MétaCan
Menu
Retour à la cohorte
Enregistrement W2483814785

System software utilization of hardware performance monitoring information

2007· article· en· W2483814785 sur OpenAlexaff
Reza Azimi

Notice bibliographique

RevueTSpace · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftwareComputer hardwareEmbedded systemCompilerGranularityOverhead (engineering)MultiplexingComputer architectureOperating systemDistributed computing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the past several decades, microprocessors have evolved to assist system software in implementing new functionality or in improving the performance of programs. The relative abundance of available silicon may further motivate introducing new hardware features other than those that are directly required for executing code. The main focus of this dissertation is on how new hardware support can collect accurate performance data so as to enable system software in making more informed decisions in improving the performance of programs. First, we explore the problem of using Hardware Performance Counters (HPCs) to identify CPU bottlenecks accurately and efficiently. We address the problem of having a limited number of available HPCs by developing fine-grained HPC multiplexing that provides a large set of logical HPCs. We develop a simple and useful performance model, called stall breakdown to identify stressed processor components by focusing on cycles where the instruction completion stops. We generate the stall breakdown model by using HPC multiplexing online with negligible overhead. Secondly, we explore different methods of fine-grained data sampling at the hardware level. Using the continuous data sampling features of the IBM POWER5 processor, we identify a new technique to produce data samples based on their source, and in a case study, we demonstrate how to use source-based data samples to accurately characterize data sharing patterns among concurrent threads to effectively support sharing-aware schedulers. Finally, we propose novel hardware to track memory accesses at the granularity of virtual pages. Our proposed hardware is simple, efficient, and generic. We show how the proposed page access tracking hardware (PATH) can be used to improve performance in three different areas of memory management. In all three cases, we show that significant performance improvement can be achieved with negligible software overhead.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,274
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetCloud Computing and Resource ManagementTravaux en français237 207