Improving CPU and GPU Performance through Sample-Based Dynamic LLC Bypassing

Xin Wang; Wei Zhang

doi:10.5626/JCSE.2018.12.2.50

추천

검색

질문

자료유형: 학술저널

저자정보: Xin Wang (Virginia Commonwealth University) Wei Zhang (Virginia Commonwealth University)

저널정보: Korean Institute of Information Scientists and Engineers Journal of Computing Science and Engineering Journal of Computing Science and Engineering Vol.12 No.2

발행연도: 2018.6

수록면: 50 - 62 (13page)

DOI: 10.5626/JCSE.2018.12.2.50

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The current trend toward integrated central processing units (CPUs) and graphics processing units (GPUs) on the same chip presents new challenges for the efficient and fair sharing of resources. Unlike traditional multicores, CPU and GPU cores in the integrated architecture can generate diverse cache traffics and exhibit quite different temporal or spatial data localities. The shared last-level cache (LLC) between the two can result in a large amount of interference between CPU and GPU LLC accesses, thus impacting the performance of both the CPUs and GPUs. Cache bypassing is a promising method to improve LLC performance and to alleviate resource contention between CPUs and GPUs. However, inefficient cache bypassing may lead to significant Network on Chip (NoC) traffic congestion and subsequent performance degradation, particularly for a CPU on a heterogeneous CPU-GPU system with an on-chip ring network. To manage the LLC more efficiently, we propose a sample-based dynamic cache bypassing method for shared LLC in heterogeneous CPU-GPU multicore systems. This method samples the LLC miss rates and NoC traffics for both the CPU and GPU at run-time and uses a statistical bypassing decision-making model to intelligently decide whether to bypass or not. Our experiments show that bypassing CPU can be more useful than bypassing GPU for integrated CPU-GPU architecture with ring-based NoC topology. Our results indicate that bypassing both CPU and GPU can improve CPU performance by 34.30% and GPU performance by 3.20%, while bypassing CPU alone enhances CPU performance by 38.09% and GPU performance by 1.11%, and bypassing GPU alone increases CPU performance by 4.12% and GPU performance by 2.60%, on average.

#Cache bypassing #Last level cache #Heterogeneous CPU-GPU architecture

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Xin Wang

소속기관 Virginia Commonwealth University

주요연구분야 공학 > 컴퓨터학

논문수 6 이용수 64

Wei Zhang

소속기관 University of Louisville

주요연구분야 공학 > 컴퓨터학

논문수 31 이용수 536

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-569-003141625

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)