Performance prediction of large-scale parallell system and application using macro-level simulation

2008 ◽  
Author(s):  
Ryutaro Susukita ◽  
Hisashige Ando ◽  
Mutsumi Aoyagi ◽  
Hiroaki Honda ◽  
Yuichi Inadomi ◽  
...  
Keyword(s):  
Performance Prediction ◽  
Large Scale ◽  
Macro Level

Performance Prediction for Large-Scale Parallel Applications Using Representative Replay

2016 ◽  
Vol 65 (7) ◽  
pp. 2184-2198 ◽  
Author(s):  
Jidong Zhai ◽  
Wenguang Chen ◽  
Weimin Zheng ◽  
Keqin Li
Keyword(s):  
Performance Prediction ◽  
Large Scale ◽  
Parallel Applications

scholarly journals CAF and CAMM analyses on the first 10 years of national Kanta services in Finland

2020 ◽  
Vol 12 (4) ◽  
Author(s):  
Vesa Jormanainen ◽  
Jarmo Reponen
Keyword(s):  
Health Information ◽  
Large Scale ◽  
National Level ◽  
Health Information System ◽  
Strong Support ◽  
Evaluation Framework ◽  
Macro Level ◽  
State Budget ◽  
Study Results ◽  
Clinical Adoption

We report the large-scale deployment, implementation and adoption of the nationwide centralized integrated and shared Kanta health information services by using the Clinical Adoption Framework (CAF). The meso and macro level dimensions of the CAF were incorporated early into our e-health evaluation framework to assess Health Information System (HIS) implementation at the national level. We found strong support for the CAF macro level model concepts in Finland. Typically, development programs were followed by government policy commitments, appropriate legislation and state budget funding before the CAF meso level implementation activities. Our quantitative data point to the fact that implementing large-scale health information technology (HIT) systems in practice is a rather long process. For HIT systems success in particular citizens’ and professionals’ acceptance are essential. When implementation of the national health information systems was evaluated against Clinical Adoption Meta-Model (CAMM), the results show that Finland has already passed many milestones in CAMM archetypes. According to our study results, Finland seems to be a good laboratory entity to study practical execution of HIT systems, CAF and CAMM theoretical constructs can be used for national level HIS implementation evaluation.

scholarly journals Qualitative study to understand the barriers to recruiting young people with cancer to BRIGHTLIGHT: a national cohort study in England

BMJ Open ◽  
2017 ◽  
Vol 7 (11) ◽  
pp. e018291 ◽  
Author(s):  
Charlotte Kenten ◽  
Ana Martins ◽  
Lorna A Fern ◽  
Faith Gibson ◽  
Sarah Lea ◽  
...  
Keyword(s):  
Young People ◽  
Large Scale ◽  
Healthcare Professionals ◽  
Target Population ◽  
Macro Level ◽  
Cancer Type ◽  
Framework Analysis ◽  
Convenience Sample ◽  
Meso Level ◽  
Micro Level

ObjectivesBRIGHTLIGHT is a national evaluation of cancer services for teenagers and young adults in England. Following challenges with recruitment, our aim was to understand more fully healthcare professionals’ perspectives of the challenges of recruiting young people to a low-risk observational study, and to provide guidance for future recruitment processes.DesignQualitative.SettingNational Health Service (NHS) hospitals in England.MethodsSemistructured telephone interviews with a convenience sample of 23 healthcare professionals. Participants included principal investigators/other staff recruiting into the BRIGHTLIGHT study. Data were analysed using framework analysis.ResultsThe emergent themes were linked to levels of research organisational management, described using the levels of social network analysis: micro-level (the individual; in this case the target population to be recruited—young people with cancer); meso-level (the organisation; refers to place of recruitment and people responsible for recruitment); and macro-level (the large-scale or global structure; refers to the wider research function of the NHS and associated policies). Study-related issues occurred across all three levels, which were influenced by the context of the study. At the meso-level, professionals’ perceptions of young people and communication between professionals generated age/cancer type silos, resulting in recruitment of either children or adults, but not both by the same team, and only in the cancer type the recruiting professional was aligned to. At the macro-level the main barrier was discordant configuration of a research service with a clinical service.ConclusionsThis study has identified significant barriers to recruitment mainly at the meso-level and macro-level, which are more challenging for research teams to influence. We suggest that interconnected whole-system changes are required to facilitate the success of interventions designed to improve recruitment. Interventions targeted at study design/management and the micro-level only may be less successful. We offer solutions to be considered by those involved at all levels of research for this population.

scholarly journals Communication performance prediction on large - scale systems

2017 ◽  
Author(s):  
Νικέλα Παπαδοπούλου
Keyword(s):  
Performance Prediction ◽  
Large Scale ◽  
Communication Performance ◽  
Large Scale Systems

Οδεύοντας προς την εποχή των υπερυπολογιστικών συστημάτων με επιδόσεις της τάξης των ExaFlops, οι υπερυπολογιστές θα αποτελούνται από εκατοντάδες εκατομμύρια πυρήνες και διάφορα σύνθετα ετερογενή επεξεργαστικά στοιχεία. Ωστόσο, ήδη σήμερα, οι χρήστες αποτυγχάνουν να αξιοποιήσουν την υπάρχουσα υπολογιστική ισχύ των συστημάτων μεγάλης κλίμακας, όπως συμβαίνει με μεγάλες κατηγορίες παράλληλων εφαρμογών μεγάλης κλίμακας, η επίδοση των οποίων περιορίζεται από φάσεις επικοινωνίας που δεν κλιμακώνουν. Η δυνατότητα πρόβλεψης του χρόνου επικοινωνίας των παράλληλων εφαρμογών μπορεί να βοηθήσει τους χρήστες, τους μεταγλωττιστές, τα συστήματα χρόνου εκτέλεσης και τους χρονοδρομολογητές στη λήψη αποφάσεων για βέλτιστη χρήση πόρων, βελτιστοποιήσεις επιδόσεων, εξοικονόμηση ενέργειας και ελαστικότητα σε σφάλματα. Η παρούσα διατριβή παρουσιάζει μια μεθοδολογία για την μοντελοποίηση της επικοινωνίας των παράλληλων εφαρμογών μεγάλης κλίμακας με στόχο την πρόβλεψη. Ο χρόνος επικοινωνίας εξαρτάται από ένα πολύπλοκο σύνολο παραμέτρων, σχετικών με την εφαρμογή, την αρχιτεκτονική του συστήματος, τις ρυθμίσεις χρόνου εκτέλεσης και τις συνθήκες εκτέλεσης. Για την ενσωμάτωση αυτής της πολυπλοκότητας σε ένα μοντέλο πρόβλεψης, ακολουθούμε μια προσέγγιση εμπειρικής μοντελοποίησης. Ορίζουμε χαρακτηριστικά που μπορούν να εξαχθούν από την εφαρμογή, την απεικόνιση των διεργασιών στο σύστημα και το σχήμα κατανομής των υπολογιστικών πόρων, πριν από την εκτέλεση, αναπτύσσουμε ένα πρόγραμμα μετρήσεων αναφοράς για τη σάρωση του χώρου των παραμέτρων, και αναπτύσσουμε μοντέλα πρόβλεψης για τον χρόνο επικοινωνίας σε τρία υπολογιστικά συστήματα μεγάλης κλίμακας, τα συστήματα Vilje, Piz Daint και ARIS, χρησιμοποιώντας διαφορετικά υποσύνολα των χαρακτηριστικών μας, μεθόδους στατιστικής και μηχανικής μάθησης και διάφορα σύνολα εκπαίδευσης. Συγκρίνουμε την πρόβλεψη των μοντέλων μας σε διάφορα σχήματα επικοινωνίας και εφαρμογές, για πολλαπλά μεγέθη προβλημάτων, πολλαπλές εκτελέσεις και διαφορετικές ρυθμίσεις του χρόνου εκτέλεσης, που κυμαίνονται από μερικές δεκάδες έως μερικές χιλιάδες πυρήνες. Η μεθοδολογία μας είναι επιτυχής στην πρόβλεψη του χρόνου επικοινωνίας σε όλα τα σχήματα επικοινωνίας που εξετάζουμε, σε όλα τα συστήματα, και παρουσιάζει υψηλή ακρίβεια πρόβλεψης και καλή προσαρμογή. Τα μοντέλα που προτείνονται αποδίδουν προβλέψεις ακριβώς πριν από την εκτέλεση μίας παράλληλης εφαρμογής και, όπως καταδεικνύουμε σε αυτή τη διατριβή, η υψηλή ακρίβεια τους τα καθιστά κατάλληλα για λήψη αποφάσεων με επίγνωση της επικοινωνίας, προς την κατεύθυνση της βελτιστοποίησης της χρήσης των υπολογιστικών πόρων σε συστήματα μεγάλης κλίμακας.

Sign in / Sign up

Export Citation Format

Share Document