关于运行应用程序的知识是否有助于改进HPC作业的运行时预测？

高性能计算系统依赖于调度算法来实现高利用率。这些调度程序依赖于用户对作业资源需求（如运行时）的估计，以确定传入作业的最佳调度。然而，这些用户估计很容易出错。为了减少这一错误，大量研究致力于提供更好的作业运行时估计，通常采用机器学习技术。这些技术取决于所选的输入特征。可能的功能之一是作业使用的主要应用程序。在一项针对改善运行时预测的20多篇论文的调查中，只有四篇将主应用程序作为输入功能。我们将此调查的重点放在添加主应用程序作为输入功能的价值上，并发现它确实提高了模型性能，特别是对于运行时间较长的作业，尽管此改进因所使用的应用程序而异。我们建议进行进一步研究，以确定这种可变性的原因，以及采用混合模型的最佳策略，包括和不包括作为特征的主要应用程序。