Komputasi
Teknologi Multi-Threading Simultan dan Heterogen yang Revolusioner untuk Mempercepat Komputasi
Tambahkan Securities.io ke sumber pilihan Anda di Google
Meskipun semua perangkat baru dari raksasa teknologi seperti Apple (AAPL ) dan Google menampilkan perbaikan bertahap—peningkatan satu digit pada masa pakai baterai, satu nanometer lebih kecil untuk prosesor, yang belum menghasilkan hasil optimal bagi produsen, atau beberapa megapiksel tambahan—pertanyaannya muncul: Apakah peningkatan modest ini benar‑benar cukup? Apakah menambah lebih banyak perangkat keras adalah solusinya?
Tidak menurut Associate Professor Hung-Wei Tseng dari Departemen Teknik Elektro dan Komputer di University of California, Riverside (UCR). Dia berkata:
“Anda tidak perlu menambahkan prosesor baru karena Anda sudah memilikinya.”
Profesor Tseng, bersama tim peneliti, mengembangkan kerangka kerja perangkat lunak baru untuk pemrosesan paralel yang disebut Simultaneous and Heterogeneous Multi-threading (SHMT). Menurut hasil awal, SHMT siap meningkatkan kecepatan pemrosesan secara signifikan dan mengurangi konsumsi daya dengan memanfaatkan kemampuan tersembunyi dari prosesor saat ini di komputer pribadi, ponsel, dan perangkat lainnya.
Dinyatakan sebagai “ground-breaking” oleh komunitas teknologi, SHMT bertujuan menghilangkan bottleneck aliran data dan memfasilitasi kolaborasi mulus banyak unit pemrosesan. Terobosan ini dapat memengaruhi tidak hanya elektronik pribadi tetapi juga pusat data dan jenis komputasi paralel masif lainnya.
Membongkar Bottleneck
Sebelum kita menjelajahi seluruh potensi yang dapat dicapai dengan simultaneous and heterogeneous multi-threading, mari kita pahami dulu keterbatasan sistem komputasi saat ini.
Pada kebanyakan perangkat, berbagai komponen, seperti unit pemrosesan pusat (CPU), unit pemrosesan grafis (GPU), dan unit pemrosesan tensor (TPU), menangani informasi secara terpisah. Data dipindahkan dari satu unit pemrosesan ke unit lainnya, sering kali menghasilkan “bottleneck” yang menghambat kinerja sistem secara keseluruhan.
Hal ini semakin diperparah oleh model pemrograman tradisional, yang biasanya mendelegasikan tugas ke satu jenis prosesor, sehingga meninggalkan sumber daya lain menganggur dan tidak dimanfaatkan secara optimal. Menyuarakan pengamatan ini, makalah penelitian ‘Simultaneous and Heterogeneous Multi-threading’ oleh Kuan-Chieh Hsu dan Hung-Wei Tseng menyatakan:
“Model pemrograman yang mapan berfokus pada penggunaan hanya unit pemrosesan paling efisien untuk setiap wilayah kode, sehingga tidak memanfaatkan daya pemrosesan dalam komputer heterogen.”
SHMT mengambil pendekatan berbeda dengan memanfaatkan keberagaman banyak komponen dalam sistem komputasi. Konsep ini dikenal sebagai heterogenitas. Dengan membongkar fungsi komputasi dan mendistribusikannya di antara unit pemrosesan yang tersedia, SHMT memfasilitasi pemrosesan paralel sejati.
Pendekatan memecah fungsi komputasi dan mendistribusikannya di antara beberapa unit pemrosesan ini memaksimalkan pemanfaatan sumber daya yang ada untuk meningkatkan kinerja dan menghemat energi. Makalah penelitian lebih lanjut menguraikan kelemahan model pemrograman tradisional dengan menyatakan bahwa mereka “hanya dapat mendelegasikan wilayah kode secara eksklusif ke satu jenis prosesor, meninggalkan sumber daya komputasi lain menganggur tanpa berkontribusi pada fungsi saat ini.”
SHMT, di sisi lain, berusaha membebaskan diri dari batasan tersebut dengan memanfaatkan keahlian unik setiap unit pemrosesan dan kerja kolaboratif mereka pada wilayah kode bersama. Penulis juga menekankan bahwa teknologi komputasi kontemporer tidak dapat dipungkiri bersifat heterogen, karena semua platform komputasi mengintegrasikan berbagai jenis unit pemrosesan dan akselerator perangkat keras. Ini menuntut model pemrograman yang dapat secara efektif memanfaatkan kekuatan komponen beragam ini (yang tepatnya merupakan tujuan SHMT).
Dengan demikian, SHMT membuka jalan bagi komputasi yang lebih cepat dan lebih efisien dengan mengatasi bottleneck dalam komputasi tradisional saat ini.
Bagaimana Teknologi Simultaneous and Heterogeneous Multi-Threading Bekerja?
Seperti yang terlihat, mengelola dan mendistribusikan aktivitas komputasi secara efisien di antara berbagai komponen perangkat keras adalah prinsip dasar di balik SHMT.
Kerangka kerja ini mencakup kumpulan operasi virtual (VOPs) untuk memfasilitasi offloading tugas dari aplikasi CPU ke perangkat keras virtual. Menurut studi, “Sekumpulan operasi virtual (VOPs) memungkinkan program CPU ‘offload’ fungsi ke perangkat keras virtual.” VOPs ini memediasi komunikasi dan delegasi pekerjaan dengan menciptakan penghalang antara program dan perangkat keras.
Sistem runtime mengoptimalkan kinerja dengan mengevaluasi kemampuan setiap sumber daya perangkat keras dan membuat keputusan penjadwalan cerdas saat aplikasi dijalankan. Menurut studi, “Selama eksekusi program, sistem runtime menggerakkan hardware virtual simultaneous and heterogeneous multi-threading, menilai kemampuan sumber daya perangkat keras untuk membuat keputusan penjadwalan.” Untuk memaksimalkan efisiensi sumber daya dan menyesuaikan dengan kebutuhan pekerjaan, SHMT secara dinamis mengevaluasi kemampuan perangkat keras.
Sistem runtime memecah VOPs menjadi operasi tingkat tinggi (HLOPs) untuk mendistribusikannya ke berbagai antrian tugas perangkat keras. Menurut studi, “Sistem runtime membagi VOPs menjadi satu atau lebih operasi tingkat tinggi (HLOPs) untuk secara simultan menggunakan banyak sumber daya perangkat keras.” Memecah VOPs menjadi HLOPs memungkinkan kontrol granular atas alokasi pekerjaan dan pemanfaatan maksimum setiap unit pemrosesan.
Kebijakan penjadwalan SHMT menggunakan pendekatan quality-aware work-stealing (QAWS), memastikan pemanfaatan sumber daya yang efisien dan beban kerja yang beragam. Menurut studi, “SHMT menggunakan kebijakan penjadwalan quality-aware work-stealing (QAWS) yang tidak memonopoli sumber daya, tetapi membantu menjaga kontrol kualitas dan keseimbangan beban kerja.” Selain mendistribusikan pekerjaan secara efektif di seluruh sistem, pendekatan ini mencegah unit pemrosesan apa pun menguasai sumber daya.
Jika SHMT ingin memaksimalkan kinerja tanpa mengorbankan kualitas, ia memerlukan kebijakan penjadwalan QAWS. Studi menyatakan bahwa “SHMT harus memastikan hasil tanpa menimbulkan overhead yang signifikan.” Untuk menjamin bahwa output dari unit pemrosesan heterogen akurat dan konsisten, SHMT mengintegrasikan teknik kontrol kualitas ke dalam penjadwalan.
Kemampuan SHMT untuk memanfaatkan kemampuan spesifik setiap perangkat keras merupakan keunggulan utama. Seperti yang dicatat dalam studi, “SHMT dapat memecah komputasi dari fungsi yang sama ke beberapa jenis sumber daya komputasi dan memanfaatkan jenis paralelisme heterogen secara bersamaan.” SHMT secara signifikan meningkatkan kinerja karena memanfaatkan paralelisme dalam sistem heterogen untuk menjalankan pekerjaan secara simultan di beberapa unit prosesor.
Aspek lain dari SHMT yang diklaim fleksibel dan adaptif adalah sistem runtime. Dan menurut studi, “Karena HLOPs bersifat independen dari perangkat keras, sistem runtime dapat menyesuaikan penugasan tugas sesuai kebutuhan.” Karena adaptabilitasnya, SHMT dapat merespons secara real‑time terhadap perubahan ketersediaan perangkat keras atau permintaan beban kerja, menjaga sistem tetap beroperasi pada efisiensi dan kinerja puncak.
Secara keseluruhan, studi merinci semua langkah penting untuk memahami cara kerja SHMT, menyoroti bagian dan proses kritis yang memungkinkannya mencapai efisiensi dan efektivitas luar biasa dalam lingkungan komputasi heterogen. Berkat SHMT, yang menggunakan VOPs, HLOPs, dan strategi penjadwalan QAWS untuk merevolusi pemrosesan paralel, era baru komputasi yang efisien dan kuat akan segera tiba.
Temuan Positif dari Pengujian Awal Prototipe
Untuk membuktikan bahwa SHMT berfungsi, peneliti di UCR melakukan serangkaian tes ketat pada sistem prototipe yang meniru kemampuan pusat data dengan menggunakan komponen standar pada ponsel modern. Prototipe tersebut mencakup Google Edge TPU yang terintegrasi melalui slot M.2 Key E sistem, modul NVIDIA (NVDA ) Jetson Nano dengan prosesor ARM Cortex-A57 quad‑core, dan 128 inti GPU arsitektur Maxwell.
Untuk mengevaluasi kinerja kerangka kerja SHMT di bawah berbagai kondisi beban kerja, peneliti menjalankan prototipe melalui serangkaian program benchmark. Hasilnya mengesankan: strategi QAWS teratas tidak hanya mengurangi penggunaan energi sebesar 51% tetapi juga meningkatkan kinerja pemrosesan sebesar 1,95X dibandingkan teknik dasar.
Hasil tersebut menegaskan potensi SHMT untuk secara signifikan meningkatkan kinerja pemrosesan dan efisiensi energi di berbagai perangkat dan aplikasi perangkat lunak. SHMT menunjukkan bahwa memungkinkan untuk memaksimalkan setup saat ini dengan memanfaatkan semua sumber daya secara lebih baik tanpa harus mengeluarkan biaya besar untuk perangkat keras baru.
Dengan kebutuhan yang terus meningkat akan komputasi yang lebih cepat dan lebih efisien, terobosan seperti simultaneous and heterogeneous multi-threading akan menjadi semakin penting dalam membentuk lintasan masa depan teknologi. Karya tim peneliti UCR memperjelas bahwa menemukan solusi komputasi berperforma tinggi jangka panjang yang dapat beradaptasi dengan tuntutan dinamis dunia digital kita tidak pernah semudah ini berkat kerja tim peneliti UCR.
Implikasi dan Arah Masa Depan Simultaneous and Heterogeneous Multi-Threading
Penciptaan dan pengujian SHMT mewakili pergeseran mendalam dalam masa depan komputasi. Teknologi ini berpotensi merevolusi desain dan penggunaan perangkat komputasi di berbagai aplikasi dengan menawarkan peningkatan kinerja yang signifikan dan penghematan energi menggunakan perangkat keras yang ada.
Seiring SHMT semakin banyak diadopsi, konsumen mungkin dapat menghindari pembaruan perangkat keras yang mahal dan menikmati perangkat seluler, tablet, laptop, serta desktop yang lebih cepat dan responsif. Karena hal ini, lebih banyak orang akan segera dapat membeli dan mengakses komputer berperforma tinggi, membantu menutup kesenjangan digital.
Pusat data dan sistem komputasi skala besar lainnya juga mungkin menemukan SHMT sebagai alat penting untuk mengurangi biaya dan penggunaan energi tanpa mengorbankan kinerja. Selain itu, inovasi yang mendorong efisiensi energi dan keberlanjutan, seperti SHMT, akan semakin penting seiring meningkatnya kekhawatiran tentang dampak lingkungan teknologi.
Meskipun telah berupaya keras, tim peneliti UCR menyadari masih ada hambatan yang harus diatasi dan peluang untuk penelitian serta pengembangan lebih lanjut di masa depan. Insinyur perangkat lunak dan pembuat perangkat keras perlu bekerja sama secara erat untuk mengimplementasikan SHMT secara luas. Hal ini akan memastikan teknologi berfungsi baik pada semua perangkat dan platform. Namun, penelitian lebih lanjut diperlukan untuk menentukan aplikasi dan beban kerja mana yang paling cocok menggunakan teknologi revolusioner ini.
Terlepas dari hambatan tersebut, akademisi dan bisnis sama-sama memperhatikan hasil awal SHMT yang menjanjikan. Kemungkinan bahwa teknologi revolusioner ini dapat mengubah industri komputer menjadi semakin menarik seiring studi berkembang dan kolaborasi terbentuk.
Seperti banyak ide brilian lainnya, simultaneous and heterogeneous multi-threading tampaknya merupakan produk akal sehat, namun detailnya sangat penting. Meskipun gagasan cache bersama antara CPU dan GPU menarik, kemungkinan besar hal ini memerlukan perombakan total arsitektur perangkat keras.
Hal ini akan mengharuskan peralihan dari arsitektur x86-64 saat ini, dan desain semacam itu memerlukan pengembangan arsitektur prosesor baru dengan cache L3 atau L4 bersama. Ini pada gilirannya akan meningkatkan kompleksitas CPU dan berpotensi meniadakan manfaat yang diperoleh dari cache bersama.
Selain itu, memori cache biasanya jauh lebih kecil dibandingkan RAM sistem dan tidak cocok untuk aplikasi GPU, yang memerlukan memori berbandwidth tinggi dalam jumlah besar. Namun, perkembangan seperti universal memory dapat mengatasi kekhawatiran ini. Seiring penelitian tentang SHMT terus berlanjut, akan menarik melihat bagaimana teknologi inovatif ini berkembang dan memengaruhi masa depan pemrosesan paralel serta komputasi heterogen.
