COmPutaci贸n HEteRog茅Nea efIciente: del proCesadOr al datacenter

Resumen:

En los 煤ltimos a帽os, ante las dificultades de mantener el escalado tecnol贸gico, la heterogeneidad se ha convertido en una estrategia esencial para mejorar el rendimiento manteniendo la eficiencia en potencia, energ铆a y temperatura. Esta estrategia, que se viene aplicando a diversos niveles (sistema, aceleradores, procesador, jerarqu铆a de memoria, etc.) plantea sin embargo diversos retos, algunos de los cuales han sido abordados en las diversas l铆neas del proyecto.聽

Planificaci贸n de procesos y gesti贸n din谩mica de recursos:聽se han propuesto nuevos modelos anal铆ticos y planificadores para mejorar el compromiso rendimiento-eficiencia en multiprocesadores asim茅tricos, y se han propuesto nuevas t茅cnicas para la gesti贸n din谩mica de recursos, prestando especial atenci贸n a la cache compartida de 煤ltimo nivel.聽

Planificaci贸n de tareas:聽se han dise帽ado diversas t茅cnicas de planificaci贸n de tareas, se ha propuesto un framework (HeSP) para simularlas en entornos heterog茅neos, y se han integrado en un planificados real (OmpSS). Asimismo, se ha desarrollado un software que permite la gesti贸n inteligente de recursos en escenarios de co-planificaci贸n de tareas en sistemas multin煤cleo.

Heterogeneidad en la jerarqu铆a de memoria: la incorporaci贸n de tecnolog铆as de memoria emergentes (ej. STT-RAM), en su mayor铆a de tipo no vol谩til, hace necesarios dise帽os h铆bridos heterog茅neos, que es preciso explorar y simular. Con este prop贸sito se han desarrollado herramientas de simulaci贸n adecuadas y se han llevado a cabo estudios exploratorios.聽

Herramientas de monitorizaci贸n:聽se ha mejorado y ampliado la funcionalidad de dos herramientas desarrolladas por el grupo, PMCTrack, orientada a la monitorizaci贸n de rendimiento mediante contadores hardware, y AccelPowerCape, orientada la monitorizaci贸n de grano fino del consumo de energ铆a en aceleradores HW.聽

Eficiencia energ茅tica en聽datacenters:聽se han desarrollado nuevos modelos orientados a predecir el consumo de energ铆a y la temperatura sin necesidad de ejecutar el c贸digo en su totalidad.聽

Workload allocation en Mobile Cloud Computing (MCC):聽se ha desarrollado un sistema MCC para aplicaciones de聽eHealth聽que se ha utilizado la predicci贸n de crisis de migra帽a; este sistema se ha usado como referencia para la caracterizaci贸n en t茅rminos de consumo y rendimiento de este tipo de entornos y se han dise帽ado y evaluado diversas pol铆ticas de asignaci贸n de carga para mejorar su eficiencia.聽

Aceleraci贸n de aplicaciones multimedia en plataformas heterog茅neas:聽centr谩ndose en el est谩ndar HEVC/H.265 se han desarrollado librer铆as auto-sintonizables para sistemas con diversos tipos de aceleradores (FPGAs, GPUs).

Principales publicaciones

ToDo

Entregables

ToDo: enlace a los informes o publicaciones y a las URLs del c贸digo.