มีเครื่องนามธรรมที่สามารถจับการใช้พลังงานหรือไม่


13

เมื่อรายงานความซับซ้อนของอัลกอริทึมของอัลกอริทึมเราจะถือว่าการคำนวณพื้นฐานดำเนินการกับเครื่องนามธรรม (เช่น RAM) ที่ใกล้เคียงกับ CPU ที่ทันสมัย โมเดลดังกล่าวช่วยให้เราสามารถรายงานเวลาและพื้นที่ที่ซับซ้อนของอัลกอริทึม ตอนนี้ด้วยการแพร่กระจายของGPGPUsหนึ่งสงสัยว่ามีรูปแบบที่รู้จักกันดีที่หนึ่งสามารถคำนึงถึงการใช้พลังงานเช่นกัน

GPU เป็นที่รู้จักกันดีในการใช้พลังงานจำนวนมากและคำแนะนำบางอย่างแบ่งเป็นหมวดหมู่ของการใช้พลังงานตามความซับซ้อนและตำแหน่งของชิปที่ซับซ้อน ดังนั้นคำแนะนำจากพลังงานในมุมมองจึงไม่ได้เป็นต้นทุนต่อหน่วย (หรือแม้แต่ค่าคงที่) ส่วนขยายเล็กน้อยจะกำหนดน้ำหนักให้กับค่าใช้จ่ายในการดำเนินการ แต่ฉันกำลังมองหาแบบจำลองที่ทรงพลังซึ่งการดำเนินการ / การเรียนการสอนอาจมีค่าหน่วยพลังงานที่ไม่คงที่เช่นจำนวนพหุนาม (หรือซับซ้อนกว่าเช่น: ของอัลกอริทึมหรือคำนึงถึงความน่าจะเป็นของความล้มเหลวของระบบทำความเย็นซึ่งจะทำให้ชิปร้อนขึ้นและชะลอความถี่สัญญาณนาฬิกาเป็นต้น)

มีโมเดลดังกล่าวที่สามารถรวมค่าใช้จ่ายและความผิดพลาดที่ไม่สำคัญได้หรือไม่


คุณมีเหตุผลที่เชื่อได้หรือไม่ว่าปริมาณของพลังงานที่ใช้ในการดำเนินงานเบื้องต้นนั้นเปลี่ยนแปลงไป หากคุณสนใจฉันรู้เกี่ยวกับงานที่วิเคราะห์การใช้พลังงานด้วยเครื่องมือเชิงทฤษฎี
Raphael

คำตอบ:


8

ยังไม่มีรูปแบบที่จัดตั้งขึ้น แต่นี่เป็นส่วนหนึ่งของการวิจัยเชิงรุกในขณะนี้ หนึ่งในผู้เชี่ยวชาญด้านอัลกอริทึมของสิ่งต่าง ๆ คือ Kirk Pruhs เอกสารของเขามีข้อมูลเพิ่มเติมและคุณยังสามารถเรียกดูงานนำเสนอนี้


ฉันไม่เห็นด้วยกับความจริงที่ว่ายังไม่มีรูปแบบที่แน่นอน: เอกสารส่วนใหญ่เห็นด้วยกับแบบจำลองทางกายภาพที่ซับซ้อนพวกเขาเพียงมุ่งเน้นที่ส่วนต่าง ๆ ของแบบจำลองทางกายภาพนี้ เคิร์กมุ่งเน้นไปที่พลังงานพลศาสตร์
Gopi

ฉันเดาว่าหมายความว่าไม่มีรูปแบบต้นทุนการคำนวณที่กำหนดไว้แล้ว
Suresh

7

แบบจำลองสำหรับการใช้พลังงาน

มาตราส่วนความเร็วเป็นหนึ่งในรุ่นที่ใช้มากที่สุด (เมื่อเร็ว ๆ นี้) เมื่อพิจารณาการใช้พลังงาน ประกอบด้วยการปรับเปลี่ยนแรงดันไฟฟ้าของแหล่งจ่าย ด้วยการลดแรงดันไฟฟ้าของอุปทานหรือความถี่สัญญาณนาฬิกาของโปรเซสเซอร์ทำให้สามารถลดการใช้พลังงานได้อย่างมีนัยสำคัญ ความเร็วที่เร็วกว่าจะช่วยให้สามารถดำเนินการได้เร็วขึ้น แต่ก็ทำให้มีการใช้พลังงานมากขึ้น

แม่นยำกว่าโปรเซสเซอร์ที่ทำงานด้วยความเร็วกระจาย วัตต์ต่อหน่วยของเวลาดังนั้นมันจึงใช้ joules เมื่อทำงานในช่วงหน่วยss3s3×dd

อย่างไรก็ตามการปรับสเกลความเร็วไม่ใช่เพียงการพิจารณาพลังงานเท่านั้น มันคือสิ่งที่เรียกว่าพลังงานแบบไดนามิก คงพลังงานเป็นอำนาจที่เกิดจากการประมวลผลเป็น 'เปิด' เป็นไปได้ที่จะกำจัดไฟฟ้าสถิตนี้โดยการปิดโปรเซสเซอร์ระหว่างเวลาว่าง อย่างไรก็ตามมันมีค่าใช้จ่าย มีจำนวนมากได้รับของงานที่ทำในเรื่องนี้ซึ่งเป็นมากใกล้เคียงกับปัญหาในการเล่นสกีเช่า

โดยปกติแล้วการใช้พลังงานคือผลรวมของการใช้พลังงานแบบคงที่และแบบไดนามิกคูณกับเวลาในการประมวลผล อย่างไรก็ตามกระดาษส่วนใหญ่มุ่งเน้นไปที่ปัญหาใดปัญหาหนึ่ง

แนะนำข้อบกพร่องในรุ่นนี้

ฉันคิดว่านี่เป็นส่วนที่น่าประหลาดใจที่สุดของแบบจำลองการปรับสเกลความเร็ว โดยทั่วไปแล้วใครจะคิดว่ายิ่งคุณทำภารกิจเร็วขึ้นเท่าไหร่โอกาสที่คุณจะล้มเหลวก็จะยิ่งมากขึ้นเท่านั้น ในทางตรงกันข้ามมันแสดงให้เห็นว่าการลดความเร็วของโปรเซสเซอร์เพิ่มจำนวนอัตราความผิดปกติชั่วคราวของระบบ ความน่าจะเป็นของความล้มเหลวเพิ่มขึ้นเป็นทวีคูณและความน่าจะเป็นนี้ไม่สามารถละเลยได้ในการคำนวณขนาดใหญ่

โดยสังเขปมีความจริงที่ว่ายิ่งคุณใช้เวลากับงานมากเท่าไหร่โอกาสที่คุณจะล้มเหลวก็จะยิ่งมากขึ้นในระหว่างการปฏิบัติงานนั้น ๆ อย่างไรก็ตามมีมากกว่านั้น: Shatz และ Wang ในเรื่องนี้กล่าวว่าโมเดลความผิดตามการกระจายของปัวซอง พารามิเตอร์ของการแจกแจงปัวซองนั้นเป็น: \ ที่คือความเร็วในการประมวลผลประกอบด้วย , และและขึ้นอยู่กับ systyem หากคุณพิจารณางานที่มีน้ำหนักดำเนินการที่ความเร็วความน่าเชื่อถือของการดำเนินการสำหรับงานนั้นคือλ

λ(f)=λ0edfmaxffmaxfmin,
f[fmin,fmax]λ0dwfR(f)=eλ(f)×wf{F}}

นี่คือการอ้างอิงตนเองดังนั้นฉันไม่ทราบว่ามันเป็นที่ชื่นชมที่นี่ แต่ถ้าคุณมีความสนใจคุณสามารถค้นหาข้อมูลเพิ่มเติมในบทความนี้ในส่วนแบบไดนามิกของการใช้พลังงาน


3

มีความพยายามวิเคราะห์การใช้พลังงานของอัลกอริทึมในทางทฤษฎี (โดยใช้ค่าใช้จ่ายจริงต่อการปฏิบัติงาน) ดูเช่น [1] ในขณะที่ผลลัพธ์นั้นน่าประหลาดใจ - อัลกอริธึมที่เร็วที่สุดนั้นไม่ใช่สิ่งที่ใช้พลังงานน้อยที่สุดเสมอไป

โดยเฉพาะอย่างยิ่งแพลตฟอร์มที่ทันสมัยปิดคุณลักษณะบางอย่างเพื่อให้พลังงานการดำเนินงาน spikes เมื่อพวกเขาเปิดใช้งานอีกครั้ง ในขณะที่ในหลักการมีความเป็นไปได้ที่จะรวมไว้ในการวิเคราะห์อย่างเข้มงวด นอกจากนี้ผลกระทบของแคชที่ไม่ได้รับต่อการใช้พลังงานทั้งหมดยังไม่ได้รับการศึกษาที่ดี

ปรากฏว่าความแตกต่างอย่างมากระหว่างแพลตฟอร์มต่อต้านการวิเคราะห์ที่เข้มงวดซึ่งสามารถ (หนึ่งครั้ง) ไม่สนใจเฉพาะเพราะรุ่นทั่วไป (เช่นก่อนเสียบในค่าคงที่คอนกรีต / ฟังก์ชั่น) มีความสำคัญ จำกัด


  1. Hannah Bayer และ Markus E. Nebel: การประเมินอัลกอริทึมตามการใช้พลังงานความสามารถในการคำนวณในยุโรป 2009
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.