Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Big Data: Opportunities, Challenges and Solutions Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

TuningGenie: Auto-Tuning Framework Based on Rewriting Rules

verfasst von : Pavlo A. Ivanenko, Anatoliy Y. Doroshenko, Kostiantyn A. Zhereb

Erschienen in: Information and Communication Technologies in Education, Research, and Industrial Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents results on development of the auto-tuning framework named TuningGenie aimed at automating adjustment of parallel tasks to target platform. The framework works with source code of parallel software and performs source-to-source transformations by using facilities of a rule-based rewriting system. This approach significantly raises flexibility of proposed solution and enables changing computation structure of a tuned program in a declarative way. The framework’s architecture, lifecycle, offered toolset for optimization, demo examples and results of tuning of a computationally complex task of short-term meteorological forecasting are presented.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel On Algebraic Properties of Nominative Data and Functions
Nächstes Kapitel A Demo Processor as an Educational Tool
Literatur
1.
Amdahl, G.M.: Validity of the single processor approach to achieving large-scale computing capabilities. In: AFIPS Conference Proceedings, pp. 483–485. ACM, New York (1967)
2.
3.
4.
Naono, K., Teranishi, K., Cavazos, J., Suda, R.: Software Automatic Tuning From Concepts to State-of-the-Art Results. Springer, Berlin (2010)CrossRef
5.
6.
Doroshenko, A., Shevchenko, R.: A rewriting framework for rule-based programming dynamic applications. Fundamenta Informaticae 72(1), 95–108 (2006)MATH
7.
Eppstein, D., Galil, Z.: Parallel algorithmic techniques for combinatorial computation. Ann. Rev. Comput. Sci 3, 233–283 (1988)CrossRefMathSciNet
8.
Sedgewick, R., Wayne, K.: Algorithms, 4th edn. Addison-Wesley Professional, Boston (2011)
9.
Prokop, H.: Cache-oblivious algorithms. In: Proceedings of 40th Annual Symposium on Foundations of Computer Science (FOCS ‘99), pp. 285–299. IEEE Press, New York (1999)
10.
Andon, F.I., Tseitlin, G.E., Yatsenko, E.A.: Algebraic-Algorithmic Models and Methods of Parallel Programming. Akademperiodika, Kyiv (2007). (in Russian)
11.
Ma, W., Krishnamoorthy, S., Agrawal, G.: Parameterized micro-benchmarking: an auto-tuning approach for complex applications. In: Proceedings of 9th Conference on Computing Frontiers, pp. 213–222. ACM, New York (2012)
12.
13.
Prusov, V.A., Doroshenko, A.E., Chernysh, R.I., Guk, L.N.: Theoretical study of a numerical method to solve a diffusion-convection problem. Cybern. Syst. Anal. 44(2), 283–291 (2008)CrossRefMATHMathSciNet
14.
Prusov, V.A., Doroshenko, A.E., Chernysh, R.I.: A method for numerical solution of a multidimensional convection-diffusion problem. Cybern. Syst. Anal. 45(1), 89–95 (2009)CrossRefMATHMathSciNet
15.
Belov, P.N., Borisenkov, E.P., Panin, B.D.: Numerical Methods of Weather Prediction. Gidrometeoizdat, Leningrad (1989). (in Russian)
16.
17.
Karcher, T., Schaefer, C., Pankratius, V.: Auto-tuning support for manycore applications - perspectives for operating systems and compilers. Technical report, University of Karlsruhe, Karlsruhe, Germany (2009)
18.
Whaley, R., Petitet, A., Dongarra, J.J.: Automated empirical optimizations of software and the ATLAS project. Parallel Comput. 27(1–2), 3–35 (2001)CrossRefMATH
19.
Frigo, M., Johnson, S.: FFTW: an adaptive software architecture for the FF. Acoust. Speech Signal Process. 3, 1381–1384 (1998)
20.
Irigoin, F., Jouvelot, P., Triolet, R.: Semantical interprocedural parallelization: an overview of the PIPS project. In: 5th International Conference on Supercomputing, pp. 244–251. ACM, New York (1991)
21.
Katagiri, T., Kise, K., Honda, H., Yuba, T.: ABCLibScript: a directive to support specification of an auto-tuning facility for numerical software. J. Parallel Comput. 32(1), 92–112 (2006)CrossRef
22.
Schaefer, C.A., Pankratius, V., Tichy, W.F.: Atune-IL: an instrumentation language for auto-tuning parallel applications. In: Sips, H., Epema, D., Lin, H.-X. (eds.) Euro-Par 2009. LNCS, vol. 5704, pp. 9–20. Springer, Heidelberg (2009)CrossRef
23.
Parr, T.: A Functional language for generating structured text, May 2004
24.
25.
Wirth, N.: Algorithms + Data Structures = Programs. Prentice Hall PTR, Upper Saddle River (1978)
26.
27.
28.
29.
Kennedy, K., Allen, J.R.: Optimizing Compilers for Modern Architectures: a Dependence-based Approach. Morgan Kaufmann, San Francisco (2002)
30.
Blair-Chappell, S., Stokes, A.: Parallel Programming with Intel Parallel Studio XE. Wiley, Hoboken (2012)
31.
Chapman, B., Jost, G., Van Der Pas, R.: Using OpenMP: Portable Shared Memory Parallel Programming. The MIT Press, Cambridge (2007)
32.
Amarasinghe, S.P., Anderson, J.M., Lam, M.S., Tseng, C.W.: An overview of the suif compiler for scalable parallel machines. In: PPSC (1995)
33.
Huang, L., Eachempati, D., Hervey, M.W., Chapman, B.: Exploiting global optimizations for OpenMP programs in the OpenUH compiler. SIGPLAN Not. 44(4), 289–290 (2009)CrossRef
34.
Kusano, K., Satoh, S., Sato, Mitsuhisa: Performance evaluation of the omni openmp compiler. In: Valero, Mateo, Joe, Kazuyuki, Kitsuregawa, Masaru, Tanaka, Hatsukazu (eds.) ISHPC 2000. LNCS, vol. 1940, pp. 403–414. Springer, Heidelberg (2000)CrossRef
35.
Tinetti, F.G., Méndez, M.: Fortran legacy software: source code update and possible parallelisation issues. SIGPLAN Fortran Forum 31(1), 5–22 (2012)CrossRef
36.
Ventroux, N. et al.: SESAM/Par4All: a tool for joint exploration of mpsoc architectures and dynamic dataflow code generation. In: Proceedings of Workshop on Rapid Simulation and Performance Evaluation: Methods and Tools, pp. 9–16. ACM, New York (2012)
37.
Tournavitis, G., Wang, Z., Franke, B., O’Boyle, M.F.P.: Towards a holistic approach to auto-parallelization: integrating profile-driven parallelism detection and machine-learning based mapping. ACM SIGPLAN Not. 44(6), 177–187 (2009)CrossRef
38.
Oancea, C.E., Rauchwerger, L.: Logical inference techniques for loop parallelization. In: 33rd ACM SIGPLAN Conference on Programming Language Design and Implementation, pp. 509–520. ACM, New York (2012)
39.
Liao, S.-W. et al.: SUIF Explorer: an interactive and interprocedural parallelizer. In: 7th ACM SIGPLAN Symposium on Principles and Practice of Parallel Programming, pp. 37–48. ACM, New York (1999)
40.
Ishihara, M., Honda, H.: Development and implementation of an interactive parallelization assistance tool for OpenMP: iPat/OMP. IEICE Trans. Inf. Syst. 89(2), 399–407 (2006)CrossRef
Metadaten
Titel
TuningGenie: Auto-Tuning Framework Based on Rewriting Rules
verfasst von
Pavlo A. Ivanenko
Anatoliy Y. Doroshenko
Kostiantyn A. Zhereb
Copyright-Jahr
2014
Buch
Information and Communication Technologies in Education, Research, and Industrial Applications

Print ISBN: 978-3-319-13205-1

Electronic ISBN: 978-3-319-13206-8

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-13206-8_7