To overcome the challenges due to increasing energy consumption of High Performance Computing systems, we propose an automatic tools-aided approach to tune dynamic applications. We select best system configurations for groups of instances of code regions with similar computational characteristics, and then predict the application behavior for unseen instances during production runs. Our approach reduces the tuning time and effort, and improves both energy-efficiency and performance by up to 20%.
Übersetzte Kurzfassung:
Der Energieverbrauch von Supercomputern ist eine große Herausforderung. In dieser Arbeit wurden Techniken entwickelt, mit denen der Energieverbrauch einzelner Anwendungen bis zu 20 % reduziert werden kann. Dazu werden Hardwareparameter dynamisch an charakteristische Eigenschaften von Programmregionen angepasst. Hierbei wird neben der Ausführung unterschiedlicher Programmregionen auch eine Veränderung der Eigenschaften einzelner Regionen über die gesamte Laufzeit berücksichtigt.