Verwendung des ATLAS Prädiktors zur Vorhersage von Anwendungscha­rakteristiken neben der Ausführungszeit

Bei weichen Echtzeit-Anwendungen wird deren Echtzeit-Charakter oft nicht explizit berücksichtigt. Dies kann zu einer unzureichenden Ressourcenzuweisung durch CPU-Scheduler führen und somit die Leistung und das Nutzererlebnis beeinträchtigen. Um diesem Problem entgegenzuwirken, ist ein ausgefeilteres Konzept erforderlich, das die verschiedenen Anwendungscharakteristiken und deren Ressourcenbedarf berücksichtigt. In der Vergangenheit wurde mit ATLAS, dem Auto-Training Look-Ahead Scheduler, ein Ansatz entwickelt, mithilfe von Arbeitslast-Metriken die Ausführungszeit von Echtzeitanwendungen vorherzusagen. Dies ermöglicht eine frühzeitige Erkennung von Überlastsituationen und ein verbessertes Planungsverhalten.
Der Vortrag stellt die Verwendung eines Prädiktors zur Vorhersage von weiteren Anwendungscharakteristiken neben der Ausführungszeit vor. Dazu gehören beispielsweise die Anzahl der ausgeführten Instruktionen, die Menge an Last-Level-Cache-Misses und der Energieverbrauch. Außerdem wird die Auswirkung der Arbeitslast-Metriken auf die Vorhersagegenauigkeit untersucht.

(Verteidigung Bachelor)