论文部分内容阅读
异构系统通过适度的“定制”计算、存储资源来满足计算资源需求各异的不同类型应用。与同构系统相比，异构系统具备高能效的优势。然而，相较于同构系统，异构系统结构复杂，优化空间巨大，这导致异构系统中的优化问题极具挑战;如果异构系统中的资源管理与应用需求不匹配，那么就无法充分发挥异构系统的能效优势。因此，异构系统下的能效优化问题成为计算机系统结构领域重要的研究课题。本文旨在从能效建模及资源管理等角度优化异构系统的能效，其主要贡献如下所述: 1.提出一个协同横向扩展与垂直扩展的异构众核处理器性能模型。最大化异构众核处理器的性能是一个重要问题。通过分析异构众核处理器中能显著加速性能的途径，本文提出同时考虑横向扩展与垂直扩展的性能模型Φ。横向扩展指通过线程并行加速性能;垂直扩展指通过异构核心间线程迁移加速性能。本文首次发现两种途径在性能上相互影响极小，近似为独立关系，并且据此指导了Φ模型的形式化，最终提升了预测准确率。Φ模型中包括平台无关的定常参数和程序特征相关的时变参数，最终提高了预测精度。运行PARSEC基准测试程序时，Φ模型的横向扩展预测精度超过Amdahls Law达64％，垂直扩展预测精度超过PIE模型达39％。此外，横向扩展与垂直扩展之间的独立性假设使西模型适用于指导性能优化算法，所以具有广泛的应用前景。 2.提出一个协同横向扩展与垂直扩展的异构众核处理器能效优化方法。提高计算系统的能效日益重要。异构众核处理器能效优化问题首先要解决如何预测横向扩展、垂直扩展对性能、功耗的影响，其次要解决如何分配功耗、如何制定横向扩展与垂直扩展策略的问题。这些问题计算复杂度高，时间代价会随着核心种类、数目的增多而指数增加，属于典型的“指数膨胀”的问题。首先，本文提出一个高效的功耗模型，它的参数均复用Φ模型的参数以提高线上能效预测效率。其次，本文提出一个平衡了系统全局最优与应用公平性的功耗分配策略。该策略基于“能者多得”的原则，即能效期望越高的应用所分配的功耗越多。运行PARSEC基准测试程序时，该能效优化策略平均可使异构众核处理器的能效提升70％。 3.提出一个异构众核处理器核心与存储设计空间搜索方法。晶体管密度的持续提升可使异构众核处理器集成更多种、更多量的核心。如何选择核心种类以及如何决定相匹配的存储容量是一个重要问题。首先，本文提出基于贪心的核心种类搜索策略，使不同应用均能运行于高能效的核心。其次，本文提出基于边际效益的存储容量搜索策略，使存储能效进一步提升。最后，本文提出基于“能者多得”原则的能效优化算法。它将核心与存储资源分别同应用的计算与存储密集度正相关来满足不同应用的需求。在相同的芯片面积及功耗约束下，该策略所指导的异构众核处理器，PolyCore，在能效上平均超过TILE架构处理器和big.LITTLE架构处理器分别达31％和23％。 4.提出一个基于推荐系统的异构数据中心成本效益优化方法。数据中心当面对日益增长的负载需求时，需要不断地更换或增添新服务器来保证服务质量。考虑到数据中心巨大的成本开销以及不同服务器间成本、性能上的差异，如何选择新服务器类型来实现成本效益导向的数据中心更新是一个重要问题。本文将此问题转化一个给数据中心推荐高成本效益服务器的推荐系统问题。本文提出一个解析模型EcoUp，它可以预测不同类型服务器在当前数据中心、当前负载下的成本效益，并且给出成本效益导向的服务器投资组合。首先，EcoUp根据服务器特征、应用特征、负载分布、服务器硬件成本、服务器能耗等信息预测服务器的成本效益。其次，EcoUp根据不同服务器的成本效益和固定的服务器采购资金预算给出成本效益最优的服务器投资组合。本文使用EcoUp评估了谷歌某数据中心的十种服务器，并发现服务器间的成本效益相差竟达5倍。此外，EcoUp指导的本地数据中心更新过程在成本效益上平均超过传统的Scale-out与Scale-up策略分别达12.3％和33.6％。