Skip to main content

Energy Consumption Analysis and Time Estimation Model in GPU Cluster and MultiGPU in a High Computational Demand Problem

  • 268 Accesses

Part of the Communications in Computer and Information Science book series (CCIS,volume 995)

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.

Keywords

  • GPU
  • GPU cluster
  • MultiGPU
  • N-Body
  • Green Computing
  • Energy consumption

This is a preview of subscription content, access via your institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-030-20787-8_3
  • Chapter length: 13 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   79.99
Price excludes VAT (USA)
  • ISBN: 978-3-030-20787-8
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Softcover Book
USD   99.99
Price excludes VAT (USA)
Fig. 1.
Fig. 2.
Fig. 3.
Fig. 4.
Fig. 5.

References

  1. 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)

    Google Scholar 

  2. Francis, K., Richardson, P.: Green maturity model for virtualization. Arch. J. 18, 9–15 (2008)

    Google Scholar 

  3. 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)

    Google Scholar 

  4. Nvidia. www.nvidia.es/graphics-cards/geforce/pascal

  5. Nvidia. https://nvidianews.nvidia.com/news/nvidia-gpu-accelerated-supercomputer-sets-world-record-for-energy-efficiency

  6. 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)

    Google Scholar 

  7. 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

    Google Scholar 

  8. 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

    Google Scholar 

  9. Valdés Castro, E.: Tecnologías de información que contribuyen con las prácticas de Green IT. Ingenium 8, 11–26 (2014)

    CrossRef  Google Scholar 

  10. 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)

    Google Scholar 

  11. Talebi, M., Way, T.: Methods, metrics and motivation for a green computer science program. In: SIGCSE 2009, Chattanooga, Tennessee, USA (2009)

    Google Scholar 

  12. 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

  13. 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

    Google Scholar 

  14. Nvidia. www.nvidia.com/object/what-is-gpu-computing.html

  15. Nvidia Development. https://devtalk.nvidia.com/default/topic/808106/question-abount-cudasetdevice-and-multiple-host-threads

  16. Nvidia. nvidia.com/object/tesla-features-la.html

    Google Scholar 

  17. 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)

    Google Scholar 

  18. Nvidia CUDA Programing. https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html

  19. Tsuyoshi, H., Keigo, N.: 190 TFlops astrophysical N-body simulation on cluster of GPUs. Universidad de Nagasaki. IEEE (2010). 978-1-4244-7558-2

    Google Scholar 

  20. 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)

    Google Scholar 

  21. Restrepo, L.F., Gonzalez, L.J.: De Pearson a Spearman. Rev. Colombiana de Ciencias Pecuarias 20, 183–192 (2007)

    Google Scholar 

  22. 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

  23. 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

  24. Tool developed by Dr. Balladini J., National University of Comahue

    Google Scholar 

  25. Nvidia GPU Computing. www.nvidia.com/object/what-is-gpu-computing.html

  26. 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)

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Erica Montes de Oca .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and Permissions

Copyright information

© 2019 Springer Nature Switzerland AG

About this paper

Verify currency and authenticity via CrossMark

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)