Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM062529
035-os BibID:
Zbl.06476013
Első szerző:
Gál Zoltán (informatikus)
Cím:
Surprise event detection of the supercomputer execution queues / Zoltán Gál, Tibor Tajti, György Terdik
Dátum:
2015
ISSN:
1787-5021 1878-6117
Megjegyzések:
Huge amount of data is generated by and collected from the IoT (Internet of Things) physical and virtual devices. These sets of data series reflect in complex form the state of a given system in multidimensional space. Healthiness evaluation of a given system implies state analysis with enhanced methods. Special events can appear during the execution of jobs in a supercomputer (HPC - High Performance Computer) system. Depending on the HPC architecture hundreds or thousands of computation nodes are working in parallel. The scheduler of the HPC front-end node manages different queues (parallel, serial, test, etc.) of the job execution. The multitude of data series captured periodically with several tens of thousands of samples creates a set of several dozen variables for each computation node. The healthiness of the whole HPC system is a temporal concept in the term of 2D or 4D multidimensional time-space domains. In this paper we propose a healthiness evaluation method for each execution queue of a two different HPC system with 20 TFLOP/s and 5 TFLOP/s computation capacities, respectively. Time independent community structure is determined and controlled based on multiple similarity measures and ANN (Artificial Neural Network) based SOM (Self-Organized Map) algorithm. For each cluster of variables is determined a representing variable, including time specific and global characteristics of the own cluster. The resulting set of representing variables contains less than ten dissimilar time series. Wavelet methods are used for extreme event detection in time of each representing variable. The surprise event detection in time of the HPC execution queues is based on the simultaneity of extreme event fingerprints.
Tárgyszavak:
Műszaki tudományok
Informatikai tudományok
idegen nyelvű folyóiratközlemény hazai lapban
High Performance Computer
sensors/actuators
IoT
Complex Event Processing
Event Stream Processing
Artificial Neural Networks
SOM
FFT
STFT
Wavelets
Megjelenés:
Annales Mathematicae et Informaticae. - 44 (2015), p. 87-97. -
További szerzők:
Tajti Tibor Gábor (1970-) (informatikus)
Terdik György (1949-) (matematikus, informatikus)
Pályázati támogatás:
TÁMOP-4.2.2.C-11/1/KONV-2012-0010
TÁMOP
Internet cím:
Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.