
<html>

<head>

<meta http-equiv="Content-Type" content="text/html; charset=us-ascii">

</head>

<body>

<div class="BodyFragment"><font size="2"><span style="font-size:11pt;">

<div class="PlainText">This is an announcement of Rui Liu's Candidacy Exam.<br>

===============================================<br>

Candidate: Rui Liu<br>

<br>

Date: Wednesday, May 25, 2022<br>

<br>

Time: 10:30 am CST<br>

<br>

Location: JCL 390<br>

<br>

Title: Efficient Resource Sharing for Data-Intensive Computation<br>

<br>

Abstract: Data-intensive computation has increasingly become prevalent and critical for a wide variety of applications that underpin the modern world. Such computation jobs are usually expensive in terms of time and resource consumption, thus it is beneficial

 but challenging to efficiently share the resource among them in resource-constrained environments. Our studies show that by exploiting workload characteristics and leveraging resource traits, the constrained resource could be efficiently shared among multiple

 data-intensive computation jobs to achieve the same performance objective as they only achieve when competing for resources fiercely. In our research, we explore efficient resource sharing for data-intensive computation and implement various prototype systems

 to realize them. We propose and implement Pack primitive for deep learning training to share common I/O and computing processes among models on the same device. We further propose and design a resource arbitration framework that can continuously prioritize

 the data-intensive computation jobs and determine if/when to reallocate and preempt the resources for them.<br>

<br>

Advisors: Aaron Elmore and Michael Franklin<br>

<br>

Committee Members: Aaron Elmore, Michael Franklin, and Sanjay Krishnan<br>

<br>

</div>

</span></font></div>

<div class="BodyFragment"><font size="2"><span style="font-size:11pt;">

<div class="PlainText"><br>

<br>

</div>

</span></font></div>

</body>

</html>