基于GPGPU的眾核計算特征分析與建模.pdf

1、隨著“大數(shù)據(jù)”時代的到來，基于 GPGPU打造的眾核計算系統(tǒng)成為了現(xiàn)階段數(shù)據(jù)中心發(fā)展的趨勢。GPGPU具有強大的多線程能力、高吞吐率、低成本、體積小等優(yōu)點，能顯著提高數(shù)據(jù)中心的計算能力。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)未來社會低能耗、可持續(xù)性的發(fā)展目標，對數(shù)據(jù)中心的能耗大戶 GPGPU進行分析，找尋出影響性能的計算特征，幫助數(shù)據(jù)中心更好地進行節(jié)能減排的優(yōu)化成為了當(dāng)前研究的熱點

2、。目前，眾多學(xué)者已從GPGPU的頻率、GPGPU的計算時間等各個角度分析了與 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性能的計算特征，本文將機器學(xué)習(xí)的方法融入到計算特征的獲取中，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：
　?。?）探討了 GPGPU的計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、不同類型的計算指令、GPGPU體系結(jié)構(gòu)中的計算單元數(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計算特征的獲取提供了有力的支持。
　?。?）提取了GPGPU

4、的關(guān)鍵計算特征。將影響GPGPU性能因素進行多種組合，通過 GPGPU模擬器中的性能計數(shù)器收集了不同組合因素下的計算特征數(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 GPGPU的關(guān)鍵特征進行提取，構(gòu)建了關(guān)鍵特征樣本庫。針對粗糙集處理連續(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數(shù)據(jù)進行離散化處理。提取結(jié)果表明，GPGPU中的Cache結(jié)構(gòu)的命中率，片外存儲器的讀寫次數(shù)和每個線程中的各類計

5、算指令執(zhí)行數(shù)目是影響 GPGPU計算性能的重要特征。
　?。?）實現(xiàn)了基于計算特征的 BP神經(jīng)網(wǎng)絡(luò)性能預(yù)測模型。分別將計算特征數(shù)據(jù)和關(guān)鍵計算特征數(shù)據(jù)輸入至預(yù)測模型中，對比了兩種不同數(shù)據(jù)的預(yù)測相對誤差。實驗結(jié)果表明，預(yù)測模型對于計算特征數(shù)據(jù)的平均預(yù)測相對誤差為8.21％，對于關(guān)鍵特征的平均預(yù)測相對誤差為6.44%，所得結(jié)果驗證了關(guān)鍵特征提取的準確性。針對預(yù)測模型存在的問題，采用粒子群算法對模型進行了優(yōu)化。優(yōu)化后的模型在訓(xùn)練時間上減少