Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/3962
Tipo: Dissertação
Título: Análise do desempenho e consumo de energia de coprocessadores xeon phi utilizando diferentes modelos de programação
Autor(es): Gonçalves, Robson R. de Oliveira
Primeiro Orientador: Girardi, Alessandro
Coorientador: Schepke, Claudio
Resumo: Com o crescimento computacional ocorrido nos último anos, surgem questões e problemas relacionados ao custo de energia principalmente em ambientes computacionais de grande porte como data centers ou centros de processamento de alto desempenho pois exigem grande demanda de energia para manter seu funcionamento. Na área da Computação de Alto Desempenho (HPC), acompanhando esta necessidade surgem novos paradigmas computacionais para suportar o aumento exponencial de núcleos de processadores, mudando de modelos e arquiteturas multicore onde centralizavam o processamento somente nas CPUs para novas arquiteturas heterogêneas e manycore que distribuem o processamento utilizando GPUs e coprocessadores. A relação desempenho com consumo de energia eficiente em arquiteturas manycore ainda é tema recente e existem muitos questionamentos que precisam ser explorados, pois juntamente com o aumento do número de cores surgiram vários modelos de programação. É preciso maior estudo sobre consumo de energia em modelos que usam e gerenciam cargas de trabalho parte em CPUs e parte em GPUs/coprocessadores. Nesse contexto, o objetivo geral deste trabalho é realizar um estudo e metodologia sobre a relação desempenho e consumo de energia em coprocessadores Intel Xeon Phi, analisando e identificando quais os principais fatores que afetam diretamente o consumo eficiente de energia em ambientes manycore. A avaliação baseada no comportamento e variação do consumo de energia durante execução dos benchmarks LINPACK, HPL 2.1 e HPCG sobre os modelos de programação host, offload, native e simétrico pela Intel. A metodologia utilizada consiste em processos de planejamento dos cenários, execução, monitoramento, coleta, medição e análise dos dados de consumo energético e desempenho sobre os resultados gerados e principalmente das definições dos critérios avaliados, quais métricas utilizadas e modelos de cenários utilizados. As principais contribuições deste trabalho são: Avaliar quais modelos de programação proporcionam melhores resultados com consumo eficiente sem comprometer o desempenho; Analisar e identificar se o comportamento de recursos e configurações de memória compartilhada, número de nodes, cores, processos e threads impactam diretamente na relação desempenho e consumo de energia. Resultados mostram que existe grande variação no desempenho e consumo de energia entre os modelos e a importância da escolha e configuração adequada dos fatores utilizados durante o processamento de aplicações paralelas. Considerando cenários de memória compartilhada sobre benchmark Linpack, os modelos host e offload apresentam aumento linear no desempenho para cargas de trabalho (size) até 10000 e leve incremento após este valor. Mas o modelo nativo apesar de menor desempenho nestes cenários, em contrapartida consome menos energia e principalmente mais favorável para aplicações com alto grau de paralelismo.
Abstract: With computational growth occurring in the last few years, issues and problems related to energy costs arise mainly in large computing environments such as data centers or high-performance processing centers because they require high energy demand to maintain their operation. In the area of High Performance Computing (HPC), following this need arise new computational paradigms to support the exponential increase of processor cores, changing from models and multicore architectures where they centralized the processing only in the CPUs for new heterogeneous architectures and manycore that distribute processing using GPUs and coprocessors. The performance relationship with efficient energy consumption in manycore architectures is still a recent issue and there are many questions that need to be explored, because along with the increase in the number of colors have appeared several programming models. Greater study on power consumption is required in models that use and manage part workloads on CPUs and part on GPUs or coprocessors. In this context, the general objective of this work is to perform a study and methodology on the relation between performance and energy consumption in Intel Xeon Phi coprocessors, analyzing and identifying the main factors that directly affect the efficient consumption of energy in environments manycore . The evaluation will be based on the behavior and variation of the energy consumption during the execution of the LINPACK, HPL 2.1 and HPCG benchmarks on the programming languages host, offload, native and symmetric proposed by Intel. The methodology used consists of scenarios planning, execution, monitoring, collection, measurement and analysis of energy consumption data and performance on the results generated, mainly the definitions of the evaluated criteria, the metrics used and the scenario models used. The main contributions of this work are: Evaluate which programming models provide better results with efficient consumption without compromising performance; Analyze and identify if the behavior of shared memory resources and features, number of nodes, cores, processes and threads directly impact the performance and power consumption relationship. Results show that there is great variation in the performance and energy consumption between the models and the importance of the choice and proper configuration of the factors used during the parallel application processing. Considering shared memory scenarios on the Linpack benchmark, the host and offload models present a linear increase in performance for workloads (size) up to 10000 and a slight increase after this value. But the native model in spite of lower performance in these scenarios, in contrast consumes less energy and mainly more favorable for applications with a high degree of parallelism.
Palavras-chave: Engenharia elétrica
Processamento de alto desempenho
Consumo de energia elétrica
Electrical engineering
High performance processing
Electric power consumption
CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
Curso: Mestrado Acadêmico em Engenharia Elétrica
Citação: GONÇALVES, Robson R. de Oliveira. Análise do desempenho e consumo de energia de coprocessadores xeon phi utilizando diferentes modelos de programação. Orientador: Alessandro Girardi. 2018. 100p. Dissertação (Mestrado em Engenharia em Engenharia Elétrica) – Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2018.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/3962
Data do documento: 22-Jun-2018
Aparece nas coleções:Mestrado em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Robson R. de Oliveira Gonçalves - 2018.pdf3.69 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.