随着超级计算机的不断发展,高能耗已经成为了限制超级计算机进一步发展的主要因素。高用电量带来的高额电费已经成为了超算中心的主要支出。与此同时,高功率会给超级计算机系统带来系统稳定性,以及散热方面的问题。所以在不断提高超级计算机性能的同时也需要综合考虑能耗问题,提高能量利用率,得到能耗和性能的整体最优。在一个超级计算机系统中计算节点对于性能和能耗起着很大的作用,所以提高超级计算机计算节点层次的能量有效性是十分重要的。目前已经有很多工作在研究节点层次的能量有效性,但这些工作并没有考虑到处理器超频这一因素,在一些情况下并不能获得最优的能量有效性。除此之外,人们也没有考虑在多个计算节点中进程到处理器核的映射关系对能量有效性的影响。基于上述问题,本文的研究内容主要从以下几个方面展开:首先,本文在实际硬件节点上研究了超频对不同类型应用的能量有效性的影响。使用能量延迟积(Energy Delay Product)作为能量有效性的评估标准。该值越低,能量有效性越好。提出了HEE算法,该算法根据应用特点以及实际硬件平台特点,给出了提高能量有效性的方案。实验结果表明HEE算法能够得到平均13%的能量有效性提升,最高可以提高26.5%的能量有效性。其次,对于单个计算节点,本文给出了在不增加功率的情况下,减少程序执行时间的方案。提出CEE算法,该算法基于程序特点,对应用进行划分。对于访存密集的应用,通过处理器降频和内存超频来提升性能并控制功率不增加。对于访存较少的应用,通过关闭部分内存通道和超频处理器来提高性能并控制功率不增加。在实际硬件平台上的实验表明,CEE算法可以得到平均9.3%的性能提升,最高可以提升13.1%的性能,同时保证功率不增加。最后,本文实现了在多个计算节点中,峰值功率不增加,提高程序性能的目标。在超算中心中,计算任务通常需要同时使用多个计算节点,计算任务的进程数量是由用户指定的。本文提出TPM算法,该算法基于应用的特点,通过合理的将进程映射到处理器核和调节处理器频率,实现了在峰值功率不增加的情况下提高性能的目标。TPM算法能够得到平均12%的性能提升,最高可以提升20.2%的性能,同时能够保证峰值功率不增加。