这些方法论旨在解决与电源相关的挑战，例如当前和未来设备的使用，以及跨数据中心的虚拟机调度等。
在编程模型方面，该项目致力于从共享内存模型转向以参与者和消息交换为中心的模型。这使得程序员能够在提高能源效率的同时，增强对能源相关问题的认识。以下是两种示例方法：
• 针对异构 GPU/CPU 架构的个性化编程解决方案。通过优化代码直接管理 GPU 可以将能耗降低约 80%。然而，这需要专业化，从而降低了可编程性。ParaDIME 项目开发了基于领域特定语言的技术，这些技术可以生成适用于 CPU 和 GPU 的代码，从而实现高达 40% 的节能，更重要的是，使更多程序员能够轻松使用这些架构。
• 促进对功耗和成本更深入了解的工具。这些工具可以评估在虚拟化环境中运行的单个进程的功耗需求。它们还可以用于以用户为中心的成本模型，实现考虑能耗的任务调度，并作为应用程序消耗异构资源量的指标。
在执行时间方面，ParaDIME 项目开发了一个大型的去中心化基础设施，该基础设施由提供供暖和热水的小型数据中心组成。正如该项目的工业合作伙伴——德国 Cloud&Heat 公司所证明的那样，该系统将提高效率。ParaDIME 的研究人员开发了：
• 多数据中心调度器：该调度器可在不同的数据中心之间调度任务，从而平衡数据中心负载和供暖/制冷需求。这使得二氧化碳排放量和能耗最多减少了 50%。
• 跨数据中心调度器：开发了相关技术，以减少重新激活虚拟机所需的时间以及虚拟机迁移的相关成本。QEMU 社区（一个开源虚拟机模拟器和仿真器）正在分析这项工作的部分内容。目前使用 QEMU 虚拟化其工作负载的机构将受益于 ParaDIME 项目优化的虚拟机迁移代码。此外，ParaDIME 项目贡献了一项跟踪块设备变更的功能，该功能已被集成到最新的 Linux 内核中。
在硬件层面，ParaDIME 项目的研究人员提出并模拟了多种提高计算节点效率的方法，包括：
• 在异构核心（例如，big.LITTLE 处理器或结合了 FPGA、GPU 和 CPU 核心的系统）之间调度任务。与多核处理器相比，结合使用 FPGA、GPU 和 CPU 核心平均可节省 40% 的能耗。ParaDIME 调度还能在不同类型的异构平台上平均降低 20% 的功耗和 30% 的能耗。ParaDIME 项目还分析了各种核心的功耗估算工具，并
实现了显著的电源电压降低。通过将这种电压降低与低成本的错误检测和纠正技术相结合，进一步实现了节能。此外，ParaDIME 的研究人员还利用未来器件构建的电路研究了这种方法。ParaDIME 方法可节省 L1 数据缓存高达 60% 的能耗。

更多信息