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

Autores
Paniego, Juan Manuel; Libutti, Leandro Ariel; Pi Puig, Martín; Chichizola, Franco; De Giusti, Laura Cristina; Naiouf, Marcelo; De Giusti, Armando Eduardo
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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
Materia
Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/90461
Acceder
id SEDICI_43ebffa24dca922b08ec966a49acbc2b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/90461
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry PiPaniego, Juan ManuelLibutti, Leandro ArielPi Puig, MartínChichizola, FrancoDe Giusti, Laura CristinaNaiouf, MarceloDe Giusti, Armando EduardoCiencias InformáticasPotenciaRaspberry PiContadores de HardwareModeladoRegresión estadísticaMonitorear 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 Informática2019-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf159-169http://sedici.unlp.edu.ar/handle/10915/90461spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-688-377-1info:eu-repo/semantics/reference/hdl/10915/90359info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:18:37Zoai:sedici.unlp.edu.ar:10915/90461Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:18:37.817SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
title Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
spellingShingle Modelado de potencia en placas SBC: integración de diferentes generaciones Raspberry Pi
Paniego, Juan Manuel
Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
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
dc.creator.none.fl_str_mv Paniego, Juan Manuel
Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
author Paniego, Juan Manuel
author_facet Paniego, Juan Manuel
Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
author_role author
author2 Libutti, Leandro Ariel
Pi Puig, Martín
Chichizola, Franco
De Giusti, Laura Cristina
Naiouf, Marcelo
De Giusti, Armando Eduardo
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
topic Ciencias Informáticas
Potencia
Raspberry Pi
Contadores de Hardware
Modelado
Regresión estadística
dc.description.none.fl_txt_mv 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
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.
publishDate 2019
dc.date.none.fl_str_mv 2019-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/90461
url http://sedici.unlp.edu.ar/handle/10915/90461
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-688-377-1
info:eu-repo/semantics/reference/hdl/10915/90359
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
159-169
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616059766702080
score 13.070432

Publicaciones similares