移动设备中异构处理器平台的能量优化设计

由于移动设备含有多个传感器,系统往往需要运行连续的感知任务。移动设备中的应用处理器能有效地运行计算密集型任务,而对于连续的感知任务将消耗大量的能量。为了提高移动设备的能量利用率,在包含应用处理器和低功耗处理器的异构处理器上提出了一种异构处理器平台能量优化方法。首先,根据处理器平台的实际能耗和理想能耗提出了能量比例因子。其次,提出了含有两个异构处理器平台的应用程序划分方法。最后,通过模拟器实验验证了该方法的有效性。模拟实验表明,由于将感知任务迁移到低功耗处理器上运行,所提出的优化方法能大大提高移动设备的能量利用效率。  

基于向量引用Platform-Oblivious内存连接优化技术

以MapD为代表的图分析数据库系统通过GPU、Phi等新型众核处理器来支持高性能分析处理，在面向复杂数据模式时连接操作仍然是重要的性能瓶颈.近年来，异构处理器逐渐成为高性能计算的主流平台，内存连接性能的研究从多核CPU平台扩展到新兴的众核处理器，但众多的研究成果并未系统地揭示连接算法性能、连接数据集大小、硬件架构之间的内在联系，难以为未来异构处理器平台的数据库提供连接平台优化选择策略.本文以面向多核CPU、Xeon Phi、GPU处理器平台的内存连接优化技术为目标，通过优化内存哈希表设计，实现以向量映射替代哈希映射操作，消除哈希代价对内存连接算法的影响，从而更加准确地测量内存连接算法在多核CPU的cache大小、Xeon Phi的cache大小、Xeon Phi的并发多线程、GPU的SIMT（单指令多线程）机制等硬件相关因素影响下的性能特征.实验结果表明，缓存与并发多线程机制是提高内存连接算法性能的重要影响因素.缓存机制对于满足cache大小的连接操作具有性能优势，而GPU的并发多线程机制则在较大表的连接操作中具有较高的性能，Xeon Phi则在满足其L2 cache大小的连接操作中具有最高性能.实验结果揭示了内存连接操作性能与异构处理器硬件特性的联系，为未来异构处理器平台内存数据库查询优化器提供了优化策略.