Consumo de Software pela Abordagem Baseada em Medi¸ c˜ ao

An´ alise do Estado da Arte

3.2 CONSUMO RELATIVO AO PROCESSAMENTO DOS

3.2.1 Consumo de Software pela Abordagem Baseada em Medi¸ c˜ ao

Os primeiros passos na dire¸cão da pesquisa sobre o consumo de energia de softwares teve in´ıcio com os trabalhos de Tiwari, Ma- lik e Wolfe (1994), nos quais são estabelecidas as diretrizes básicas relacionadas com o consumo das instru¸cões do código. O modelo desenvolvido define um custo para cada instru¸cão, tendo como base um intervalo de tempo em ciclos de execu¸cão para um processador 486DX. No desenvolvimento dos seus experimentos, foi utilizada a técnica de medi¸cão direta para obter a corrente consumida, ou seja, foram usados instrumentos elétricos. Posteriormente, em 1996 foi ampliado o cenário de testes para três processadores, houve inclusão de detalhes no modelo e também foi aumentada a sua complexidade e precisão (TIWARI et al., 1996).

Como a energia consumida pelo processamento do software con- tribui de maneira não desprez´ıvel na conta do consumo energético de um SCF, são necessários modelos capazes de estimar tal consumo. As formula¸cões propostas nessa área incluem modelos estáticos e dinâmi- cos, que são avaliados por meio de técnicas baseadas em medi¸cões ou por simula¸cão (DALAL; RAVIKUMAR, 2001;KAVVADIAS et al., 2004;

VENKATACHALAM; FRANZ, 2005).

Por defini¸cão, os modelos estáticos avaliam o código compilado e, portanto, são limitados `a captura de efeitos decorrentes do overhead, tipos de dado de entrada e rela¸cão com o ambiente operacional. A principal caracter´ıstica de tais modelos é a atribui¸cão de custos às instru¸cões que procuram incluir informa¸cões sobre a arquitetura e sobre fatores que interferem no consumo (MALIK; MARTONOSI; LI, 1997).

Por outro lado, os modelos dinâmicos obtêm mais êxito no quesito captura dos efeitos, porém são mais complexos e a estimativa é realizada, normalmente, através de simula¸cões. Nesse caso, a complexidade decorre do fato de que é necessário o conhecimento de detalhes da arquitetura, da capacidade de modelar os efeitos decorrentes dos dados processados e dos acessos à memória. No entanto, segundo Nogueira, Maciel e Callou (2009), essas ainda são estimativas mais exatas do que as técnicas baseadas em medi¸cões.

Nessas últimas, os resultados se aproximam do valor real, tornando o modelo próximo ao do comportamento do processador. Con- tudo, deve-se considerar que a exatidão dos resultados depende de fatores como: acessibilidade à plataforma testada, qualidade dos instrumentos de medida e técnica utilizada na coleta dos resultados (KAVVA- DIAS et al., 2004).

Na continuidade das pesquisas, BRANDOLESE et al. (1999) propuseram uma metodologia geral, que é independente do processador. A metodologia abstrai o n´ıvel arquitetônico e se concentra nas funcionalidades envolvidas na execu¸cão das instru¸cões. Assim, o modelo ´e constru´ıdo sobre um conhecimento a priori da energia que caracteriza um conjunto de instru¸cões. O trabalho mais recente da equipe estabelece um modelo, no qual são avaliados os aspectos dinâmicos e estáticos do código. Primeiramente o código é repre- sentado em uma etapa intermediária, que compreende blocos básicos com instru¸cões de diferentes tipos. Essa representa¸cão é modelada considerando: o código fonte intermediário, o comportamento dinâmico e a arquitetura alvo. Cada um desses elementos recebe um custo que integra equa¸cões matriciais que ao serem resolvidas estimam a energia do código (BRANDOLESE; CORBETTA; FORNACIARI, 2011).

Embora existam alguns projetos que caracterizem o consumo de um conjunto de instru¸cões (LEE; ERMEDAHL; MIN, 2001; LEE et al., 1995; LI; MALIK; WOLFE, 1999), as op¸cões para realizar essa tarefa em diferentes arquiteturas e de forma automatizada ainda são es- cassas. Procurando preencher essa lacuna, Wendt, Grumer e Steger (2010) apresentam uma técnica de medi¸cão que pode combinar uma

amostragem por relógio ou dirigida por energia. O modelo proposto calcula a energia considerando o consumo das instru¸cões independentes, dependˆencia dos dados, a cache e os componentes externos, tais como barramento, memória e periféricos. Apesar dessa técnica de medi¸cão ser completa, ela exige etapas intermediárias que precisam de circuitos eletrônicos para viabilizar a medida da energia.

Nessa área, Sinha e Chandrakasan (2000) apresentam uma pesquisa de base, na qual propõem um modelo energético que prevê a energia total consumida polo processamento do software. A particula- ridade do modelo reside no fato de que os efeitos da corrente de fuga e da potência dinâmica (introduzidos na se¸cão 3.1 (p.50)) são calculados de maneira separada. Para calcular o consumo do processador são usadas as parcelas da potência dinâmica e da potência da corrente de fuga, desconsiderando, portanto, os efeitos da corrente de curto-circuito. Os transistores CMOS são projetados para operar com tensão de limiar (threshold voltage (Vth)) cada vez menores, o que faz com que a corrente

sublimiar de fuga n˜ao deva ser desconsiderada. Os resultados dos testes realizados com o microprocessador StrongARM SA-1100, para um determinado conjunto de programas2_{, indicaram que o percentual}

da energia da corrente de fuga é em torno de 10% e o seu valor aumenta exponencialmente com a tensão de alimenta¸cão e decresce linearmente com a frequência de opera¸cão.

Apesar dos esfor¸cos para mensurar a energia dos programas computacionais, as abordagens propostas são estimadas mediante uma arquitetura espec´ıfica. Essa caracter´ıstica impõe restri¸cões para a defini¸cão das métricas de energia, as quais poderiam ser usadas para comparar padr˜oes de software independentemente do hardware.

Ainda, observa-se que os métodos descritos utilizam-se do tra¸cado das instru¸cões em baixo n´ıvel para um dado programa, sendo que o tempo para esse processo torna-se proibitivo para aplica¸cões mais extensas. Dessa forma, além de serem necessárias, são vis´ıveis as consequências de transpor as abordagens para n´ıveis de maior abstra¸cão (CHATZIGEORGIOU; STEPHANIDES, 2002).

3.2.2 Consumo do Software pela Abordagem Baseada em Simula¸c˜ao

Ferramentas de simula¸cão vem sendo usadas para mensurar o consumo energético proveniente da execu¸cão de um determinado

modelo de software. S˜ao três os aspectos que permitem caracterizar um trabalho de simula¸cão: o desempenho, a flexibilidade e o detalhamento. O desempenho determina a quantidade de carga de trabalho que o modelo pode exercer, dado o processador e os recursos dispon´ıveis para a simula¸cão. A flexibilidade indica o quanto o modelo está estruturado para adapta¸cões, permitindo altera¸cões na estrutura implementada ou mesmo projetos completamente diferentes. Na prática, a otimiza¸cão simultânea das três caracter´ısticas do modelo é dif´ıcil. Assim, a maioria dos simuladores dispon´ıveis consegue otimizar um ou dois dos aspectos citados. Isso explica a existência de diferentes ferramentas de simula¸cão (AUSTIN; LARSON; ERNST, 2002).

A seguir apresenta-se um resumo descritivo das principais ferramentas de simula¸cão dispon´ıveis para fins de avalia¸cão do consumo energético.

1. ECOSystem (ZENG et al., 2002): ´

E proposto o modelo de “Commodities de Corrente” (Currentcy) que uniﬁca a contabilidade energ´etica dos componentes de hard-

ware. Dessa forma, torna-se poss´ıvel a distribui¸c˜ao equitativa da energia dispon´ıvel entre os aplicativos. O modelo em questão trata a energia como um commoditie, atribu´ıdo aos diferentes re- cursos do sistema de forma que possam operar desde que tenham o suficiente em unidades de transa¸cão. A proposta é resolver o problema de gerência dos recursos da bateria que envolve: (i) conhecimento e determina¸cão do n´ıvel de consumo do recurso; (ii) tarifar adequadamente o uso dos componentes do sistema e (iii) atribuir custos apropriados a cada componente. Periodicamente, o sistema operacional distribui uma quantidade fixa de unidades de transa¸cão entre as aplica¸cões, utilizando como referência a taxa de drenagem da bateria. Os aplicativos podem utilizar os recursos espec´ıficos somente se eles podem saldar a sua utiliza¸cão. Quando um aplicativo é executado, gasta parte desse estoque. Há a interrup¸cão dessa aplica¸c˜ao quando o sua commoditie se esgota (VENKATACHALAM; FRANZ, 2005).

2. Wattch (BROOKS; TIWARI; MARTONOSI, 2000):

Indicado para projetar a arquitetura de hardware em baixo-n´ıvel, dando condi¸cões da análise e posterior otimiza¸cão do consumo de energia. A informa¸cão do consumo de potência é fundamentada no fato de que os modelos de consumo dos microprocessadores são estruturas comuns que dependem da capacitância interna do processador.

3. PowerScope (FLINN; SATYANARAYANAN, 1999c):

Registra a energia consumida em n´ıvel de sistema operacional. Coleta uma fra¸cão da energia consumida usando um amostrador estat´ıstico dirigido por tempo (time-driven statistical sampler ). Esse mapeia e atribui uma identidade process identifier (PID) a um processo espec´ıfico do sistema, desse modo, possibilita a obten¸cão de informa¸cões de menor granularidade, relativas aos diferentes procedimentos dentro do processo. Este n´ıvel de detalhamento favorece o descobrimento de quais processos do sistema são respons´aveis pelo consumo de energia. Um software de pós-processamento mapeia o dado amostrado para a estrutura do programa. Assim, é produzido um perfil de consumo de energia por processo e por procedimento.

4. SoftExplorer : (LAURENT; SHANKAR, 2007)

Baseia-se na análise do consumo do processador em n´ıvel funcional. Inicialmente, o processador é dividido em blocos fun- cionais, para, posteriormente, serem identificados os elementos que impactam na atividade funcional do bloco e no consumo de energia. Ao final, essas caracter´ısticas são avaliadas para se conhecer como interferem no consumo do processador.

Essa estrutura, deu origem `a ferramenta comercial VisualSim

Power Modeling Toolkit que auxilia na captura da energia dinˆa- mica do modelo, a partir das informa¸cões que o usuário detalha nas configura¸cões do simulador. Essas informa¸cões podem ser valores fixos de potência ou equa¸cões, relacionando variáveis do próprio modelo. A base da ferramenta é formada por um vasto conjunto de blocos que são separados em bibliotecas, o que permite modelar em n´ıvel de hardware ou software e em diferentes n´ıveis de abstra¸cão, sistemas como processadores, periféricos, barramentos, sensores e redes sem fio.

5. SimpleScalar : (LLC, 2010) ´

E um conjunto de ferramentas não comerciais que se constitui por uma infraestrutura de software utilizada: na constru¸cão de aplica¸cões de modelagem para a análise de desempenho de programa, na modelagem microarquitetural e na coverifica¸cão de

hardware e software. O conjunto de ferramentas inclui amostras

de simuladores, variando de um simulador r´apido funcional a um moderno modelo do processador, com escalonamento dinˆamico, sem bloqueio de cache, com execu¸c˜ao especulativa e com uma

previsão de desvio. Al´em dos simuladores, o SimpleScalar inclui ferramentas de visualiza¸cão de desempenho, recursos de análise estat´ıstica, depura¸cão e verifica¸cão da infraestrutura.

Este conjunto de ferramentas implementa a arquitetura Sim-

pleScalar que ´e uma arquitetura pr´oxima e derivada da arquite- tura microprocessor without interlocked pipeline stages (MIPS). O conjunto leva os c´odigos compilados para a arquitetura Sim-

pleScalar e simula a sua execu¸c˜ao em um dos muitos simuladores de processadores. As vantagens desse conjunto de ferramentas ´e a ﬂexibilidade, portabilidade, extensibilidade e performance.

Ao mesmo tempo em que a tarefa de mensurar o consumo ´

e amenizada pelo uso de simuladores, tem-se que a aplicabilidade desse recurso computacional ´e restrita `as bibliotecas da arquitetura do

hardware sob teste. Observa-se ainda que alguns simuladores abordados

pela literatura tiveram seu suporte descontinuado, de modo que o código fonte fica limitado à versões espec´ıficas de sistemas operacionais Por exemplo, o PowerScope ´e limitado à sistemas Linux 2.2 (FLINN; SA- TYANARAYANAN, 1999b). Como alternativa, as ferramentas comerciais são poss´ıveis solu¸cões para minimizar tais dificuldades.

3.3 CONSIDERA ¸C ˜OES

Para tratar a caracteriza¸cão do consumo de energia em SCFs, buscou-se descrever, de forma resumida, as abordagens voltadas para a eficiência energética poss´ıveis de serem adotadas durante o projeto dos sistemas computacionais integrantes de SCFs.

De modo mais espec´ıfico, a proposta desta pesquisa se caracteriza como uma abordagem sens´ıvel ao consumo de energia elétrica, pois está voltada para a preserva¸cão da capacidade da fonte de energia. Em tais situa¸cões, podem ser adotados esquemas que combinam elementos das abordagens anteriores e/ou elaboram-se alternativas para balancear o consumo da instala¸cão, de forma a adaptar a opera¸cão do sistema em fun¸cão das caracter´ısticas do ambiente.

Apresentou-se ainda, as metodologias usadas para a avalia¸cão do consumo do processamento dos programas computacionais. Estabele- ceu-se essa discussão objetivando evidenciar a complexidade que envolve o assunto. Procurou-se mostrar que os procedimentos para a medida do consumo são limitados, principalmente, à arquitetura do

hardware em que o software ´e executado, independentemente se a técnica é a medi¸cão direta ou a simula¸cão.

Quanto aos simuladores, os que reúnem os requisitos desejáveis, são ferramentas comerciais cujas licen¸cas geram custos. Quanto aos de dom´ınio público são limitados a um conjunto reduzido de arquiteturas de processadores ou seus códigos desatualizados.

Esse conjunto de fatores impõe uma série de restri¸cões, tornando complexa a tarefa de avaliar o consumo energético resultante do processamento de programas computacionais, mesmo em granularidades menos finas. Dessa forma, a op¸cão que oferece maior proximidade com a realidade é a utiliza¸cão das informa¸cões disponibilizadas através de “benchmarks”, os quais foram introduzidos no cap´ıtulo anterior (se¸c˜ao

No documento Método para gerenciamento do consumo de energia elétrica em sistemas ciberfísicos (páginas 70-77)