Skip to main content

Resultados relacionados

Resultados totales (Incluyendo duplicados): 3
Encontrada(s) 1 página(s)

RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication Contribución de congreso (ConferenceOutput)

Diseño y uso de redes neuronales para estimar las prestaciones en solitario de las aplicaciones

  • Lurbe, Manel
  • Feliu-Pérez, Josué|||0000-0003-3017-4266
  • Petit Martí, Salvador Vicente|||0000-0003-2426-4134
  • Gómez Requena, María Engracia|||0000-0003-1466-4118
  • Sahuquillo Borrás, Julio|||0000-0001-8630-4846
[ES] Cuando varias aplicaciones se ejecutan concurrentemente en un computador con recursos compartidos, como las caches de último nivel o la memoria principal, se producen pérdidas de prestaciones por la interferencia entre aplicaciones en el uso de estos recursos respecto a su ejecución en solitario. Para reducir estas pérdidas, se han diseñado políticas para gestionar estos recursos (por ej., políticas de reparticionando del espacio de cache o de configuración de la prebúsqueda hardware). Un importante desafío en diferentes ámbitos, como la nube o los sistemas de tiempo real, es predecir cómo la acción de una determinada política afectaría a las prestaciones de cada aplicaciones antes de realizarla. Este trabajo presenta una propuesta basada en redes neuronales que, a partir de datos obtenidos por una aplicación en ejecución concurrente con otras aplicaciones, estima las prestaciones que tendría una aplicación en solitario. Los resultados experimentales muestran que la propuesta se adapta dinámicamente a los cambios en el comportamiento de las aplicaciones de la carga. Las prestaciones estimadas presentan, de media, un error del 11,7% y del 2,3% para las métricas MAPE y MSE, respectivamente., Trabajo financiado por el Ministerio de Ciencia, Innovaciçon y Universidades y ERDF bajo la ayuda RTI2018-098156-B-C51, por la GVA AICO/2021/266, por la UPV PAID-01-20. Josué Feliu con apoyo de un contrato de formación Juan de la Cierva (FJC2018-036021-I)
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication Contribución de congreso (ConferenceOutput)

Diseño de un controlador de memoria principal híbrido para aplicaciones de Big Data

  • Lurbe, Manel
  • Avargues, Miguel A.
  • Petit Martí, Salvador Vicente|||0000-0003-2426-4134
  • Gómez Requena, María Engracia|||0000-0003-1466-4118
  • Sahuquillo Borrás, Julio|||0000-0001-8630-4846
[ES] La tecnologia de memoria DRAM ha sido la dominante en las implementaciones del subsistema de memoria. En los ultimos años, e impulsada principalmente por las enormes demandas de memoria de las aplicaciones de big data, la tecnologia NVRAM ha emergido como una tecnologia de memoria m¿as densa, permitiendo el diseño de nuevas jerarquias de memoria hibridas DRAM/NVRAM que combinan multiples tecnologias de memoria para equilibrar capacidad, latencia, coste y persistencia. En el diseño de jerarquias de memoria hibridas se est¿an aplicando dos enfoques principales: el enfoque de espacio de direcciones hibrido DRAM/NVRAM, que confia en el programador o el sistema operativo para elegir la tecnologia de memoria en la que debe almacenarse cada pagina de memoria; y el enfoque de espacio de direcciones (unico) NVRAM, en el que se necesita una tecnologia mas rapida (por ej., DRAM convencional) que actue como cache de la NVRAM para aumentar las prestaciones. Este enfoque presenta retos arquitectonicos como la organizacion de metadatos. En contraste con los enfoques existentes, este trabajo propone un controlador de memoria que aprovecha tecnologias de memoria recientes como eDRAM y MRAM para mejorar las prestaciones de la lenta memoria NVRAM cuando actua como memoria principal. La propuesta consiste en una jerarquia de cache de dos niveles en el controlador de memoria: una cache de sectores SRAM y una cache (x)RAM. La cache (x)RAM, mucho mas densa, ayuda a reducir significativamente el numero de accesos a la NVRAM. Los resultados experimentales demuestran que la implementaci¿on de la cache (x)RAM con eDRAM o MRAM es el metodo mas eficaz. Ademas, la eDRAM es capaz de mejorar la penalizacion en caso de fallo de la cache SRAM hasta en un 50 % y un 80 %, y las prestaciones globales del sistema en un 15 % y un 23 %., Este trabajo ha sido financiado por el Ministerio de Ciencia e Innovacion español y el FEDER europeo mediante las subvenciones PID2021-123627OBC51 y TED2021-130233B-C32. Manel Lurbe cuenta con el apoyo de Ayudas para Contratos predoctorales UPV - subprograma 1 (PAID-01-20).
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication Artículo científico (JournalArticle)

DeepP: Deep Learning Multi-Program Prefetch Configuration for the IBM POWER 8

  • Lurbe-Sempere, Manel
  • Feliu-Pérez, Josué|||0000-0003-3017-4266
  • Petit Martí, Salvador Vicente|||0000-0003-2426-4134
  • Gómez Requena, María Engracia|||0000-0003-1466-4118
  • Sahuquillo Borrás, Julio|||0000-0001-8630-4846
[EN] Current multi-core processors implement sophisticated hardware prefetchers, that can be configured by application (PID),to improve the system performance. When running multiple applications, each application can present different prefetch requirements,hence different configurations can be used. Setting the optimal prefetch configuration for each application is a complex task since itdoes not only depend on the application characteristics but also on the interference at the shared memory resources (e.g. memorybandwidth). In his paper, we proposeDeepP, a deep learning approach for the IBM POWER8 that identifies at run-time the bestprefetch configuration for each application in a workload. To this end, the neural network predicts the performance of each applicationunder the studied prefetch configurations by using a set of performance events. The prediction accuracy of the network is improvedthanks to a dynamic training methodology that allows learning the impact of dynamic changes of the prefetch configuration onperformance. At run-time, the devised network infers the best prefetch configuration for each application and adjusts it dynamically.Experimental results show that the proposed approach improves performance, on average, by 5,8%, 6,7%, and 15,8% compared tothe default prefetch configuration across different 6-, 8-, and 10-application workloads, respectively., This work was supported in part by Ministerio de Ciencia, Innovacion y Universidades and the European ERDF under Grant RTI2018-098156-B-C51, in part by Generalitat Valenciana under Grant AICO/2021/266, and in part by Ayudas Contratos predoctorales UPV -subprograma 1 (PAID-01-20). The work of Josue Feliu was supported by a Juan de la Cierva Formacion Contract under Grant FJC2018-036021-I.