شماره ركورد
27696
پديد آورنده
سارا علي نژادصمدي
عنوان
ارائه يك تكنيك موثر مديريت منابع حافظه در سيستم هاي نامتجانس چند هسته اي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
مهندسي كامپيوتر- معماري سيستمهاي كامپيوتري
سال تحصيل
1397
تاريخ دفاع
1401/9/30
استاد راهنما
حاكم بيت اللهي
استاد مشاور
هاجر فلاحتي
دانشكده
مهندسي كامپيوتر
چكيده
سيستم چندهسته¬اي نامتجانس متشكل از چند پردازنده مركزي و چند پردازنده گرافيكي، يكي از معروف¬ترين سيستم¬هاي نامتجانس است. پردازندههاي گرافيكي، با موازات بالاي سطح نخ و تعداد بالاي هستههاي پردازشي، كارايي و بازدهي بالايي ارايه ميدهند. هر چند يك سيستم مجتمع توانايي پردازشي بالا و پوشش نيازهاي متفاوت برنامه¬هاي كاربردي را دارد، استفاده از اين سيستم¬ها با چالش¬هاي بسياري مانند مديريت منابع، زمان¬بندي و اتصال همراه است. مديريت منابع مشترك، مخصوصا حافظه مشترك بين دو پردازنده، يكي از مهم¬ترين اين چالش¬ها مي¬باشد. با توجه به دسترسي بالا به حافظه، چالش¬هايي مانند برخورد، خروج داده¬هاي مفيد و زمان دسترسي طولاني وجود دارد. به اين ترتيب، مديريت حافظه مشترك نقش تعيين¬كننده در زمان اجرا و توان مصرفي دارد. در سال¬هاي اخير پژوهش¬هايي در اين زمينه صورت گرفته و روش¬هايي مانند استفاده از مدل¬هاي تعامل بين پردازنده¬ها، حذف الگوهاي نامناسب دسترسي به حافظه، مديريت حافظه با استفاده از سياست¬هاي آزادسازي حافظه و ... ارائه شده¬اند. يكي از روش¬هاي مديريت حافظه در اين سيستم¬هاي مجتمع، پيش¬بيني زمان استفاده و خروج داده از حافظه مشترك است. هر چند براي پيش¬بيني، تنها از مجاورت آدرس استفاده كرده و اشتراك داده را در نظر نگرفته است. عدم توجه به الگوي اشتراك داده با افزايش دسترسي به حافظه همراه خواهد بود. اين مسئله مخصوصا در كاربردهايي با الگوي دسترسي نامنظم و كاربردهاي با نياز حافظه بالا اهميت بسياري دارد. در اين پژوهش يك پيش¬واكشي آگاه از اشتراك داده (داده¬هايي كه در آينده نياز به دسترسي دوباره به آن-ها داريم) را ارئه كرديم. ابتدا با بررسي درخواستهاي حافظه، ميزان مفيد بودن دادههاي پيش واكشي شده و تاثير آنها بر روي اشتراك داده را بررسي كرديم. با پيگيري ميزان استفاده از داده¬هاي پيش¬واكشي شده و تاثير آن¬ها بر رفتار حافظه نهان، دو سياست را در الگوريتم پيش¬واكشي و الگوريتم اخراج داده¬ها در حافظه نهان در نظر گرفتيم. اگرچه اين روش قابليت استفاده در حافظه نهان سطوح مختلف را دارد، در اين پژوهش بر روي حافظه نهان سطح يك در پردازنده گرافيكي تمركز مي¬كنيم. دليل اين تصميم، تاثير منفي پيش-واكشي¬هاي اشتباه بر روي كارايي و انرژي پردازنده گرافيكي مي باشد. ايده مورد نظر را به كمك شبيه¬ساز AccelSim ارزيابي كرديم. بررسي¬ها نشان مي¬دهد استفاده از اشتراك داده دقت پيش¬واكشي را %41 افزايش و در كل كارايي و انرژي مصرفي را به ترتيب %12 افزايش %26 كاهش مي¬دهد.
تاريخ ورود اطلاعات
1401/10/22
عنوان به انگليسي
Proposing an efficient approach to manage the memory of heterogeneous multicore systems
تاريخ بهره برداري
12/21/2023 12:00:00 AM
دانشجوي وارد كننده اطلاعات
سارا علي نژادصمدي
چكيده به لاتين
One of the famous heterogeneous system architectures is CPU-GPUs. Graphic processing units (GPUs) provide high performance and throughput using high thread-level parallelism and lots of parallel cores. Although heterogeneous system architectures have the ability to provide high compute ability for a wide range of applications, they suffer from some challenges, such as resource management, scheduling, and communication. Managing shared resources, especially shared memory between compute units, is a serious challenge. It is because running thousands of threads and accessing multiple compute units to a shared memory increases conflicts, trashing, and access time. To handle the memory challenge, there is a wealth of research that focuses on the interaction among compute units, and managing memory accesses using prefetch and pre-eviction approaches. A promising approach to handling memory management is prefetching. However, prior approaches prefetch or pre-evict memory addresses by considering the adjacent blocks without taking sharing pattern into account. This shortcoming is getting high attention, especially by growing applications with irregular accesses and applications with high memory demands. In this thesis, we aim to propose a sharing-aware prefetch approach that considers the sharing (i.e., the possibility of accessing data in near future). The proposed idea checks the memory requests, the effectiveness of prefetched data, and their effects on data sharing. By this, we propose policies for prefetching and pre-evicting data in cache memories. Although this approach is general to be applied to different memory levels, we focus on L1 data cache in GPUs, due to the fact that wrong prefetch and pre-eviction in L1 data cache highly affect the total performance and consumed energy of GPUs. We evaluate the proposed idea using Accelsim. Compared to the state-of-the-art prefetching mechanism, our idea increases accuracy by 41% and improves performance and energy efficiency by 12% and 26%, respectively.
Author
Sara Alinezhad
SuperVisor
Dr. Hakem beitollahi