pyJoules Download - pyJoules Código Fonte Download

pyJoules

PowerBuilder

fix the bug with GPU

Baixar

Pyjoules

Sobre

Pyjoules é um kit de ferramentas de software para medir a pegada de energia de uma máquina host ao longo da execução de um pedaço de código Python. Ele monitora a energia consumida pelo dispositivo específico da máquina host, como:

Intel CPU Socket Package
RAM (para arquiteturas do Intel Server)
Intel Integrated GPU (para arquiteturas de clientes)
Nvidia GPU

Limitação

CPU, RAM e GPU integrado

Pyjoules usa a tecnologia Intel " RupL Limite médio de potência " (RAPL) que estima o consumo de energia da CPU, RAM e GPU integrado. Esta tecnologia está disponível na Intel CPU desde a geração de ponte Sandy (2010).

Nvidia GPU

Pyjoules usa a tecnologia da NVIDIA " NVIDIA Management Library " para medir o consumo de energia dos dispositivos NVIDIA. A API de medição de energia está disponível apenas na NVIDIA GPU com a Arquitetura Volta (2018)

Windows e MacOS

Somente suporte ao GNU/Linux está disponível para o momento. Estamos trabalhando no suporte MAC

Questões conhecidas

Os contadores de energia do RAPL transbordam após vários minutos ou horas, causando leituras de energia falsa negativa.

Pyjoules leva isso em consideração e adiciona o valor máximo possível do contador, max_energy_range_uj , a medições de energia negativa. No entanto, se um contador transbordar duas vezes durante uma única medição de energia, a energia relatada será max_energy_range_uj menor que o valor esperado.

Instalação

Frequência de medição

Pyjoule Use ferramentas de medição de hardware (Intel Rapl, NVIDIA GPU Tools, ...) para medir o consumo de energia do dispositivo. Tesses ferramentas têm uma frequência de mescleamento que depende do dispositivo. Assim, você não pode usar o Pyjoule para medir o consumo de energia durante um período mais curto que a frequência de medição de energia do dispositivo. Pyjoule retornará valores nulos se o período de medição for curto.

Requisitos

python> = 3.7
NVML (se você quiser suporte da GPU da NVIDIA)

Instalação

Você pode instalar pyjoules com pip: pip install pyJoules

Se você deseja usar o Pyjoule para medir também o consumo de energia da GPU da NVIDIA, você deve instalá -lo com o suporte ao driver da NVIDIA usando este comando: pip install pyJoules[nvidia] .

Uso básico

Este readme descreve o uso básico de Pyjoules. Para uma descrição mais detalhada, leia a documentação aqui

Aqui estão alguns usos básicos de Pyjoules . Observe que o consumo de energia relatado não é apenas o consumo de energia do código que você está executando. Isso inclui o consumo global de energia de todo o processo em execução na máquina durante esse período, incluindo o sistema operacional e outras aplicações. É por isso que recomendamos eliminar programas extras que possam alterar o consumo de energia dos experimentos de hospedagem de máquinas e manter apenas o código sob medição ( ou seja , nenhum aplicativo extra, como interface gráfica, tarefa em execução em segundo plano ...). Isso dará a medida mais próxima do consumo de energia real do código medido.

Decore uma função para medir seu consumo de energia

Para medir a energia consumida pela máquina durante a execução da função foo() execute o seguinte código:

 from pyJoules . energy_meter import measure_energy

@ measure_energy
def foo ():
	# Instructions to be evaluated.

foo ()

Isso imprimirá no console o consumo de energia registrado de todos os dispositivos monitoráveis durante a execução da função foo .

Descrição da saída

O uso básico do decorador imprimirá a formação com este formato:

begin timestamp : XXX; tag : YYY; duration : ZZZ;device_name: AAAA

com :

begin timestamp : Hora de lançamento de função monitorada
tag : tag da medida, se nada for especificado, este será o nome da função
duration : duração da execução da função
device_name : Consumo de energia do dispositivo device_name em UJ

Para dispositivos de CPU e RAM, o Device_Name corresponde ao domínio RAPL descrito na imagem abaixo mais o ID do soquete da CPU. O domínio Rapl é descrito aqui

Configure o decorador especificando o dispositivo para monitorar

Você pode configurar facilmente qual dispositivo monitorar usando os parâmetros do decorador measureit . Por exemplo, o exemplo a seguir monitora apenas o consumo de energia da CPU no soquete 1 da CPU e no NVIDIA GPU 0 . Por padrão, Pyjoules monitora todos os dispositivos disponíveis dos soquetes da CPU.

 from pyJoules . energy_meter import measure_energy
from pyJoules . device . rapl_device import RaplPackageDomain
from pyJoules . device . nvidia_device import NvidiaGPUDomain
	
@ measure_energy ( domains = [ RaplPackageDomain ( 1 ), NvidiaGPUDomain ( 0 )])
def foo ():
	# Instructions to be evaluated.
	
foo ()

Você pode anexar a seguinte lista de domínio para monitorá -los:

pyJoules.device.rapl_device.RaplPackageDomain : CPU (especifique o ID do soquete no parâmetro)
pyJoules.device.rapl_device.RaplDramDomain : RAM (especifique o ID do soquete no parâmetro)
pyJoules.device.rapl_device.RaplUncoreDomain : GPU integrado (especifique o ID do soquete no parâmetro)
pyJoules.device.rapl_device.RaplCoreDomain : Rapl Core Domínio (especifique o ID do soquete no parâmetro)
pyJoules.device.nvidia_device.NvidiaGPUDomain : nvidia gpu (especifique o ID do soquete no parâmetro)

Para entender qual par da CPU cada monitor de domínio RAPL, consulte esta seção

Configure a saída do decorador

Se você deseja lidar com dados com saída diferente do padrão, poderá configurar o decorador com uma instância EnergyHandler do módulo pyJoules.handler .

Como exemplo, se você deseja escrever o consumo de energia gravado em um arquivo .csv:

 from pyJoules . energy_meter import measure_energy
from pyJoules . handler . csv_handler import CSVHandler
	
csv_handler = CSVHandler ( 'result.csv' )
	
@ measure_energy ( handler = csv_handler )
def foo ():
	# Instructions to be evaluated.

for _ in range ( 100 ):
	foo ()
		
csv_handler . save_data ()

Isso produzirá um arquivo CSV de 100 linhas. Cada linha que contém o consumo de energia registrada durante uma execução da função foo . Outras classes Handler predefinidos existem para exportar dados para MongoDB e DataFrame de PANDA .

Use um gerenciador de contexto para adicionar " ponto de interrupção " em sua medição

Se você quiser saber onde estão os " pontos quentes ", onde o código do Python consome mais energia que você pode adicionar " pontos de interrupção " durante o processo de medição e marcá -los para saber a quantidade de energia consumida entre esses pontos de interrupção.

Para isso, você deve usar um gerente de contexto para medir o consumo de energia. É configurável como decorador. Por exemplo, aqui usamos um EnergyContext para medir o consumo de energia da CPU 1 e NVIDIA GPU 0 e relatá -lo em um arquivo CSV:

 from pyJoules . energy_meter import EnergyContext
from pyJoules . device . rapl_device import RaplPackageDomain
from pyJoules . device . nvidia_device import NvidiaGPUDomain
from pyJoules . handler . csv_handler import CSVHandler
	
csv_handler = CSVHandler ( 'result.csv' )

with EnergyContext ( handler = csv_handler , domains = [ RaplPackageDomain ( 1 ), NvidiaGPUDomain ( 0 )], start_tag = 'foo' ) as ctx :
	foo ()
	ctx . record ( tag = 'bar' )
	bar ()

csv_handler . save_data ()

Isso registrará a energia consumida:

Entre o início do EnergyContext e a chamada do método ctx.record
entre a chamada do método ctx.record e o final do EnergyContext

Cada peça medida será gravada no arquivo CSV. Uma linha por parte.

Descrição do domínio RAPL

Os domínios RAPL correspondem à parte do soquete da CPU, conforme descrito nesta imagem:

Pacote: corresponde ao consumo de energia da CPU da parede
núcleo: corresponde à soma de todo o consumo de energia do núcleo da CPU
INCLUE: corresponde à GPU integrada

Variado

Sobre

Pyjoules é um projeto de código aberto desenvolvido pelo Spirals Research Group (Universidade de Lille e Inria) que faz parte da iniciativa Powerapi.

A documentação está disponível aqui.