Predição de Consumo de Energia de Aplicações OpenMP Multithreads

  • Fellipe Queiroz UFPA
  • Erick Damasceno UFPA
  • Marcos Amaris UFPA

Resumo


Investigamos o consumo de energia em benchmarks OpenMP com o objetivo de otimizar o desempenho em hardware de alto desempenho. Utilizamos técnicas de regressão linear e polinomial para prever o consumo de energia. Os resultados mais promissores incluem um erro de previsão de apenas 0.85% para o benchmark LavaMD no conjunto de benchmarks Rodinia e 0.94% para o benchmark Cholesky no conjunto Polybench.

Referências

Amaris, M., Camargo, R., Cordeiro, D., Goldman, A., and Trystram, D. (2023). Evaluating execution time predictions on gpu kernels using an analytical model and machine learning techniques. JPDC, 171:66–78.

Anjos, P. and Fazenda, A. (2023). Custo energético em computação de alto desempenho. In Anais da XIV Escola Regional de Alto Desempenho de São Paulo, pages 45–48, Porto Alegre, RS, Brasil. SBC.

Cordeiro, D., Francesquini, E., Amarís, M., Castro, M., Baldassin, A., and Lima, J. (2023). Green cloud computing: Challenges and opportunities. In Anais do XIX SBSI, pages 129–131, Maceió/AL. SBC.

Krause, A. M., Moro, G. B., and Schnorr, L. M. (2017). Análise do consumo energético de aplicações paralelas com diferentes versões de compiladores. In Anais da XVII ERAD-RS. SBC.
Publicado
30/10/2023
QUEIROZ, Fellipe; DAMASCENO, Erick; AMARIS, Marcos. Predição de Consumo de Energia de Aplicações OpenMP Multithreads. In: ESCOLA REGIONAL DE ALTO DESEMPENHO NORTE 2 (ERAD-NO2) E ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL NORTE 2 (ERAMIA-NO2), 3. , 2023, Belém/PA. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 21-24. DOI: https://doi.org/10.5753/erad-no2.2023.236309.