Actas JP2011 - Universidad de La Laguna

Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011de planificación para AMPs que es capaz de combinarambas técnicas. CAMP toma decisiones de planificaciónen base al factor de utililidad de las aplicaciones,métrica que aproxima, en función del ILP y TLP deuna aplicación, el speedup global que ésta obtendríasi se permite que sus hilos de ejecución utilicen todoslos cores rápidos y complejos en el sistema, conrespecto a una ejecución donde sólo se utilizan coressimples. Para calcular el factor de utilidad de un hilode ejecución es preciso conocer su factor de ganancia,beneficio relativo que este experimenta al ejecutaren un core rápido con respecto a uno lento. En estetrabajo proponemos una metodología para el diseñosistemático de modelos de estimación de factores deganancia.Para la evaluación del planificador CAMP –implementado en el sistema operativo OpenSolaris–utilizamos un prototipo de sistema asimétrico diseñadoen Intel Labs [6]. A diferencia de la asimetríaen rendimiento que se consigue mediante la reducciónde la frecuencia de trabajo en algunos cores –técnicade emulación ampliamente usada por la comunidadcientífica [7], [4], [8], [5]–, este prototipo modela demanera más realista el tipo de asimetría que se suponeestará presente en futuros sistemas asimétricos,donde los cores exhiben diferencias más profundas anivel microarquitectónico [6].Este artículo consta de las siguientes secciones: lasección II analiza trabajos previos sobre planificaciónen AMPs; la sección III presenta el diseño y la implementacióndel algoritmo CAMP; en la sección IVdescribimos el proceso de generación de modelos deestimación de factores de ganancia; en la sección Vse muestran los resultados experimentales obtenidos;finalmente en la sección VI se enumeran las principalesconclusiones de este trabajo.II. Antecedentes y trabajos relacionadosEn esta sección realizamos un análisis de las propuestasprevias comenzando por aquellas que explotanespecialización de ILP. Posteriormente analizamosaquellos trabajos que estudian las capacidadesde los sistemas AMP para mitigar la ley de Amdahl.Kumar y otros [1], [2], hacen uso de los procesadoresAMP para explotar la diversidad de factoresde ganancia 1 –SF (speedup factor)– presente en unacarga de trabajo multiprogramada. Las aplicacionescon SF alto usan efecientemente los recursos hardwarepresentes en los cores rápidos y complejos queestán destinados a la extracción de ILP. Asignandolas aplicaciones con SF alto a los cores complejos ylas aplicaciones con SF bajo a los cores simples, sealcanzan incrementos en el rendimiento de hasta un63 % frente a un SMP de área similar [2].Los algoritmos propuestos por Kumar [2] y Becchi[3] requieren ejecutar las aplicaciones tanto encores simples como complejos para calcular su SF.1 El factor de ganancia (SF) de un hilo de ejecución se defineformalmente como IPS fast /IPS slow , donde IPS fast y IPS slowson el número de instrucciones por segundo (IPS) del hilo encores rápidos y lentos, respectivamente.El factor de ganancia de cada aplicación se aproximamediante el cociente del número de instruccionesretiradas por segundo (IPS) de la aplicación en coresrápidos y lentos. En un trabajo previo detectamosque esta técnica de medición directa de SFs introduceserios problemas de rendimiento, y mostramos quecalcular SFs de esta forma resulta inapropiado en lapráctica [7]. El empleo de técnicas de estimación delfactor de ganancia a partir de medidas de rendimientode la aplicación en un solo tipo de core permitesubsanar las limitaciones de la medición directa delSF [9], [10]. Por este motivo, el planificador CAMPemplea mecanismos de estimación.Los sistemas AMP se han estudiado también comoplataformas para mitigar la ley de Amdahl. Hilly Marty [11] dedujeron modelos teóricos para el speedupen arquitecturas AMP. Annavaram [4] propusoun planificador a nivel de aplicación que asigna acores rápidos las secuenciales explícitas presentes enuna aplicacion paralela, mitigando la ley de Amdahlde manera efectiva. En un trabajo previo presentamosel algoritmo PA (Paralelism-Aware), el primeralgoritmo implementado en un sistema operativo realque explota especialización de TLP [5]. A diferenciade la propuesta de Annavaram, el algoritmo PA ofrecesoporte para cargas de trabajo con múltiples aplicacionesy garantiza la aceleración de fases secuencialesen aplicaciones paralelas de forma totalmentetransparente, sin requerir modicación alguna en elcódigo fuente de la aplicación.III. Diseño e implementaciónLas asignaciones de hilos a cores realizadas porCAMP se llevan a cabo en base al factor de utilidadde cada hilo. Dado un sistema AMP con NFC coresrápidos, el factor de utilidad de un hilo de ejecución–UF (Utility Factor)– es una métrica que permiteaproximar el speedup que la aplicación al que el hilopertenece experimenta si NFC de sus hilos se asignana cores rápidos y el resto a cores lentos, con respectoa una ejecución donde solo se utilizan cores lentos.La fórmula para el UF, que se ha obtenido usandouna aproximación analítica descrita en [12], es de lasiguiente forma:UF =SF − 1(⌊ N threads−1NF C⌋ + 1) 2 + 1 (1)En la fórmula, N threads es el número de hilos deejecución activos de la aplicación. Este valor, que esvisible a nivel de sistema operativo, permite aproximareficientemente el paralelismo a nivel de hilo(TLP) de la aplicación [5]. SF es el factor de ganaciadel hilo de ejecución. La sección IV describe cómoCAMP aproxima el SF en tiempo de ejecución usandolos contadores hardware del procesador.CAMP clasifica los hilos en cuatro clases de utilidad–VERY LOW, LOW, MEDIUM y HIGH– quese asignan en función de sus UFs. Esta aproximaciónbasada en clases permite mitigar algunas imprecisionesen la estimación de los factores de ganancia(SFs), usados para el cómputo del UF, así como pa-JP2011-246