REOH：利用概率网络实现异构系统运行时能耗优化
分布式、并行与集群计算
2018-09-18 v2
摘要
为高效能耗地运行应用程序，人们已在选择计算系统最佳配置方面投入了大量努力。然而，现有的调优方法主要关注同构系统，且对于包含多种不同架构组件（如 CPU、GPU）的异构系统缺乏可扩展性。本研究提出一种称为 REOH 的整体调优方法，利用概率网络预测异构系统运行给定应用程序时最节能的配置（即选用何种平台及其设置）。基于 Berkeley dwarfs 的计算与通信模式，我们开展实验以构建包含 7074 个数据样本的训练集，覆盖不同的应用模式与特征。在包含 CPU 和 GPU 的异构系统上验证 REOH 方法表明，其能耗接近于暴力搜索（Brute Force）方法的最优能耗，同时与先前使用概率网络的（同构）方法相比节省了 17% 的采样运行次数。基于 REOH 方法，我们开发了一个开源的能耗优化运行时框架，用于在运行时为给定应用选择异构系统的节能配置。
引用
@article{arxiv.1801.10263,
title = {REOH: Using Probabilistic Network for Runtime Energy Optimization of Heterogeneous Systems},
author = {Vi Ngoc-Nha Tran and Tommy Oines and Alexander Horsch and Phuong Hoai Ha},
journal= {arXiv preprint arXiv:1801.10263},
year = {2018}
}
备注
21 pages, 6 figures, 4 tables