预算功率指导的高能效GPU集群任务调度模型与算法

项目名称： 预算功率指导的高能效GPU集群任务调度模型与算法

项目编号： No.61272087

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 都志辉

作者单位： 清华大学

项目金额： 84万元

中文摘要： 高能耗已经成为超级计算机研制与应用中必须解决的挑战性问题。本研究针对GPU集群这种典型的超级计算机体系结构，旨在解决在GPU集群上实现高能效任务调度所面临的基础性核心问题，设计可以长期、大幅度降低超级计算机能耗的调度模型与算法。本研究分析并抽象典型GPU集群的系统模型、任务模型、能耗模型以及调度模型；提出一种可以度量与比较超级计算机能量效率水平的指标；设计出瀑布模型用于指导多层次、多粒度的节能策略开发，在充分考虑全局节能效果的基础上给出预算功率的设置原则与方法，据此提出了基于预算功率指导的层次化、高能效任务调度算法的设计方法；基于仿真环境、原型系统以及真实系统，分别设计了对本研究提出的调度算法与相关策略的有效性进行全面验证与进一步优化提高的方法。这项基础性的研究成果，一方面可以用于指导未来节能型超级计算机的研制，另一方面可以应用到已经存在的超级计算系统中，大幅度降低其能耗开销。

中文关键词： GPU集群；能量效率；任务调度；绿色计算；

英文摘要： High energy consumption has become a challenging problem for supercompter systems. Target at GPU cluster, one typical supercomputer architecture, we propose the energy efficient task scheduling model and algorithm which can significantly cut the energy consumption in the long term. Based on the system model, task model and energy model, we propose the task scheduling model for GPU clusters. We provide a metric, OEAD (Optimal Energy Approciate Degree), which can be used to evaluate the results of different scheduling algorithms on different supercomputers easily. The waterfall model is provided to help us to develop different kinds of efficient energy saving policies which can be employed in our scheduling algorithm. Based on the current workload, history workload and the predicted workload of given time window, we develop the method on calculating the power budget which can be taken as the approximate optimal power to execute a long period of workload. So our scheduling object is to make the dynamic system power curve as flat as possible and as close to the budget power as possible. We propose hierarchical task mapping and scheduling method which can map the tasks onto physical computing units level by level and step by step. At the same time, we employ different energy saving policies to adjust the dynamic powe

英文关键词： GPU cluster systems；Energy Efficiency；Task Scheduling；Green Computing；