Stochastic application models for energy management in multicore systems
Çokişlemcili sistemlerde enerji yönetimi için rastsal modeller
- Tez No: 182058
- Danışmanlar: YRD. DOÇ. DR. ALPER DEMİR, YRD. DOÇ. DR. SERDAR TAŞIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Bu tezde bilgisayar sistemlerinde son zamanlarda önemli bir sorun olarak ortaya çikanenerji yönetimi ele alinmistir. Es zamanli islere bölünmüs, yari gerçek zamanli uygulamalarave dinamik voltaj ayarli, çok çekirdekli sistemlere odaklanilmistir. Önerilen teknikler yazilimve donanimin önceden belirlenmis oldugunu kabul etmektedir.Ilk olarak, basit örnekler araciligiyla is yüklerinin istatistiksel özelliklerinin enerjiyönetimi ile olan iliskileri incelenmistir. Bu örneklerden elde edilen çikarimlar dogrultusundais yüklerinin istatistiksel özelliklerini barindiran çesitli rastsal modeller gelistirilmistir. Burastsal modeller hem is yüklerinin degiskenlik bilgisini hem de is yükleri arasindakikorelasyon bilgisini barindirabilmektedir. Bu modeller, gerçek uygulama yürütümlerindenalinan is yükü verileri kullanilarak olusturulmustur. Her bir model, is yüklerinin zamanlamakisitlarina uyulmasina olasiliksal garanti saglayarak sistemin enerji harcamasini enküçükleyenbir enerji yönetim stratejisi önermektedir. Bu stratejiler matematiksel olarak formüle edilmiseniyileme modellerinden elde edilmekte; degiskenlik ve korelasyon bilgilerini barindiranrastsal modellerden yararlanmaktadir. Formüle edilen eniyileme problemlerini çözmek için ikifarkli çözüm yöntemi sunulmustur. Eniyileme problemleri gerçek zamanda çözülmedigi içinönerilen stratejiler uygulamaya hesaplama yükü getirmemektedir.Tezde sunulan modelleme ve eniyileme teknikleri, popüler bir çokluortam uygulamasiolan MPEG2 video kodçözücüsüne tatbik edilmistir. Yapilan deneyler, bu uygulamanin isyükleri arasinda kayda deger degiskenlikler ve korelasyonlarin oldugunu ortaya koymaktadir.Rastsal modellerden elde edilen enerji yönetim stratejileri literatürde bulunan iki yaklasimlakarsilastirilmistir.
Özet (Çeviri)
In this thesis, we address the energy management problem that has become animportant concern for computing systems. We concentrate on dynamic voltage scalingenabled multicore systems running soft real-time applications that have been decomposedinto concurrent tasks.We first illustrate on simple examples that how energy management ignorant ofthe statistical nature of task workloads can be significantly suboptimal or not properlyfulfill timing constraints. Based on this observation, we propose stochastic models whichcapture the variability of, and correlations among the workloads of tasks. The stochasticmodels are constructed using the workload data collected from actual application runs.Each stochastic application model suggests an energy management policy whichminimizes the average energy consumption of the system while satisfying the timingconstraints according to the application's tolerance to deadline misses. These policies,which exploit the variability and the correlation information captured by the stochasticapplication models, are obtained by novel optimization formulations. To solve theformulated optimization problems, we present two solution techniques. Our energymanagement policies introduce negligible overhead at runtime, since the associatedoptimization problems are solved offline.We show on a popular multimedia application, MPEG2 video decoding, that therecan be significant variability in and correlations among the workloads of tasks. Using thesame application, we demonstrate how stochastic application models can be constructedand then present experimental results. We compare our energy management policies withtwo other approaches proposed in the literature.
Benzer Tezler
- Akıllı şebekelerde makine öğrenmesi teknikleriyle kısa dönem rüzgâr hızı tahmini: Kocaeli-Türkiye örneği
Short–term wind speed forecasting in smart grids with machine learning techniques: A case study in Kocaeli-Türkiye
MAYSA GAIDOUM AHMED GAIDOUM
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Konut tipi tüketiciler için tüketim modeli ile dinamik tarife ve yük kaydırma tasarımlarını içeren istatistik temelli bir talep tarafı yönetimi uygulaması
A statistics-based demand-side management application including consumption model, dynamic tariff, and load shifting designs for residential consumers
FATİH ÇAKIL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM GÜRSU TEKDEMİR
- Predictive error compensated wavelet neural networks framework for time series prediction
Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı
SERKAN MACİT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Terkos gölüne gelen aylık debinin çeşitli metotlarla tahmini
Montly inflow prediction for Terkos lake by various methods
HALİL İBRAHİM TÜRKOĞLU
Yüksek Lisans
Türkçe
2013
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÖZGER