数据中心中DVFS对程序性能影响模型的设计

数据中心以可接受的成本承载着超大规模的互联网应用.数据中心的能源消耗直接影响着数据中心的一次性建造成本和长期维护成本,是数据中心总体持有成本的重要组成部分.现代的数据中心普遍采用DVFS（Dynamic Voltage Frequency Scaling,动态电压频率调节）来提升单节点的能耗表现.但是,DVFS这一类机制同时影响应用的能源消耗和性能,而这一问题尚未被深入探索.本文专注于DVFS机制对应用程序性能的影响,提出了一个分析模型用来量化地刻画应用程序的性能同处理器频率之间的关系,可以预测程序在任意频率下的性能.具体来说,依据执行时访问内存子系统资源的不同,本文把程序的指令为两部分：片上指令和片外指令,并分别独立建模.片上指令指仅需访问片上资源就可以完成执行的指令,其执行时间同处理器频率成线性关系;片外指令指需要访问主存的指令,其执行时间同处理器频率无关.通过上述划分和对每部分执行时间的分别建模,我们可以获得应用程序的执行时间同处理器频率之间的量化模型.我们使用两个不同的平台和SPEC 2006中的所有标准程序验证该模型,平均误差不超过1.34%.     

位宽感知的寄存器绑定算法

寄存器绑定是高层次综合中的一个基础优化问题,主要目标是在保证电路功能的同时最小化寄存器资源的使用.传统的方法尝试将编译器的寄存器分配算法应用于寄存器绑定中,但却忽略了分配问题与绑定问题的差异性,因此在绑定过程中引入了额外的资源约束,或采用了不适合电路设计的编译优化技巧,从而导致资源浪费.为了解决这些问题, 本文将寄存器绑定问题转化为连续多重着色问题,并提出了一种基于位宽与顶点度结合的启发式求解方法.该方法通过对变量的位宽和活跃区间等信息的细粒度刻画和建模,能够进一步优化寄存器资源的开销,同时无需插入额外的指令.我们将该算法与两种典型算法进行了比较,实验结果表明, 我们的算法在Mibench测试集的96.72%的测试用例中达到了理论最优解,比其他两种方法分别提高了31.5%和25.1%;在Rosetta测试集的所有测试用例中均表现为最优解,比其他两种方法分别提高了7.41%和7.39%.     

一类具有非线性扰动的多重时滞不确定系统鲁棒预测控制

针对一类具有非线性扰动且同时存在多重状态和输入时滞的不确定系统, 提出 一种鲁棒预测控制器设计方法. 基于预测控制滚动优化原理, 运用Lyapunov稳定性 理论和线性矩阵不等式 (Linear matrix inequalities, LMIs)方法, 首先近似求解无限时域二次性能指标优化问题, 然后优化非 线性扰动项所应满足的最大上界, 定量地研究鲁棒预测控制在范数有界意义下的扰动抑制 问题, 并给出了鲁棒预测控制器存在的充分条件. 最后通过仿真验证了所提方法的有效性.     

基于CASST-QRA的化工企业定量风险评价研究

采用CASST-QRA重大危险源区域定量风险评价法,辨识分析化工企业危险源,模拟危险物质泄漏引发的事故情景和影响范围。运用CASST-QRA定量风险评价软件包绘制个人和社会风险曲线,促进企业优化工艺设备布局、提高工艺自动化水平,有效缩小事故的影响范围。     

基于统计学习分析多核间性能干扰

普遍认为,云计算和多核处理器将会统治计算领域的未来.但是,目前云计算数据中心的计算资源使用率非常低,其主要原因在于多核处理器上存在严重且不可预知的性能干扰.为了保证关键应用程序的QoS,只能禁止这些关键程序与其他程序共同运行,导致了资源的过度分配.为了提高数据中心的利用率,分析多核间的性能干扰成为一个关键的问题.观察到程序遭受的核间性能干扰可以表示为内存子系统总压力的线性分段函数,而与构成压力的具体应用程序无关.以此观察为基础,提出了一种基于统计学习的多核间性能干扰分析方法,使用主成分线性回归的方法获得干扰模型,可以精确且定量地预测任意程序由于内存子系统资源竞争导致的性能下降.实验结果表明,平均预测误差仅为1.1%.     

基于RAC风险评价法的化工企业风险评估研究

通过RAC风险评价法,辨识化工企业潜在的事故类别,分析事故发生的可能性和严重度,并对风险级别进行划分,为企业预先防范和控制事故风险提供参考,以期减少事故发生的概率和降低事故的影响范围。