تجزیه و تحلیل GPGPU

محبوبیت محاسبات همه منظوره در پردازنده های گرافیکی GPGPU به دلیل قابلیت محاسباتی بالای آن در اجرای برنامه های موازی و همزمان و همچنین مدل های برنامه نویسی پردازنده های گرافیکی همه منظوره GPGPU مانند CUDA و Open CL دریچه های جدیدی را به سوی ارتقاء سرعت برنامه های کاربردی همه منظوره گشوده اند. از سوی دیگر، امروزه روز به روز بر اهمیت تبادل داده بین GPGPU ها و پردازنده ها CPU ها افزوده می گردد. در این مقاله مااثرات متقابل بین برنامه های کاربردی GPGPU,CPU را با یک شبیه ساز مشترک CPU-GPGPU که در آن شبیه ساز gpgpu gem5 در یکدیگر مجتمع و ادغام شده اند را مورد تجزیه و تحلیل قرار می دهیم. برای ارایه پهنای باند با حافظه بیشتر، آخرین نسخه حافظه های پنهانی کش یا IIC ها معمولادر چنین سیستم هایی مورد استفاده قرار می گیرند. ما یک ساختار ILC اشتراکی از یک باند حافظه را که داخل یک شبیه ساز مشترک جاسازی نموده ایم تست می کنیم. نشان دادیم که یک ILC به اشتراک گذاشته شده ی ساده، سهم بیشتری در GPGPU نسبت به CPU دارد. چنان چه میزان اشغال حافظه میانی ILC بسیار بالا باشد، زمانی که برنامه های کاربردی حساس به زمان تاخیر CPU، به صورت موازی یا همزمان با GPGPU اجرا شوند تاخیر زمان در اجرای این برنامه ها به وجود می آید. علاوه بر این هرچقدر که تعداد بانک حافظه پنهان ILC کش زیاد شود، پی می بریم که سرعت CPU نسبت به سرعت GPGPU ها با افزایش موازی سازی یا استفاده همزمان ILC ها، بیشتر شدهاست در نهایت، همچنین تاثیر حافظه پنهان کش GPGPUL2 را مورد بحث و بررسی قرار دهیم. همچنین در این مقاله به شبیه سازی GPGPU با استفاده از بسته نرم افزاری دیگری به غیر از شبیه سازی gpugpu-sim gem5 به نام GPGPU MiniBench با قدرت شبیه سازی بالاتر پرداخهت و نتایج آن به صورت مختصر اشاره می شود.

Keywords:

لاتین LLC , اشتراکی , پردازنده گرافیکی همه منظوره , GPGPU , CPU حافظه پنهان (کش) , حافظه ارزیابی عملکرد