体系结构级GPU功耗建模及软件低功耗优化方法研究

As the processor's power consumption continuously increases, power consumption has become the most critical problem during the design and implementation of high performance computer(HPC)system. Low power optimization technology will enhance the system performance while preventing the excessive growth of power consumption, and improve system reliability and availability. This project proposes to carry out the researches on architecture-level power model and low power software optimizations for CPU-GPU heterogeneous parallel system. We are committed to lower the system power and improve the power efficiency. This project intends to focus on the key technologies as follows: the dynamic power model based on division of computation and memory, the static power model based on real-time temperature perception, the dynamic power optimization method for program execution characteristics based on efficient critical path analysis, the static power optimization method for multi-GPU environment based on task distribution, as well as the verification system of the power model and optimization, etc. The primary intellectual merit of the project includes the architectural-level GPU power model, dynamic power optimization algorithm based on critical path analysis, static power optimization algorithm based on self-adaption task partitioning, and the verification theory and method for the power model and optimization, etc. This project will also provide a theoretical basis and technical support for GPU low power optimization research.

随着处理器功耗不断增大，功耗问题逐渐成为高性能计算机系统设计与实现的首要问题。低功耗优化技术将提升系统性能的同时防止功耗过快增长，并提高系统的可靠性及可用性。 本课题开展体系结构级GPU功耗模型及软件低功耗优化方法研究，面向CPU-GPU异构并行系统，以降低系统能耗，提升系统效能为目标，拟重点研究计算与存储划分的动态功耗模型；研究基于温度实时感知的静态功耗模型；并在该模型基础上，研究面向程序执行特征的关键路径查询动态功耗优化方法；研究基于任务均衡划分的多维GPU静态功耗优化方法；设计并实现功耗模型及功耗优化方法验证系统。 本课题将在体系结构级GPU功耗建模、基于关键路径分析的动态功耗优化算法、基于自适应任务划分的静态功耗优化算法，以及功耗模型及功耗优化验证理论与方法等方面形成创新性成果，为GPU低功耗优化研究提供理论依据与技术支撑。

随着处理器功耗不断增大，功耗问题逐渐成为高性能计算机系统设计与实现的首要问题。低功耗优化技术将提升系统性能的同时防止功耗过快增长，并提高系统的可靠性及可用性。本课题以降低功耗及提升系统效能为目标，开展体系结构级GPU功耗建模及软件低功耗优化方法研究，具体执行情况如下：.（1）建立体系结构级GPU功耗模型。综合考虑存储器及芯片温度对GPU能耗造成的影响，分别建立基于计算与存储划分的动态功耗模型、基于温度实时感知的静态功耗模型，通过典型GPU应用程序的测评及对比分析，验证了该功耗模型可以在性能约束条件10%误差以内节省动态能耗35%左右，在性能损失不超过2.8%的范围内节省静态能耗21.6%左右。.（2）提出一种基关键路径查询的异构系统动态功耗优化算法。在并行程序中寻找一组非关键任务（在程序运行过程中不影响整个程序执行时间的任务）并确定相应CPU或GPU核心频率调节系数，使得程序在CPU-GPU异构系统中运行执行时间保持不变且能耗最优。验证了该算法可以有效地将CUDA程序的能耗优化问题转变为基于AOV网的数学规划问题，从而给出最优或近优的优化策略。.（3）提出一种自适应任务划分的异构系统静态功耗优化算法。根据芯片温度与应用程序执行时间关系，建立静态功耗与程序执行时间的函数关系，对于一个给定的程序C以及一个性能约束S，寻找一种合适处理器与加速处理器之间的任务划分K，将C的线程空间切分成多个子空间分布到主处理器与N个加速处理器上执行，使得系统静态功耗最优。验证了该算法可以有效地将CUDA程序的能耗优化问题转变为一般整数规划问题，通过动态核心关闭技术，可以在不影响性能的情况下有效降低芯片静态功耗。