10 Ноября в рамках курса «Технологии программирования» состоится гостевая лекция профессора университета Торонто Геннадия Пехименко «Эффективные методы сжатия данных для современных подсистем памяти»
Геннадий Пехименко является профессором в университете Торонто (Computer Science department), где возглавляет исследовательскую группу EcoSystem (Efficient Computing Systems). Перед этим работал в Microsoft Research в Редмонде над проблемами связанными с машинным обучением и эффективностью подсистем памяти, а также в компиляторных группах компаний IBM и МЦСТ. Имеет докторскую степень (PhD) университета Карнеги Меллон, магистеркую степень университета Торонто, а также степень специалиста МГУ (факультет ВМиК). Основная сфера научных интересов — компьютерная архитектура, компиляторы, машинное обучение, ускорители, а также биоинформатика. Его исследования спонсируются такими компаниями, как Microsoft, NVIDIA, Huawei, Intel, Qualcomm и Xilinx.
Компрессия (сжатие данных) широко используется для сжатия файлов уже несколько десятков лет (уменьшая место занимаемое файлами на диске). В то же время, применение компрессии в подсистемах памяти до сих пор было достаточно ограниченным. В чем причина? Казалось бы, многие современные программы работают с огромными массивами данных, которые существенно повышают нагрузку на подсистемы памяти (включая кэши, память, и соединяющих их каналы связи). Если бы сжатие данных могло быть успешно применено для всех этих уровней памяти, удалось бы повысить реальную емкость памяти и кэшей, увеличить эффективную пропускную способность каналов связи, и даже уменьшить энергопотребление.
В этом выступлении я расскажу о новых практических механизмах того, как компрессия может быть интегрирована в современные подсистемы памяти, включая процессорные кэши, память, а также каналы связи как внутри, так и вне чипа. Эти новые механизмы быстры и достаточно просты в реализации, а также эффективно уменьшает место в памяти, занимаемое различными данными. Основная идея состоит в том, что время доступа к памяти, которое включает в себя и время на декомпрессию данных, очень критично для производительности современных подсистем памяти. Мы соединили недорогую поддержку компрессии на уровне железа с эффективной поддержкой на уровне операционной системы, и благодаря этому, наш целостный подход к компрессии позволил получить сущестненное улучшение как производительности так и энергоэффективности подсистем памяти. В дополнение к тому, что мы исследовали возможности и проблемы компрессии для современных CPU, мы также исследовали новые проблемы при реализации компрессии в современных GPU, а также разработали новые механизмы для решения этих проблем.
Приглашаются все желающие. Лекция состоится в 12:20 в 110 КПМ.