开销(如创建并调度多个 这一做法需要更多的系统资源来保存不断增加的实 线程所需的系统资源和时间)，以使并行效率达到最 例，而且随着实例的增加，在对新程序进行并行化 佳．这些开销随具体运行环境而异，因此并行任务 时，它也需要更多的时间进行比较和分析才能找到 负荷分配算法应具有可适应不同环境的特征．文献 好的方案，这不仅降低响应速度，也抵消了采用机器 [3]提出一个基于实例学习【4J的并行任务负荷分配 学习所带来的可适应性解决方案的优点．这些问题 算