[論文レビュー] Automatic Mapping Tasks to Cores - Evaluating AMTHA Algorithm in Multicore Architectures

Laura Cristina De Giusti, Franco Chichizola+3 more|arXiv (Cornell University)|Apr 19, 2010

Distributed and Parallel Computing Systems参考文献 24被引用数 10

ひとこと要約

本稿では、性能予測モデル（MPAHA）を用いてパフォーマンス最適化を図る、マルチコアアーキテクチャにおける自動タスク-コアマッピングのためのAMTHAアルゴリズムを提案する。合成ワークロードを用いた評価により、予測実行時間と実測実行時間の間に強い相関が確認され、最小限のオーバーヘッドで非均質なマルチコア環境における有効性が示された。

ABSTRACT

The AMTHA (Automatic Mapping Task on Heterogeneous Architectures) algorithm for task-to-processors assignment and the MPAHA (Model of Parallel Algorithms on Heterogeneous Architectures) model are presented. The use of AMTHA is analyzed for multicore processor-based architectures, considering the communication model among processes in use. The results obtained in the tests carried out are presented, comparing the real execution times on multicores of a set of synthetic applications with the predictions obtained with AMTHA. Finally current lines of research are presented, focusing on clusters of multicores and hybrid programming paradigms.

研究の動機と目的

• 非均質なマルチコアアーキテクチャにおける効率的なタスクマッピングの課題に対処すること。
• 通信およびパフォーマンスモデルに基づいてタスク-コア割り当てを最適化する自動アルゴリズム（AMTHA）の開発。
• マルチコアシステム上の実測実行時間と比較して、AMTHAの予測精度の評価。
• マルチコアクラスターやハイブリッドプログラミングモデルへの将来的な拡張の探求。
• 並列タスクスケジューリングにおけるパフォーマンス予測の信頼性のあるフレームワークとしてのMPAHAモデルの妥当性の検証。

提案手法

• AMTHAは、パフォーランスモデル（MPAHA）を用いて、非均質コア間のタスク実行時間および通信コストを予測する。
• アルゴリズムはタスクの依存関係および通信パターンを分析し、全体の実行時間を最小化するコアにタスクを割り当てる。
• マルチコアシステムにおけるコア間データ転送のオーバーヘッドを考慮した通信モデルを統合している。
• 制御された条件下でマッピング戦略をテスト・検証するために、合成アプリケーションに依存している。
• 実際のマルチコアハードウェア上で測定した実行時間と比較して、実行時間の予測精度を評価している。
• 動的適応をサポートしており、ランタイムシステムやコンパイラーへの統合を想定して設計されている。

実験結果

リサーチクエスチョン

• RQ1 AMTHAは、マルチコアアーキテクチャにおけるタスクマッピングの実行時間をどの程度正確に予測できるか？
• RQ2 非均質なマルチコアシステムにおける通信オーバーヘッドは、タスクマッピング効率にどのような影響を及えるか？
• RQ3 AMTHAの予測パフォーマンスは、実ハードウェア上での実測実行時間とどのように比較されるか？
• RQ4 MPAHAモデルは、マルチコア環境におけるタスクおよび通信行動を効果的に表現できるか？
• RQ5 マルチコアクラスタに拡張した場合の、AMTHAのスケーラビリティおよび適応性の限界は何か？

主な発見

• AMTHAは高い予測精度を示し、マルチコアシステム上での予測実行時間と実測時間の間に密接な一致が確認された。
• MPAHAに統合された通信モデルは、コア間データ転送コストを効果的に捉えており、マッピング意思決定を改善した。
• タスク配置の最適化により、異なるコア構成下での実行時間のばらつきが低減された。
• 評価結果から、AMTHAは広範なプロファイリングやランタイムインストルメンテーションを必要とせず、信頼性のあるパフォーマンス予測が可能であることが示された。
• 結果として、AMTHAは軽量かつ効果的なマルチコア環境における自動タスクマッピングソリューションとしての適用が支持される。
• 今後の研究では、クラスターやハイブリッドプログラミングモデルへの拡張が可能であり、より広範な適用性が示唆されている。