Diese Methoden befassen sich mit Herausforderungen im Energiebereich, wie beispielsweise der Nutzung aktueller und zukünftiger Geräte oder der Planung virtueller Maschinen in Rechenzentren.
Im Hinblick auf Programmiermodelle konzentrierte sich das Projekt auf den Übergang von einem Shared-Memory-Modell zu einem Modell, das auf Aktoren und Nachrichtenaustausch basiert. Dies ermöglicht Programmierern eine höhere Energieeffizienz und schärft gleichzeitig ihr Bewusstsein für energiebezogene Aspekte. Zwei beispielhafte Ansätze sind:
• Individuelle Programmierlösungen für heterogene GPU/CPU-Architekturen. Die direkte Ansteuerung der GPU durch optimierten Code kann den Energieverbrauch um ca. 80 % reduzieren. Dies erfordert jedoch Spezialisierung, die die Programmierbarkeit einschränkt. Das ParaDIME-Projekt hat Techniken auf Basis domänenspezifischer Sprachen entwickelt, die Code sowohl für die CPU als auch für die GPU generieren. Dadurch werden Energieeinsparungen von bis zu 40 % ermöglicht und diese Architekturen werden einem breiteren Spektrum von Programmierern zugänglich gemacht.
• Werkzeuge zur Förderung des Bewusstseins für Energie und Kosten. Diese Werkzeuge bewerten den Energiebedarf eines einzelnen Prozesses in einer virtualisierten Umgebung. Sie können auch für nutzerzentrierte Kostenmodelle, zur Implementierung einer energieverbrauchsorientierten Aufgabenplanung und als Indikator für den Verbrauch heterogener Ressourcen durch eine Anwendung verwendet werden.
Im Hinblick auf die Ausführungszeit hat das ParaDIME-Projekt eine große, dezentrale Infrastruktur entwickelt, die aus kleinen Rechenzentren besteht, welche Heizung und Warmwasser bereitstellen. Dieses System führt zu einer höheren Effizienz, wie der Industriepartner des Projekts, das deutsche Unternehmen Cloud&Heat, demonstriert hat. Die ParaDIME-Forscher haben Folgendes entwickelt:
• Einen Multi-Rechenzentrums-Scheduler: Dieser plant Aufgaben über verschiedene Rechenzentren hinweg und erzielt so ein Gleichgewicht zwischen Rechenzentrumslast und Heiz-/Kühlbedarf. Dies hat zu einer Reduzierung der CO₂-Emissionen und des Energieverbrauchs um bis zu 50 % geführt.
• Einen datenzentrumsübergreifenden Scheduler: Es wurden Technologien entwickelt, um sowohl die Zeit für die Reaktivierung virtueller Maschinen als auch die mit ihrer Migration verbundenen Kosten zu reduzieren. Die QEMU-Community (ein Open-Source-Emulator für virtuelle Maschinen) analysiert Teile dieser Arbeit. Institutionen, die derzeit QEMU zur Virtualisierung ihrer Workloads verwenden, profitieren vom Migrationscode für virtuelle Maschinen, der vom ParaDIME-Projekt optimiert wurde. Darüber hinaus hat das ParaDIME-Projekt eine Funktion zur Verfolgung von Änderungen an Blockgeräten entwickelt, die bereits in den aktuellen Linux-Kernel integriert wurde.
Auf Hardwareebene haben die Forscher des ParaDIME-Projekts verschiedene Methoden zur Verbesserung der Effizienz von Rechenknoten vorgeschlagen und simuliert, darunter:
• Die Aufgabenplanung auf heterogenen Kernen (z. B. big.LITTLE-Prozessoren oder Systeme, die FPGA-, GPU- und CPU-Kerne kombinieren). Durch die Kombination von FPGA-, GPU- und CPU-Kernen lässt sich im Vergleich zu einem Mehrkernprozessor durchschnittlich 40 % Energie einsparen. Die ParaDIME-Planung reduziert außerdem den Stromverbrauch um durchschnittlich 20 % und den Energieverbrauch um 30 % auf verschiedenen heterogenen Plattformen. Das ParaDIME-Projekt hat zudem Werkzeuge zur Leistungsabschätzung für verschiedene Kerne analysiert. Dadurch
wird eine signifikante Reduzierung der Versorgungsspannung erreicht. Die Energieeinsparungen werden durch die Kombination dieser Reduzierung mit kostengünstigen Fehlererkennungs- und -korrekturverfahren erzielt. Darüber hinaus haben die ParaDIME-Forscher diese Methodik in Schaltungen untersucht, die mit zukünftigen Geräten realisiert werden. Die ParaDIME-Methodik spart bis zu 60 % der Energie, die vom L1-Datencache verbraucht wird.

Weitere Informationen