CN102650957A - 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法 - Google Patents

一种同构集群系统中基于动态电压调节技术的自适应节能调度方法 Download PDF

Info

Publication number
CN102650957A
CN102650957A CN2012101007691A CN201210100769A CN102650957A CN 102650957 A CN102650957 A CN 102650957A CN 2012101007691 A CN2012101007691 A CN 2012101007691A CN 201210100769 A CN201210100769 A CN 201210100769A CN 102650957 A CN102650957 A CN 102650957A
Authority
CN
China
Prior art keywords
task
energy consumption
threshold
processor
scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012101007691A
Other languages
English (en)
Inventor
刘伟
杜薇
尹行
段玉光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN2012101007691A priority Critical patent/CN102650957A/zh
Publication of CN102650957A publication Critical patent/CN102650957A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

一种同构集群系统中基于动态电压调节技术的自适应节能调度方法，具体步骤是：读取并行任务有向无环图（DAG）文件；获取初始任务调度序列；获取最佳阈值：根据并行任务、系统环境以及用户性能需求动态获取一个最佳阈值；任务分组：利用最佳阈值对任务复制进行控制，即选择性地复制任务的最佳前驱来平衡系统性能和能耗以获取近似最优分组；任务映射：将各分组调度到未被占用的处理器上；处理器电压调节：利用任务空闲时间动态调整处理器电压以节省处理器能耗。本发明综合考虑了系统性能和能耗这两方面的要求，其最佳阈值可以自适应并行任务和系统环境，利用最佳阈值控制任务复制以获取近似最优分组，使得最终调度结果在满足系统性能要求的前提下尽量节省能耗。

Description

一种同构集群系统中基于动态电压调节技术的自适应节能调度方法
技术领域
本发明涉及一种计算机系统节能调度方法，特别是涉及一种同构集群系统中基于动态电压调节技术的自适应节能调度方法。
背景技术
集群是一种并行分布式处理系统，由很多连接在一起的独立计算机组成，像一个单独集成的计算资源一样协同工作，对于用户来说就像一个独立的计算系统。自20世纪90年代以来，随着PC机性能的显著提高和价格的日益下降，高速网络的发展，以及集群软件的日益成熟，集群系统已经成为高性能计算的主流平台，为计算密集型和通信密集型任务提供各种计算需求。
集群系统已经在工商业等诸多领域得到广泛应用。然而，集群系统在提供强大计算能力的同时也消耗了巨大的能量。例如，IBM的Roadrunner功率为2483.47千瓦，在第32届五百强的排名中名列第一，虽然Cray Jaguar排名第二，而它的功率却已高达6950.60千瓦。据统计，2008年服务于互联网的路由器、服务器、交换机、冷却设施、数据中心等各种设备总共消耗8680亿度电，占全球总耗电量的5.3%。按照目前的增长趋势，到2025年，IT行业平均能耗会达到2008年的5倍。巨大的能耗代价成为制约集群系统发展的重要瓶颈，急需得到有效的解决。
用有向无环图(DAG，Directed Acyclic Graph)来表示并行任务调度问题一直是一个研究热点，并行任务调度问题已经被证明是NP完全问题，在国内外引起了广泛的研究。调度的目标是要在满足任务优先约束关系的前提下，根据适当的分配策略确定一种分派和执行顺序，将可并行执行的任务合理分配到各处理机上有序地执行，以达到减少总的执行时间的目的。
基于不同的调度策略，现有的调度方法主要可以分为三类：表调度方法，聚簇调度方法，基于任务复制的调度方法。集群系统中的节能可以采取传统的调度方法，运行流程也非常相似，只是在调度过程中综合考虑了节能这一目标。其中，调度方法的选择对于调度结果具有较大的影响，因为不恰当的调度方法可能会使真正强大的计算能力得不到体现，甚至会降低系统性能，增加系统能耗。目前，现有的节能调度方法大多数是基于以上三种调度方法，再结合动态电压调节（DVS，Dynamic Voltage Scaling）、动态功耗管理（DPM，Dynamic Power Management）、自适应链路速率（ALR，Adaptive Link Rate）等节能技术来优化处理器能耗和网络能耗。
动态电压调节(DVS)技术是一种新型硬件节能技术。其基本思想是在不影响处理器正常运行的情况下动态地调节处理器电压和频率，使得处理器不总以最高电压工作，从而起到降低能耗的目的。目前绝大多数处理器都用CMOS技术制造，而且支持多种处理器频率和电压设置。CMOS电路的功耗正比于时钟频率和电压的平方，即每个时钟周期的能量消耗正比于电压的平方。 对于一个任务来说，完成它所需要的时钟周期是固定的，所消耗的能量与电压的平方成正比，通过降低电压就可以降低能耗。虽然时钟频率与电压之间的线性关系，降低电压会调低时钟频率，增加任务的完成时间，但可以利用任务的空闲时间降低处理器电压和频率，在不影响其他任务执行的前提下可以降低系统能耗。在电压调节过程中，电压管理芯片能够执行微小的电压调整，并且能在极短的时间内（几十微秒内）完成电压的调整。
目前，国内外有关同构集群系统环境下基于性能和能耗的研究主要有：
美国辛辛那提大学的D.P.Agrawal等人在同构集群系统中提出了一种基于任务复制的调度方法（TDS），该方法尽可能地复制任务前驱以改进系统性能。电子科技大学的兰舟等人通过对几种典型的任务复制方法进行分析，提出了基于动态关键任务(DCT)的多处理器任务分配方法。DCT方法以克服贪心算法不足为要点，调度过程中动态计算任务时间参数，准确确定处理器的关键任务，以关键任务为核心优化调度，逐步改善调度结果，最终取得最优的调度结果。
基于任务复制的调度方法就是通过复制某个或某些任务到不同处理机上，消除具有约束关系的任务间的通信开销，从而减少整个任务调度时间长度。该方法可以有效地降低任务调度长度，节省通信能耗，但同时也会增加复制任务的计算能耗，因此在节能调度中需慎重考虑。
美国奥本大学的宗子良等人针对任务复制所产生的额外能量开销过高的问题，提出了一种基于任务复制的节能调度方法，该方法设置了一个阈值来控制任务复制，即选择性地复制任务最佳前驱来平衡系统性能和能耗两方面。山东大学的龚斌等人提出了一种将聚簇调度方法和任务复制调度方法有效结合起来的节能方法，并利用DPM技术来节省处理器空闲能耗。
印第安纳大学的Wang提出了一种基于DVS技术的节能方法，该方法在不影响其他任务执行的情况下，通过探索非关键任务的空闲时间来降低处理器电压以节省能耗。纽约州立大学的Shekar所提出的EDLS的方法有利于低功耗处理器节省能耗，通过引入一个成本因子来影响调度决策，并对能耗和所需的性能进行权衡。国防科技大学的贺小川等人提出了两阶段节能调度方法，先使用离线算法来计算每个任务的最优处理器执行速度，而后使用在线模拟调度方法来计算每个任务的延迟时间，从而动态判定处理器开启/关闭时刻。
综上所述，以往的调度方法大部分针对性能或能耗的某一部分（系统能耗包括处理器能耗和网络能耗两部分）进行了改进或优化。存在的不足之处有：①有的方法只考虑性能而完全忽略能耗；②有些基于任务复制的节能调度方法利用阈值对任务复制进行控制，但所给定的阈值是随机设置的，不能根据并行任务和系统环境自适应调节，导致调度结果不稳定；③有的方法虽然既考虑了性能又考虑了处理器能耗，但忽略了网络通信能耗。
发明内容
本发明的目的是提供一种同构集群系统中基于DVS技术的自适应节能调度方法，该方法将基于自适应阈值的任务复制调度方法与DVS技术结合起来，在满足系统性能要求的前提下，可以有效地节省能耗。
本发明的技术方案包括以下步骤：
一、首先读取并行任务有向无环图DAG文件。
二、获取初始任务调度序列。对于并行任务集V，共有n=|V|个任务，从出口任务                                                开始，计算每个任务的优先级直至开始任务
Figure 877203DEST_PATH_IMAGE002
结束。然后根据任务优先级大小升序排列，获取初始任务调度序列。
三、获取最佳阈值。首先，从初始任务调度序列的第一个任务开始遍历所有任务，计算复制当前任务
Figure 582116DEST_PATH_IMAGE003
的最佳前驱（
Figure 17777DEST_PATH_IMAGE004
）所增加的能耗moreenergy（等于
Figure 710795DEST_PATH_IMAGE004
的计算能耗减去它与
Figure 864696DEST_PATH_IMAGE003
之间的通信能耗），以及复制任务所减少的时间lesstime，将能耗与时间比记为
Figure 432687DEST_PATH_IMAGE005
，取ratio的最小值和最大值分别作为最小阈值min_threshold和最大阈值max_threshold。然后，利用基于任务复制的分组策略求阈值分别为max_threshold和min_threshold–1时的任务调度长度即为最小调度长度和最大调度长度。最后，指定一个能够满足用户性能要求的调度长度，从min_threshold–1开始遍历所有阈值，并利用基于任务复制的分组策略求当前阈值下的任务调度长度，直到所求得的调度长度小于指定调度长度才结束遍历，当前阈值即为最佳阈值。
四、任务分组。从初始任务调度序列的第一个任务开始，执行深度优先搜索直到开始任务结束。任务搜索过程中，如果当前任务
Figure 722854DEST_PATH_IMAGE003
的最佳前驱（
Figure 852353DEST_PATH_IMAGE004
）未分组，则将其分配给当前任务所在的分组，并标记为已分配，否则对是否复制
Figure 227971DEST_PATH_IMAGE004
进行权衡。如果复制
Figure 337003DEST_PATH_IMAGE004
，则会增加复制任务
Figure 747256DEST_PATH_IMAGE004
的计算能耗，减少
Figure 782077DEST_PATH_IMAGE004
与
Figure 861635DEST_PATH_IMAGE003
之间的通信能耗以及任务调度长度。假设减少的时间为lesstime（即减少的调度长度）,最终增加的能耗为moreenergy（等于
Figure 554785DEST_PATH_IMAGE004
的计算能耗减去它与
Figure 537653DEST_PATH_IMAGE003
之间的通信能耗）,倘若lesstime>0，而且能耗与时间比
Figure 759687DEST_PATH_IMAGE006
小于等于最佳阈值，则将复制任务
Figure 860629DEST_PATH_IMAGE004
添加到当前任务
Figure 560732DEST_PATH_IMAGE003
所在的分组，否则退出当前分组并选取初始任务调度序列中的第一个未分组任务进行下一个分组。
五、任务映射。从第一个分组开始，将各分组中的所有任务映射到任意一个未被占用的处理器上，并标记该处理器已被占用，如此循环下去直到所有分组全部被分配出去为止。
六、处理器电压调节。利用任务空闲时间确定任务在处理器上各个电压下的执行时间，使得产生的计算能耗最小，然后在任务执行过程中动态调整处理器电压并控制任务在相应电压下的执行时间。
本发明的特点是针对同构集群系统中的能量优化问题，将基于自适应阈值的任务复制策略和DVS技术结合起来，在满足系统性能要求的同时优化系统能耗。首先，本发明中基于自适应阈值的任务复制策略可以根据并行任务、系统环境（主要包括系统所提供的处理器和网络参数）以及用户实际性能要求动态获取一个最佳阈值，提高了系统的灵活性；然后利用该阈值控制任务复制，即选择性地复制任务的最佳前驱来平衡系统性能和能耗以获取近似最优分组，提高了系统的稳定性；最后，将各分组分别调度到未被占用的处理器上，并通过探索任务之间的依赖关系所产生的空闲时间，利用DVS技术动态调整处理器电压以进一步节省处理器能耗。
附图说明
附图为本发明流程框图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
并行任务：用户提交的任务用有向无环图DAG表示，定义为
Figure 929265DEST_PATH_IMAGE007
。其中
Figure 19405DEST_PATH_IMAGE008
表示包涵n个任务的任务集。对于V中的每个任务，t i 是任务v i 在处理器上以最高的电压和频率执行所需的计算时间，cc i 是任务v i 的计算周期，它不随处理器电压的变化而变化，这里1≤i≤n。特别地，当任务
Figure 981545DEST_PATH_IMAGE009
存在空闲时间时，它可以被分为h个任务块{v i1 ,v i2 ,…,v ih }，每个任务块v ik 在其对应电压V k 下的执行时间是τ ik 。E为消息集, eij= (vi, vj)
Figure 829546DEST_PATH_IMAGE010
E表示任务到任务
Figure 177275DEST_PATH_IMAGE011
传递的消息，
Figure 190492DEST_PATH_IMAGE012
表示传递消息
Figure 635993DEST_PATH_IMAGE013
所发费的通信时间。此外，我们分别用
Figure 854484DEST_PATH_IMAGE014
和
Figure 277638DEST_PATH_IMAGE015
表示任务
Figure 11108DEST_PATH_IMAGE009
的后继任务集合和前驱任务集合。
系统资源：一个同构集群系统由若干个具有相同处理能力的处理器节点组成，记为
Figure 338927DEST_PATH_IMAGE016
，这些节点通过高速网络
Figure 943084DEST_PATH_IMAGE017
相互连接起来。系统中的所有处理器均支持DVS技术，且每个处理器均拥有h个按从大到小顺序排列的电压值，记为
Figure 68297DEST_PATH_IMAGE018
，对应的频率值记为
Figure 289063DEST_PATH_IMAGE019
。
具体实施方式按照以下步骤进行。
一、读并行任务有向无环图DAG文件。
二、获取初始任务调度序列。对于并行任务集V，共有n=|V|个任务，从出口任务
Figure 369975DEST_PATH_IMAGE001
开始，计算每个任务的优先级直到开始任务
Figure 94218DEST_PATH_IMAGE002
结束。然后根据任务优先级大小升序排列，获取初始任务调度序列。其中，任务
Figure 859174DEST_PATH_IMAGE009
的优先级定义如公式（1）所示。
                  
Figure 971279DEST_PATH_IMAGE021
             （1）
三、获取最佳阈值。首先，计算阈值取值范围。从初始任务调度序列的第一个任务开始遍历所有任务，计算复制当前任务
Figure 550028DEST_PATH_IMAGE003
的最佳前驱（）所增加的能耗moreenergy（等于
Figure 150084DEST_PATH_IMAGE004
的计算能耗减去它与
Figure 357818DEST_PATH_IMAGE009
之间的通信能耗），即
Figure 479489DEST_PATH_IMAGE022
（这里用k表示
Figure 615941DEST_PATH_IMAGE004
），并计算减少时间
Figure 469235DEST_PATH_IMAGE023
，能耗与时间比记为
Figure 608223DEST_PATH_IMAGE005
，取ratio的最小值和最大值分别作为最小阈值min_threshold和最大阈值max_threshold。其中最佳前驱
Figure 364826DEST_PATH_IMAGE004
定义如公式(2)所示：
   
Figure 120117DEST_PATH_IMAGE024
（2）
任务
Figure 257444DEST_PATH_IMAGE009
的最早开始时间（EST）可以自上而下递归计算求得,其中入口任务的最早开始时间是0。计算公式为：
       （3）
任务
Figure 483337DEST_PATH_IMAGE009
的最早完成时间（ECT）等于任务
Figure 696012DEST_PATH_IMAGE009
的最早开始时间加上任务
Figure 523898DEST_PATH_IMAGE009
在处理器上的执行时间，如公式(4)所示：
                 
Figure 270268DEST_PATH_IMAGE026
                         （4）
给定处理器的最大功耗PN highest ，最大电压V highest 以及最高频率f highest ，我们可以根据CMOS电路中功耗与电压、频率的关系推导出处理器在电压V j 和频率f j 下的功率，如公式（5）所示：
                  
Figure 1464DEST_PATH_IMAGE027
                    （5）
因此，对于任务
Figure 352417DEST_PATH_IMAGE009
，其在处理器上的计算能耗可以表示为：
                     
Figure 185375DEST_PATH_IMAGE028
                   （6）
这样，整个集群系统中所有任务总的活动能耗可以用公式（7）表示，其中cn i 代表任务v i 被复制的次数。另外，所有处理器空闲能耗用公式（8）表示，其中makespan是任务调度结束之后的并行任务的调度长度，PN idle 是处理器的空闲功耗，即处理器不执行任何任务时的功耗。
                        
Figure 312600DEST_PATH_IMAGE029
                 （7）                    
Figure 939714DEST_PATH_IMAGE030
            （8）
传输消息eij= (vi, vj)E所消耗的能量可以用公式（9）来表示。这样，整个系统中的网络通信能耗EL可以用公式（10）表示。其中，PL为网络通信功耗，参数in ij 由式(11)定义。
 
Figure 565179DEST_PATH_IMAGE031
                              （9）
        
Figure 384843DEST_PATH_IMAGE032
                   （10）
         
Figure 356210DEST_PATH_IMAGE033
           （11）
其次，计算调度长度取值范围。利用基于任务复制的分组策略分别求阈值为max_threshold和min_threshold–1时的任务调度长度即为最小调度长度和最大调度长度。调度长度的计算包括以下三步：第一步，在当前阈值下利用步骤四中的分组策略对任务进行分组；第二步，利用步骤五中的调度策略将任务映射到对应的处理器上；第三步，根据任务调度结果获取当前阈值下的任务调度长度。
最后，指定一个能够满足用户性能要求的调度长度，从min_threshold–1到max_threshold遍历所有阈值，利用基于任务复制的分组策略求解当前阈值下的任务调度长度，直到所求得的调度长度小于或等于指定调度长度才结束遍历，此时的当前阈值即为最佳阈值。
四、任务分组。从初始任务调度序列的第一个任务开始，执行深度优先搜索对任务进行分组。任务搜索过程中，如果当前任务
Figure 114213DEST_PATH_IMAGE003
的最佳前驱（）未分组，则将其分配到所在的分组，并标记为已分配，否则对是否复制
Figure 230046DEST_PATH_IMAGE004
进行权衡。如果复制
Figure 18004DEST_PATH_IMAGE004
，则会增加复制任务
Figure 326232DEST_PATH_IMAGE004
的计算能耗，减少任务调度时间长度和与之间的通信能耗，减少的时间记为lesstime,增加的能耗记为moreenergy，能耗与时间比记为
Figure 341920DEST_PATH_IMAGE005
。倘若lesstime>0，且ratio小于或等于最佳阈值，则将复制任务
Figure 373330DEST_PATH_IMAGE004
添加到当前任务
Figure 685625DEST_PATH_IMAGE003
所在的分组，否则退出当前分组并选取初始任务调度序列中的第一个未分组任务进行下一个分组。其中，减少时间，增加能耗
Figure 753868DEST_PATH_IMAGE022
。
出口任务的最晚允许完成时间（LACT）等于其最早完成时间，其他任务的最晚允许完成时间自下而上递归计算求得，如公式（12）所示：
    
Figure 741415DEST_PATH_IMAGE034
  （12）
任务的最晚允许开始时间（LAST）等于其最晚允许完成时间减去其执行时间，如公式(13)所示:
Figure 260176DEST_PATH_IMAGE035
                   （13）
五、任务映射。从第一个分组开始，将各分组中的所有任务映射到任意一个未被占用的处理器上，并标记该处理器已被占用，如此循环下去直到所有分组全部被分配出去为止。
六、处理器电压调节。利用任务之间的依赖关系探索任务的空闲时间，并根据任务空闲时间确定任务在被调度处理器上各个电压下的执行时间，使得产生的计算能耗最小，最后在任务执行过程中动态调节处理器电压并控制任务在相应电压下的执行时间。
    对于任务
Figure 606844DEST_PATH_IMAGE003
，其计算周期与执行时间、执行频率之间的关系是：
Figure 911048DEST_PATH_IMAGE036
。如果任务
Figure 1364DEST_PATH_IMAGE003
在处理器最高频率/电压下执行完毕之后还存在空闲时间，则可通过降低其所在处理器上的电压/频率来节省计算能耗。这时，计算周期可以表示为：
  
Figure 88006DEST_PATH_IMAGE037
                         （14）
这里，
Figure 667892DEST_PATH_IMAGE038
                                 （15）
根据任务之间的依赖关系，我们可以得到任务映射到处理器之后的实际开始执行时间（AST）和最大允许执行时间（MAET），计算方式如公式（16）和公式（17）所示。其中，
Figure 671444DEST_PATH_IMAGE039
表示任务
Figure 50604DEST_PATH_IMAGE003
和在同一分组。
    
Figure 116442DEST_PATH_IMAGE041
 （16）
           
Figure 988714DEST_PATH_IMAGE042
     （17）
很显然，任务的执行时间满足以下关系：
                     
Figure 544384DEST_PATH_IMAGE043
                       （18）
本发明中采用DVS技术的目的是通过探索任务在处理器各个电压下的执行时间来最小化任务计算能耗。这里，我们既考虑了处理器活动能耗，又考虑了处理器空闲能耗。因此，各个任务的目标方程可以表示为：
Figure 685646DEST_PATH_IMAGE044
    （19）
    以上优化问题是一个整数线性规划问题，它以公式（14）、（15）、（18）为条件方程，公式（19）为目标方程，可以利用整数线性规划求解工具LP_solve求得任务在处理器各个电压下执行时间的整数最优解。

Claims (1)

1.一种同构集群系统中基于动态电压调节技术的自适应节能调度方法，其特征在于包括以下步骤：
一、首先读取并行任务有向无环图DAG文件；
二、获取初始任务调度序列；对于并行任务集V，共有n=|V|个任务，从出口任务                                                
Figure 79028DEST_PATH_IMAGE001
开始，计算每个任务的优先级直至开始任务
Figure 924624DEST_PATH_IMAGE002
结束；然后根据任务优先级大小升序排列，获取初始任务调度序列；
三、获取最佳阈值；首先，从初始任务调度序列的第一个任务开始遍历所有任务，计算复制当前任务
Figure 623721DEST_PATH_IMAGE003
的最佳前驱（
Figure 529360DEST_PATH_IMAGE004
）所增加的能耗moreenergy（等于
Figure 812443DEST_PATH_IMAGE004
的计算能耗减去它与
Figure 461730DEST_PATH_IMAGE003
之间的通信能耗），以及复制任务所减少的时间lesstime，将能耗与时间比记为
Figure 289702DEST_PATH_IMAGE005
，取ratio的最小值和最大值分别作为最小阈值min_threshold和最大阈值max_threshold；然后，利用利用基于任务复制的分组策略求阈值分别为max_threshold和min_threshold–1时的任务调度长度即为最小调度长度和最大调度长度；最后，指定一个能够满足用户性能要求的调度长度，从min_threshold–1开始遍历所有阈值，并利用基于任务复制的分组策略求当前阈值下任务调度长度，直到所求得的调度长度小于指定调度长度才结束遍历，当前阈值即为最佳阈值；
四、任务分组；从初始任务调度序列的第一个任务开始，执行深度优先搜索直到开始任务结束；任务搜索过程中，如果当前任务的最佳前驱（
Figure 871042DEST_PATH_IMAGE004
）未分组，则将其分配给当前任务所在的分组，并标记为已分配，否则对是否复制
Figure 324020DEST_PATH_IMAGE004
进行权衡；如果复制
Figure 466551DEST_PATH_IMAGE004
，则会增加复制任务的计算能耗，减少任务调度长度和
Figure 706088DEST_PATH_IMAGE004
与
Figure 228336DEST_PATH_IMAGE003
之间的通信能耗；假设减少的时间为lesstime（即减少的调度长度）,最终增加的能耗为moreenergy（等于
Figure 222444DEST_PATH_IMAGE004
的计算能耗减去它与
Figure 640787DEST_PATH_IMAGE003
之间的通信能耗）；倘若lesstime>0，而且能耗与时间比
Figure 385758DEST_PATH_IMAGE006
小于等于最佳阈值，则将复制任务
Figure 914959DEST_PATH_IMAGE004
添加到当前任务所在的分组，否则退出当前分组并选取初始任务调度序列中的第一个未分组任务进行下一个分组；
五、任务映射；从第一个分组开始，将各分组中的所有任务映射到任意一个未被占用的处理器上，并标记该处理器已被占用，如此循环下去直到所有分组全部被分配出去为止；
六、处理器电压调节；利用任务之间的依赖关系所产生的空闲时间，确定任务在调度处理器上各个电压下的执行时间，使得产生的计算能耗最小，然后在任务执行过程中将任务执行电压调节到相应的值并控制任务在各电压下的执行时间。
CN2012101007691A 2012-04-09 2012-04-09 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法 Pending CN102650957A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012101007691A CN102650957A (zh) 2012-04-09 2012-04-09 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012101007691A CN102650957A (zh) 2012-04-09 2012-04-09 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法

Publications (1)

Publication Number Publication Date
CN102650957A true CN102650957A (zh) 2012-08-29

Family

ID=46692965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012101007691A Pending CN102650957A (zh) 2012-04-09 2012-04-09 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法

Country Status (1)

Country Link
CN (1) CN102650957A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914346A (zh) * 2013-12-16 2014-07-09 西北工业大学 一种基于分组的实时操作系统双优先级任务调度节能方法
CN104102532A (zh) * 2013-04-15 2014-10-15 同济大学 一种异构集群中基于低能耗的科学工作流调度方法
CN104298536A (zh) * 2014-10-09 2015-01-21 南京大学镇江高新技术研究院 基于动态调频调压技术的数据中心节能调度方法
CN107861606A (zh) * 2017-11-21 2018-03-30 北京工业大学 一种通过协调dvfs和任务映射的异构多核功率封顶方法
CN108920206A (zh) * 2018-06-13 2018-11-30 北京交通大学 一种插件调度方法及装置
CN109086137A (zh) * 2018-08-06 2018-12-25 清华四川能源互联网研究院 Gpu并行计算资源配置方法及装置
CN109313475A (zh) * 2016-06-10 2019-02-05 微软技术许可有限责任公司 处理器设备电压表征

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231122A (zh) * 2011-07-13 2011-11-02 武汉理工大学 一种集群环境中基于分簇的节能调度方法
CN102360246A (zh) * 2011-10-14 2012-02-22 武汉理工大学 一种异构分布式系统中基于自适应阈值的节能调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231122A (zh) * 2011-07-13 2011-11-02 武汉理工大学 一种集群环境中基于分簇的节能调度方法
CN102360246A (zh) * 2011-10-14 2012-02-22 武汉理工大学 一种异构分布式系统中基于自适应阈值的节能调度方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102532A (zh) * 2013-04-15 2014-10-15 同济大学 一种异构集群中基于低能耗的科学工作流调度方法
CN104102532B (zh) * 2013-04-15 2017-09-26 同济大学 一种异构集群中基于低能耗的科学工作流调度方法
CN103914346A (zh) * 2013-12-16 2014-07-09 西北工业大学 一种基于分组的实时操作系统双优先级任务调度节能方法
CN104298536A (zh) * 2014-10-09 2015-01-21 南京大学镇江高新技术研究院 基于动态调频调压技术的数据中心节能调度方法
CN109313475A (zh) * 2016-06-10 2019-02-05 微软技术许可有限责任公司 处理器设备电压表征
CN109313475B (zh) * 2016-06-10 2023-02-28 微软技术许可有限责任公司 处理器设备电压表征
CN107861606A (zh) * 2017-11-21 2018-03-30 北京工业大学 一种通过协调dvfs和任务映射的异构多核功率封顶方法
CN108920206A (zh) * 2018-06-13 2018-11-30 北京交通大学 一种插件调度方法及装置
CN109086137A (zh) * 2018-08-06 2018-12-25 清华四川能源互联网研究院 Gpu并行计算资源配置方法及装置
CN109086137B (zh) * 2018-08-06 2020-11-03 清华四川能源互联网研究院 Gpu并行计算资源配置方法及装置

Similar Documents

Publication Publication Date Title
CN102650957A (zh) 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法
CN102360246B (zh) 一种异构分布式系统中基于自适应阈值的节能调度方法
Yang et al. Stackelberg game approach for energy-aware resource allocation in data centers
Fang et al. Thermal-aware energy management of an HPC data center via two-time-scale control
Changtian et al. Energy-aware genetic algorithms for task scheduling in cloud computing
CN102254246B (zh) 一种工作流管理方法及其系统
CN108182115A (zh) 一种云环境下的虚拟机负载均衡方法
CN102819460A (zh) 一种基于预算功率指导的高能效gpu集群系统调度算法
Wen et al. Energy-aware hierarchical scheduling of applications in large scale data centers
CN102231122A (zh) 一种集群环境中基于分簇的节能调度方法
CN112269632B (zh) 一种优化云数据中心的调度方法和系统
CN108429265B (zh) 一种需求响应调控方法及装置
CN103034614A (zh) 基于关键路径和任务复制的单任务多核调度方法
Deng et al. Energy-aware task scheduling on heterogeneous computing systems with time constraint
CN103500123A (zh) 异构环境中并行计算调度方法
CN104102532B (zh) 一种异构集群中基于低能耗的科学工作流调度方法
CN111562837B (zh) 一种多cpu/gpu异构服务器的功耗控制方法
CN116028193B (zh) 一种混部集群的大数据任务动态高能效调度方法和系统
CN108234151B (zh) 一种云平台资源分配方法
CN102749987B (zh) 计算机同构集群系统高能效资源分配方法
CN115562812A (zh) 面向机器学习训练的分布式虚拟机调度方法、装置和系统
CN109783304A (zh) 一种数据中心的节能调度方法及对应装置
Manoj et al. Peak power reduction and workload balancing by space-time multiplexing based demand-supply matching for 3d thousand-core microprocessor
KR20140133295A (ko) 멀티 프로세서를 구비하는 데이터 병렬 처리 장치 및 그 방법
CN113553714A (zh) 限风情况下基于预测信息的风电场切风量计算方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120829