Improving the memory affinity of pa

Improving the memory affinity of parallel applications via optimized thread and data mappings is the key to
improve their performance and energy consumption on sharedmemory architectures. In this paper, we
proposed kMAF, a kernel-based framework to improve affinity. kMAF uses page faults of parallel applications
to determine their memory access behavior and to optimize the mapping online. In an evaluation with two
parallel benchmark suites on three different NUMA systems, kMAF showed substantial performance and
energy efficiency improvements with a low overhead, with gains close to an Oracle mechanism. For the future,
we will evaluate the impact of the hierarchical structure of modern NUMA systems on the data mapping.

ผลลัพธ์ (ไทย) 1:

การปรับปรุงความสัมพันธ์ของหน่วยความจำของโปรแกรมประยุกต์แบบขนานผ่านหัวข้อที่เหมาะสมและการแม็ปข้อมูลเป็นสิ่งสำคัญปรับปรุงประสิทธิภาพและการใช้พลังงานบนสถาปัตยกรรม sharedmemory ในกระดาษนี้ เราkMAF เสนอ กรอบเคอร์เนลที่ใช้เพื่อปรับปรุงความสัมพันธ์ kMAF ใช้หน้าข้อบกพร่องของโปรแกรมประยุกต์แบบขนานการตรวจสอบพฤติกรรมการเข้าถึงหน่วยความจำ และ การปรับปรุงการแมปออนไลน์ ในการประเมินกับสองขนานมาตรฐานสวีทระบบสามต่าง NUMA, kMAF แสดงให้เห็นว่าประสิทธิภาพการทำงานที่พบ และปรับปรุงประสิทธิภาพพลังงาน ด้วยเป็นค่าใช้จ่ายต่ำ มีกำไรใกล้เคียงกับกลไกการ Oracle ในอนาคตเราจะประเมินผลกระทบของโครงสร้างลำดับชั้นของระบบระบบ NUMA ทันสมัยในการแม็ปข้อมูล

ผลลัพธ์ (ไทย) 2:

การปรับปรุงความสัมพันธ์ของการใช้งานหน่วยความจำแบบคู่ขนานผ่านแมปด้ายและข้อมูลที่ดีที่สุดเป็นกุญแจสำคัญในการ
ปรับปรุงประสิทธิภาพการทำงานและการใช้พลังงานของพวกเขาในสถาปัตยกรรม sharedmemory ในบทความนี้เราจะ
เสนอ kMAF กรอบเคอร์เนลที่ใช้ในการปรับปรุงความสัมพันธ์ kMAF ใช้ผิดหน้าของการใช้งานแบบขนาน
เพื่อตรวจสอบพฤติกรรมการเข้าถึงหน่วยความจำของพวกเขาและเพื่อเพิ่มประสิทธิภาพการทำแผนที่ออนไลน์ ในการประเมินผลที่มีสอง
ห้องสวีทมาตรฐานแบบขนานบนสามระบบ NUMA ที่แตกต่างกัน kMAF แสดงให้เห็นประสิทธิภาพการทำงานและมีความสำคัญ
ประสิทธิภาพการใช้พลังงานการปรับปรุงที่มีค่าใช้จ่ายต่ำมีกำไรใกล้เคียงกับกลไกของออราเคิล ในอนาคต
เราจะประเมินผลกระทบของโครงสร้างลำดับชั้นของระบบ NUMA ทันสมัยในการทำแผนที่ข้อมูล

ผลลัพธ์ (ไทย) 3:

การปรับปรุงหน่วยความจำติดโปรแกรมแบบขนานผ่านหัวข้อและข้อมูลที่เหมาะสมเป็นกุญแจสู่ชีวิตปรับปรุงประสิทธิภาพของพวกเขาและการใช้พลังงานในสถาปัตยกรรม sharedmemory . ในกระดาษนี้เราเสนอ kmaf , เคอร์เนลตามกรอบเพื่อปรับปรุงความสัมพันธ์กัน หน้า kmaf ใช้ข้อบกพร่องของโปรแกรมแบบขนานเพื่อศึกษาพฤติกรรมและการเข้าถึงหน่วยความจำเพื่อเพิ่มประสิทธิภาพแผนที่ออนไลน์ ในการประเมิน โดยสองขนานมาตรฐานสวีทบนสามระบบใน kmaf พบประสิทธิภาพที่สำคัญและแตกต่างกันประสิทธิภาพการใช้พลังงาน การปรับปรุงที่มีค่าใช้จ่ายต่ำ กำไรใกล้เคียงกับระบบกลไก สำหรับอนาคตเราจะศึกษาผลกระทบของโครงสร้างลำดับชั้นของระบบในสมัยใหม่บนข้อมูลแผนที่