Метод управления частотой процессора на основе определения интенсивности обращений к памяти
Аннотация
В настоящее время к мобильным устройствам предъявляются требования по высокой производительности и длительному времени работы без зарядки аккумулятора, то есть низкому энергопотреблению. Эти характеристики напрямую зависят от частоты процессора, поскольку на высокой частоте процессор способен выполнить больше инструкций за единицу времени, но при этом должен потратить больше энергии, и наоборот.
В работе проведено исследование современных подходов к управлению частотой процессора в ядре операционной системы Linux с целью повышения производительности процессора и уменьшения энергопотребления мобильного устройства. Разработан новый метод управления частотой процессора, который базируется на решении дискретной двухкритериальной оптимизационной задачи. В качестве критериев оптимизации выступают две взаимозависимые характеристики: производительность и энергопотребление. В основе предлагаемого метода лежит идея анализа инструкций выполняемой задачи для выявления случаев, когда повышение частоты процессора неэффективно из-за частых обращений к памяти. Задача решается при наличии определенных ограничений: рассматривается только один процесс, выполняющийся на одном ядре процессора; не рассматриваются гетерогенные архитектуры процессоров; не учитывается аппаратная многопоточность ядер процессора, то есть каждое логическое ядро рассматривается как физическое. На основе предложенного метода создано программное обеспечение, которое было протестировано на 11 тестах из Rodinia Benchmark Suite. Этот набор тестов используется для оценки производительности компьютеров на различных типах задач, таких как вычисления общего назначения, обработка изображений, обработка сигналов и многие другие. Проведенное исследование показало, что использование предложенного подхода позволило уменьшить энергопотребление мобильного устройства в среднем на 7-15%, а производительность увеличить в среднем на 3-5% по сравнению с работой существующих утилит в ядре Linux.
Литература
2. Reddy B.K., Merrett G.V., Al-Hashimi B.M., Singh A.K. Online concurrent workload classification for multi-core energy management. In: 2018 Design, Automation & Test in Europe Conference & Exhibition (DATE). Dresden, Germany: IEEE Press; 2018. p. 621-624. https://doi.org/10.23919/DATE.2018.8342084
3. Basireddy K.R., Singh A.K., Al-Hashimi B.M., Merrett G.V. AdaMD: Adaptive Mapping and DVFS for Energy-Efficient Heterogeneous Multicores. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2020;39(10):2206-2217. https://doi.org/10.1109/TCAD.2019.2935065
4. Basireddy K.R., Wachter E.W., Al-Hashimi B.M., Merrett G. Workload-Aware Runtime Energy Management for HPC Systems. In: 2018 International Conference on High Performance Computing & Simulation (HPCS). Orleans, France: IEEE Press; 2018. p. 292-299. https://doi.org/10.1109/HPCS.2018.00057
5. Bogdanov E., Bozhnyuk A., Sartasov S., Granichin O. On Application of Simultaneous Perturbation Stochastic Approximation for Dynamic Voltage-Frequency Scaling in Android OS. In: 2021 7th International Conference on Event-Based Control, Communication, and Signal Processing (EBCCSP). Krakow, Poland: IEEE Press; 2021. p. 1-7. https://doi.org/10.1109/EBCCSP53293.2021.9502396
6. Reddy B. K., Singh A. K., Biswas D., Merrett G.V., Al-Hashimi B.M. Inter-Cluster Thread-to-Core Mapping and DVFS on Heterogeneous Multi-Cores. IEEE Transactions on Multi-Scale Computing Systems. 2018;4(3):369-382. https://doi.org/10.1109/TMSCS.2017.2755619
7. Quan W., Pimentel A.D. A scenario-based run-time task mapping algorithm for MPSoCs. In: Proceedings of the 50th Annual Design Automation Conference (DAC '13). New York, NY, USA: Association for Computing Machinery; 2013. Vol. 131. p. 1-6. https://doi.org/10.1145/2463209.2488895
8. Van Craeynest K., Jaleel A., Eeckhout L., Narvaez P., Emer J. Scheduling heterogeneous multi-cores through Performance Impact Estimation (PIE). ACM SIGARCH Computer Architecture News. 2012;40(3):213-224. https://doi.org/10.1145/2366231.2337184
9. Gupta U., Patil C.A., Bhat G., Mishra P., Ogras U. DyPO: Dynamic Pareto-optimal configuration selection for heterogeneous MpSoCs. ACM Transactions on Embedded Computing Systems. 2017;16(5s):123. https://doi.org/10.1145/3126530
10. Shamsa E., Kanduri A., Liljeberg P., Rahmani A.M. Concurrent Application Bias Scheduling for Energy Efficiency of Heterogeneous Multi-Core Platforms. IEEE Transactions on Computers. 2022;71(4);743-755. https://doi.org/10.1109/TC.2021.3061558
11. Zhu Y., Reddi V.J. High-performance and energy-efficient mobile web browsing on big/little systems. In: 2013 IEEE 19th International Symposium on High Performance Computer Architecture (HPCA). Shenzhen, China: IEEE Press; 2013. p. 13-24. https://doi.org/10.1109/HPCA.2013.6522303
12. Moolchandani D., Kumar A., Martínez J.F., Sarangi S.R. VisSched: An Auction-Based Scheduler for Vision Workloads on Heterogeneous Processors. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2020;39(11):4252-4265. https://doi.org/10.1109/TCAD.2020.3013076
13. Singh A.K., Dey S., McDonald-Maier K., Basireddy K.R., Merrett G.V., Al-Hashimi B.M. Dynamic Energy and Thermal Management of Multi-core Mobile Platforms: A Survey. IEEE Design & Test. 2020;37(5):25-33. https://doi.org/10.1109/MDAT.2020.2982629
14. Ranjbar B., Nguyen T.D.A., Ejlali A., Kumar A. Power-Aware Runtime Scheduler for Mixed-Criticality Systems on Multicore Platform. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2021;40(10):2009-2023. https://doi.org/10.1109/TCAD.2020.3033374
15. Han S., Yun Y., Kim Y.H., Kang S. Proactive Scenario Characteristic-Aware Online Power Management on Mobile Systems. IEEE Access. 2020;8:69695-69711. https://doi.org/10.1109/ACCESS.2020.2986214
16. Siddesha K., Jayaramaiah G.V. Energy Efficient Greedy Scheduling of Tasks for DVFS Enabled Heterogeneous Multicore Processors. In: 2021 International Conference on Recent Trends on Electronics, Information, Communication & Technology (RTEICT). Bangalore, India: IEEE Press; 2021. p. 538-542. https://doi.org/10.1109/RTEICT52294.2021.9573873
17. Pelogeiko M., Sartasov S., Granichin O. On Stochastic Optimization for Smartphone CPU Energy Consumption Decrease. Informatics and Automation. 2023;22(5):1004-1033. https://doi.org/10.15622/ia.22.5.3
18. Lee J., Nam S., Park S. Energy-Efficient Control of Mobile Processors Based on LongShort-Term Memory. IEEE Access. 2019;7:80552-80560. https://doi.org/10.1109/ACCESS.2019.2923334
19. Song S., Kim J., Chung J.-M. Energy Consumption Minimization Control for Augmented Reality Applications based on Multi-core Smart Devices. In: 2019 IEEE International Conference on Consumer Electronics (ICCE). Las Vegas, NV, USA: IEEE Press; 2019. p. 1-4. https://doi.org/10.1109/ICCE.2019.8661917
20. Pricopi M., Muthukaruppan T.S., Venkataramani V., Mitra T., Vishin S. Power-performance modeling on asymmetric multi-cores. In: 2013 International Conference on Compilers, Architecture and Synthesis for Embedded Systems (CASES). Montreal, QC, Canada: IEEE Press; 2013. p. 1-10. https://doi.org/10.1109/CASES.2013.6662519
21. Goraczko M., Liu J., Lymberopoulos D., Matic S., Priyantha B., Zhao F. Energy-optimal software partitioning in heterogeneous multiprocessor embedded systems. In: 2008 45th ACM/IEEE Design Automation Conference. Anaheim, CA: IEEE Press; 2008. p. 191-196. https://doi.org/10.1145/1391469.1391518
22. Liu G., Park J., Marculescu D. Dynamic thread mapping for high-performance, power-efficient heterogeneous many-core systems. In; 2013 IEEE 31st International Conference on Computer Design (ICCD). Asheville, NC, USA: IEEE Press; 2013. p. 54-61. https://doi.org/10.1109/ICCD.2013.6657025
23. Mukherjee A., Chantem T. An Integrated Energy Management Framework for Multiple Side-by-Side Applications on Smartphones. In: IEEE International Conference on Embedded Software and Systems (ICESS). Shanghai, China: IEEE Press; 2020. p. 1-8. https://doi.org/10.1109/ICESS49830.2020.9301538
24. Vaibhav S., Masha S. Joint frequency scaling of processor and DRAM. The Journal of Supercomputing. 2016;72(4):1549-1569. https://doi.org/10.1007/s11227-016-1680-4
25. Che S., et al. Rodinia: A benchmark suite for heterogeneous computing. In: Proceedings of the 2009 IEEE International Symposium on Workload Characterization (IISWC) (IISWC '09). IEEE Computer Society, USA; 2009. p. 44–54. https://doi.org/10.1109/IISWC.2009.5306797
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
