Heterogeneous Memory for Efficient High-Performance Computing

QC 20260505

Abstract

Högpresterande datorsystem står inför flera utmaningar som påverkar deras effektivitet som minnesbarriären, underutnyttjande av resurser och ökande heterogenitet. Denna sammanläggningsavhandling undersöker potentialen hos nya heterogena minnesarkitekturer som disaggregerat minne och enhetligt fysiskt minne för att hantera dessa problem. Disaggregerat minne hanterar utmaningar kring kapacitet och resursutnyttjande genom att möjliggöra dynamisk tilldelning inom ett kluster baserat på efterfrågan, istället för traditionell statisk tilldelning. Vi presenterade den första empiriska analysen av disaggregerat minne inom högpresterande datorsystem med Compute Express Link (CXL) och studerade interferensproblematiken i delade minnespooler. Vi utforskade även framtidsutsikterna för nätverksbaserat minne i användarrymden (user space) och möjligheter till acceleration med hjälp av smarta nätverkskort. Enhetligt fysiskt minne hanterar utmaningar inom dataöverföring, kapacitet och produktivitet genom att fysiskt förena minnet hos CPU:er och GPU:er i heterogena system. Vi presenterade den första djupgående karakteriseringen av minnesarkitekturen hos den nya AMD MI300A APU:n, den första fysiskt enhetliga arkitekturen för högpresterande datorsystem. Vi visade också hur enhetligt fysiskt minne påverkar programmeringsmodeller för GPU:er och kan möjliggöra både högre prestanda och produktivitet för applikationer.

Link to DiVA