Energy Efficient Real-time Task Scheduling on CPU-GPU Hybrid Clusters
-
出处：2017IEEE Xplore 基于CPU-GPU混合集群的高效实时任务调度
-
主要工作：通过动态电压和频率缩放研究了新兴CPU-GPU混合集群的节能问题。
-
首次分析GPU特定的DVFS模型。
-
设计了一种新的调度算法：1)利用GPU DVFS来节省能源而不违反任务期限；2)有效将一组任务打包到多个服务器上，以减少动态能耗；3)智能调节DVFS设定，更有效地节省能源。
-
仿真测试，可以节省多达36%的能耗。
-
-
做出的假设：集群中只有一种GPU/CPU，但不同服务器可能有不同数量的GPU-CPU对，且每个任务只能分配给一个CPU-GPU对，每个CPU-GPU对一次只能执行一个任务。
-
目标：最小化在截止日期限制下处理一系列实时任务的总能耗。考虑了对任务执行时间和功耗有显著影响的三个缩放变量：GPU核心电压、CPU核心频率、GPU内存频率。
-
方法：通过数学优化计算每个任务的合适电压/频率设置，并使用启发式调度算法将多个任务分配给集群。
-
数据中心常用的两种节能技术：
- DVFS：dynamic voltage and frequency scaling(动态电压和频率缩放)
- DRS：dynamic resource sleep(动态资源休眠)