Técnica DVFS para Algoritmos de Álgebra Lineal Densa en Procesadores Multinúcleo

This paper addresses the efficient explotation of task-level parallelism, present in many dense linear algebra operations, from the point of view of both computational performance and energy consumption. In particular, we consider a procedure, the Slack Reduction Algorithm (SRA), to optimize the execution frequency of a collection of tasks (in which many dense linear algebra algorithms can be decomposed) on multicore architectures. The results from this procedure are modulated by an energy-aware simulator, which is in charge of scheduling/mapping the execution of these tasks to the cores, leveraging dynamic frequency voltage scaling featured by current technology. Simultaneously, the simulator evaluates the performance benefits of the solution. Experiments with these tools show significant energy gains for two key dense linear algebra operations: the Cholesky and QR factorizationsEn este trabajo se aborda la explotación eficiente del paralelismo a nivel de tareas, presente en muchas de las operaciones de álgebra lineal densa desde el punto de vista del rendimiento y el consumo de energía. En particular, se presenta el Algoritmo de Reducción de Holguras, para optimizar la frecuencia de ejecución de un conjunto de tareas (en la que muchos algoritmos de álgebra lineal densa pueden ser descompuestas) en las arquitecturas multinúcleo. Los resultados de este procedimiento son procesados por un simulador de consciente del consumo, encargado de la planificación/asignación a ejecución de estas tareas en los núcleos, aprovechando la escalada dinámica del voltaje y la frecuencia presente en los procesadores actuales. Al mismo tiempo, el simulador evalúa las ventajas de rendimiento del algoritmo presentado. Los experimentos con estas herramientas muestran significativos ahorros de energía para dos importantes operaciones de álgebra lineal densa: la factorización de Cholesky y QR