Μεθοδολογία εξαγωγής αξιόπιστων δεδομένων ενέργειας σε επίπεδο Basic Block

Abstract

Η ενεργειακή κατανάλωση είναι μια αναδυόμενη ανησυχία σε πολλούς κλάδους και τομείς της πληροφορικής, για λόγους ενεργειακού χρηματικού κόστους , απαγωγής θερμότητας , διάρκειας ζωής μπταρίας και περιβαλλοντικών ανησυχιών. Προηγουμένως, η κατανάλωση ενέργειας σχετιζόταν κυρίως με το υλικό υπό χρήση , ωστόσο το λογισμικό είναι στην πράξη εξίσου σημαντικό με το υλικό πάνω στο οποίο εκτελείται. Ο τελικός στόχος αυτής της διπλωματικής εργασίας είναι να βοηθήσει τους προγραμματιστές και γενικά τους επιστήμονες της πληροφορικής, να καταλάβουν και να σκεφτούν ενεργά για την υλοποίηση “πράσινου λογισμικόυ” στην δουλειά τους, με στόχο την μείωση της κατανάλωσης ενέργειας του λογισμικού τους και την παραγωγή ενεργειακά αποδοτικών προϊόντων. Βασικό προαπαιτούμενο για την ενεργειακή αποδοτικότητα είναι η εκτίμηση ενέργειας Για να το επιτύχουμε αυτό, ξεκινάμε με την παραγωγή ενός αξιόπιστου dataset ενέργειας, το οποίο στην συνέχεια θα αποτελέσει την βάση για την δημιουργία ενος μοντέλου πρόβλεψης ενέργειας. Το πρώτο βήμα για την παραγωγή ενός dataset ενέργειας σε επίπεδο basic block είναι η μέτρηση της ενέργειας ενός πολύ μεγαλύτερου κομματιού κώδικα και ο διαμοιρασμός αυτού του συνόλου με δίκαιο τρόπο σε κάθε basic block. Για τους σκοπούς αυτής της διπλωματικής εργασίας, αρχικός κώδικας C χρησιμοποιείται για την δημιουργία εκτελέσιμων, των οποίων η ενέργεια μετριέται μέσω μετρητών ενεργείας της τεχνολογίας Intel RAPL, ενώ ταυτόχρονα αποθηκεύεται το ίχνος εκτέλεσης του εκτελέσιμου. Χρησιμοποιώντας τις υπολογισμένες τιμές ενέργειας και χωρίζοντας το ίχνος σε basic blocks, χρησιμοποιούνται στατιστικές μέθοδοι για να διαμοιραστεί δίκαια η ενεργεία σε όλα τα basic blocks. Tο παραγόμενο dataset είναι αντιπροσωπευτικό όχι μόνο για C κώδικα αλλά και για άλλες γλώσσες προγραμματισμού. Το τελικό dataset αποτελείται απο 3828 μοναδικά basic blocks, τα οποία προκύπτουν απο 24 διαφορετικά benchmarks προγραμμάτων C . Το μέσο σφάλμα για όλο το dataset ανέρχεται στο 2.63%. Αυτά τα αποτελέσματα είναι συγκρίσιμα με τo πιο μοντέρνο αυτήν την στιγμή στο χώρο ALEA , με την δική μας δουλειά να είναι και open source.