CARACTERIZACIÓN DE RENDIMIENTO Y ESTIMACIÓN DEL CONSUMO ENERGÉTICO DE ARQUITECTURAS GPU

Resumen

Tradicionalmente el objetivo principal del cómputo de altas prestaciones (HPC, High-Performance Computing) fue mejorar el rendimiento de las aplicaciones. Para lograr las mejoras necesarias, el modelo de "Computadora de Von Neumman", en el que se han basado los computadores secuenciales, ha llegado hace un tiempo a su límite.
Por tanto, la utilización de más de un núcleo de procesamiento para la ejecución de las aplicaciones se tornó prioritariamente necesario. Esto dio lugar a las arquitecturas multicore y manycore. Estas arquitecturas, ofrecen un aumento en el rendimiento del cálculo sin necesidad de aumentar la frecuencia del reloj y reduciendo el consumo en función de la performance alcanzable.

172

Una estrategia que se consolida para incrementar el poder computacional de los sistemas HPC y al mismo tiempo limitar su consumo de potencia consiste en incorporarles aceleradores y coprocesadores, como pueden ser la unidades de procesamiento gráfico (GPU, por sus siglas en inglés: Graphics Processing Unit) de ATI y NVIDIA. Estos sistemas híbridos que emplean diferentes recursos de procesamiento se denominan arquitecturas heterogéneas y son capaces de obtener mejores cocientes FLOPS/Watt.
Una GPU (Graphics Processing Unit) es una arquitectura many-core dedicada a procesamiento gráfico, con un gran número de núcleos simples. En la actualidad para algunos problemas se utiliza su potencia de cómputo en aplicaciones de propósito general logrando un alto rendimiento y dando lugar al concepto de GPGPU (General Purpose Graphic Processing Unit) como máquinas paralelas de memoria compartida. Esto se debe a la gran cantidad de núcleos de procesamiento disponibles, buena performance y costo accesible.
La performance de un sistema paralelo puede medirse por diferentes factores tales como la eficiencia, el speedup y la escalabilidad. Sin embargo, ha comenzado a tomar lugar un nuevo parámetro a tener en cuenta a la hora de evaluar los sistemas paralelos: la eficiencia energética. Ya sea por reducir la contaminación ambiental o reducir los gastos en las facturas eléctricas, el consumo energético es un factor que se ha tornado importante al punto de hablar de sistemas de altas prestaciones en los que se prima la eficiencia energética.

Luego, el consumo de energía de los sistemas que contienen GPUs como las estaciones de trabajo de alto rendimiento y las computadoras personales, se ha convertido en un problema real a resolver. Algunas consecuencias directas de su alto consumo de energía son la creciente necesidad de la disipación del calor, soluciones de refrigeración más complejas y ventiladores más ruidosos. Como resultado, la disipación de potencia debe reducirse sin generar un deterioro en el rendimiento del sistema.
En este sentido, y en el marco de la beca otorgada, se realizan tareas como: implementación de algoritmos paralelos para arquitectura GPU, evaluación y análisis de rendimiento de dicha arquitectura, caracterización de performance prestacional, medición de consumo energético por hardware y vía software, estimación estadística del consumo de potencia mediante regresiones, análisis exhaustivo del consumo energético en diferentes arquitecturas HPC, optimización de algoritmos paralelos según el consumo eléctrico, entre otras.