Agnihotri, Pratyush ; Koldehofe, Boris ; Binnig, Carsten ; Luthra, Manisha (2022)
PANDA: performance Prediction for Parallel and dynamic Stream Processing.
16th ACM International Conference on Distributed and Event-Based Systems. Copenhagen, Denmark (27.06.2022-30.06.2022)
doi: 10.1145/3524860.3543281
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (Abstract)
Distributed Stream Processing (DSP) systems highly rely on parallelism mechanisms to deliver high performance in terms of latency and throughput. Yet the development of such parallel systems altogether comes with numerous challenges. In this paper, we focus on how to select appropriate resources for parallel stream processing under the presence of highly dynamic and unseen workloads. We present PANDA that provides a novel learned approach for highly efficient and parallel DSP systems. The main idea is to provide accurate resource estimates and hence optimal parallelism degree using zero-shot cost models to ensure the performance demands.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2022 |
| Autor(en): | Agnihotri, Pratyush ; Koldehofe, Boris ; Binnig, Carsten ; Luthra, Manisha |
| Art des Eintrags: | Bibliographie |
| Titel: | PANDA: performance Prediction for Parallel and dynamic Stream Processing |
| Sprache: | Englisch |
| Publikationsjahr: | 15 Juli 2022 |
| Verlag: | ACM |
| Buchtitel: | DEBS 2022: Proceedings of the 16th ACM International Conference on Distributed and Event-Based Systems |
| Veranstaltungstitel: | 16th ACM International Conference on Distributed and Event-Based Systems |
| Veranstaltungsort: | Copenhagen, Denmark |
| Veranstaltungsdatum: | 27.06.2022-30.06.2022 |
| DOI: | 10.1145/3524860.3543281 |
| Kurzbeschreibung (Abstract): | Distributed Stream Processing (DSP) systems highly rely on parallelism mechanisms to deliver high performance in terms of latency and throughput. Yet the development of such parallel systems altogether comes with numerous challenges. In this paper, we focus on how to select appropriate resources for parallel stream processing under the presence of highly dynamic and unseen workloads. We present PANDA that provides a novel learned approach for highly efficient and parallel DSP systems. The main idea is to provide accurate resource estimates and hence optimal parallelism degree using zero-shot cost models to ensure the performance demands. |
| Freie Schlagworte: | parallel stream processing, zero-shot cost models |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Datentechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Datentechnik > Multimedia Kommunikation 20 Fachbereich Informatik 20 Fachbereich Informatik > Data Management (2022 umbenannt in Data and AI Systems) DFG-Sonderforschungsbereiche (inkl. Transregio) DFG-Sonderforschungsbereiche (inkl. Transregio) > Sonderforschungsbereiche DFG-Sonderforschungsbereiche (inkl. Transregio) > Sonderforschungsbereiche > SFB 1053: MAKI – Multi-Mechanismen-Adaption für das künftige Internet DFG-Sonderforschungsbereiche (inkl. Transregio) > Sonderforschungsbereiche > SFB 1053: MAKI – Multi-Mechanismen-Adaption für das künftige Internet > C: Kommunikationsmechanismen DFG-Sonderforschungsbereiche (inkl. Transregio) > Sonderforschungsbereiche > SFB 1053: MAKI – Multi-Mechanismen-Adaption für das künftige Internet > C: Kommunikationsmechanismen > Teilprojekt C2: Informationszentrische Sicht |
| Hinterlegungsdatum: | 16 Aug 2022 08:12 |
| Letzte Änderung: | 17 Nov 2022 11:35 |
| PPN: | 501727604 |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum