Thanks to programming approaches like actor-based models, message passing is regaining popularity outside large-scale scientific computing for building scalable distributed applications in multi-core processors. Unfortunately, the mismatch between message passing models and today’s shared-memory hardware provided by commercial vendors results in suboptimal performance and a waste of energy. This paper presents a set of architectural extensions to reduce the overheads incurred by message passing workloads running on shared memory multi-core architectures. It describes the instruction set extensions and the hardware implementation. In order to facilitate programmability, the proposed extensions are used by a message passing library, allowing programs to take advantage of them transparently. As a proof-of-concept, we use modified MPI libraries and unmodified MPI programs to evaluate the proposal. Experimental results show that a best-effort design can eliminate over 60% of cache accesses caused by message data transmission and reduce the cycles spent in such task by 75%, while the addition of a simple coprocessor can completely off-load data movement from the CPU to avoid up to 92% of cache accesses, and a reduction of 12% of network traffic on average. The design achieves an improvement of 11%–12% in the energy-delay product of on-chip caches

چکیده

به لطف روش­ های برنامه نویسی مانند مدل­ های مبتنی بر actor، تبادل پیام علاوه بر پردازش­ های علمی بزرگ، برای ساخت اپلیکیشن­ های توزیع ­شده و مقیاس ­پذیر در پردازنده­ های چند هسته ­ای نیز دوباره محبوبیت پیدا کرده است. متاسفانه عدم تطابق بین مدل­ های تبادل پیام و سخت افزارهای امروزیِ اشتراک حافظه که توسط فروشندگان عرضه می­ شوند، باعث کاهش کارایی و اتلاف انرژی می­ شود. در این مقاله، یک مجموعه توسعه ­ی سخت افزاری برای کاهش سربار تبادل پیام در معماری پردازنده­ های چند هسته ­ای با حافظه مشترک ارائه می ­شود. ما توسعه مجموعه دستور العمل­ ها و پیاده سازی سخت افزاری را توضیح می­ دهیم. برای تسهیل برنامه نویسی، توسعه ­های ارائه شده از طریق یک کتابخانه تبادل پیام انجام می­ شوند. برنامه ها می ­توانند به صورت شفاف از این کتابخانه استفاده کنند. ما برای اثبات مفاهیم ارائه شده از کتابخانه­ های اصلاح شده ­ی MPI و برنامه­ های تغییر نیافته ­ی MPI  برای ارزیابی موارد پیشنهادی استفاده می­ کنیم. نتایج آزمایشات نشان می­ دهد که یک طراحی خوب می­ تواند دسترسی به حافظه پنهان را که ناشی از تبادل پیام است، تا 60 درصد، و چرخه­ های صرف شده برای این کار را را تا 75 درصد کاهش دهد. اضافه کردن یک کمک پردازنده ساده می­ تواند انتقال داده از CPU را کاملاً حذف کند تا دسترسی به حافظه پنهان تا 92 درصد، و ترافیک شبکه به صورت میانگین 12 درصد کاهش یابد. این طراحی تاخیر-انرژی حافظه پنهانِ روی تراشه را 11-12 درصد بهبود می­ دهد.

1-مقدمه

تبادل پیام (MP) برای مدت زیادی استفاده شده، و رایج ­ترین مدل برنامه نویسی برای اپلیکیشن­ های پردازشی با کارایی بالا (HPC) است که روی سیستم ­هایی با حافظه مشترک و تعداد زیادی گره، اجرا می ­شوند. اخیراً زبان­ های برنامه نویسی مبتنی بر actor و کتابخانه­ هایی مانند Erlang [1] و Akka/scala [10] باعث محبوبیت مدل MP در زمینه­ هایی غیر از حوزه ­ی سنتی آن (HPC) شده ­اند، و آن را به عنوان یک روش مناسب برای ساخت اپلیکیشن­ های موازی مطرح کرده ­اند که از تعداد زیادی از هسته­ های موجود در تراشه­ های چند پردازنده ­ی امروزی و آتی، استفاده می­ کند...