iMODE interactive mood detection engine

Abstract

Uygulamalar çalışma zamanları içerisinde mizaçlarını zaman zaman değiştirirler. Bellek-yoğunluklu bir uygulama baştan sona bütün komutlarında bellek-yoğunluklu çalışmaz. Yine benzer bir şekilde, yüksek hesaplama-yoğunluklu bir uygulamanın çalışma zamanının bir döneminde yüksek bellek-yoğunluklu bir trafik oluşturduğunu görürüz. Fakat buna rağmen işlemcilerin sabit kaynak dizilimleri ile her türden uygulamaya her türlü çalışma fazında hizmet vermeye çalıştığını görmekteyiz. Biz, bu çalışmada uygulamaların anlık mizaç değişikliklerini algılayan ve buna göre hızlı bir şekilde işlemcinin modunu yüksek performansı yakalayabilmek adına sırasız çalışma ve güç tasarrufu yapabilmek adına sıralı çalışma modları arasında değiştirebilen bir işlemci tasarımı sunuyoruz. Yaptığımız deneylerde, sunduğumuz işlemcinin gerçekten uygulamaların mizaç değişimlerini doğru bir şekilde takip ettiğini gözlemlemekte ve benzetim edilen denek uygulamalarda sadece yüzde 1'in altında performans kaybı ile ortalama yüzde 17 güç tasarrufu elde edildiği görülmektedir.

Applications change their mood from time to time. A memory-intensive application does not need to be always memory-intensive from its first instruction to its last. Similarly, it is highly usual that a computation-intensive application generates heavy memory traffic at certain points of its entire run. Meanwhile, processors are designed to have a fixed resource configuration, which is expected to serve all kinds of applications with all kinds of program phases. In this study, we propose a new processor, which tracks down instant mood changes of running applications and applies immediate processor mode changes between in-order and out-of-order modes for either saving power or keeping up with the high-performance demands of applications. In our experiments, we observe that the proposed processor can really track the mood changes of applications, accurately, and achieves 17 percent power savings with only less than 1 percent of performance drop, on the average across all simulated benchmarks.