Machine Learning Techniques for Predicting the Completion State of High Performance Computing Jobs: a Preliminary Analysis

Gli HPC sono complessi sistemi in grado di eseguire applicazioni altamente parallelizzabili che richiedono molte risorse computazionali. Data la presenza di un numero estremamente elevato di componenti nasce l’esigenza di ridurre al minimo i tempi di manutenzione e riparazione e per quanto possibile anticipare eventuali guasti. Per fare questo, tali sistemi sono dotati di avanzati sistemi di monitoraggio che collezionano diversi gigabyte di dati al giorno al fine di essere analizzati per individuare pattern e anomalie. Sono stati già presentati diversi lavori che affrontano questo problema, questa tesi ha l’obiettivo di esplorare da un altro punto di vista i dati disponibili cercando eventuali correlazioni con le informazioni disponibili dei job inviati al sistema, nello specifico lo stato di terminazione, tramite l’utilizzo di tecniche di clustering e modelli di machine learning.