Seminarium: Systemy Rozproszone
6 marca 2025 12:15, sala 4070
Dyski SSD (Solidstate drives) odgrywają ważną rolę w dużych centrach danych. Awarie dysków SSD wpływają na stabilność systemów pamięci i powodują dodatkowy narzut związany z utrzymaniem. W celu umożliwienia przewidywania i obsłużenia błędów SSD, proponujemy rozwiązanie bazujące na schemacie wielozadaniowych, multi-zasięgowych lasów losowych (multi-vew, multi-task random forest MVTRF). MVTRF przewiduje błędy SSD bazując na wielozasięgowych funkcjach otrzymanych z zarówno długotrwałego jak i krótkotrwałego monitorowania danych na dyskach SSD. W szczególności, wielozadaniowe uczenie jest zaadaptowane do jednoczesnego przewidywania jaki typ błędu i kiedy wystąpi na danym modelu dysku. Umożliwia również wyciągnięcie "decyzji" podejmowanych przez MVTRF, w celu analizy dlaczego dany błąd wystąpił. Przedstawiamy dane treningowe dla MVTRF oraz pokazujemy uzyskaną przez model skuteczność (poprawa wydajności o 46.1% i wzrost wykrycia błędów o 57.4% w stosunku do standardowo używanych metod).
Zapraszam,
Hubert Lawenda
Offloadowanie obliczeń z niskomocowych urządzeń do chmury/centrum danych jest powszechną techniką, ale co gdyby robić to... na odwrót? Przedstawię podejście pozwalające na heterogeniczną migrację zadań obliczeniowych z komputerów x86-64 klasy serwerowej na mikrokontrolery Arm64. Prototyp autorów wykazał wzrost przepustowości do 68% i wzrost wydajności energetycznej do 56%, przy pomijalnym wydatku finansowym (dorzucenie trzech mikrokontrolerów po $45 sztuka do serwera za $3049).
Zapraszam,
Adam Greloch