computing
Terobosan Teknologi Multi-Threading Simultan dan Heterogen untuk Membuat Komputasi Lebih Cepat
Securities.io mempertahankan standar editorial yang ketat dan dapat menerima kompensasi dari tautan yang ditinjau. Kami bukan penasihat investasi terdaftar dan ini bukan nasihat investasi. Silakan lihat pengungkapan afiliasi.
Meskipun semua perangkat baru dari raksasa teknologi seperti Apple dan Google menghadirkan peningkatan bertahap—peningkatan daya tahan baterai satu digit, pengurangan satu nanometer untuk prosesor, yang belum memberikan hasil optimal bagi produsen, atau beberapa megapiksel tambahan—pertanyaannya muncul: Apakah peningkatan sederhana seperti itu sudah cukup? Apakah menambahkan lebih banyak perangkat keras adalah solusinya?
Tidak menurut Associate Professor Hung-Wei Tseng dari Departemen Teknik Elektro dan Komputer di Universitas California, Riverside (UCR). Dia berkata:
“Anda tidak perlu menambahkan prosesor baru karena Anda sudah memilikinya.”
Profesor Tseng, bersama tim peneliti, mengembangkan kerangka perangkat lunak baru untuk pemrosesan paralel disebut Multi-threading Simultan dan Heterogen (SHMT). Berdasarkan hasil awal, SHMT siap untuk secara signifikan meningkatkan kecepatan pemrosesan dan mengurangi konsumsi daya dengan memanfaatkan kemampuan laten prosesor saat ini di komputer pribadi, ponsel, dan perangkat lainnya.
Disebut-sebut sebagai “terobosan” oleh komunitas teknologi, SHMT bertujuan untuk menghilangkan hambatan aliran data dan memfasilitasi kolaborasi yang lancar dari banyak unit pemrosesan. Terobosan ini tidak hanya berdampak pada perangkat elektronik pribadi tetapi juga pusat data dan jenis komputasi paralel besar lainnya.
Menghancurkan Kemacetan
Sebelum kita mulai mengeksplorasi manfaat penuh dari apa yang dapat dicapai dengan multi-threading secara simultan dan heterogen, mari kita pahami terlebih dahulu keterbatasan sistem komputasi saat ini.
Di sebagian besar perangkat, berbagai komponen, seperti unit pemrosesan pusat (CPU), unit pemrosesan grafis (GPU), dan unit pemrosesan tensor (TPU), menangani informasi secara terpisah. Data ditransfer dari satu unit pemrosesan ke unit pemrosesan lainnya, sering kali mengakibatkan “hambatan” yang menghambat kinerja sistem secara keseluruhan.
Hal ini diperparah oleh model pemrograman tradisional, yang biasanya mendelegasikan tugas ke satu jenis prosesor, sehingga sumber daya lain terbengkalai dan kurang dimanfaatkan. Senada dengan pengamatan ini, makalah penelitian 'Multi-threading Simultan dan Heterogen' karya Kuan-Chieh Hsu dan Hung-Wei Tseng menyatakan:
“Model pemrograman yang sudah mengakar berfokus pada penggunaan hanya unit pemrosesan yang paling efisien untuk setiap wilayah kode, sehingga kurang memanfaatkan kekuatan pemrosesan dalam komputer yang heterogen.”
SHMT mengambil penyimpangan dari pendekatan ini dengan mengeksploitasi keragaman berbagai komponen dalam sistem komputasi. Konsep ini dikenal dengan istilah heterogenitas. Dengan memecah fungsi komputasi dan mendistribusikannya ke unit pemrosesan yang tersedia, SHMT memfasilitasi pemrosesan paralel yang sebenarnya.
Pendekatan penguraian fungsi komputasi dan mendistribusikannya ke beberapa unit pemrosesan memaksimalkan pemanfaatan sumber daya yang tersedia untuk meningkatkan kinerja dan menghemat energi. Makalah penelitian ini lebih lanjut membedah kekurangan model pemrograman tradisional dengan menyatakan bahwa model tersebut “hanya dapat mendelegasikan wilayah kode secara eksklusif ke satu jenis prosesor, membiarkan sumber daya komputasi lain menganggur tanpa berkontribusi pada fungsi saat ini.”
Di sisi lain, SHMT bertujuan untuk mendobrak batasan-batasan ini dengan memanfaatkan keahlian unik setiap unit pemrosesan dan kerja kolaboratif mereka pada wilayah kode bersama. Para penulis juga menunjukkan bahwa teknologi komputasi kontemporer tidak dapat disangkal bersifat heterogen, karena semua platform komputasi mengintegrasikan berbagai jenis unit pemrosesan dan akselerator perangkat keras. Hal ini membutuhkan model pemrograman yang dapat secara efektif memanfaatkan kekuatan komponen-komponen yang beragam ini (yang persis seperti yang ingin dicapai SHMT).
Oleh karena itu, SHMT membuka jalan bagi komputasi yang lebih cepat dan efisien dengan mengatasi hambatan dalam komputasi yang sekarang tradisional.
Bagaimana Cara Kerja Teknologi Multi-Threading Simultan dan Heterogen?
Terbukti, 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 (VOP) untuk memfasilitasi pemindahan tugas dari aplikasi CPU ke a perangkat keras virtualMenurut penelitian, "Seperangkat operasi virtual (VOP) memungkinkan program CPU untuk 'memindahkan' suatu fungsi ke perangkat keras virtual." VOP ini memediasi komunikasi dan pendelegasian pekerjaan dengan menciptakan penghalang antara program dan perangkat keras.
Sistem runtime mengoptimalkan kinerja dengan mengevaluasi kapabilitas setiap sumber daya perangkat keras dan membuat keputusan penjadwalan yang cerdas saat aplikasi sedang dieksekusi. Menurut studi tersebut, "Selama eksekusi program, sistem runtime menggerakkan perangkat keras virtual multi-threading yang simultan dan heterogen, mengukur kemampuan sumber daya perangkat keras untuk membuat keputusan penjadwalan." Untuk memaksimalkan efisiensi sumber daya dan beradaptasi dengan kebutuhan spesifik pekerjaan, SHMT mengevaluasi kapabilitas perangkat keras secara dinamis.
Sistem runtime memecah VOP menjadi operasi tingkat tinggi (HLOP) untuk mendistribusikannya ke berbagai antrian tugas perangkat keras. Menurut penelitian, “Sistem runtime membagi VOP menjadi satu atau lebih operasi tingkat tinggi (HLOP) untuk menggunakan beberapa sumber daya perangkat keras secara bersamaan.” Menguraikan VOP menjadi HLOP menghasilkan kontrol granular atas alokasi pekerjaan dan pemanfaatan maksimum setiap unit pemrosesan.
Kebijakan penjadwalan SHMT menggunakan pendekatan pencurian pekerjaan yang sadar kualitas (QAWS), memastikan pemanfaatan sumber daya yang efisien dan beban kerja yang bervariasi. Menurut studi tersebut, "SHMT menggunakan kebijakan penjadwalan pencurian pekerjaan yang sadar kualitas (QAWS) yang tidak membebani sumber daya, tetapi membantu menjaga kendali mutu dan keseimbangan beban kerja." Selain mendistribusikan pekerjaan secara efektif di seluruh sistem, pendekatan ini mencegah unit pemrosesan menimbun sumber daya.
Jika SHMT ingin memaksimalkan kinerja tanpa mengorbankan kualitas, maka diperlukan kebijakan penjadwalan QAWS. Studi tersebut menyatakan bahwa “SHMT harus menjamin hasilnya tanpa menimbulkan biaya tambahan yang signifikan.” Untuk menjamin bahwa keluaran dari unit pemrosesan heterogen akurat dan konsisten, SHMT mengintegrasikan teknik pengendalian kualitas ke dalam penjadwalan.
Kemampuan SHMT untuk memanfaatkan kemampuan spesifik setiap perangkat keras merupakan nilai tambah yang besar. Sebagaimana dicatat dalam studi tersebut, “SHMT dapat memecah komputasi dari fungsi yang sama menjadi beberapa jenis sumber daya komputasi dan pada saat yang sama mengeksploitasi jenis paralelisme yang heterogen.” SHMT sangat meningkatkan kinerja karena memanfaatkan paralelisme dalam sistem heterogen untuk menjalankan pekerjaan secara bersamaan di beberapa unit prosesor.
Aspek lain dari SHMT yang seharusnya fleksibel dan adaptif adalah sistem runtime. Dan menurut penelitian, “Karena HLOP tidak bergantung pada perangkat keras, sistem runtime dapat menyesuaikan penetapan tugas sesuai kebutuhan.” Karena kemampuan adaptasinya, SHMT dapat bereaksi dengan cepat terhadap perubahan ketersediaan perangkat keras atau tuntutan beban kerja, menjaga sistem tetap berjalan pada efisiensi dan kinerja puncak.
Secara keseluruhan, studi ini menjabarkan semua langkah yang diperlukan untuk memahami cara kerja SHMT, menarik perhatian pada bagian-bagian penting dan proses yang memungkinkannya mencapai efisiensi dan efektivitas luar biasa dalam lingkungan komputasi yang heterogen. Berkat SHMT, yang menggunakan strategi penjadwalan VOP, HLOP, dan QAWS untuk merevolusi pemrosesan paralel, era baru komputasi yang efisien dan bertenaga akan segera dimulai.
Temuan Positif dari Pengujian Awal Prototipe
Untuk membuktikan SHMT berhasil, para peneliti di UCR menjalankan uji coba 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 Jetson Nano dengan prosesor quad-core ARM Cortex-A57, dan 128 inti GPU berarsitektur Maxwell.
Untuk mengevaluasi kinerja kerangka kerja SHMT dalam berbagai kondisi beban kerja, para peneliti menjalankan prototipe melalui serangkaian program benchmark. Hasilnya sangat mengesankan: strategi QAWS dengan kinerja terbaik tidak hanya mengurangi penggunaan energi sebesar 51%, tetapi juga meningkatkan kinerja pemrosesan sebesar 1.95 kali lipat dibandingkan dengan teknik dasar.
Hasil ini menggarisbawahi potensi SHMT untuk meningkatkan kinerja pemrosesan dan efisiensi energi secara signifikan di berbagai perangkat dan aplikasi perangkat lunak. SHMT menunjukkan bahwa memaksimalkan kinerja perangkat Anda saat ini dengan memanfaatkan semua sumber dayanya secara optimal tanpa perlu menghabiskan banyak uang untuk perangkat keras baru.
Dengan meningkatnya kebutuhan akan komputasi yang lebih cepat dan efisien, terobosan seperti multi-threading yang simultan dan heterogen akan menjadi semakin penting dalam membentuk lintasan teknologi di masa depan. Pekerjaan tim peneliti UCR memperjelas bahwa menemukan solusi komputasi berkinerja tinggi jangka panjang yang mampu beradaptasi dengan tuntutan dinamis dunia digital kita tidak pernah semudah ini dibandingkan dengan pekerjaan tim peneliti UCR.
Implikasi dan Arah Masa Depan dari Multi-Threading Simultan dan Heterogen
Penciptaan dan pengujian SHMT mewakili perubahan besar di masa depan komputasi. Ini mempunyai potensi untuk merevolusi desain dan penggunaan perangkat komputasi di beberapa aplikasi dengan menawarkan peningkatan kinerja yang besar dan penghematan energi dengan perangkat keras yang ada.
Seiring dengan adopsi SHMT yang lebih luas, konsumen mungkin dapat menghindari pembaruan perangkat keras yang mahal dan menikmati perangkat seluler, tablet, laptop, dan desktop yang lebih cepat dan responsif. Oleh karena itu, akan lebih banyak orang yang dapat membeli dan memiliki akses terhadap komputer berkinerja tinggi, sehingga membantu menutup kesenjangan digital.
Pusat data dan sistem komputasi skala besar lainnya juga mungkin menganggap SHMT sebagai alat yang sangat diperlukan untuk memangkas 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 teknologi terhadap lingkungan.
Terlepas dari upaya terbaik mereka, tim peneliti UCR menyadari bahwa masih ada hambatan yang harus diatasi dan peluang untuk penyelidikan dan kemajuan lebih lanjut di masa depan. Insinyur perangkat lunak dan pembuat perangkat keras perlu bekerja sama secara erat untuk menerapkan SHMT dalam skala besar. Ini akan menjamin bahwa teknologi tersebut berfungsi dengan baik di semua perangkat dan platform. Namun, penelitian lebih lanjut diperlukan untuk menentukan aplikasi dan beban kerja mana yang paling sesuai untuk menggunakan teknologi revolusioner ini.
Terlepas dari kendala-kendala ini, akademisi dan pelaku bisnis sama-sama menyadari hasil awal SHMT yang menjanjikan. Potensi bahwa teknologi inovatif ini dapat mentransformasi industri komputer semakin menarik seiring kemajuan studi dan terjalinnya kolaborasi.
Seperti banyak ide cemerlang lainnya, multi-threading yang simultan dan heterogen tampaknya merupakan produk akal sehat, tetapi masalahnya ada pada detailnya. Meskipun gagasan tentang cache bersama antara CPU dan GPU cukup menarik, hal ini mungkin memerlukan perombakan menyeluruh pada arsitektur perangkat keras.
Hal ini memerlukan perpindahan dari arsitektur x86-64 saat ini, dan desain seperti itu memerlukan pengembangan arsitektur prosesor baru dengan cache L3 atau L4 bersama. Hal ini, pada gilirannya, akan meningkatkan kompleksitas CPU dan berpotensi meniadakan manfaat apa pun yang diperoleh dari cache bersama.
Selain itu, memori cache biasanya jauh lebih kecil dibandingkan dengan RAM sistem dan tidak cocok untuk aplikasi GPU, yang memerlukan memori bandwidth tinggi dalam jumlah besar. Namun, perkembangan seperti memori universal dapat mengatasi kekhawatiran ini. Seiring dengan berlanjutnya penelitian terhadap SHMT, akan sangat menarik untuk melihat bagaimana teknologi inovatif ini berkembang dan berdampak pada masa depan pemrosesan paralel dan komputasi heterogen.
