基于GPGPU的眾核計(jì)算特征分析與建模.pdf

1、隨著“大數(shù)據(jù)”時(shí)代的到來，基于 GPGPU打造的眾核計(jì)算系統(tǒng)成為了現(xiàn)階段數(shù)據(jù)中心發(fā)展的趨勢(shì)。GPGPU具有強(qiáng)大的多線程能力、高吞吐率、低成本、體積小等優(yōu)點(diǎn)，能顯著提高數(shù)據(jù)中心的計(jì)算能力。但是隨著性能的不斷提升，基于 GPGPU眾核集群系統(tǒng)的數(shù)據(jù)中心面臨消耗海量能源的問題。為了適應(yīng)未來社會(huì)低能耗、可持續(xù)性的發(fā)展目標(biāo)，對(duì)數(shù)據(jù)中心的能耗大戶 GPGPU進(jìn)行分析，找尋出影響性能的計(jì)算特征，幫助數(shù)據(jù)中心更好地進(jìn)行節(jié)能減排的優(yōu)化成為了當(dāng)前研究的熱點(diǎn)

2、。目前，眾多學(xué)者已從GPGPU的頻率、GPGPU的計(jì)算時(shí)間等各個(gè)角度分析了與 GPGPU性能功耗的關(guān)系，建立了相應(yīng)的預(yù)測(cè)模型，但是這些研究仍存在一定的局限性。為了更加全面有效的分析影響 GPGPU性能的計(jì)算特征，本文將機(jī)器學(xué)習(xí)的方法融入到計(jì)算特征的獲取中，以便更好為 GPGPU的節(jié)能減排提供建議。
　　本文的主要工作如下：
　　（1）探討了 GPGPU的計(jì)算功耗特征分析的相關(guān)技術(shù)。介紹了現(xiàn)有的一些GPGPU性能功耗預(yù)測(cè)模型，

3、在總結(jié)前人研究成果的基礎(chǔ)上，分析了現(xiàn)有研究的不足之處。
　?。?）分析了影響GPGPU計(jì)算性能的因素。分別從GPGPU程序的指令構(gòu)成和GPGPU體系結(jié)構(gòu)兩方面研究了影響GPGPU計(jì)算性能的因素。研究結(jié)果表明，程序中的片外訪存指令、不同類型的計(jì)算指令、GPGPU體系結(jié)構(gòu)中的計(jì)算單元數(shù)目、寄存器數(shù)目、Cache結(jié)構(gòu)、線程配置是影響GPGPU性能重要因素，為后續(xù)GPGPU計(jì)算特征的獲取提供了有力的支持。
　?。?）提取了GPGPU

4、的關(guān)鍵計(jì)算特征。將影響GPGPU性能因素進(jìn)行多種組合，通過 GPGPU模擬器中的性能計(jì)數(shù)器收集了不同組合因素下的計(jì)算特征數(shù)據(jù)。通過將關(guān)鍵特征提取的問題成轉(zhuǎn)化成機(jī)器學(xué)習(xí)中屬性約減問題，采用粗糙集中屬性約減方法來對(duì) GPGPU的關(guān)鍵特征進(jìn)行提取，構(gòu)建了關(guān)鍵特征樣本庫(kù)。針對(duì)粗糙集處理連續(xù)數(shù)據(jù)能力有限的問題，提出了一種粗粒度聚類策略對(duì)數(shù)據(jù)進(jìn)行離散化處理。提取結(jié)果表明，GPGPU中的Cache結(jié)構(gòu)的命中率，片外存儲(chǔ)器的讀寫次數(shù)和每個(gè)線程中的各類計(jì)

5、算指令執(zhí)行數(shù)目是影響 GPGPU計(jì)算性能的重要特征。
　?。?）實(shí)現(xiàn)了基于計(jì)算特征的 BP神經(jīng)網(wǎng)絡(luò)性能預(yù)測(cè)模型。分別將計(jì)算特征數(shù)據(jù)和關(guān)鍵計(jì)算特征數(shù)據(jù)輸入至預(yù)測(cè)模型中，對(duì)比了兩種不同數(shù)據(jù)的預(yù)測(cè)相對(duì)誤差。實(shí)驗(yàn)結(jié)果表明，預(yù)測(cè)模型對(duì)于計(jì)算特征數(shù)據(jù)的平均預(yù)測(cè)相對(duì)誤差為8.21％，對(duì)于關(guān)鍵特征的平均預(yù)測(cè)相對(duì)誤差為6.44%，所得結(jié)果驗(yàn)證了關(guān)鍵特征提取的準(zhǔn)確性。針對(duì)預(yù)測(cè)模型存在的問題，采用粒子群算法對(duì)模型進(jìn)行了優(yōu)化。優(yōu)化后的模型在訓(xùn)練時(shí)間上減少