研究人员提出了一种基于工作频率和共享存储系统的核数的能量模型。该模型可作为DVFS和DPM优化问题的参考。
来自蒙斯大学(比利时)和联邦大学(巴西)的新学术论文。
摘要
“能源消耗在高性能计算(HPC)中至关重要，特别是为了实现下一代百亿亿次级。因此，现代系统为电源管理实现了各种硬件和软件功能。尽管如此，由于有许多不同的实现，我们总是可以推动软件的极限，以实现对硬件的最有效利用。为了节能，该软件依赖于动态电压和频率缩放(DVFS)以及动态电源管理(DPM)。然而，没有人拥有关于硬件架构和应用程序行为的特权信息，这可能会导致低效的软件操作。本研究提出了架构和应用行为的分析建模，可用于估计能源优化软件配置，并为改进单节点高性能计算应用的DVFS和DPM技术提供有知识的提示。此外，模型参数(如并行性水平和动态功率)提供了建模应用程序如何消耗能量的见解，这有助于节能软件开发和操作。该模型以有源核数、工作频率和输入尺寸作为输入，进行能量消耗估计。我们提出了13个并行应用程序的建模，用于确定几种不同输入尺寸的能量最优配置。结果表明，与默认的Linux选择相比，在最佳场景下可以节省高达70%的能源，平均节省14%。 We also compare the proposed model with standard machine-learning modeling concerning training overhead and accuracy. The results show that our approach generates about 10 times less energy overhead for the same level of accuracy.”
找到开放获取这里是技术文件．2022年2月出版。
席尔瓦、V.R.G.d;Valderrama c;Manneback p;共享内存高性能计算应用的工作负载、时钟频率和活动核数参数化的分析能量模型。能源2022,15,1213。https://doi.org/10.3390/en15031213。
参观半导体工程技术论文库并发现更多芯片行业的学术论文。
留下回复