عملکرد به ازای توان مصرفی

در حوزه محاسبات، «عملکرد به ازای توان مصرفی» (Performance per watt) معیاری برای مقایسه بازدهی انرژی یک معماری کامپیوتری مشخص است. به بیاناین معیار نشان می‌دهد یک کامپیوتر به ازای هر وات توان مصرفی میزان پردازش آن چه مقدار است. این معیار، معمولا با استفاده از بنچمارک LINPACK اندازه‌گیری می‌شود تا امکان مقایسه سیستم‌های محاسباتی فراهم باشد. به طور مثال، فهرست Green500 سوپرکامپیوترها از این معیار بهره می‌برد.[۱]


طراحان کامپیوترهای موازی، اغلب CPUها را بر اساس عملکرد آنها در هر وات برق انتخاب می‌کنند، چون هزینه تأمین برق CPU از خود CPU بیشتر است.[۲]

همچنین سیستم پروازهای فضایی محدودیت‌های در مورد حداکثر توان موجود و الزاماتی در مورد حداقل عملکرد دارند. در نتیجه نسبت سرعت پردازش به توان الکتریکی مورد نیاز، مفیدتر از سرعت پردازش خام است.[۳]


تعریف

وقتی می‌خواهیم عملکرد به ازای توان مصرفی را اندازه بگیریم، دو چیز مهم است: عملکرد (Performance) و مصرف توان (Power consumption)

معیار عملکرد بسته به اینکه چه چیزی را می‌سنجیم متفاوت است. مثلاً FLOPS که نشان دهنده تعداد عملیات ممیز شناور بر ثانیه و MIPS نشان دهنده ۱۷ میلیون دستورالعمل بر ثانیه است [۴][۵]

در این بخش، تعریف عملکرد و مصرف توان بسته به نوع معیار می‌تواند متفاوت باشد. برای اندازه‌گیری عملکرد، معمولا از واحدهایی مثل FLOPS یا MIPS استفاده می‌شود و یا از امتیاز یک بنچمارک مشخص کمک می‌گیرند. برای توان مصرفی هم روش‌های مختلفی وجود دارد؛ بعضی توان الکتریکی ورودی به دستگاه را در نظر می‌گیرند، و بعضی دیگر کل توان لازم برای کارکرد سیستم مثل تجهیزات جانبی را هم حساب می‌کنند. معمولاً مقدار توان به‌صورت میانگین توان مصرفی هنگام اجرای یک بنچمارک گزارش می‌شود، ولی در بعضی موارد از معیارهایی مثل بیشترین توان مصرفی یا توان در حالت بیکار هم استفاده می‌شود.


در سال‌های ابتدایی عصر کامپیوترها، توان مصرفی در مقایسه با کاری که انجام می‌دادند بسیار پایین بود. برای نمونه، رایانه قدیمی UNIVAC I تنها حدود ۰٫۰۱۵ کار را در هر وات‌ثانیه انجام می‌داد؛ این در حالی بود که تقریباً ۱۹۰۰ عمل در ثانیه پردازش می‌کرد اما نزدیک به ۱۲۵ کیلووات برق لازم داشت. در مقابل، پردازنده‌های جدید مثل تراشهٔ چند‌هسته‌ای Fujitsu FR-V که در حدود سال ۲۰۰۵ معرفی شد، با تنها ۳ وات توان، چیزی در حد ده ها میلیارد عمل در ثانیه انجام می‌دهد. این یعنی حدود پنجاه سال، بازده انرژی سیستم‌ها بیش از یک تریلیون بهتر شده است.


بیشتر توان الکتریکی که سیستم مصرف می‌کند تبدیل به گرما می‌شود. بنابراین سیستمی که برای یک کار مقدار وات کمتری لازم داشته باشد، برای خنک‌ماندن هم احتیاج کمتری به خنک‌کننده ها خواهد داشت. کم شدن نیاز به خنک‌سازی باعث می‌شود سیستم بی‌صداتر کار کند. مصرف انرژی پایین‌ترتأثیرات منفی زیست‌محیطی را هم کمتر می‌کند (نگاه کنید به محاسبات سبز). در محیط‌هایی که کنترل دما محدود است، رایانه‌های کم‌مصرف معمولا در دمای پایین‌تری کار می‌کنند و این موضوع باعث افزایش پایداری می‌شود. در محیط‌هایی که دما کنترل‌شده است، همچنین کم‌شدن مصرف مستقیم انرژی می‌تواند هزینه خنک‌سازی را هم کاهش دهد.

وقتی که عملکرد را به صورت operations/second تعریف کنیم، آن وقت عملکرد به‌ازای هر وات هم به شکل operations/watt-second⁠ نوشته می‌شود. از آنجایی که یک وات در واقع یک ژول در هر ثانیه است، می‌توان این نسبت را به صورت تعداد عملیات به‌ازای هر ژول انرژی هم بیان کرد. به عبارتی، این معیار نشان می‌دهد با یک واحد انرژی، یک سیستم چه مقدار کار واقعی انجام می‌دهد.


FLOPS به ازای هر وات

یکی از رایج‌ترین معیارها برای سنجش توان در سیستم‌های محاسباتی است. معمولا در حوزه‌ی محاسبات علمی و شبیه‌سازی‌هایی استفاده می‌شود که حجم زیادی محاسبات عددی انجام می‌دهند.

نمونه‌ها

طبق گزارش فهرست Green500 در ژوئن ۲۰۱۶، دو کامپیوتر که از شتاب‌دهندهٔ ژاپنی PEZY-SCnp با پردازنده‌های Intel Xeon استفاده می‌کردند، بالاترین بازده انرژی را داشته‌اند. هر دو سیستم در مرکز RIKEN قرار داشتند و بیش از ۶۶۷۳ مگافلاپس به ازای هر وات عملکرد ارائه می‌دادند. رتبه دوم نیز سامانهٔ چینی Sunway TaihuLight با حدود ۶۰۵۱ مگافلاپس بر وات قرار گرفته بود، که اندازه و توان پردازشی بسیار بزرگ‌تری دارد.[۶]

در سال ۲۰۱۲، همان فهرست گفت که سیستم BlueGene/Q به حدود ۲۱۰۰ مگافلاپس بر وات ذسیده و در آن زمان کارآمدترین سامانه در میان فهرست TOP500 بوده است.[۷]

در سال ۲۰۱۰، نسخهٔ دیگری از Blue Gene/Q که توسط IBM ساخته شده بود حدود ۱۶۸۴ مگافلاپس بر وات کارایی ثبت کرد.[۸][۹]

در سال ۲۰۰۸، شبکهٔ CNN گزارش داد که سوپرکامپیوتر Roadrunner ساخت IBM توانسته به ۳۷۶ مگافلاپس به ازای هر وات برسد.[۱۰][۱۱]

در پروژهٔ تحقیقاتی Tera-Scale اینتل، یک پردازندهٔ ۸۰ هسته‌ای آزمایشی تولید شد که بازدهی آن به ۱۶ هزار مگافلاپس بر وات می‌رسید.[۱۲][۱۳]

کلاستر کم‌هزینهٔ Microwulf که از چهار سیستم دو‌هسته‌ای Athlon 64 استفاده می‌کرد، حدود ۵۸ مگافلاپس بر وات توان عملیاتی داشت.[۱۴]


شرکت Adapteva پردازندهٔ یکپارچه‌ی Epiphany V با ۱۰۲۴ هستهٔ RISC را با هدف رسیدن به ۷۵ گیگافلاپس بر وات معرفی کرد، اما بعدها اعلام شد احتمال عرضهٔ تجاری آن پایین است که نشان دهنده هزینه بسیار بالای ساخت آن می باشد..[۱۵] However that may not adequately incorporate efficiency in typical use, where much time is spent doing less demanding tasks.[۱۶]

بازده در GPU

پردازنده‌های گرافیکی در سال‌های اخیر مصرف انرژی‌شان بیشتر شده، به‌همین خاطر باید از روش‌های هوشمند برای کنترل مصرف انرژی آن‌ها استفاده شود. معیارهایی مثل امتیاز 3DMark2006 به ازای هر وات می‌تواند برای مقایسه‌ی بازده برخی GPUها مفید باشد، اما لزوماً نشان‌دهنده مصرف واقعی در استفاده‌های معمولی نیست.[۱۷][۱۸]

در GPUهای جدید، میزان انرژی مصرفی یکی از محدودیت‌های اصلی برای رسیدن به قدرت پردازشی بالاتر است. معماری GPU معمولاً مقیاس‌پذیر طراحی می‌شود تا بتوان چند تراشه را روی یک کارت یا حتی چند کارت را در کنار هم به‌کار گرفت. در نهایت توان مصرفی و گرمای تولیدشده تعیین می‌کند که سیستم تا چه حد می‌تواند به عملکرد اوج برسد. از آن‌جا که GPUها برای پردازش‌های عمومی هم به‌کار می‌روند، عملکرد آن‌ها را هم مانند CPU می‌توان با معیارهایی مثل FLOPS به ازای هر وات سنجید.


چالش ها

با این که توان پردازشی بر واحد وات معیار مهمی برای سنجیدن بهره‌وری سیستم‌هاست، اما همیشه تصویر کامل را نشان نمی‌دهد. بعضی وقت‌ها تولیدکننده‌ها با تکیه روی این شاخص، افزایش واقعی مصرف انرژی را پنهان می‌کنند. مثلا ممکن است نسل جدید یک GPU از نظر نسبت عملکرد به توان بهتر شده باشد، اما چون خودِ توان مصرفی همچنان بالا می‌رود، در عمل باز هم دستگاه انرژی زیادی می‌بلعد.[۱۹]

از طرف دیگه، تست‌هایی که مصرف انرژی را در شرایط پرفشار اندازه می‌گیرند، همیشه شبیه استفاده معمول کاربران نیستند. خیلی از کامپیوترها بیشتر زمانشان را در حالت بی‌کار، کارهای سبک یا نمایش ساده‌ی تصویر می‌گذرانند. به همین دلیل، راندمان سیستم در حالت‌های سبک هم به اندازه‌ی حالت‌های سنگین اهمیت دارد. بعضی بنچمارک‌ها (مثل SPECpower) برای حل این مشکل، میزان مصرف را در چند سطح مختلف بار بررسی می‌کنند.[۲۰]


مسئله‌ی دما نیز روی مصرف انرژی قطعات تأثیر می‌گذارد. بعضی بخش‌ها مثل رگولاتورهای ولتاژ، پاور یا برخی کارت‌های گرافیک وقتی گرم‌تر می‌شوند، بازدهی‌شان پایین می‌آید و همین باعث بالاتر رفتن مصرف انرژی می‌شود. بنابراین هنگام اندازه‌گیری مصرف، شرایط دمایی هم باید ثبت شود.[۲۱][۲۲]

همچنین باید توجه کرد که این معیار تنها مصرف لحظه‌ای دستگاه را می‌سنجد و به هزینه‌های چرخه‌ی عمر آن توجهی ندارد.[۲۳] تولید و از رده خارج شدن سخت‌افزارهای کامپیوتری انرژی‌بر است و بخش قابل توجهی از اثرات محیط‌زیستی همین‌جا اتفاق می‌افتد. حتی انرژی لازم برای خنک‌کردن محیطی که دستگاه در آن کار می‌کند معمولاً در این محاسبات دیده نمی‌شود، در حالی که می‌تواند قابل توجه باشد.[۲۴][۲۵]


سایر شاخص‌های سنجش بهره‌وری انرژی

یکی از معیارهایی که شرکت Sun Microsystems برای ارزیابی کارایی مراکز داده معرفی کرده، شاخص SWaP است. این معیار هم‌زمان سه عامل فضا، توان مصرفی و کارایی سیستم را در نظر می‌گیرد و در ساده‌ترین حالت به‌صورت نسبت «عملکرد» به «قدرت مصرف‌شده × فضای اشغال‌شده» تعریف می‌شود.[۲۶]


در اینجا عملکرد معمولاً با یک بنچمارک استاندارد سنجیده می‌شود و «فضا» هم ابعاد فیزیکی یا حجم سخت‌افزار است.

در کنار این، در سامانه‌های رایانشی مخصوص فضا و مأموریت‌های فضایی، کاهش مصرف توان، وزن و حجم دستگاه‌ها اهمیت جدی دارد، چون منابع انرژی محدود هستند و کوچک‌سازی تجهیزات مزیت عملیاتی زیادی ایجاد می‌کند.

جستارهای وابسته

منابع

  1. "Performance per Watt Is the New Moore's Law". Arm Blueprint. 2021-07-12. Retrieved 2021-07-16.
  2. Power could cost more than servers, Google warns, CNET, 2006
  3. D. J. Shirley; and M. K. McLelland. "The Next-Generation SC-7 RISC Spaceflight Computer". p. 1, 2.
  4. "Fujitsu Develops Multi-core Processor for High-Performance Digital Consumer Products" (Press release). Fujitsu. 2020-02-07. Archived from the original on 2019-03-25. Retrieved 2020-08-08.
  5. FR-V Single-Chip Multicore Processor:FR1000 بایگانی‌شده در ۲۰۱۵-۰۴-۰۲ توسط Wayback Machine Fujitsu
  6. "Green500 List for June 2016".
  7. "The Green500 List". Green500. Archived from the original on 2012-07-03.
  8. "Top500 Supercomputing List Reveals Computing Trends". 20 July 2010. IBM... BlueGene/Q system .. setting a record in power efficiency with a value of 1,680 Mflops/watt, more than twice that of the next best system.
  9. "IBM Research A Clear Winner in Green 500". 2010-11-18.
  10. "Government unveils world's fastest computer". CNN. Archived from the original on 2008-06-10. performing 376 million calculations for every watt of electricity used.
  11. "IBM Roadrunner Takes the Gold in the Petaflop Race". Archived from the original on 2008-06-13.
  12. "Intel squeezes 1.8 TFlops out of one processor". TG Daily. Archived from the original on 2007-12-03.
  13. "Teraflops Research Chip". Intel Technology and Research.
  14. Joel Adams. "Microwulf: Power Efficiency". Microwulf: A Personal, Portable Beowulf Cluster.
  15. Atwood, Jeff (2006-08-18). "Video Card Power Consumption". Archived from the original on 8 September 2008. Retrieved 26 March 2008.
  16. "Video card power consumption". Xbit Labs. Archived from the original on 2011-09-04.
  17. Atwood, Jeff (2006-08-18). "Video Card Power Consumption". Archived from the original on 8 September 2008. Retrieved 26 March 2008.
  18. "Video card power consumption". Xbit Labs. Archived from the original on 2011-09-04.
  19. Tim Smalley. "Performance per What?". Bit Tech. Retrieved 2008-04-21.
  20. "SPEC launches standardized energy efficiency benchmark". ZDNet. Archived from the original on 16 December 2007.
  21. Mike Chin. "Asus EN9600GT Silent Edition Graphics Card". Silent PC Review. p. 5. Retrieved 2008-04-21.
  22. Mike Chin (19 March 2008). "80 Plus expands podium for Bronze, Silver & Gold". Silent PC Review. Retrieved 2008-04-21.
  23. Wu-chun Feng (2005). "The Importance of Being Low Power in High Performance Computing". CT Watch Quarterly. 1 (5).
  24. Mike Chin. "Life Cycle Analysis and Eco PC Review". Eco PC Review. Archived from the original on 2008-03-04.
  25. Eric Williams (2004). "Energy intensity of computer manufacturing: hybrid assessment combining process and economic input-output methods". Environ. Sci. Technol. 38 (22): 6166–74. Bibcode:2004EnST...38.6166W. doi:10.1021/es035152j. PMID 15573621.
  26. Greenhill, David. "SWaP Space Watts and Power" (PDF). US EPA Energystar. Retrieved 14 November 2013.

پیوند به بیرون