论文部分内容阅读
随着嵌入式系统应用领域的延伸,应用需求作为嵌入式系统发展的核心动力,对系统性能提出了更高的要求。高性能、高集成度的多处理器体系架构被提出并得到了广泛的应用。随着特征尺寸的降低,芯片内部功耗密度增大,单位面积产热量的增加造成芯片内部温度的上升。芯片过热严重影响到系统运行的性能和可靠性,热效应问题因其严峻性在近年来被广泛地研究和关注。其中,满足热效应相关约束的任务与功耗管理方面的研究成为了热点问题之一。本文针对众核系统温度、性能双优化目标下的任务管理问题,提出了温度感知的动态任务映射算法和实时功耗管控方法。首先,通过对现有任务映射算法的缺陷分析,在CoNA算法的基础上提出了以系统温度和性能双优化为设计目标的实时温度感知任务映射算法TWeNA。算法设计中,提出了基于通信权重的任务图内部任务映射排序算法,在映射准备阶段优化网络通信性能;同时,基于实时温度反馈,在智能爬山首节点选择算法的基础上进行改进,优化映射区域的选择;在进行动态任务映射时,提出了一种新型的候选节点优先级分析方法,综合考量对系统温度和性能的影响。其次,由于在系统运行过程中,负载和温度分布存在实时变化,本文在TDP(Thermal Design Power)设计功率约束下建立了合理的功耗管控方案,实时监控系统的动态变化,获取温度反馈信息,结合动态电压频率调节技术,制定合理的细粒度功耗管控决策,实现在额定功率约束下系统的高性能计算和温度空间分布的均衡性。在方案设计中,提出了自定义的应用调度优先级评判标准和系统性能影响因子分析方法,制定功耗管控方案的整体调度流程。分析功耗管控单元的需求和功能,构建众核系统温度感知功耗管控的整体架构图。最后,通过所搭建的众核系统验证平台,对本文所提出的任务映射算法和功耗管控方案分别进行评估。结果显示,TWeNA算法与当前较优的任务映射算法相比,在网络吞吐率上有20%左右的优化,同时网络发包延时减少;在温度优化方面,有效降低了系统的峰值温度,同时温度方差明显减少。在原有任务映射算法的基础上引入功耗管控方法之后,系统的吞吐率得到了近25%的提升;系统热均衡性优化效果显著,温度方差数值与单纯应用TWeNA算法相比降低了8%至55%;在TDP约束下,系统的能量利用效率得到了近15%的提升。