Cómo citar
Resumen
O uso de sistemas heterogêneos CPU-GPU para atender à crescente demanda por aplicações com grande paralelismo de dados resulta na necessidade de estudar e avaliar tais arquiteturas para melhorá-las continuamente. Neste artigo foram feitas simulações da execução de uma suíte de benchmark em uma GPU AMD ATI RadeonTM HD 7970, de modo a avaliar o impacto sobre o desempenho e o consumo energético quando alterado o número de Wavefront Pools presentes em cada compute unit da GPU, que é 4 por padrão. O resultado mais significante evidencia um aumento de velocidade de cerca de 5,7% para a configuração com duas Wavefront Pools em conjunto com um aumento no consumo de energia de cerca de 5,1%. Todavia, as outras configurações avaliadas também representam opções para diferentes tipos de necessidades, conforme a categoria de demanda computacional.
Palavras-chave: Sistemas heterogêneos. Simulações. Desempenho.
Performance evaluation and energy consumption for settings of Wavefront pools of a GPU AMD
Abstract
The use of CPU-GPU heterogeneous systems to meet the growing demand for applications with large data parallelism results in the need to study and evaluate these architectures in order to improve them continuously. In this paper we made simulations of running a benchmark suite on an AMD GPU ATI RadeonTM HD 7970 in order to assess the impact on performance and power consumption when tuning the number of Wavefront Pools present in each GPU compute unit, which is 4 by default. The most significant result shows a speedup of about 5.7% for configuration with two Wavefront Pools in conjunction with an increase of about 5.1% in the energy consumption. However, the other evaluated configuration also represent options for different kinds of needs, according to the computational demand.
Keyworks: Heterogeneous systems. Simulation. Performance.
Referencias
ADVANCED MICRO DEVICES. AMD RadeonTM HD 7970 Graphics. [©2013]. Disponível em: <http://www.amd.com/enus/products/graphics/desktop/7000/7900>. Acesso em: 13 maio 2013.
ASANO, S.; MARUYAMA, T.; YAMAGUCHI, Y. Performance comparison of FPGA, GPU and CPU in image processing. In: INTERNATIONAL CONFERENCE ON FIELD PROGRAMMABLE LOGIC AND APPLICATIONS, 19., 2009. Prague, Czech Republic. Proceedings... Prague: [s.n.], p. 126-131, 2009. Disponível em: <http://ieeexplore.ieee. org/xpls/abs_all.jsp?arnumber=5272532>. Acesso em: 13 maio 2013.
BAKHODA, A. et al. Analyzing CUDA workloads using a detailed GPU simulator. In: IEEE INTERNATIONAL SYMPOSIUM ON PERFORMANCE ANALYSIS OF SYSTEMS AND SOFTWARE (ISPASS)., 2009. Proceedings… [S.l.: s.n.] 2009. p. 163–174, 2009. Disponível em: <http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4919648>. Acesso em: 13 maio 2013.
CAPS. Openhmpp directives. CAPS OpenACC Compiler: HMPP workbench 3.2, 2012. Disponível em: < https://www.olcf.ornl.gov/wp-content/uploads/2012/10/HMPPOpenACC-3.2_ReferenceManual.pdf>. Acesso em: 13 maio 2013.
GOSWAMI, N. GPU-PowerSim. 2012. Disponível em: <http://www.nilanjan.info/softwares/gpu-powersim/copyright/>. Acesso em: 11 maio 2013.
GRAUER-GRAY, S. et al. Accelerating financial applications on the GPU. In: WORKSHOP ON GENERAL PURPOSE PROCESSING USING GPUS. 6, 2013, Houston, TX. [Proceedings]... Houston, TX., 2013. Disponível em: <https://cavazos-lab.github.io/FinanceBench/resources/Accelerating FinancialApplicationsOnTheGPU-paper.pdf>. Acesso em: 28 abr. 2013.
GRAUER-GRAY, S. et al. Auto-tuning a high-level language targeted to GPU codes. In: INNOVATIVE PARALLEL COMPUTING, 2012, San Jose, California, USA. Proceedings... San Jose: IEEE, 2012. Disponível em: <https://www.eecis.udel.edu/~cavazos/autoTuneGpu.pdf>. Acesso em: 28 abr. 2013.
HENNESSY, J. L.; PATTERSON, D. A. Computer architecture: a quantitative approach. 5th. ed. Waltham, MA: Morgan Kaufman, 2012.
INTEL. IntelR CoreTM i7-3820 Processor (10MB cache, UP to 3.80 GHZ). Santa Clara, CA, USA: Intel Corporation, [2013]. Disponível em: <http://ark.intel.com/products/63698/Intel-Core-i7-3820-Processor-10M-Cache-up-to-3_80-GHz>. Acesso em: 29 abr. 2013.
KHRONOS GROUP. Opencl: the open standard for parallel programming of heterogeneous systems. Beaverton, OR, USA, [2013]. Disponível em: <https://www.khronos.org/opencl/>. Acesso em: 04 maio 2013.
LI, S. et al. McPAT: an integrated power, area, and timing modeling framework for multicore and manycore architectures. In: ANNUAL IEEE/ACM INTERNATIONAL SYMPOSIUM ON MICROARCHITECTURE, 42., 2009, New York. Proceedings… New York, NY, USA: ACM, p. 469-480, 2009. Disponível em: <http://cseweb.ucsd.edu/~tullsen/micro09b.pdf>. Acesso em: 04 maio 2013.
MULTI2SIM. The Multi2Sim simulation framework. 2013. Disponível em: <https://www.multi2sim.org/files/multi2sim-r277.pdf>. Acesso em: 10 abr. 2013.
NVIDIA. CUDA Parallel programming and computing platform. NVIDIA Corporation, [2013]. Disponível em: <http://www.nvidia.com/ object/cuda_home_new.html>. Acesso em: 10 abr. 2013.
POUCHET, L. Polybench: the polyhedral benchmark suite. Disponível em: <http://web.cs.ucla.edu/~pouchet/software/polybench/>. Acesso em: 11 abr. 2013.
TUMEO, A.; VILLA, O. Accelerating DNA analysis applications on GPU clusters. In: SYMPOSIUM ON APPLICATION SPECIFIC PROCESSORS, 8., 2010, Anaheim, CA, USA. Proceedings... [S.l.:s.n.], p. 71–76, 2010. Disponível em: <http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=5521145>. Acesso em: 11 abr. 2013.
UBAL, R. et al. Multi2sim: a simulation framework for CPU-GPU computing. In: INTERNATIONAL CONFERENCE ON PARALLEL ARCHITECTURES AND COMPILATION TECHNIQUES, 21., 2012, Minneapolis, MN, USA. Proceedings… New York: ACM, 2012. Disponível em: <https://www.multi2sim.org/files/conferences/pact-2012.pdf>. Acesso em: 11 abr. 2013.
YANG, J.; WANG, Y.; CHEN, Y. GPU Accelerated Molecular Dynamics Simulation of Thermal Conductivities. Journal of Computational Physics, v. 221, n. 2, p. 799-804, 2007. Disponível em: <http://dl.acm.org/citation.cfm?id=1224606>. Acesso em: 11 abr. 2013.
Autores que publicam na ForScience concordam com os seguintes termos:
- O referido trabalho é de própria autoria e nunca foi publicado ou enviado a outra revista, tendo essa revista o direito de exclusividade sobre a edição e publicação, sob a licença Creative Commons Attribution License 4.0 (CC-BY-NC) que permite a qualquer pessoa compartilhar a adaptar o trabalho de acordo com os seguintes termos:
-
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se as mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de maneira alguma que sugira ao licenciante a apoiar você ou o seu uso.
-
Não Comercial — Você não pode usar o material para fins comerciais.
- Se comprovado plágio em qualquer trabalho publicado, esta Revista isenta-se de qualquer responsabilidade, devendo seu(s) autor(es) arcar(em) com as penalidades previstas em lei.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal), já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado. Porém deve-se observar que uma vez aprovado pelos avaliadores, o manuscrito não poderá sofrer mais alterações. Caso o autor deseje faze-lo, deverá reiniciar o processo de submissão