Upload
internet
View
118
Download
0
Embed Size (px)
Citation preview
Avaliação de Desempenho Planejamento de Experimentos 2
Aula 2
Marcos José Santana
Regina Helena Carlucci Santana
Universidade de São PauloInstituto de Ciências Matemáticas e de Computação
Departamento de Sistemas de Computação
Etapas a serem consideradas 1. Estudar o sistema e definir os
objetivos
2. Determinar os serviços oferecidos pelo sistema
3. Selecionar métricas de avaliação
4. Determinar os parâmetros que afetam o desempenho do sistema
5. Determinar o nível de detalhamento da análise
6. Determinar a Técnica de Avaliação apropriada
7. Determinar a carga de trabalho característica
8. Realizar a avaliação e obter os resultados
9. Analisar e interpretar os resultados
10. Apresentar os resultados
Planejamento de
Experimento
Análise dos
Resultados
Técnica de Avaliação
Lembrando.....Lembrando.....
Conteúdo
1. Planejamento de Experimentos
– Motivação– Introdução à Avaliação de Desempenho– Etapas de um Experimento– Planejamento do ExperimentoPlanejamento do Experimento
• Conceitos Básicos• Carga de trabalho
• Modelos para Planejamento de Modelos para Planejamento de ExperimentoExperimento
2. Análise de Resultados
3. Técnicas para Avaliação de Desempenho
Tipos de Planejamento de Experimentos
• Planejamento Simples
• Planejamento Fatorial completo
• Planejamento Fatorial parcial
Tipos de Planejamento de Experimentos
Planejamento Simples
– Iniciar com uma configuração inicial– Fixar todos os fatores e variar um fator por vez– Verificar que fator afeta o desempenho
– Fácil de ser implementado – Não permite verificar a relação entre os fatores– Estatisticamente não eficiente
Tipos de Planejamento de Experimentos
Planejamento Simples
– Para um experimento com K fatores e ni níveis no fator i, tem-se:
– Exemplo do servidor de arquivos
K
iinn
1
)1(1
Fator 1 Microprocessador a ser utilizado 3 níveis: Pentium IV; Athlon XP; Pentium IV com Hyper Thread
Fator 2 Quantidade de Memória 4 níveis: 512 M bytes; 1 G bytes; 2G bytes; 4G bytes
Fator 3 Quantidade de Cache3 níveis: 256 K bytes; 512 K bytes; 1 M bytes
Fator 4 Número de Discos:3 níveis: Dois; Três; Quatro
Planejamento de ExperimentosExemplo do Servidor de arquivos – 4 fatores
n= 1+(3-1)+(4-1)+(3-1)+(3-1) = 10
Tipos de Planejamento de Experimentos
Planejamento Simples
– Não recomendado
– Muito utilizado
Tipos de Planejamento de Experimentos
Planejamento Simples - Não recomendado – Porque?
– Ex. Aquário
Tipos de Planejamento de Experimentos
Planejamento Simples - Não recomendado – Porque?
– Fatores:1. Número de garrafas de cerveja: 10, 100, 1000
2. Espessura do vidro: 2mm, 5mm, 10mm
3. Quantidade de gelo: 0,5 kg, 1Kg, 10Kg
– Variável de Resposta: Tempo necessário para diminuir a temperatura de cerveja em 30 graus
Tipos de Planejamento de Experimentos
Planejamento Simples - Não recomendado – – 1o. Experimento,
• fixo: Esp = 5mm; no. Garrafas = 10• gelo = 0,5 Kg -> Saída = 2 minutos• gelo = 1 Kg -> Saída = 2 minutos• gelo = 10Kg -> Saída = 2minutos
– Mas.... 2o. Experimento, • fixo: Esp = 5mm; no. Garrafas = 100• gelo = 0,5 Kg -> Saída = 30 minutos• gelo = 1 Kg -> Saída = 20 minutos• gelo = 10 Kg -> Saída = 20 minutos
Tipos de Planejamento de Experimentos
Planejamento Simples - Não recomendado – Porque?
–3o. Experimento, • fixo: Esp = 5mm; no. Garrafas = 1000• gelo = 0,5 Kg -> Saída = XX minutos• gelo = 1 Kg -> Saída = 3horas• Gelo = 10Kg -> Saída = 1 hora
Tipos de Planejamento de Experimentos
Planejamento Totalmente Fatorial
– Utiliza todas as combinações considerando todos os fatores e todos os níveis
– Para um experimento com K fatores e ni níveis no fator i, tem-se:
– Para o exemplo da estação de trabalho tem-se: n = 3 (CPU)*4(memória)*3(cache)*3(no. discos) n= 108
K
iinn
1
Tipos de Planejamento de Experimentos
Planejamento Totalmente Fatorial
Vantagens• Todos os fatores são avaliados• Pode-se determinar o efeito de qualquer fator• Interações entre fatores podem ser verificadas
Desvantagens• Grande número de experimentos • Alto custo para avaliação
Planejamento Totalmente FatorialFormas para minimizar custos
1. Reduzir o número de níveis de cada fator• Altamente recomendada• Selecionar dois níveis para cada fator a ser
analisado – número de experimentos reduzido para 2k
• Analisar os resultados e selecionar os fatores primários
• Analisar os fatores primários para um número maior de níveis
Planejamento Totalmente Fatorial
Formas para minimizar custos
2. Reduzir o número de fatores
• Deve ser implementada com cuidado. Por exemplo, utilizando forma 1.
• Se não for utilizada uma metodologia adequada podem estar sendo desconsiderados fatores com grande influência para as variáveis de resposta
Planejamento Totalmente FatorialFormas para minimizar custos
3. Utilização do método do Fatorial Parcial
• Parte dos experimentos são excluídos• Podem ser eliminadas comparações em que se
sabe, a interação não existe ou é insignificante• Por exemplo, no servidor de arquivos tem-se
108 experimentos. Pode-se dizer que o número de discos não tem relacionamento com a quantidade de cache
• Mais rápido• Obtém-se menos informações
Método Fatorial• Pelo método fatorial pode-se ter k fatores com
ni níveis para cada fator i
• Para valores elevados de K e ni o custo da avaliação pode tornar-se inviável, principalmente lembrando-se que diversas execuções de cada experimento devem ser consideradas.
• Forma recomendada: Selecionar poucos fatores e 2 níveis por fator.
• Para entender a abordagem utilizada para a análise inicia-se com 2 fatores contendo 2 níveis em cada um - 22
Projeto Fatorial 22
• Análise através do modelo de regressão• Considere um problema analisando dois fatores
(A e B)• Quatro experimentos são efetuados obtendo-se
os valores y1, y2, y3, y4
• Os quatro experimentos consideram a seguinte seqüência Experimento A B y
1 -1 -1 y1
2 1 -1 y2
3 -1 1 y3
4 1 1 y4
Projeto Fatorial 22
• Modelo para projeto 22 é dado por:
y = q0+ qAxA + qBxB + qABxAB
• Substituindo-se as quatro observações no modelo, obtêm-se os valores de q0, qA, qB, qAB
q0 = ¼ *(y1 + y2 + y3 + y4)
qA = ¼ *(-y1 + y2 - y3 + y4)
qB = ¼ *(-y1 - y2 + y3 + y4)
qAB = ¼ *(y1 - y2 - y3 + y4)
Projeto Fatorial 22
•A partir dos valores de q0, qA, qB, qAB pode-se determinar a soma dos quadrados
•A soma dos quadrados dará a variação total das variáveis de resposta e as variações devido a influência do fator A, do fator B e da interação entre A e B
•Variância Total de y ou
Soma dos Quadrados Total –
ou
22
1
2)(i
i yySST
222222 222 ABBA qqqSST
Projeto Fatorial 22
1. A soma das entradas em cada coluna = 0
Experimento A B y
1 -1 -1 y1
2 1 -1 y2
3 -1 1 y3
4 1 1 y4
2. Soma dos quadrados em cada coluna = 4
3. Produto interno de cada duas colunas = 0
Projeto Fatorial 22
A Média da Amostra é dada por:
Modelo considerado:
y = q0+ qAxA + qBxB + qABxAB
Projeto Fatorial 22
Variação total - SST:
Projeto Fatorial 22
Soma dos Quadrados devido a influência do Fator A
Soma dos Quadrados devido a influência do Fator B
Soma dos Quadrados devido a interação entre os Fatores A e B
222 ABqSSAB
222 BqSSB
222 AqSSAInfluência do Fator A = SSA / SST
Influência do Fator B = SSB / SST
Influência da interação entre os Fatores A e B = SSAB/SST
Projeto Fatorial 22
Interpretações possíveis a partir desses resultados:– Média da variável de resposta – q0
– Qual a variação da variável de resposta devido ao fator A
– Qual a variação da variável de resposta devido ao fator B
– Qual a variação devido a interação entre os fatores A e B
– De que fator a variável de resposta é mais dependente?
– Algum dos fatores observados pode ser desprezado?– A interação entre os fatores observados é
considerável?
Projeto Fatorial 22
Exemplo: Avaliação de duas redes de comunicação em uma máquina paralela com:
• 16 processadores• Escalonamento aleatório• Não existe problema de acesso a memória –
interleaving de memória infinito • Redes utilizam Chaveamento de circuito – conexão
é estabelecida da fonte ao destino e pacotes são enviados (ex. telefone)
• Requisições não atendidas são bloqueadas
Fatores Considerados
Duas formas de acesso a memória – Fator B
• Aleatório – probabilidade uniforme de referenciar cada posição de memória – Nível = -1
• Matriz – simula uma multiplicação de matrizes – Nível = 1
Duas Redes de Interconexão – Fator A
• Omega – Nível = 1• Crossbar – Nível = -1
Tipos de Redes de Interconexão Consideradas
Resultados ObtidosVariáveis de Resposta
– Throughput - T– Ciclos para transmissão - N– Tempo de Resposta – R
Fatores Variáveis de Resposta
A (rede) B(Acesso) T N R
-1(C) -1(A) 0,6041 3 1,655
1(O) -1 (A) 0,7922 2 1,262
-1(C) 1(M) 0,4220 5 2,378
1(O) 1 (M) 0,4717 4 2,190
Fatores Variáveis de Resposta
I A (rede) B(Acesso) AB T N R
1 -1(C) -1(A) 1 0,6041 3 1,655
1 1(O) -1 (A) -1 0,7922 2 1,262
1 -1(C) 1(M) -1 0,4220 5 2,378
1 1(O) 1 (M) 1 0,4717 4 2,190
Parâmetro Média Estimada Variação %
T N R T N R
q0 0,5725 3,5 1,871
qA 0,0595 -0,5 -0,145 17,2 20 10,9
qB -0,1257 1,0 0,413 77,0 80 87,8
qAB -0,0346 0 0,051 5,8 0 1,3
SSA/SST=0.05952 /(0,05952+0,12572+0,03462)
Parâmetro Média Estimada Variação %
T N R T N R
q0 0,5725 3,5 1,871
qA 0,0595 -0,5 -0,145 17,2 20 10,9
qB -0,1257 1,0 0,413 77,0 80 87,8
qAB -0,0346 0 0,051 5,8 0 1,3
•Média das variáveis de Resposta – q0
•Influência de cada fator
•Fator com maior influência
•Grau de interação entre os fatores
Mais Um Exemplo...
Avaliação de Desempenho do Gerenciador de Banco de Dados MySQL
Trabalho desenvolvido por alunos do Curso de Bach em Ciências da Computação
Avaliação do MySQL
• Objetivo: verificar como o número de usuários executando comandos em paralelo e o tamanho do banco de dados influenciam no desempenho do sistema
• 2 Fatores: – Tamanho do Banco: 50.000, 100.000,
200.000– Quantidade de usuários: 5, 10, 20 e 50
• AMD Athlon 64 com 512 MBs de RAM
Avaliação do MySQL
• Procedimento Utilizado:
– Configuração do servidor MySQL– Criação de um Banco de Dados– Programa para inserir nomes na tabela– Programa que realiza n consultas no
banco – Programa que ativa k vezes a consulta
Avaliação do MySQL
Variável de Saída – tempo para executar um conjunto de consultas dividido por n
Para 5, 10 e 20 usuários – n = 20
Para 50 usuários – n = 5
Tem-se k usuários realizando consultas no banco de dados em
paralelo
Avaliação do MySQL
Alguns Resultados....
Avaliação do MySQL
Alguns Resultados....
Avaliação do MySQL
Alguns Resultados....
Avaliação do MySQLAlguns Resultados....
Avaliação do MySQL
Alguns Resultados....
Avaliação do MySQLAlguns Resultados....
Projeto Fatorial 2k
• Utilizado para avaliar experimentos com k fatores com 2 níveis cada
• Análise similar ao 22
Para k = 3
)(2 22222223ABCBCACABCBA qqqqqqqSST
232 AqSSA 232 BqSSB
232 ABCqSSABC 232 ABqSSAB
232 CqSSC
........
Projeto Fatorial 2k
Problema com o Projeto Fatorial 2k
Para k = 2 – 4 experimentosPara k = 3 - 8 experimentosPara k = 4 – 16 experimentos........
Solução – Planejamento Fatorial Parcial - 2k -p
1. Muitos fatores devem ser avaliados
2. Sabe-se que existem fatores que não interagem
3. Deseja-se determinar quais fatores realmente influenciam no resultado
Planejamento Fatorial Parcial - 2k -p
k número total de fatores a serem considerados
p número inteiro - quantas dimensões serão desprezadas
Exemplo:
p=1 reduz os experimentos a metade
p=2 um quarto dos experimentos
k=7 128 experimentos
p=4 8 experimentos
Neste caso não é possível avaliar as interações
k=7 128 experimentos
p=5 16 experimentosAlgumas interações podem ser avaliadas
Projeto Fatorial 22
1. A soma das entradas em cada coluna = 0
Experimento A B y
1 -1 -1 y1
2 1 -1 y2
3 -1 1 y3
4 1 1 y4
2. Soma dos quadrados em cada coluna = 4
3. Produto interno de cada duas colunas = 0
Planejamento Fatorial Parcial - 2k -p
Exemplo (Jain) 27 -4
Devo satisfazer as mesmas condições que 22
Modelo Similar:
Planejamento Fatorial Parcial - 2k -p
Exemplo (Jain) 27 -4
Planejamento Fatorial Parcial - 2k -p
Exemplo (Jain) 27 -4
37,26 4,74 43,40 6,75 0 8,06 0,03
Variação em porcentagem
Planejamento Fatorial Parcial - 2k -p
Pode-se preparar a tabela para considerar qualquer combinação, desde que atendidas as condições
Exemplo (Jain) 24-1
Planejamento Fatorial Parcial - 2k -p
Pode-se preparar a tabela para considerar qualquer combinação, desde que atendidas as condições
Exemplo (Jain) 24-1
Coluna D
Influência do fator D + interação entre A, B e C
Planejamento Fatorial Parcial - 2k -p
Como determinar a soma das influências
Exemplo (Jain) 24-1
I = ABCD
A=BCD
B=ACD
C=ABD
D=ABC
Regras:
I = Identidade – Média
X.I = X
X2 = 1
I = ABCD
AB=CD
BC=AD
AC=BD
Planejamento Fatorial Parcial - 2k -p
Pode-se preparar a tabela para considerar qualquer combinação, desde que atendidas as condições
Exemplo 19.2 (Jain)
Considere um sistema que possa ser utilizado para:
•Processamento de textos,
•Processamento de dados interativo,
•Processamento de dados em background
Fator Descrição nível -1 nível +1
A Preempção não sim
B Quantum p/ cd proc pequeno grande
C Filas (prioridade p/ quantum) uma fila duas filas
D Classes para as tarefas duas filas cinco filas
E Justiça (pref. p/ tarefa antiga) desligadoligado
Analisar cada caso independentemente
Planejamento Fatorial Parcial - 2k -p
Exemplo 19.2 (Jain)Throughput para proc
dados
Throughput para proc dados em
batch
Throughput para dados
interativos
Planeja-
mento
25-1
Planejamento Fatorial Parcial - 2k -p
Exemplo 19.2 (Jain)Throughput para proc
dados
Throughput para dados
interativos
Throughput para proc
dados em batch
Planejamento de Experimento• Planejamento de Experimentos designa toda uma área
de estudos da Estatística que desenvolve técnicas de planejamento e análise de experimentos.
• Existe um grande número de técnicas, com vários níveis de sofisticação e uma grande quantidade de ferramentas visando oferecer as condições necessárias para o planejamento de experimentos.
• Essas técnicas cobrem todas as possibilidades, diversos fatores, diferentes quantidades de níveis , tratamento de replicações, etc.
• Importância dentro de Avaliação de Desempenho – saber como utilizar as técnicas/ferramentas e saber analisar os resultados
Erros Comuns em Experimentos
• Uso de apenas um fator por vez – essa opção simplifica a experimentação mas não permite verificar interações
• Execução de muitos experimentos – em um primeiro passo poucos fatores/níveis devem ser considerados. Com as conclusões iniciais, pode-se considerar outros fatores/níveis
Conteúdo
1. Planejamento de Experimentos
– Motivação– Introdução à Avaliação de Desempenho– Etapas de um Experimento– Planejamento do Experimento
• Conceitos Básicos• Carga de trabalho
• Modelos para Planejamento de Experimento
2. Análise de Resultados
3. Técnicas para Avaliação de Desempenho