使用架构无关特征进行OpenCL性能预测
分布式、并行与集群计算
2018-11-04 v1 性能
摘要
OpenCL是异构高性能计算系统的一个有吸引力的模型,得到硬件厂商广泛支持并具有显著性能可移植性。为支持HPC系统上的高效调度,有必要对OpenCL工作负载在各类计算设备上进行准确的性能预测,这由于多样的计算、通信和内存访问特征导致设备间性能差异而具挑战性。架构无关工作负载表征(Architecture Independent Workload Characterization, AIWC)工具可用于根据一组架构无关特征来表征OpenCL内核。本工作提出一种方法,利用AIWC特征构建能够预测加速器执行时间的模型。我们使用该方法预测了37个计算内核在15种不同设备上的执行时间,这些设备代表了广泛的CPU、GPU和MIC架构。预测高度准确,与实测实验运行时间平均仅差1.2%,并且根据问题规模对应实际执行时间误预测为9 μs至1秒。先前未遇到的代码可被插桩一次并将AIWC度量嵌入内核,从而允许跨全部建模设备进行性能预测。结果表明该方法支持为先前未遇到的代码正确选择最合适的设备,这与HPC调度场景高度相关。
引用
@article{arxiv.1811.00156,
title = {OpenCL Performance Prediction using Architecture-Independent Features},
author = {Beau Johnston and Greg Falzon and Josh Milthorpe},
journal= {arXiv preprint arXiv:1811.00156},
year = {2018}
}
备注
9 pages, 6 figures, International Workshop on High Performance and Dynamic Reconfigurable Systems and Networks (DRSN-2018) published in conjunction with The 2018 International Conference on High Performance Computing & Simulation (HPCS 2018)