COmPutación HEteRogéNea efIciente: del proCesadOr al datacenter

En los últimos años, ante las dificultades de mantener el escalado tecnológico, la heterogeneidad se ha convertido en una estrategia esencial para mejorar el rendimiento manteniendo la eficiencia en potencia, energía y temperatura. Esta estrategia, que se viene aplicando a diversos niveles (sistema, aceleradores, procesador, jerarquía de memoria, etc.) plantea sin embargo diversos retos, algunos de los cuales han sido abordados en las diversas líneas del proyecto. 

Planificación de procesos y gestión dinámica de recursos: se han propuesto nuevos modelos analíticos y planificadores para mejorar el compromiso rendimiento-eficiencia en multiprocesadores asimétricos, y se han propuesto nuevas técnicas para la gestión dinámica de recursos, prestando especial atención a la cache compartida de último nivel. 

Planificación de tareas: se han diseñado diversas técnicas de planificación de tareas, se ha propuesto un framework (HeSP) para simularlas en entornos heterogéneos, y se han integrado en un planificados real (OmpSS). Asimismo, se ha desarrollado un software que permite la gestión inteligente de recursos en escenarios de co-planificación de tareas en sistemas multinúcleo.

Heterogeneidad en la jerarquía de memoria: la incorporación de tecnologías de memoria emergentes (ej. STT-RAM), en su mayoría de tipo no volátil, hace necesarios diseños híbridos heterogéneos, que es preciso explorar y simular. Con este propósito se han desarrollado herramientas de simulación adecuadas y se han llevado a cabo estudios exploratorios. 

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

Eficiencia energética en datacenters: se han desarrollado nuevos modelos orientados a predecir el consumo de energía y la temperatura sin necesidad de ejecutar el código en su totalidad. 

Workload allocation en Mobile Cloud Computing (MCC): se ha desarrollado un sistema MCC para aplicaciones de eHealth que se ha utilizado la predicción de crisis de migraña; este sistema se ha usado como referencia para la caracterización en términos de consumo y rendimiento de este tipo de entornos y se han diseñado y evaluado diversas políticas de asignación de carga para mejorar su eficiencia. 

Aceleración de aplicaciones multimedia en plataformas heterogéneas: centrándose en el estándar HEVC/H.265 se han desarrollado librerías auto-sintonizables para sistemas con diversos tipos de aceleradores (FPGAs, GPUs).