Predição de desempenho de aplicações paralelas usando projeções de tensores e aprendizagem de máquina para economia de energia no uso de contêineres
eficiência energética em software, PMU, DVFS, random-forest, contêineres de software
A massificação de serviços de streaming, jogos on-line, armazenamento de arquivos em rede, educação à distância, entre outros, implica na demanda por nuvens computacionais de alto-desempenho e alta-disponibilidade, exigindo, por sua vez, datacenters cada vez mais robustos, versáteis e acessíveis. Com base nesta tendência, é fundamental o desenvolvimento de soluções voltadas à otimização do consumo energético em ambientes concentrados de infraestrutura computacional, como datacenters e sistemas de HPC. Neste trabalho, será apresentado um arcabouço de software voltado a análise de desempenho e gerenciamento de consumo energético de aplicações. Utilizando projeção ortogonal de tensores e regressão por Random Forest, um modelo de predição de desempenho de aplicação é desenvolvido. Combinado ao modelo de potência do ambiente, DVFS e containers de software, o framework visa escalonar e ajustar em tempo-real recursos computacionais e parâmetros de hardware de modo a atingir o ponto ótimo de eficiência energética da aplicação, considerando restrições de QoS.