NATSA：一种用于时间序列分析的近数据处理加速器
硬件体系结构
2020-10-08 v2
摘要
时间序列分析是一种用于从流行病学、基因组学、神经科学、环境科学、经济学等多个领域中抽取和预测事件的关键技术。矩阵轮廓(matrix profile)是进行时间序列分析的最先进(state-of-the-art, SOTA)算法，它计算给定查询子序列在切片时间序列中最相似的子序列。矩阵轮廓的算术强度低，但通常处理大量时间序列数据。在当前计算系统中，这些数据需要在片外存储单元与片内计算单元之间搬移以执行矩阵轮廓。这造成了主要的性能瓶颈，因为数据搬移在执行时间和能耗方面都极为昂贵。在本工作中，我们提出 NATSA，首个用于时间序列分析的近数据处理(Near-Data Processing, NDP)加速器。其核心思想是利用现代 3D 堆叠高带宽存储器(High Bandwidth Memory, HBM)在内存附近（即时间序列数据所在处）实现高效快速的专用矩阵轮廓计算。NATSA 提供三个关键优势：1) 通过在 HBM 附近构建专用的节能浮点运算处理单元，为广泛应用快速计算矩阵轮廓；2) 通过减少计算单元与存储单元之间缓慢且高能耗总线上的数据搬移需求，提升能效与执行时间；3) 利用 HBM 提供的低延迟、高带宽和节能的内存访问，大规模分析时间序列数据。我们的实验评估表明，相较于最先进的多核实现，NATSA 性能提升高达 14.2 倍（平均 9.9 倍），能耗降低高达 27.2 倍（平均 19.4 倍）。相较于具有 64 个顺序核的通用 NDP 平台，NATSA 性能提升 6.3 倍，能耗降低 10.2 倍。
引用
@article{arxiv.2010.02079,
title = {NATSA: A Near-Data Processing Accelerator for Time Series Analysis},
author = {Ivan Fernandez and Ricardo Quislant and Christina Giannoula and Mohammed Alser and Juan Gómez-Luna and Eladio Gutiérrez and Oscar Plata and Onur Mutlu},
journal= {arXiv preprint arXiv:2010.02079},
year = {2020}
}
备注
To appear in the 38th IEEE International Conference on Computer Design (ICCD 2020)