Abstract
In this article, the energy used in two GPU clusters and MultiGPU to solve the n-body problem is analyzed. A time estimation model is developed and validated. Solutions are described and results shown, together with a performance and energy consumption analysis for the case study.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
References
Porcelli, A.M., Martínez, A.N.: La nueva economía del siglo XXI: análisis de los impactos de la informática en el ambiente. Tendencias actuales en tecnologías informáticas verdes, un compromiso con la sustentabilidad. Quaestio Iuris, Rio de Janeiro, vol. 08, no. 04, Special Number, pp. 2174–2208 (2015)
Francis, K., Richardson, P.: Green maturity model for virtualization. Arch. J. 18, 9–15 (2008)
Montes de Oca, E., De Giusti, L., De Giusti, A., Naiuof, M.: Comparación del uso de GPU y cluster de multicore en problemas con alta demanda computacional. In: XI Workshop de Procesamiento Distribuido y Paralelo, CACIC 2012, Bahía Blanca, Buenos Aires, Argentina (2012)
Díaz, J., Ambrosi, V., Castro, N., Candia, D., Vega, E., Rodriguez, A.: Experiencia de la enseñanza de Green IT en la currícula de carreras de Informática de la UNLP. In: XI Congreso de Educación en Tecnología y Tecnología en Educación (2016)
Montes de Oca, E., De Giusti, L., Chichizola, F., De Giusti, A., Naiouf, M.: Utilización de Cluster de GPU en HPC. Un caso de estudio. In: IVX Workshop de Procesamiento Distribuido y Paralelo. CACIC2014, La Matanza, Buenos Aires, Argentina (2014). ISBN 978-987-3806-05-6
Montes de Oca, E., De Giusti, L., De Giusti, A., Naiouf, M.: Análisis de consumo energético en Cluster de GPU y MultiGPU en un problema de Alta Demanda Computacional. In: XXIV Congreso Argentino de Ciencias de la Computación (CACIC) 2018, Tandil, Buenos Aires, Argentina, October 2018
Valdés Castro, E.: Tecnologías de información que contribuyen con las prácticas de Green IT. Ingenium 8, 11–26 (2014)
González, C., Pérez, R., Vásquez Stanescu, C., Araujo, G.: Eficiencia energíetica. Uso racional de la energía eléctrica en el sector administrativo. In: Ministerio del Poder Popular para la Energía Eléctrica. Municipio Libertador, Distrito Capital República Bolivariana de Venezuela (2014)
Talebi, M., Way, T.: Methods, metrics and motivation for a green computer science program. In: SIGCSE 2009, Chattanooga, Tennessee, USA (2009)
Represa Pérez, C., Cámara Nebreda, J.M., Sánchez Ortega, P.L.: Introducción a la programación en CUDA, Universidad de Burgos, Área de Tecnología Electrónica (2016). http://riubu.ubu.es/bitstream/10259/3933/1/Programacion_en_CUDA.pdf
Silvestein, M., et al.: GPUnet: networking abstractions for GPU programs, transactions on computer systems. ACM Trans. Comput. Syst. 34(3), 9 (2016). ACM 0734-2071/2016/09, 2016
Nvidia Development. https://devtalk.nvidia.com/default/topic/808106/question-abount-cudasetdevice-and-multiple-host-threads
Nvidia. nvidia.com/object/tesla-features-la.html
Bruzzone, S.: LFN10, LFN10-OMP y el Método de Leapfrog en el Problema de los N Cuerpos. Instituto de Física, Departamento de Astronomia, Universidad de la República y Observatorio Astronómico los Molinos, Uruguy (2011)
Nvidia CUDA Programing. https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html
Tsuyoshi, H., Keigo, N.: 190 TFlops astrophysical N-body simulation on cluster of GPUs. Universidad de Nagasaki. IEEE (2010). 978-1-4244-7558-2
Montes de Oca, E., De Giusti, L., Chichizola, F., De Giusti, A., Naiouf, M.: Análisis de uso de un algoritmo de balanceo de carga estático en un Cluster Multi-GPU Heterogéneo. In: XV Workshop de Procesamiento Distribuido y Paralelo. CACIC2016. San Luis, San Luis, Argentina (2016)
Restrepo, L.F., Gonzalez, L.J.: De Pearson a Spearman. Rev. Colombiana de Ciencias Pecuarias 20, 183–192 (2007)
Montes de Oca, E.: Análisis de consumo energético en Cluster de GPU y MultiGPU en un problema de alta demanda computacional. In: Trabajo Final Integrador para la carrera de Especialización en Cómputo de Altas Prestaciones y Tecnología Grid (2018). http://sedici.unlp.edu.ar/handle/10915/69719
Rigol: RIGOL User’s Guide MSO1000Z/DS1000Z Series Digital Oscilloscope (2018). http://beyondmeasure.rigoltech.com/acton/attachment/1579/f-050a/1/-/-/-/-/MSO1000Z%26DS1000Z_UserGuide.pdf
Tool developed by Dr. Balladini J., National University of Comahue
Nvidia GPU Computing. www.nvidia.com/object/what-is-gpu-computing.html
Pousa, A., Sanz, V., De Giusti, A.: Análisis de rendimiento de un algoritmo de criptografía simétrica sobre GPU y Cluster de GPU. Instituto de Investigación en Informática LIDI, Fac. de Informática, UNLP. HPC La TAM 2013 (2013)
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Nature Switzerland AG
About this paper
Cite this paper
Montes de Oca, E., De Giusti, L., De Giusti, A., Naiouf, M. (2019). Energy Consumption Analysis and Time Estimation Model in GPU Cluster and MultiGPU in a High Computational Demand Problem. In: Pesado, P., Aciti, C. (eds) Computer Science – CACIC 2018. CACIC 2018. Communications in Computer and Information Science, vol 995. Springer, Cham. https://doi.org/10.1007/978-3-030-20787-8_3
Download citation
DOI: https://doi.org/10.1007/978-3-030-20787-8_3
Published:
Publisher Name: Springer, Cham
Print ISBN: 978-3-030-20786-1
Online ISBN: 978-3-030-20787-8
eBook Packages: Computer ScienceComputer Science (R0)