دانلود مقاله انگلیسی رایگان:PowerCoord: هماهنگی محدود کردن قدرت برای سرورهای چند پردازنده CPU / GPU با استفاده از یادگیری تقویتی - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • PowerCoord: Power capping coordination for multi-CPU/GPU servers using reinforcement learning PowerCoord: Power capping coordination for multi-CPU/GPU servers using reinforcement learning
    PowerCoord: Power capping coordination for multi-CPU/GPU servers using reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    PowerCoord: Power capping coordination for multi-CPU/GPU servers using reinforcement learning


    ترجمه فارسی عنوان مقاله:

    PowerCoord: هماهنگی محدود کردن قدرت برای سرورهای چند پردازنده CPU / GPU با استفاده از یادگیری تقویتی


    منبع:

    Sciencedirect - Elsevier - Sustainable Computing: Informatics and Systems, 28 (2020) 100412. doi:10.1016/j.suscom.2020.100412


    نویسنده:

    Reza Azimia,∗, Chao Jingb, Sherief Redaaa


    چکیده انگلیسی:

    Modern supercomputers and cloud providers rely on server nodes that are equipped with multiple CPU sockets and general purpose GPUs (GPGPUs) to handle the high demand for intensive computations. These nodes consume much higher power than commodity servers, and integrating them with power capping systems used in modern clusters presents new challenges. In this paper, we propose a new power capping controller, PowerCoord, that is specifically designed for servers with multiple CPU and GPU sockets that are running multiple jobs at a time. PowerCoord coordinates among the various power domains (e.g., CPU sockets and GPUs) inside a node server to meet target power caps, while seeking to maximize throughput. Our approach also takes into consideration job deadlines and priorities. Because performance modeling for co-located jobs is error-prone, PowerCoord uses a learning method. PowerCoord has a number of heuristic policies to allocate power among the various CPUs and GPUs, and it uses reinforcement learning for policy selection during runtime. Based on the observed state of the system, PowerCoord shifts the distribution of selected policies. We implement our power cap controller on a real multi-CPU/GPU server with low overhead, and we demonstrate that it is able to meet target power caps while maximizing the throughput, and balancing other demands such as priorities and deadlines. Our results show PowerCoord improves the server throughput on average by 18% compared with the case when power is not coordinated among CPU/GPU domains. Also, PowerCoord improves the server throughput on average by 11% compared with prior work that uses a heuristic approach to coordinate the power among domains
    Keywords : Power capping | GPGPU acceleration | Reinforcement learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1456 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi