Parallel sorting algorithm classification: is manual instrumentation necessary?

doi:10.1016/j.future.2025.108170

Parallel sorting algorithm classification: is manual instrumentation necessary?

2025-09-27

0

PRE

AI

DOI：10.1016/j.future.2025.108170

原文链接

原文求助

摘要

En 中文

理解并行算法对于加速在复杂的分布式内存高性能计算机上的科学模拟至关重要。现代算法分类方法直接从源代码中学习语义以区分不同算法，但访问源代码并不总是可行。我们可以通过观察其性能来了解并行算法，因为运行相同算法并使用相同硬件的程序应表现出相似的性能特征。我们提出了一种直接从并行性能数据中学习算法类别的方法，以便在无需访问源代码的情况下对算法进行分类。我们扩展了先前的工作，以使用自动插桩而非在源代码中要求手动区域注释，来对并行排序算法进行分类。在本工作中，我们设计并演示了一项基于自动插桩收集的并行性能数据对并行排序算法进行分类的研究，并评估了新方法在分类任务上的性能。我们利用Caliper收集性能数据，Thicket进行探索性数据分析（EDA），以及PyTorch和Scikit-learn评估随机森林、支持向量机（SVMs）、决策树、神经网络和逻辑回归在并行性能数据上的有效性。此外，我们研究了并行性能数据中的噪声，探讨去除噪声和预处理数据是否对准确分类并行排序算法是必要的，并确定从性能数据创建的特征的有效性。我们展示了这五种不同模型在四个不同并行算法类别上的分类准确率最高可达97.7%。

Parallel sorting algorithm classification: is manual instrumentation necessary?

摘要

期刊

机构

引用论文