Scalable and Distributed Resource Management for Many-Core Systems

German Version) Many-Core Systeme stellen die Forschung vor vielfältige neue Herausforderungen, darunter die Handhabung von sehr dynamischer und kaum voraussagbarer Rechenlast. Optimale Ressourcenverwaltung von Many-Core Systemen ist ein NP-vollständiges Problem. Die große Anzahl der zu verwaltenden Anwendungen und Kernen führt bei zentral agierenden Heuristiken, welche stets einen globalen Blick auf das gesamte System haben, zu Skalierbarkeitsproblemen. Die Ressourcenverwaltung selbst kann so zum Engpass werden, welcher wegen hohen Latenzen die erzielbare Leistung des Systems einschränkt. Der Schwerpunkt dieser Arbeit liegt im Erreichen von Skalierbarkeit der Ressourcenverwaltung. Die Komplexität der Ressourcenverwaltung wird durch verteilt stattfindende lokale Optimierungen gehandhabt. Jeder Anwendung wird ein eigener lokaler Ressourcenmanager zugewiesen, welcher den Bedarf an Ressourcen der Anwendung gegenüber den anderen Anwendungen vertritt. Die lokalen Ressourcenmanager kommunizieren über ein, sich am ” Contract-Net Protokoll“ und an sogenannten ” Gossip Protokollen“ orientierendes, Protokoll miteinander und verhandeln lokal darüber, wie die Verteilung der Ressourcen der betroffenen Anwendungen anhand eines vorgegebenen Optimierungsziels verbessert werden kann. Parallele Anwendungen, welche sich während der Laufzeit an die ihnen zugewiesenen Ressourcen anpassen können, erlauben die Aufteilung (und Umverteilung) der Kerne des Many-Core Systems unter den gerade gleichzeitig ausgeführten Anwendungen, so dass diese effizient ausgeführt werden können. Dabei ist es jedoch wichtig, vor einer Ressourcenzuweisung die Auswirkungen auf die erzielbare Leistung der jeweiligen Anwendung abschätzen zu können. Im Rahmen dieser Arbeit wurde ein adaptives Anwendungs-Performance-Modell entwickelt, welches anhand einer parametrischen Beschreibung der Anwendung abschätzt, welche Performance die jeweilige Anwendung unter einer bestimmten Ressourcenzuweisung erreichen wird. Es reagiert dabei auf spontane Variationen in der Belastung des Systems und berücksichtigt die topologischen Eigenschaften der Ressourcen. Im Vergleich zu vorherigen Anwendungs-Performance-Modellen wird der durchschnittliche Schätzfehler von 14,7% auf 4,5% reduziert. Die vorgestellten Ressourcenverwaltung kann verschiedene Optimierungsziele verfolgen, welche durch eine Zielfunktion vorgegeben werden. Unter diesen Optimierungszielen ist beispielsweise die Maximierung des Durchschnitts der Performance der jeweils gleichzeitig ausgeführten Anwendungen. Die Annäherung an das Ziel