Βελτιστοποίηση του υπολογιστικού πυρήνα πολλαπλασιασμού αραιού πίνακα με διάνυσμα σε σύγχρονες πολυπύρηνες αρχιτεκτονικές υπολογιστών

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Εθνικό Αρχείο Διδακτορικών Διατριβών
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2012 (EL)

Optimizing the sparse matrix-vector multiplication kernel for modern multicore computer architectures
Βελτιστοποίηση του υπολογιστικού πυρήνα πολλαπλασιασμού αραιού πίνακα με διάνυσμα σε σύγχρονες πολυπύρηνες αρχιτεκτονικές υπολογιστών

Καρακάσης, Βασίλειος
Karakasis, Vasileios

This thesis focuses on the optimization of the Sparse Matrix-Vector Multiplication kernel (SpMV) for modern multicore architectures. We perform an in-depth performance analysis of the kernel and identified its major performance bottlenecks. This allows us to propose an advanced storage format for sparse matrices, the Compressed Sparse eXtended (CSX) format, which targets specifically the minimization of the memory footprint of the sparse matrix. This format provides significant improvements in the performance of the SpMV kernel in a variety of matrices and multicore architectures, maintaining considerable performance stability. Finally, we investigate the performance of the SpMV kernel from an energy-efficiency perspective, in order to identify the execution configurations that lead to optimal performance-energy tradeoffs.
Η διατριβή αυτή εστιάζει στην βελτιστοποίηση του υπολογιστικού πυρήνα Πολλαπλασιασμού Αραιού Πίνακα με Διάνυσμα (SpMV) στις σύγχρονες πολυπύρηνες αρχιτεκτονικές υπολογιστών. Πραγματοποιούμε μία εις βάθος ανάλυση του πυρήνα και αναδεικνύουμε τα κυριώτερα προβλήματα επίδοσης. Αυτό μας επιτρέπει να προτείνουμε ένα προχωρημένο σχήμα αποθήκευσης αραιών πινάκων, το σχήμα Compressed Sparse eXtended (CSX), το οποίο εστιάζει στοχευμένα στην ελαχιστοποίηση του μεγέθους αναπαράστασης του αραιού πίνακα. Το σχήμα αυτό μπορεί να παράσχει σημαντική βελτίωση της επίδοσης του SpMV σε μία πληθώρα διαφορετικών πινάκων και πολυπύρηνων αρχιτεκτονικών, διατηρώντας μία σημαντική σταθερότητα στην επίδοση. Τέλος, μελετάμε την επίδοση του SpMV υπό το πρίσμα της ενεργειακής του απόδοσης, με σκοπό την αναγνώριση των ρυθμίσεων εκτέλεσης που οδηγούν σε βέλτιστους συμβιβασμούς επίδοσης-κατανάλωσης ενέργειας.

PhD Thesis

SpMV
Scientific applications
Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Electrical Engineering, Electronic Engineering, Information Engineering
Data compression
Ενεργειακή απόδοση
CSX
Πολλαπλασιασμός αραιού πίνακα με διάνυσμα
Επιστημονικές εφαρμογές
Multicore
Επιστήμες Μηχανικού και Τεχνολογία
Engineering and Technology
High performance computing
Συμπίεση δεδομένων
Energy-efficiency
Πολυπύρηνες αρχιτεκτονικές
Sparse matrix-vector multiplication
HPC
Υπολογιστικά συστήματα υψηλών επιδόσεων


Ελληνική γλώσσα

2012


Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ)
National Technical University of Athens (NTUA)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.