Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi

Monitorear la potencia de los procesadores es una tarea importante para definir estrategias que permitan disminuir los gastos de energía en los sistemas informáticos. Hoy en día, los procesadores disponen de un elevado número de contadores que permiten monitorear eventos del sistema tales como uso d...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Paniego, Juan Manuel, Libutti, Leandro Ariel, Pi Puig, Martín, Chichizola, Franco, De Giusti, Laura Cristina, Naiouf, Marcelo, De Giusti, Armando Eduardo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2019
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/90461
Aporte de:
id I19-R120-10915-90461
record_format dspace
spelling I19-R120-10915-904612023-05-31T13:24:35Z http://sedici.unlp.edu.ar/handle/10915/90461 isbn:978-987-688-377-1 Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi Paniego, Juan Manuel Libutti, Leandro Ariel Pi Puig, Martín Chichizola, Franco De Giusti, Laura Cristina Naiouf, Marcelo De Giusti, Armando Eduardo 2019-10 2019 2020-03-09T13:39:08Z es Ciencias Informáticas Potencia Raspberry Pi Contadores de Hardware Modelado Regresión estadística Monitorear la potencia de los procesadores es una tarea importante para definir estrategias que permitan disminuir los gastos de energía en los sistemas informáticos. Hoy en día, los procesadores disponen de un elevado número de contadores que permiten monitorear eventos del sistema tales como uso de CPU, memoria, cache, entre otros. Anteriormente se ha demostrado que es posible predecir el consumo de aplicaciones paralelas a través de estos eventos, pero únicamente para una determinada arquitectura de placas SBC. El presente trabajo analiza la portabilidad de un modelo estadístico de predicción de potencia sobre una nueva generación de placas Raspberry. La experimentación destaca las optimizaciones llevadas a cabo con el objetivo de reducir sistemáticamente el error final de estimación en las arquitecturas analizadas. El modelo final arroja un error promedio de 4.76% sobre ambas placas. XX Workshop de Procesamiento Distribuido y Paralelo. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 159-169
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
spellingShingle Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
Paniego, Juan Manuel
Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
topic_facet Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
description Monitorear la potencia de los procesadores es una tarea importante para definir estrategias que permitan disminuir los gastos de energía en los sistemas informáticos. Hoy en día, los procesadores disponen de un elevado número de contadores que permiten monitorear eventos del sistema tales como uso de CPU, memoria, cache, entre otros. Anteriormente se ha demostrado que es posible predecir el consumo de aplicaciones paralelas a través de estos eventos, pero únicamente para una determinada arquitectura de placas SBC. El presente trabajo analiza la portabilidad de un modelo estadístico de predicción de potencia sobre una nueva generación de placas Raspberry. La experimentación destaca las optimizaciones llevadas a cabo con el objetivo de reducir sistemáticamente el error final de estimación en las arquitecturas analizadas. El modelo final arroja un error promedio de 4.76% sobre ambas placas.
format Objeto de conferencia
Objeto de conferencia
author Paniego, Juan Manuel
Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
author_facet Paniego, Juan Manuel
Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
author_sort Paniego, Juan Manuel
title Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title_short Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title_full Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title_fullStr Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title_full_unstemmed Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title_sort modelado de potencia en placas sbc: integración de diferentes generaciones raspberry pi
publishDate 2019
url http://sedici.unlp.edu.ar/handle/10915/90461
work_keys_str_mv AT paniegojuanmanuel modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT libuttileandroariel modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT pipuigmartin modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT chichizolafranco modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT degiustilauracristina modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT naioufmarcelo modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
AT degiustiarmandoeduardo modeladodepotenciaenplacassbcintegraciondediferentesgeneracionesraspberrypi
_version_ 1767633938083217408