Hızlanma - Speedup

İçinde bilgisayar Mimarisi, hızlanma aynı sorunu işleyen iki sistemin göreceli performansını ölçen bir sayıdır. Daha teknik olarak, farklı kaynaklarla iki benzer mimaride yürütülen bir görevin yerine getirilme hızındaki gelişmedir. Hızlanma kavramı, Amdahl kanunu özellikle odaklanmış olan paralel işlem. Ancak, hızlandırma daha genel olarak herhangi bir kaynak geliştirmesinden sonra performans üzerindeki etkisini göstermek için kullanılabilir.

Tanımlar

Hızlandırma, iki farklı miktar türü için tanımlanabilir: gecikme ve çıktı.^[1]

Gecikme Bir mimarinin, bir görevin yürütme hızının tersidir:

${ displaystyle L = { frac {1} {v}} = { frac {T} {W}},}$

nerede

• v görevin yürütme hızıdır;
• T görevin gerçekleştirilme zamanıdır;
• W görevin yürütme iş yükü.

Çıktı Bir mimarinin, bir görevin yürütme hızıdır:

${ displaystyle Q = rho vA = { frac { rho AW} {T}} = { frac { rho A} {L}},}$

nerede

• ρ yürütme yoğunluğu (örneğin, bir talimat boru hattı için ardışık düzenlenmiş mimari);
• Bir yürütme kapasitesidir (örneğin, sayısı işlemciler paralel bir mimari için).

Gecikme, genellikle yürütme iş yükü birimi başına saniye cinsinden ölçülür. Verimlilik, genellikle saniyedeki yürütme iş yükü birimleriyle ölçülür. Başka bir çıktı birimi döngü başına talimat (IPC) ve bunun karşılığı, talimat başına döngü (CPI), başka bir gecikme birimidir.

Hızlandırma boyutsuzdur ve tutarlı bir metrik olması için her miktar türü için farklı şekilde tanımlanır.

Gecikmede hızlanma

İçinde hızlanma gecikme aşağıdaki formülle tanımlanır:^[2]

${ displaystyle S _ { text {gecikme}} = { frac {L_ {1}} {L_ {2}}} = { frac {T_ {1} W_ {2}} {T_ {2} W_ {1 }}},}$

nerede

• S_gecikme mimari 1 ile ilgili olarak mimari 2'nin gecikmesindeki hızlanmadır;
• L₁ mimari 1'in gecikmesidir;
• L₂ mimarinin gecikmesidir 2.

Gecikmedeki hızlanma aşağıdakilerden tahmin edilebilir: Amdahl kanunu veya Gustafson yasası.

Verimlilikte hızlanma

İçinde hızlanma çıktı aşağıdaki formülle tanımlanır:^[3]

${ displaystyle S _ { text {verim}} = { frac {Q_ {2}} {Q_ {1}}} = { frac { rho _ {2} A_ {2} T_ {1} W_ {2 }} { rho _ {1} A_ {1} T_ {2} W_ {1}}} = { frac { rho _ {2} A_ {2}} { rho _ {1} A_ {1} }} S _ { text {gecikme}},}$

nerede

• S_çıktı mimari 1 ile ilgili olarak mimari 2'nin verimindeki hız artışıdır;
• Q₁ mimari 1'in verimi;
• Q₂ mimarinin verimi 2.

Örnekler

Yürütme sürelerini kullanma

Bir programın yürütülmesinde bir şube tahmincisinin etkinliğini test ediyoruz. İlk olarak, programı işlemcideki standart dal tahmincisi ile çalıştırıyoruz, bu da 2.25 saniyelik bir yürütme süresi sağlıyor. Daha sonra, programı aynı işlemcide değiştirilmiş (ve umarız iyileştirilmiş) dal tahmincimiz ile çalıştırıyoruz, bu da 1.50 saniyelik bir yürütme süresi üretiyor. Her iki durumda da yürütme iş yükü aynıdır. Hızlandırma formülümüzü kullanarak,

${ displaystyle S _ { text {gecikme}} = { frac {L _ { text {eski}}} {L _ { text {yeni}}}} = { frac {2.25 ~ mathrm {s}} { 1,50 ~ mathrm {s}}} = 1,5.}$

Yeni şube tahmincimiz, orijinaline göre 1,5 kat hızlanma sağladı.

Komut başına döngüleri ve döngü başına talimatları kullanma

Ayrıca bir gecikme olan talimat başına döngü (CPI) cinsinden hızlanmayı da ölçebiliriz. İlk olarak, programı 3 CPI veren standart dal tahmincisi ile çalıştırıyoruz. Ardından, programı 2 CPI veren değiştirilmiş şube tahmincimiz ile çalıştırıyoruz. Her iki durumda da yürütme iş yükü aynıdır ve her iki mimari de aynıdır. boru hatlı veya paralel değildir. Hızlandırma formülünü kullanmak,

${ displaystyle S _ { text {gecikme}} = { frac {L _ { text {eski}}} {L _ { text {yeni}}}} = { frac {3 ~ { text {CPI}} } {2 ~ { text {CPI}}}} = 1,5.}$

Hızlandırmayı döngü başına talimatlarda da ölçebiliriz (IPC ), bu bir verim ve CPI'nin tersidir. Hızlandırma formülünü kullanmak,

${ displaystyle S _ { text {verim}} = { frac {Q _ { text {yeni}}} {Q _ { text {eski}}}} = { frac {0,5 ~ { text {IPC}} } {0.33 ~ { text {IPC}}}} = 1.5.}$

Farklı miktarları ölçmemize rağmen, aynı 1.5 kat hız artışına ulaşıyoruz.

Ek detaylar

İzin Vermek S bir görevin yerine getirilmesinin hızlandırılması ve s bir mimarinin kaynaklarının iyileştirilmesinden yararlanan görev kısmının yürütülmesinin hızlanması. Doğrusal hızlanma veya ideal hızlanma ne zaman elde edilir S = s. Doğrusal hızlanma ile bir görevi çalıştırırken, yerel hızlanmanın iki katına çıkarılması genel hızlanmayı ikiye katlar. Bu ideal olduğu için çok iyi kabul edilir ölçeklenebilirlik.

Verimlilik geliştirilmiş sistem kaynaklarının kullanımının bir ölçüsüdür, şu şekilde tanımlanır:

${ displaystyle eta = { frac {S} {s}}.}$

Değeri tipik olarak 0 ile 1 arasındadır. Doğrusal hızlanmaya sahip programlar ve tek bir işlemci üzerinde çalışan programlar 1 verimliliğe sahipken, paralelleştirilmesi zor birçok program 1 / ln (s)^{[kaynak belirtilmeli ]} işlemci sayısı olarak 0'a yaklaşan Bir = s artışlar.

Mühendislik bağlamlarında, verimlilik eğrileri, hızlanma eğrilerinden daha çok grafikler için kullanılır, çünkü

• grafikteki tüm alan kullanışlıdır (oysa hızlanma eğrilerinde alanın yarısı boşa harcanır);
• sistemin iyileştirilmesinin ne kadar iyi çalıştığını görmek kolaydır;
• "Mükemmel hızlanma" eğrisi çizmeye gerek yoktur.

Pazarlama bağlamlarında, hızlanma eğrileri daha sık kullanılır, bunun nedeni büyük ölçüde yukarı ve sağa gitmeleri ve dolayısıyla daha az bilgili olanlara daha iyi görünmeleridir.

Süper doğrusal hızlanma

Bazen daha fazla hızlanma Bir kullanırken Bir işlemciler gözlenir paralel hesaplama denen süper doğrusal hızlanma. Süper doğrusal hızlanma nadiren gerçekleşir ve teorik olarak maksimum hızlanmanın olması gerektiğine inanan yeni başlayanların kafasını karıştırır. Bir ne zaman Bir işlemciler kullanılır.

Düşük seviyeli hesaplamalarda süper doğrusal hızlanmanın olası bir nedeni, önbellek etkisi farklı kaynaklı bellek hiyerarşileri modern bir bilgisayarın: paralel hesaplamada, yalnızca işlemci sayısı değişmekle kalmaz, aynı zamanda farklı işlemcilerden biriken önbelleklerin boyutu da değişir. Daha büyük birikmiş önbellek boyutuyla, çalışma seti önbelleklere sığabilir ve bellek erişim süresi önemli ölçüde azalır, bu da gerçek hesaplamaya ek olarak ekstra hızlanmaya neden olur.^[4]

Tarafından aranan genomik veriler gibi büyük veri kümeleri aranırken benzer bir durum ortaya çıkar. ÜFLEME uygulamalar. Orada, bir kümedeki düğümlerin her birinden biriken RAM, veri kümesinin diskten RAM'e hareket etmesini sağlar ve böylece örn. mpiBLAST ile arama yapın.^[5]

Süper doğrusal hızlanmalar, performans sırasında da meydana gelebilir geri izleme paralel olarak: bir iş parçacığındaki bir istisna, diğer birkaç iş parçacığının, istisnaya kendileri ulaşmadan önce geri dönmesine neden olabilir.^[6]

Süper doğrusal hızlanmalar, optimizasyon için dal ve sınırın paralel uygulamalarında da ortaya çıkabilir:^[7] bir düğümün bir işlemci tarafından işlenmesi, diğer işlemcilerin diğer düğümler için yapması gereken işi etkileyebilir.

Referanslar

Ayrıca bakınız

• Amdahl kanunu
• Gustafson yasası
• Brooks yasası
• Karp – Flatt metriği
• Paralel yavaşlama
• Ölçeklenebilirlik