嵌入式系统动态电源管理算法研究

嵌入式系统的能耗问题已经成为嵌入式系统设计中的难点与热点。动态电源管理策略、内存管理机制、总线编码技术和硬件设计等方法被用来降低能耗。比较而言,动态电源 管理是最直接、最有效的方法。本文先从理论上分析了能耗问题的特点,然后研究了目前比较流行的几种动态电源管理算法,并对试验结果进行了比较和理论分析。     

嵌入式系统的动态电源管理架构

分析嵌入式系统对动态电源管理的需求,并在此基础上提出了与之适应的,以策略框架为中心的系统级动态电源管理架构。利用这种构架可以整合针对不同组件的动态电源管理算法和机制,从系统的角度进行行之有效的管理。该构架应用于TD-SCDMA无线终端上,平均能耗下降了50%,取得良好的效果。     

单处理器多外设实时系统全局能耗优化算法研究

在电池供电的实时嵌入式系统中,能耗是系统设计的一个重要研究问题.动态电压调度和动态电源管理是两种重要的节能技术.前者是动态改变处理器电压/频率,降低处理器能耗;而后者是动态调整片外设备的工作模式,减少片外设备能耗.目前只有少量研究把这两种技术综合在一起.本文研究支持这两种技术的嵌入式全系统实时任务节能调度问题.针对连续和离散处理器频率模型,论文分别提出高效的算法,通过计算系统运行的能耗最小处理器最优频率和设备最优空闲时间,来实现全系统综合节能的目的.实验模拟表明本文算法大大优于其他算法.     

一个嵌入式系统动态电源管理方案

动态电源管理旨在根据当前应用的需要来调节处理器电压和频率从而满足便携式系统的高性能低功耗的要求.该文介绍了一个嵌入式系统动态电源管理方案,阐述了动态探测问题以及怎样对基于处理器的探测数据进行扩展.     

概率模型检测在动态能耗管理中的应用

如何平衡嵌入式设备的能耗和性能表现,成为了一个热门话题。动态能耗管理是一种在保证系统性能的基础上降低其能耗的有效方法,其关键点是如何生成有效的动态能耗管理策略。在概率模型检测技术的基础上,提出了一种生成和验证动态能耗管理策略的方法。首先对目标系统和能耗管理目标建模,然后利用PRISM-games工具进行动态能耗管理策略的合成,同时利用模型检测工具PRISM对合成的动态能耗管理策略进行验证。实验表明,该方法具备可行性和有效性。     

嵌入式Linux的动态电源管理技术

在SoC硬件对电源管理支持基础上,通过设计电源管理操作点、管理类、管理策略等结构,把系统创建的任务和具体电源管理硬件参数联系起来,为任务间精细电源管理提供包括应用层、操作系统层以及硬件层的框架结构。结合用户层制定的策略,实时、动态、低延迟管理系统动态功耗,调整CPU工作频率和电压、外部总线时钟频率、外部设备时钟/电源参数。实践证明,节能效果良好。     

嵌入式系统低功耗软件技术研究

嵌入式系统低功耗设计中有硬件技术无法涉足的空间,可通过低功耗软件技术实现降低系统功耗的目的.针对液晶显示器(LCD)电气特性,从软件角度,综合运用动态电源管理技术和动态电压管理技术,根据处理器负载变化趋势和对空闲模式计时的思想,给出了降低液晶显示器功耗的算法和策略;利用优化编译技术中的操作替换和指令排序方法,分析和研究图形图像处理中常见的矩阵变换算法,给出了低功耗策略和验证节能73.9%.并就低功耗软件技术算法和策略给出了结论和提出了下一步研究的方向.     

动态电源管理超时策略与随机型策略的等效关系

为了建立动态电源管理不同类型策略优化之间的联系,研究了超时策略与随机型策略在性能与功耗均衡上的等效关系.构建了动态电源管理系统基于半Markov控制过程的随机分析模型,通过分析该系统的稳态行为,揭示了超时策略和随机型策略在性能与功耗均衡上的等效性,推导出这2种策略之间的等效关系式;证明了超时策略具有最优的动态电源管理效果,并使得2种类型策略的优化结果能够相互转换.最后通过无线通信节点动态电源管理的数值仿真验证了这种等效关系.     

基于队列的动态电源管理策略

动态电源管理技术是一项系统级电源优化策略,它通过有选择性的关闭(或者降低性能)空闲的可控设备来降低功耗.在回顾以往系统级动态电源管理策略的基础上,提出了一种基于队列的新型系统级动态电源管理策略,利用队列不但可以提高对于可控模块何时被唤醒时间的预测命中率,并且能够根据不断变化的任务负载情况进行自身的快速调节,以适应不同任务的要求,通过搭建的SkyEye环境进行仿真,结果验证了在性能和节能方面,该方法优于传统方法.     

一个嵌入式系统动态电源管理方案

动态电源管理旨在根据当前应用的需要来调节处理器电压和频率从而满足便携式系统的高性能低功耗的要求。该介绍了一个嵌入式系统动态电源管理方案，阐述了动态探测问题以及怎样对基于处理器的探测数据进行扩展。     

基于硬件性能计数器的GPU功耗预测模型

图形处理器GPU以其高性能、高能效优势成为当前异构高性能计算机系统主要采用的加速部件。虽然GPU具有较高的理论峰值能效,但其绝对功耗开销明显高于通用处理器。随着GPU在高性能计算领域的应用逐渐扩展,面向GPU的低功耗优化研究将成为该领域的重要研究方向之一。准确的功耗预测是功耗优化研究的重要前提,本文提出了基于硬件性能计数器的GPU功耗预测方法。该方法基于硬件性能计数器信息,结合GPU在部分运行频率下的功耗值,通过线性回归的方法预测处理器在其他运行频率下的功耗值。实验结果表明,该方法可以准确地预测GPU功耗。     

一种面向异构并行系统的最大功耗管理方法

高功耗已成为制约高性能计算机发展的重要问题之一.近年来,大量研究关注于如何在满足系统功耗约束的条件下优化系统执行性能.然而,已有方法大都针对同构系统,未考虑异构处理器之间的功耗或速度差异,难以高效应用于基于加速器的异构系统.对当前异构并行系统执行模型进行了抽象,并提出了融合两级功耗控制机制的系统功耗管理框架,自顶向下依次为系统级功耗控制器和异构处理引擎功耗控制器.在异构处理引擎功耗控制中,针对类OpenMP 并行循环,首先分析了异构多处理器在满足功耗约束条件下达到性能最优的条件.基于该结果,给出了功耗受限的并行循环划分算法,该方法通过协调并行循环调度和动态电压频率调节技术以优化异构并行处理.在系统级功耗控制中,建立了异构处理引擎效能评估方法,以此作为功耗划分的依据,在兼顾并发应用公平性的同时,提高系统整体执行效能.最后,基于典型CPU-GPU 异构系统验证了方法的有效性.     

Effectiveness Analysis of DVFS and DPM in Mobile Devices

The demand for high-performance embedded processors in multimedia mobile electronics is growing and their power consumption thus increasingly threatens battery lifetime.It is usually believed that the dynamic voltage and frequency scaling (DVFS) feature saves significant energy by changing the performance levels of processors to match the performance demands of applications on the fly.However,because the energy efficiency of embedded processors is rapidly improving,the effectiveness of DVFS is expected to change.In this paper,we analyze the benefit of DVFS in state-of-the-art mobile embedded platforms in comparison to those in servers or PCs.To obtain a clearer view of the relationship between power and performance,we develop a measurement methodology that can synchronize time series for power consumption with those for processor utilization.The results show that DVFS hardly improves the energy efficiency of mobile multimedia electronics,and can even significantly worsen energy efficiency and performance in some cases.According to this observation,we suggest that power management for mobile electronics should concentrate on adaptive and intelligent power management for peripheral devices.As a preliminary design,we implement an adaptive network interface card (NIC) speed control that reduces power consumption by 10% when NIC is not heavily used.Our results provide valuable insights into the design of power management schemes for future mobile embedded systems.     

Towards green data centers: A comparison of x86 and ARM architectures power efficiency

Servers and clusters are fundamental building blocks of high performance computing systems and the IT infrastructure of many companies and institutions. This paper analyzes the feasibility of building servers based on low power computers through an experimental comparison of server applications running on x86 and ARM computer architectures. The comparison executed on web and database servers includes power usage, CPU load, temperature, request latencies and the number of requests handled by each tested system. Floating point performance and power usage are also evaluated. The use of ARM based systems has shown to be a good choice when power efficiency is needed without losing performance.     

基于资源限制的高性能计算系统功耗管理

分析并行高性能计算系统的负载及能耗特征,提出一种功耗管理算法,通过控制节点的分配和功耗状态(睡眠状态或激活状态)降低系统的能耗,并使用Parallel Workloads Archive的负载数据对功耗管理算法进行测试。实验结果表明,该算法在不影响或较少牺牲系统性能的情况下,能有效节省系统能耗。     

高性能计算中处理器功耗特征的评测与分析

高性能计算系统的系统结构和应用模式与单机系统或商用机群服务器系统都有很大的不同,掌握功耗特征是提高能效的前提。本文将支撑功耗管理的低功耗技术分为动态资源休眠和动态速率调节两类,并就处理器的这两类机制在高性能计算中的应用进行评测,验证了功耗管理在高性能计算中的有效性,量化分析了处理器功耗特征,指出了当前管理方案的不足及改进设想,对进一步能耗优化有重要的指导意义。     

基于机器学习的异构感知多核调度方法

异构多核处理器已成为现代嵌入式系统的主流解决方案，而好的在线映射或调度方法对其充分发挥高性能和低功耗的优势起着至关重要的作用。针对异构多核处理系统上的应用程序动态映射和调度问题，提出一种基于机器学习、能快速准确评估程序性能和程序行为阶段变化的检测技术来有效确定重映射时机从而最大化系统性能的映射和调度解决方案。该方案一方面通过合理选择处理核和程序运行时的静态和动态特征来有效感知异构处理所带来的计算能力和工作负载运行行为的差异，从而能够构建更加准确的预测模型；另一方面通过引入阶段检测来尽可能减少在线映射计算的次数，从而能够提供更加高效的调度方案。最后，在SPLASH-2数据集上验证了所提出调度方案的有效性。实验结果表明，与Linux默认的完全公平调度（CFS）方法相比，所提出的方法在系统计算性能方面提高了52%，在CPU资源利用率上提高了9.4%。这表明所提方法在系统计算性能和CPU资源利用率方面具备优良的性能，可以有效提升异构多核系统的应用动态映射和调度效果。     

基于机器学习的异构感知多核调度方法

异构多核处理器已成为现代嵌入式系统的主流解决方案,而好的在线映射或调度方法对其充分发挥高性能和低功耗的优势起着至关重要的作用。针对异构多核处理系统上的应用程序动态映射和调度问题,提出一种基于机器学习、能快速准确评估程序性能和程序行为阶段变化的检测技术来有效确定重映射时机从而最大化系统性能的映射和调度解决方案。该方案一方面通过合理选择处理核和程序运行时的静态和动态特征来有效感知异构处理所带来的计算能力和工作负载运行行为的差异,从而能够构建更加准确的预测模型;另一方面通过引入阶段检测来尽可能减少在线映射计算的次数,从而能够提供更加高效的调度方案。最后,在SPLASH-2数据集上验证了所提出调度方案的有效性。实验结果表明,与Linux默认的完全公平调度（CFS）方法相比,所提出的方法在系统计算性能方面提高了52%,在CPU资源利用率上提高了9.4%。这表明所提方法在系统计算性能和CPU资源利用率方面具备优良的性能,可以有效提升异构多核系统的应用动态映射和调度效果。     

Exploiting multi-core nodes in peer-to-peer grids

While the majority of CPUs now sold contain multiple computing cores, current grid computing systems either ignore the multiplicity of cores, or treat them as distinct, independent machines. The latter approach ignores the resource contention present between cores in a single CPU, while the former approach fails to take advantage of significant computing power. We provide a decentralized resource management framework for exploiting multi-core nodes to run multi-threaded applications in peer-to-peer grids. We present two new load-balancing schemes that explicitly account for the resource sharing and contention of multiple cores, and propose a parameterized performance prediction model that can represent a continuum of resource sharing among cores of a CPU. We use extensive simulation to confirm that our two algorithms match jobs with computing nodes efficiently, and balance load during the lifetime of the computing jobs.