Key points are not available for this paper at this time.
Viele bestehende wissenschaftliche Workflows erfordern Hochleistungs- computing-Umgebungen, um Ergebnisse zeitnah zu produzieren. Diese Workflows haben mehrere Softwarebibliothekskomponenten und verwenden unterschiedliche Umgebungen, was die Bereitstellung und Ausführung des Software-Stacks nicht trivial macht. Diese Komplexität erhöht sich, wenn der Benutzer Provenienz-Datenaufnahme-Dienste zum Workflow hinzufügen muss. Dieses Manuskript stellt ProvDeploy vor, um dem Benutzer zu helfen, Container für wissenschaftliche Workflows mit integrierter Provenienz-Datenaufnahme zu konfigurieren. ProvDeploy wurde mit einem wissenschaftlichen Machine-Learning-Workflow evaluiert, der Containerisierungsstrategien mit Fokus auf Provenienz in zwei verschiedenen HPC-Umgebungen untersucht.
Kunstmann et al. (Fri,) haben diese Frage untersucht.