Участник:Kozlinskii/Рецензия:Time Prediction in Desktop Grid system

Материал из DISCOPAL
Перейти к: навигация, поиск

Рецензия на доклад “Динамическое предсказание времени завершения вычислительных экспериментов в Desktop Grid (Валентина Литовченко, ISPRASOPEN-2019)” http://0x1.tv/20191206CE

В докладе предложен алгоритм для предсказания времени завершения распределенных вычислений типа Desktop Grid и приведены результаты его применения на практике.

В докладе ставится проблема отсутствия возможности предсказывать время завершения расчетов на платформе Desktop Grid BOINC связанную с невозможностью влиять на интенсивность расчетов, тк расчеты происходят на технике в моменты ее простоя. Введено предположение, что существует функциональная зависимость между прошлыми и будущими значениями ряда (прогресса выполнения от времени) имеющая кусочно линейный вид. Для предсказания времени работы предложено использовать модель линейной регрессии с доверительным интервалом. По ходу выполнения расчетов предлагается пересчитывать прогноз на основе накопленной в эксперименте статистики в те моменты, когда стандартное отклонение прогноза от реальных данных превышает установленный порог. Данный доклад в первую очередь полезен руководителям проектов на платформе Desktop Grid BOINC, также он может быть полезен для разработчиков инструментов для других платформ распределенных вычислений. Работа скорее не имеет научной ценности, а является описанием решения практической задачи. Потому что линейная регрессия -- традиционный инструмент для разрешения подобного ряда задач и в нем нет ничего нового, как и в построении доверительного интервала. Интересно было бы послушать, как решались озвученные в начале доклада проблемы связанные с непостоянной вычислительной мощностью системы на основе Desktop Grid, связанные, например с сезонностью. Есть несостыковка в предположении о кусочно линейном характере предсказуемой функции и дальнейшей ее аппроксимацией линейной функцией (не кусочной). Кроме того, в докладе отсутствует оценка качества приведенного метода и не сформированы критерии качества. Также не понятно, зачем нужен дополнительный критерий для определения моментов, для построения нового прогноза. Легкость построения линейной модели позволяет строить ее после каждого вычислительного шага, тем самым обеспечивая экспериментатора наиболее актуальным прогнозом в каждый момент времени.