[论文解读] ARM Wrestling with Big Data: A Study of ARM64 and x64 Servers for Data Intensive Workloads.

Jayanth Kalyanasundaram, Yogesh Simmhan|arXiv (Cornell University)|Jan 21, 2017

Cloud Computing and Resource Management参考文献 8被引用 3

一句话总结

本文评估了基于ARM64架构的服务器（AMD A1100系列）与基于x64架构的服务器（AMD Opteron 3300系列）在Apache Hadoop v2.7环境下的大数据工作负载表现。对于排序和Hive查询等整数密集型任务，ARM64系统实现了与x64系统相当的性能，同时能耗仅为后者的1/3，并将能效延迟积（EDP）降低了50–71%，展现出在节能型数据中心中的巨大潜力。

ABSTRACT

ARM processors have dominated the mobile device market in the last decade due to their favorable computing to energy ratio. In this age of Cloud data centers and Big Data analytics, the focus is increasingly on power efficient processing, rather than just high throughput computing. ARM's first commodity server-grade processor is the recent AMD A1100-series processor, based on a 64-bit ARM Cortex A57 architecture. In this paper, we study the performance and energy efficiency of a server based on this ARM64 CPU, relative to a comparable server running an AMD Opteron 3300-series x64 CPU, for Big Data workloads. Specifically, we study these for Intel's HiBench suite of web, query and machine learning benchmarks on Apache Hadoop v2.7 in a pseudo-distributed setup, for data sizes up to $20GB$ files, $5M$ web pages and $500M$ tuples. Our results show that the ARM64 server's runtime performance is comparable to the x64 server for integer-based workloads like Sort and Hive queries, and only lags behind for floating-point intensive benchmarks like PageRank, when they do not exploit data parallelism adequately. We also see that the ARM64 server takes 1/3rd the energy, and has an Energy Delay Product (EDP) that is $50-71\%$ lower than the x64 server. These results hold significant promise for data centers hosting ARM64 servers to reduce their operational costs, while offering a competitive performance for Big Data workloads.

研究动机与目标

• 评估基于ARM64的服务器在云环境中处理数据密集型工作负载的性能与能效表现。
• 评估ARM64处理器在大数据分析工作负载中相对于x64处理器是否具备具有竞争力的性能表现。
• 在真实的大数据基准测试下，测量ARM64与x64服务器的能耗及能效延迟积（EDP）。
• 确定ARM64服务器在旨在通过节能降低运营成本的数据中心中部署的适用性。

提出的方法

• 使用Intel的HiBench基准套件进行基准测试，涵盖Web、查询和机器学习工作负载。
• 实验在伪分布式Hadoop v2.7环境中运行，以模拟真实数据中心环境。
• 工作负载包括最大达20GB文件、500万网页和5亿条元组的数据规模，以评估可扩展性。
• 性能指标包括运行时间、能耗以及能效延迟积（EDP），EDP计算方式为能耗×延迟。
• 比较重点聚焦于整数密集型任务（如排序、Hive查询）与浮点数密集型任务（如PageRank）。
• ARM64服务器采用基于64位ARM Cortex A57架构的AMD A1100系列，x64服务器则采用AMD Opteron 3300系列。

实验结果

研究问题

• RQ1 对于排序和Hive查询等基于整数的大数据工作负载，ARM64服务器的运行时间性能与x64服务器相比如何？
• RQ2 当数据并行性未被充分利用时，ARM64与x64服务器在PageRank等浮点数密集型基准测试中的性能差距有多大？
• RQ3 ARM64服务器在各类大数据工作负载中相比x64服务器能减少多少能耗？
• RQ4 ARM64服务器的能效延迟积（EDP）与x64服务器相比如何？这对运营效率有何含义？

主要发现

• 对于排序和Hive查询等基于整数的工作负载，ARM64服务器实现了与x64服务器相当的运行时间性能。
• 当数据并行性未被充分利用时，ARM64服务器在PageRank等浮点数密集型基准测试中表现出性能延迟。
• ARM64服务器在所评估的工作负载中仅消耗了x64服务器所需能耗的三分之一。
• ARM64服务器的能效延迟积（EDP）比x64服务器低50–71%，表明其具有更高的能效。
• ARM64服务器在20GB、500万网页和5亿条元组等不同数据规模下，性能与能效优势保持一致。
• 这些结果表明，ARM64服务器可在维持大多数大数据工作负载竞争力性能的同时，显著降低数据中心的运营成本。