علوم رایانش و فناوری اطلاعات (Sep 2021)
زمانبندی آگاه از تداخل زمانی در سیستمهای مبتنی بر پردازنده گرافیکی
Abstract
معماریهای جدید پردازندههای گرافیکی برای جلوگیری از هدررفت منابع امکان اجرای همزمان چند کرنل را فراهم میکنند. بااینحال، اگر دو یا چند کرنل بخواهند همزمان به منابع اشتراکی دسترسی داشته باشند تداخل ایجاد شده و باعث کاهش کارایی میشود. در سالهای اخیر پژوهشهای متعددی در زمینه پیشبینی تداخل اجرای کرنلها انجام شده است، منتهی پیشبینی تداخل بر اساس الگوی زمانی مصرف منابع تابهحال مورد بررسی قرار نگرفته است. در این مقاله روشی برای پیشبینی تداخل زمانی اجرای کرنلها با استفاده از مدلهای یادگیری ماشین ارائه شده است که با استفاده از الگوی زمانی مصرف منابع هر کرنل، تداخل اجرای همزمان دو کرنل را تخمین میزند. همچنین یک روش زمانبندی مکاشفهای با استفاده از مدل تخمین تداخل پیشنهادی برای اجرای همزمان کرنلها ارائه شده است. ارزیابیهای انجام شده بر روی کاربردهای واقعی نشان میدهد که روش پیشنهادی در اجرای سریعتر کرنلها به طور میانگین 67% نسبت به حالت اجرای سریال، بیش از 17% نسبت به بهروزترین زمانبند آگاه از تداخل پیشین و بیش از 27% نسبت به زمانبند ناآگاه از تداخل بهبود داشته است. همچنین نسبت به این روشها به ترتیب به میزان 26%، 10% و 8% نیز در مصرف انرژی صرفهجویی شده است.