眾核平台的並行編程模型及其運行時支持技術的研究

《眾核平台的並行編程模型及其運行時支持技術的研究》是依託上海交通大學，由過敏意擔任項目負責人的面上項目。

基本介紹

• 中文名：眾核平台的並行編程模型及其運行時支持技術的研究
• 項目類別：面上項目
• 項目負責人：過敏意
• 依託單位：上海交通大學

項目摘要

摩爾定律在眾核領域的延伸導致處理器核心的數目越來越多,電晶體的尺寸越來越小，從而不僅使眾核架構下的軟體生產遭受嚴重危機，而且也使眾核系統的管理面臨巨大挑戰。軟體危機來自於眾核編程的困難，而管理挑戰源於當前眾核系統的能耗和可靠性已經上升到和性能同等重要，甚至更為重要的問題。傳統的和最近的並行編程模型要么並非為眾核處理器設計而難以解決編程的困難，要么未對能耗和可靠性進行充分考慮。而這些問題許多可以在運行時得到解決。為此，本項目將圍繞高可用、高性能和低能耗三個關鍵問題，開展以下幾個方面的研究：研究面向眾核典型套用中的並行性與數據分布的內在機理，設計並實現面向眾核的編程模型；研究相應的運行時支持，綜合考慮性能、能耗和可靠性因素；研究眾核平台中體系結構擴展對眾核編程模型的支持。項目成果有望對面向眾核處理器結構的並行編程模型及其運行時支持技術提供一個較為高效的解決方案。

結題摘要

摩爾定律在眾核領域的延伸導致處理器核心的數目越來越多，從而不僅使眾核架構下的軟體生產遭受嚴重危機，而且也使眾核系統的管理面臨巨大挑戰。傳統的並行編程模型要么並非為眾核平台設計而難以解決編程的困難，要么未對能耗和可靠性進行充分考慮。而這些問題許多可以在運行時得到解決。為此，本項目圍繞高性能、低能耗、高可用三個關鍵問題，已開展了如下的研究工作：（1）研究了適配各類眾核平台，包括基於CPU的眾核平台、GPU平台、CPU+GPU的混合平台等主流平台上的編程模型和高性能任務調度策略。（2）研究了適配GPU平台的程式性能最佳化指導原則。（3）研究了適配GPU平台的硬體高可用性。（4）研究了適配眾核平台的最佳化資源分配策略、數據訪問最佳化策略、低功耗管理策略等。相關的研究已經取得了重大進展和豐富的成果。在基於CPU的眾核平台方面，提出了快取感知的任務竊取調度策略、負載感知的任務調度策略、能耗感知的任務調度策略、非對稱感知的可選擇任務調度策略、位置感知的任務調度策略等。基於以上策略，實現了面向眾核平台的高性能低功耗任務調度系統。在GPU平台方面，設計探索了並行程式性能最佳化的指導原則，以及硬體可用性最佳化機理。使用我們的方法能夠提高並行程式高達4.2倍的性能提升，同時我們提出的“同步多任務”技術可提高GPU高達34%的任務吞吐率。在CPU+GPU混合平台方面，我們提出了漸進分析法能夠動態地將負載均衡到CPU和GPU上，從而顯著減少並行程式42.7%的運行時間。在最佳化資源分配方面，我們提出並實現自適應的公平資源管理工具，能夠周期性地按需進行資源充分配，可顯著提高並發運行程式的性能，並降低性能差異。在能耗管理方面，我們通過對記憶體系統進行數學建模，動態且自適應地選擇最佳的低能耗狀態和記憶體電壓頻率配置，發揮低能耗狀態轉換技術和動態電壓頻率調整技術的各自優勢，從而實現更好的記憶體節能效果。項目成果有已對面向眾核處理器結構的並行編程模型及其運行時支持技術提供一個較為高效的解決方案。