Σχεδίαση και υλοποίηση συστήματος διαμοιρασμού επιταχυντών γραφικών σε εικονικά περιβάλλοντα

Παπαζαφειρόπουλος, Κωνσταντίνος; Papazafeiropoulos, Konstantinos

dc.contributor.author	Παπαζαφειρόπουλος, Κωνσταντίνος	el
dc.contributor.author	Papazafeiropoulos, Konstantinos	en
dc.date.accessioned	2016-04-12T09:50:46Z
dc.date.available	2016-04-12T09:50:46Z
dc.date.issued	2016-04-12
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42374
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11881
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	GPGPU	en
dc.subject	Virtualization	en
dc.subject	GPU Remote Execution	en
dc.subject	GPUsockets	en
dc.subject	Εικονικοποίηση	el
dc.subject	Αποκακρυσμένη Εκτέλεση σε GPU	el
dc.title	Σχεδίαση και υλοποίηση συστήματος διαμοιρασμού επιταχυντών γραφικών σε εικονικά περιβάλλοντα	el
heal.type	bachelorThesis
heal.classification	Σύστημα διαμοιρασμού επιταχυντών γραφικών σε εικονικά περιβάλλοντα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-01
heal.abstract	Το cloud computing, είτε αυτό αφορά σε κατανεμημένα - γεωγραφικά - περιβάλλοντα (grid computing) είτε αφορά υπολογιστικά κέντρα με συστοιχίες (clusters) υπολογιστών, βρίσκεται αναπόφευκτα στο επίκεντρο του ενδιαφέροντος στις μέρες μας. Για οποιαδήποτε εφαρμογή απαιτεί αυξημένη υπολογιστική ισχύ η αποτελεσματικότητα των παραπάνω τεχνολογιών αποκτά ιδιαίτερη σημασία (HPC). Η αποτελεσματική παραλληλοποίηση επαναλαμβανόμενων διαδικασιών που προσφέρει η χρήση GPUs - αντί για CPUs - (GPGPU) σε υπολογιστικά clusters ή/και grid για την επιτάχυνση υπολογιστικά απαιτητικών εργασιών την καθιστούν μια όλο και ευρύτερα υιοθετούμενη λύση. Μάλιστα, ο συνδυασμός των επιδόσεων του GPGPU με τα πλεονεκτήματα που προσφέρουν τα εικονικά περιβάλλοντα (κλιμακωσιμότητα, ελαστικότητα, ασ-φάλεια, live migration) μπορεί να παρέχει όχι μόνο υψηλές επιδόσεις αλλά και ευελιξία. Ταυτόχρονα όμως, εισάγει και προβλήματα που έχουν εμποδίσει μέχρι στιγμής την καθολική χρήση τέτοιου τύπου λύσεων, παρόλο που λαμβάνουν έντονης ερευνητικής προσοχής. Τα σημαντικότερα είναι η επιβάρυνση στις επιδόσεις που προσθέτει το virtualization αλλά και η αποδοτικότητα ενός τέτοιου συνδυασμού: δεν αρκεί δηλαδή μια τέτοια λύση να προσφέρει μόνο υψηλές επιδόσεις, αλλά πρέπει να είναι και οικονομική (πχ. δυνατότητα χρήσης GPU σε κάποια μόνο μηχανήματα μιας συστοιχίας υπολογιστών). Σκοπός αυτής της εργασίας είναι η μελέτης της δομής και τρόπων για την αποδοτική χρήση τέτοιων συνδυαστικών συστημάτων που αξιοποιούν gpgpu και virtualization. Συγκεκριμένα, εστιάζουμε στη δυνατότητα υπολογιστών χωρίς GPU να εκτελούν αποτελεσματικά εφαρμογές CUDA σε απομακρυσμένους (εικονικούς και μη) υπολογιστές με GPU, δηλαδή στην ταυτόχρονη (αποδοτική) χρήση μιας host gpu από πολλαπλούς (απομακρυσμένους) clients. Σε αυτό το πλαίσιο, παρουσιάζουμε μια υλοποίηση (GPUsockets) \say{διάφανη}/χωρίς απαιτούμενες μετατροπές από τη μεριά του χρήστη, βασισμένη στο μοντέλο διαχωρισμένου οδηγού, που αξιοποιεί το CUDA driver API, ώστε να είναι εύχρηστη και επεκτάσιμη. Εξετάζουμε την αποδοτικότητά της σε περιβάλλον Xen και, στο βαθμό που τα αποτελέσματα είναι ικανοποιητικά, προτείνουμε βελτιώσεις (πχ. αξιοποιώντας εναλλακτικές λύσεις ενδοεπικοινωνίας των VMs όπως το V4V/V4VSockets) και πιθανές μελλοντικές επεκτάσεις.	el
heal.abstract	Cloud computing, whether it concerns - geographically - distributed environments (grid computing) or computing centers with computer arrays (clusters), lies inevitably in the center of interest nowadays. For any application that requires increased computing power, efficiency of the above technologies is of particular importance (HPC). Efficient parallelization of repetitive tasks offered by the use of GPUs - instead of CPUs - (GPGPU) in computer clusters/grid computing for accelerating compute intensive applications, make it an increasingly adopted solution. The combination of GPU performance with the advantages offered by virtual environments (scalability, elasticity, security, live migration) offers both high performance and flexibility. At the same time it introduces problems that have thus far prevented wide adoption of such solutions despite them gaining great attention in research. Most importantly the performance overhead added by virtualization and the efficiency provided by a combination of that kind: one such solution should not only offer high performance, but also be economical (ie. offering the ability to use a GPU only in certain physical nodes of a computer cluster). The purpose of this thesis is to study the structure and ways to efficiently use such combinatorial systems that leverage GPGPU and virtualization. In particular, we focus on the ability of GPU-less computers to effectively run CUDA applications on remote (virtual or physical) GPU-equiped computers, namely simultaneous (efficient) use of a host GPU by multiple (remote) clients. In this context, we present an implementation (GPUsockets) that is \say{transparent}/without the need of any user-side modification, based on the split-driver model, that uses CUDA driver API, so that it offers ease of use and extensibility. We evaluate its’ efficiency in a Xen environment and, to the extent that the results are satisfying, we propose further improvements (ie. by using alternative solution for inter-VM communication like V4V/V4VSockets) and possible future extensions.	en
heal.advisorName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	62 σ.	el
heal.fullTextAvailability	true