GPGPU上基于空间资源共享的EDF调度研究

发布时间：2021-05-27 10:52

　　随着机器学习、多媒体等技术在新兴的自动驾驶和边缘计算领域的广泛应用,应用程序对计算能力的需求越来越强烈。GPU广泛的普及极大缓解后摩尔定律时代中应用程序日渐增长的计算离需求和缓慢发展的计算机硬件之间的冲突。诸如自动驾驶等实时系统中也开始大量使用GPU作为协处理器增加计算效率,因此GPU上实时任务调度研究受到工业界和学术界关注。尽管NVIDIA公司在帕斯卡架构以及之后的架构提供了中断功能,但是并不支持基于优先级的调度。此外GPU上传统的最早截止时间优先（Earliest Deadline First,EDF）调度并未考虑到GPU中单个流处理器内部的资源利用情况,往往高优先级任务长时间独占GPU,对整个系统调度的性能产生影响。而GPU中单个流处理器上能够并行运行多个应用的机制给增加GPU上实时调度效率提供了机会。本文探索了基于空间共享的EDF调度策略,设计了自动化地以EDF为规则的空间共享任务调度框架。通过使用马尔科夫链,利用应用的访存指令比例和访存延迟,静态地计算两个并行执行的应用在使用不同资源时的相互影响,结合实际测试得到最坏执行IPC（Instruction Per Clock,即C... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 GPU资源分配优化
        1.2.2 GPU多任务调度
        1.2.3 GPU实时调度
    1.3 本文的主要工作
    1.4 论文的章节安排
第2章 相关背景
    2.1 GPU硬件架构
    2.2 GPU编程模型
    2.3 GPU任务调度策略
    2.4 持久化线程技术
    2.5 本章小结
第3章 并行任务性能分析
    3.1 非线性的任务-资源关系分析
    3.2 基于资源共享的抢占调度
    3.3 并行任务的性能竞争
    3.4 本章小结
第4章 调度框架设计
    4.1 相关假设
    4.2 静态分析阶段
        4.2.1 kernel转换和分析
        4.2.2 性能估计器
    4.3 动态运行阶段
    4.4 本章小结
第5章 实验环境及结果分析
    5.1 实验环境配置
    5.2 实验任务集
    5.3 实验结果分析
        5.3.1 性能比较
        5.3.2 开销分析
        5.3.3 性能估计模型准确性分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
学位论文评阅及答辩情况表


【参考文献】：
期刊论文
[1]一种面向高性能计算的性能分析工具设计与实现[J]. 张天麒.  现代计算机. 2019(16)
[2]基于异构多核系统的混合关键任务调度算法[J]. 赵瑞姣,朱怡安,李联.  计算机工程. 2018(02)
[3]嵌入式GPU中二级高速缓存的设计与实现[J]. 杜慧敏,杨超群,季凯柏.  微电子学与计算机. 2018(02)
[4]面向存储层次设计优化的GPU程序性能分析[J]. 唐滔,彭林,黄春,杨灿群.  计算机科学. 2017(12)
[5]一种微处理器二级Cache的优化设计[J]. 王思瑶,樊晓桠,肖楠.  科学技术与工程. 2008(09)
[6]软硬件协同设计环境中性能分析工具的研究与实现[J]. 程煊,栾静,顾君忠.  计算机系统应用. 2005(11)

硕士论文
[1]基于异构多处理器的关键任务调度平台的设计与实现[D]. 刘慕寒.哈尔滨工业大学 2019
[2]基于近似计算的GPU并行度提升方法[D]. 郝岳明.山东大学 2019
[3]基于嵌入式异构GPU平台的实时目标检测系统设计[D]. 柳佳园.山东大学 2019
[4]GPU的资源与性能优化策略研究[D]. 杨伟光.大连理工大学 2018
[5]基于YARN的GPU调度支持及调度策略研究[D]. 董辉.电子科技大学 2018



本文编号：3207434