CN104331331B - 任务数目和性能感知的可重构多核处理器的资源分配方法 - Google Patents

任务数目和性能感知的可重构多核处理器的资源分配方法 Download PDF

Info

Publication number
CN104331331B
CN104331331B CN201410610548.8A CN201410610548A CN104331331B CN 104331331 B CN104331331 B CN 104331331B CN 201410610548 A CN201410610548 A CN 201410610548A CN 104331331 B CN104331331 B CN 104331331B
Authority
CN
China
Prior art keywords
task
stage
resource
performance
logic core
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.)
Expired - Fee Related
Application number
CN201410610548.8A
Other languages
English (en)
Other versions
CN104331331A (zh
Inventor
安虹
高晓川
王涛
邱晓杰
韩文廷
张爱民
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN201410610548.8A priority Critical patent/CN104331331B/zh
Publication of CN104331331A publication Critical patent/CN104331331A/zh
Application granted granted Critical
Publication of CN104331331B publication Critical patent/CN104331331B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种任务数目和性能感知的可重构多核处理器的资源分配方法,动态可重构多核处理器具有运行时动态重构片上资源的能力,为降低任务平均周转时间,提高系统吞吐率和芯片资源利用率提供了巨大的优化空间。本发明中,在每个操作系统调度间隔内,资源分配器先根据任务的数目平均分配逻辑核,运行一定时钟周期后,根据任务的性能(反映任务对资源的需求)对其进行排序,找出对资源需求小的任务,减小所占用的逻辑核的粒度,并将从资源需求小的任务那里获得的空闲物理核分配给对资源需求高的任务,以增加该对资源需求高的任务占用的逻辑核的粒度。当系统当前的负载发生变化或者任务本身进入新的运行阶段时资源分配器将在下一次操作系统调度中及时做出调整以充分利用芯片资源。

Description

任务数目和性能感知的可重构多核处理器的资源分配方法
技术领域
本发明涉及计算机系统结构领域中操作系统设计和运行时支持,特别涉及一种任务数目和性能感知的可重构多核处理器的资源分配方法
背景技术
动态可重构多核处理器技术及基于动态可重构多核处理器的资源分配算法简介
动态可重构多核处理器(Dynamic Reconfigurable Chip Multiprocessor,DRCMP)是近年来学术界提出的一类新兴的多核处理器结构。DRCMP芯片由一组结构简单的同构的物理处理单元构成,我们称这种处理单元为物理核。DRCMP可以在运行时动态地重构由一个或者多个物理核构成的一个逻辑上的逻辑核。任务运行在逻辑核上。构成逻辑核的物理核越多,这个逻辑核粒度越大。可以通过增加物理核的数目来增大逻辑核的粒度或者减少物理核数目来减小逻辑核的粒度。不同粒度的逻辑核其计算能力不同,为了满足不同任务不同执行阶段的需求,可以配置不同粒度的逻辑核(示意图见图1)。
因此,在DRCMP中资源分配器(可以用硬件或软件实现)根据系统中任务的数目和性能动态地调整逻辑核中的物理核的数量,也即是改变逻辑核的粒度,为降低任务平均周转时间,提高系统吞吐率和芯片资源利用率提供了巨大的优化空间。
但是,据我们调研,截止本发明申请时,尚无研究成果在DRCMP上同时支持任务数目和性能快速感知的动态资源分配方案。目前,在编译时静态决定逻辑核的分配算法不能运行时根据运行情况动态调整资源配置。而动态分配算法可以做到这一点,其中最为典型的动态资源分配算法有EQUI和PDPA。下面对EQUI和PDPA作简要介绍。
EQUI资源分配算法不考虑单个任务的特性,只是考虑系统中任务的数目,即平均分配给每个任务资源。每个任务都获得粒度相等的逻辑核。每当有任务执行完毕或者新的任务到达时,系统中任务的数目就会发生改变,EQUI算法就会根据任务数目重新计算每个任务获得的逻辑核的粒度,从而重新平均分配逻辑核。比如,假如系统中物理核的数目为16,且运行的任务数为2,那么配置两个粒度为8的逻辑核分别分配给这两个任务。但是,不同的任务获得的性能不同,且相同的任务在不同的执行阶段的性能也有差异,而任务的性能反映了其对计算资源的需求。EQUI的实现过于简单,只是从全局性的任务数出发,而没有考虑到单个任务性能的差异性,不能很好地满足任务的需求,没有充分利用资源。
PDPA资源分配算法考虑到了系统中每个任务的阶段性行为特征。能够根据任务的行为特征动态地适时地调整逻辑核的大小。PDPA资源分配算法中有两个阈值:目标效率和最高效率,其中,最高效率大于目标效率。系统实时的检测任务的效率,确保效率在目标效率和最高效率之间。如果任务的效率小于目标效率,说明任务占用的逻辑核过大而浪费资源,则适当减小逻辑核,使得效率增大。如果任务的效率大于最高效率,说明任务占用的逻辑核过小严重不能满足需求,则适当地增大逻辑核,使得效率减小。PDPA过于关注单个任务对资源的需求,而忽视了对全局的把握。在PDPA中,只有当系统的任务数目有明显变化时,才适当重新设置目标效率和最高效率的值。
DRCMP系统面临的问题
使用DRCMP构建计算机系统、在DRCMP上提供任务数目和性能感知的动态资源分配,目前主要面临的困难在于DRCMP结构芯片上资源的可重构特性引入了资源分配问题,包括:
①决定系统中逻辑核的数目
②决定每个逻辑核的粒度
③决定任务向逻辑核的映射策略
④决定何种条件下调整资源配置
其中,如何高效地利用DRCMP芯片结构片上资源的可重构特性,是在DRCMP上有效进行任务数目和性能感知的动态资源分配的关键技术问题。
本发明充分地发挥动态可重构多核处理器(DRCMP)芯片结构片上资源的可重构能力,提出了一种简单有效的资源分配方法,能根据当前系统中任务的数目和性能动态地调整处理器核的数目和粒度,降低任务平均周转时间,提高系统吞吐率和芯片资源利用率,解决DRCMP结构上高效的片上资源分配问题。
发明内容
本发明提出一种任务数目和性能感知的可重构多核处理器的资源分配方法,面向动态可重构多核处理器芯片结构,如背景技术中所述,DRCMP可以在运行时动态地配置不同粒度的逻辑核。任务运行在逻辑核上,不同粒度的逻辑核其计算能力不同,这能够满足不同任务不同执行阶段的需求。构成逻辑核的物理核越多,逻辑核粒度越大。可以通过调整逻辑核的数目和粒度来满足不同任务不同执行阶段的需求。而在多任务环境下在何种情况下以及如何调整逻辑核的数目和粒度就是本发明的主要任务。为了实现高效的任务数目和性能感知的动态资源分配,本发明中,在每个操作系统调度间隔内,资源分配器先根据任务的数目平均分配逻辑核,运行一定时钟周期后,根据任务的性能即对资源的需求对其进行排序,找出对资源需求小的任务,减小所占用的逻辑核的粒度,并将从资源需求小的任务那里获得的空闲物理核分配给对资源需求高的任务,以增加该对资源需求高的任务占用的逻辑核的粒度。当系统当前的任务数目发生变化或者任务本身进入新的运行阶段时资源分配器将在下一次操作系统调度中及时做出调整以保持芯片资源的高效利用率。
每个操作系统调度间隔之内系统阶段的推进过程及条件如图2所示。本发明中系统共有四个执行阶段:
1)任务抖动阶段:在新的操作系统调度开始时,系统的任务数目发生改变或者任务的性能发生改变,任务的运行行为状态不正常的现象,我们称之为“抖动”。“抖动”现象带来的不准确信息会影响资源分配器对任务性能的评估,从而对资源的调整做出错误的决策。因此,系统会在该阶段停留一小段时间,而不采集性能信息,以此来屏蔽任务的“抖动”。在任务抖动阶段开始时,资源分配器根据任务的数目平均分配计算资源,每个任务获得粒度相等的逻辑核。
2)性能信息采集阶段:在该阶段,每个任务获得的逻辑核粒度依然相等。系统分别统计该阶段每个任务获得的平均性能(如该阶段任务的IPC、缓存缺失率等)。资源分配器用平均性能来当作下一阶段的指导依据。
3)性能评估与资源配置调整阶段:用上一阶段采集的信息评估每个任务的性能,以此衡量任务对资源的需求。资源分配器根据任务的性能即对资源的需求对任务进行排序,从对资源需求最小的任务开始找出部分对资源需求小的任务,并从对资源需求最大的任务开始找出部分对资源需求大的任务,降低资源需求小的任务的逻辑核的粒度,空闲下来的物理核用来增大资源需求大的那些任务所占用的逻辑核。调整资源配置后系统进入高效运行阶段。
4)高效运行阶段:系统进入该阶段说明现在的资源配置最适合当前的运行情况,即是综合考虑任务数目和性能的最好的资源配置。系统在该资源配置下高效地运行,直到下一次操作系统调度的到来,任务运行情况发生改变,系统进入任务抖动阶段。
系统不同阶段推进过程中主要参数说明:
1)逻辑核类型(CoreType)。具体有:
a)评估型(evaluation type):系统在性能信息采集阶段中,所有任务获得的逻辑核粒度相等,在这些逻辑核上采集的性能信息为性能评估作准备,我们称此时的逻辑核为评估型。因为任务抖动阶段和性能信息采集阶段任务的逻辑核粒度相同,我们也认为任务抖动阶段的逻辑核为评估型。
b)稳定型(stable type):在系统的高效运行阶段,逻辑核的粒度处于一个稳定的状态,不会再发生改变。
2)任务数目(task number):系统中运行的任务数目,在任务抖动阶段和性能信息采集阶段决定评估型逻辑核粒度,也为了保证整个运行过程中的系统吞吐率。
3)性能(performance characteristic):任务执行情况的一些信息反映,比如IPC、缓存缺失率等。用来衡量任务对资源的需求,从而为资源分配作指导。
4)性能比较因子(performance characteristic factor):用来衡量调整逻辑核粒度的必要性。如任务A对资源的需求小于性能比较因子与任务B对资源需求的乘积,则我们认为有必要调整任务A和任务B所占逻辑核的粒度。
5)时间间隔(intervals):由操作系统预先定义的一个阈值,用来限定系统相应阶段的执行时间。每隔一定的时间间隔系统就会向前推进一个阶段。本发明中主要关注的时间间隔有三个:
a)抖动时间间隔(jittered_intervals):该时间间隔用来限定抖动时间,力图既能够有效屏蔽任务抖动又不会浪费太多时间。
b)性能信息采集时间间隔(sampled_intervals):该时间间隔用来限定性能信息采集时间,力图既能够采集充分的表征性能的信息又不会浪费太多时间。
c)高效运行时间间隔(efficient_intervals):该阈值用来限定高效运行时间间隔,这三种时间间隔之和略微小于操作系统调度间隔,小于的那部分被资源分配器调整资源时所消耗。
下面以一个具体的例子来说明系统四个阶段的推进过程。
假如系统中总共有16个物理核,逻辑核的粒度分为1、2、4、8四种。当前有8个任务A、B、C、D、E、F、G、H,性能比较因子为0.5。操作系统新的调度开始,系统进入任务抖动阶段,资源分配器分配给每个任务粒度为2的逻辑核,为评估型逻辑核。抖动时间初始值为0,每过一个时间单元,抖动时间就加1,当抖动时间等于抖动时间间隔(jittered_intervals)后系统进入性能信息采集阶段。
系统进入性能信息采集阶段后,从评估型逻辑核上采集该阶段中表征任务性能的信息。当性能信息采集时间等于性能信息采集时间间隔(sampled_intervals)时,计算每个任务在这段时间的性能(假如通过综合考虑IPC和缓存缺失率后获得的8个任务的量化性能分别为0.6、0.4、1.5、1.0、1.2、1.2、1.1、1.1)。系统进入性能评估与资源配置调整阶段。
进入性能评估与资源配置调整阶段后,资源分配器依据性能对任务进行排序,排序后的任务为:B(0.4)、A(0.6)、D(1.0)、G(1.1)、H(1.1)、E(1.2)、F(1.2)、C(1.5)。任务B的性能小于性能比较因子0.5与任务C的性能乘积,由于逻辑核的粒度只有1、2、4、8四种,资源分配器从任务B中获取1个物理核不能满足任务C的需求,恰巧任务A的性能也小于性能比较因子0.5与任务C的性能乘积,资源分配器又从任务A中获取1个物理核,此时调整任务A、B、C所占逻辑核的粒度为1、1、4。任务D、E、F、G、H不满足逻辑核调整的条件,不改变其逻辑核的粒度。系统进入高效运行阶段。
进入高效运行阶段后,任务A、B、C、D、E、F、G、H所占的逻辑核的粒度一直不变,分别为1、1、4、2、2、2、2、2。直到高效运行时间到达高效运行间隔(efficient_intervals)为止。
与现有技术中存在的问题相比较,本发明所具有的优点和积极效果主要体现在:
1)本发明相比较于在编译阶段静态决定逻辑核的分配算法能运行时根据运行情况动态调整资源配置。
2)本发明相比较于EQUI分配算法能充分考虑到不同任务的差异性以及相同任务不同执行阶段的差异性。
3)本发明相比较于PDPA分配算法,对全局有了充分的把握,对系统中任务总数的改变更加敏感,而且没有PDPA复杂的状态转换。
本发明提出的方法相较于以上提到的算法运行时的实际表现更好,既能快速感知系统中任务总数的变化以及任务的阶段性性能,依此来动态地重构资源,显著降低了任务的平均周转时间,提高了任务的系统吞吐率和芯片资源利用率。
附图说明
图1、动态可重构多核处理器重构配置示意图,该处理器芯片上有16个物理核。左图所示的配置中有16个逻辑核,每个逻辑核的粒度都为1;重构后变为中图的配置,有5个逻辑核,逻辑核的粒度分别为8、4、2、1、1;继续重构后变为右图的配置,有六个逻辑核,逻辑核的粒度分别为4、2、2、2、2、4。
图2是本发明的主要技术方法中系统不同阶段的推进过程
具体实施方式
本发明的目的、优点和关键技术,将通过下面具体实施方式进行解释。这个实施只是该方案的一个典型范例,凡采取替换或者等效变换而形成的技术方案,均落在本发明要求保护的范围之内。本节将本发明应用于支持一个典型的DRCMP结构(TFlex)上的动态资源分配。
在TFlex结构中,芯片上总共有32个物理核,能同时运行的任务数目最多为16。总共有1、2、4、8、16五种粒度的逻辑核,即分别为由1、2、4、8、16个物理核构成的逻辑核。系统在任务抖动阶段或者性能信息采集阶段,逻辑核为评估型,其数目和粒度取决于当前同时运行的任务的数目。若同时运行的任务数在1到2之间,则评估型逻辑核粒度为16;若同时运行的任务数在3到4之间,则评估型逻辑核粒度为8;若同时运行的任务数在5到8之间,则评估型逻辑核粒度为4;若同时运行的任务数在9到16之间,则评估型逻辑核粒度为2。
在经过性能评估与资源配置调整阶段后,逻辑核由评估型变为稳定型。当评估型逻辑核粒度为2时,稳定型逻辑核粒度可能为1、2、4;当评估型逻辑核粒度为4时,稳定型逻辑核粒度可能为2、4、8;当评估型逻辑核粒度为8时,稳定型逻辑核粒度可能为4、8、16;当评估型逻辑核粒度为16时,稳定型逻辑核粒度为16。
在TFlex结构上,我们用IPC和缓存缺失率的一个函数值表示任务的性能,并用该量化后的性能衡量任务对资源的需求。在比较对资源的需求时我们设置性能比较因子为0.5。
在TFlex结构上,时间间隔选择如下:
1)抖动时间间隔(jittered_intervals)=50000cycles;
2)性能信息采集时间间隔(sampled__intervals)=50000cycles;
3)高效运行时间间隔(efficient_intervals)=900000cycles;
对运行在芯片上的资源分配器的工作过程将按照图2中所描述的过程进行。以下用举例方式阐述图2所描述的过程。
假如当前有4个任务A、B、C、D。操作系统新的调度开始,系统进入任务抖动阶段,资源分配器分配给每个任务粒度为8的逻辑核,为评估型逻辑核。抖动时间初始值为0,每过一个cycle,抖动时间就加1,当抖动时间等于抖动时间间隔50000cycles后系统进入性能信息采集阶段。
系统进入性信息采集阶段后,从评估型逻辑核上采集该阶段中表征任务性能的信息。当性能信息采集时间等于性能信息采集时间间隔50000cycles时,计算每个任务在这段时间的性能(假如IPC和缓存缺失率两个因素构成的函数值分别为0.2、0.4、1、1.3)。系统进入性能评估与资源配置调整阶段。
进入性能评估与资源配置调整阶段后,资源分配器依据性能对任务进行排序,排序后的任务为:A、B、C、D。任务A的性能小于性能比较因子0.5与任务D的性能乘积,由于逻辑核的粒度只有1、2、4、8、16五种,资源分配器从任务A中获取4个物理核不能满足任务D的需求,恰巧任务B的性能也小于性能比较因子0.5与任务D的性能乘积,资源分配器又从任务B中获取4个物理核,此时调整任务A、B、C、D所占逻辑核的粒度为4、4、8、16。系统进入高效运行阶段。
进入高效运行阶段后,任务A、B、C、D所占的逻辑核的粒度一直不变。直到高效运行时间到达高效运行间隔900000cycles为止。在有任务的情况下系统的四个阶段不停地推进。

Claims (2)

1.一种任务数目和性能感知的可重构多核处理器的资源分配方法,其特征在于:在动态可重构多核处理器上运行多个任务过程中系统经历的四个阶段:
任务抖动阶段:任务处于不稳定的运行状态,系统在该状态停留一小段时间,而不采集性能信息,以此来屏蔽任务的“抖动”;
性能信息采集阶段:在该阶段,系统分别统计该阶段每个任务获得的平均性能,包括该阶段任务的IPC、缓存缺失率;
性能评估与资源配置调整阶段:用性能信息采集阶段采集的信息评估每个任务的性能,以此衡量任务对资源的需求;资源分配器根据任务的性能即对资源的需求配置资源;
高效运行阶段:系统进入该阶段说明现在的资源配置最适合当前的运行情况,系统在该资源配置下高效地运行;
在每个操作系统调度间隔之内,系统经历这四个阶段;经过前三个阶段后,系统已经为所有任务进行高效的资源配置,在时间最长的高效运行阶段,系统获得高效的系统吞吐率和资源利用率;
每个操作系统调度间隔之内系统的四个阶段的推进过程及条件为:
任务抖动阶段:操作系统开始进行任务调度时系统进入任务抖动阶段;或者当高效运行阶段结束时,发现系统任务数已经发生变化或者任务性能发生改变,操作系统进行下一次任务调度,系统进入任务抖动阶段;当抖动时间大于抖动时间间隔时进入性能信息采集阶段,否则停留在任务抖动阶段并且抖动时间加1;
性能信息采集阶段:当性能信息采集时间大于性能信息采集时间间隔时进入性能评估与资源配置调整阶段,否则停留在本阶段并且性能信息采集时间加1;
性能评估与资源配置调整阶段:根据性能信息采集阶段采集的信息评估每个任务的性能,对任务进行排序,并调整资源配置,从对资源需求最小的任务开始找出部分对资源需求小的任务,并从对资源需求最大的任务开始找出部分对资源需求大的任务,降低资源需求小的任务的逻辑核的粒度,空闲下来的物理核用来增大资源需求大的那些任务所占用的逻辑核,即调整任务所占逻辑核的粒度;调整资源配置后进入高效运行阶段;
高效运行阶段:系统在调整好的资源配置下高效地运行,当高效运行时间等于高效运行间隔时即下一个操作系统调度开始时,任务的执行情况发生改变,系统进入任务抖动阶段,否则停留在本阶段并且高效运行时间加1。
2.根据权利要求1所述的方法,其特征在于:系统阶段推进过程中参数包括:
1)逻辑核类型:评估型,稳定型,称处于任务抖动阶段和性能信息采集阶段的逻辑核为评估型的,处于高效运行阶段的逻辑核为稳定型的;
2)任务数目:系统中运行的任务数目,决定评估型逻辑核粒度;
3)性能:反映任务执行信息的指标,比如IPC、缓存缺失率;
4)性能比较因子:用来衡量调整逻辑核粒度的必要性;
5)时间间隔:抖动时间间隔,性能信息采集时间间隔,高效运行时间间隔,这些时间间隔分别用来限定任务抖动阶段、性能信息采集阶段、高效运行阶段的时间。
CN201410610548.8A 2014-11-02 2014-11-02 任务数目和性能感知的可重构多核处理器的资源分配方法 Expired - Fee Related CN104331331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410610548.8A CN104331331B (zh) 2014-11-02 2014-11-02 任务数目和性能感知的可重构多核处理器的资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410610548.8A CN104331331B (zh) 2014-11-02 2014-11-02 任务数目和性能感知的可重构多核处理器的资源分配方法

Publications (2)

Publication Number Publication Date
CN104331331A CN104331331A (zh) 2015-02-04
CN104331331B true CN104331331B (zh) 2017-07-28

Family

ID=52406065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410610548.8A Expired - Fee Related CN104331331B (zh) 2014-11-02 2014-11-02 任务数目和性能感知的可重构多核处理器的资源分配方法

Country Status (1)

Country Link
CN (1) CN104331331B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3274828B1 (en) * 2015-03-24 2020-05-06 Telefonaktiebolaget LM Ericsson (publ) Methods and nodes for scheduling data processing
CN105045658B (zh) * 2015-07-02 2018-10-23 西安电子科技大学 一种利用多核嵌入式dsp实现动态任务调度分发的方法
US10768936B2 (en) * 2015-09-19 2020-09-08 Microsoft Technology Licensing, Llc Block-based processor including topology and control registers to indicate resource sharing and size of logical processor
US11016770B2 (en) 2015-09-19 2021-05-25 Microsoft Technology Licensing, Llc Distinct system registers for logical processors
CN105718661A (zh) * 2016-01-21 2016-06-29 烽火通信科技股份有限公司 一种通用的芯片性能验证装置及方法
US10235211B2 (en) * 2016-04-22 2019-03-19 Cavium, Llc Method and apparatus for dynamic virtual system on chip
US20180143860A1 (en) * 2016-11-22 2018-05-24 Intel Corporation Methods and apparatus for programmable integrated circuit coprocessor sector management
CN107193649B (zh) * 2017-05-25 2021-02-19 深信服科技股份有限公司 一种基于numa系统的任务调度方法及装置
CN108288090B (zh) * 2018-01-08 2020-06-19 福州瑞芯微电子股份有限公司 一种并行竞争神经网络芯片的优化方法和装置
CN116483013B (zh) * 2023-06-19 2023-09-05 成都实时技术股份有限公司 一种基于多通道采集器的高速信号采集系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7285487B2 (en) * 2003-07-24 2007-10-23 California Institute Of Technology Method and apparatus for network with multilayer metalization
CN101937370A (zh) * 2010-08-16 2011-01-05 中国科学技术大学 一种在fcmp上支持系统级资源分配和任务调度的方法及装置
CN102662765A (zh) * 2012-04-28 2012-09-12 中国科学技术大学 一种运行效率指导的可重构多核处理器的资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7285487B2 (en) * 2003-07-24 2007-10-23 California Institute Of Technology Method and apparatus for network with multilayer metalization
CN101937370A (zh) * 2010-08-16 2011-01-05 中国科学技术大学 一种在fcmp上支持系统级资源分配和任务调度的方法及装置
CN102662765A (zh) * 2012-04-28 2012-09-12 中国科学技术大学 一种运行效率指导的可重构多核处理器的资源分配方法

Also Published As

Publication number Publication date
CN104331331A (zh) 2015-02-04

Similar Documents

Publication Publication Date Title
CN104331331B (zh) 任务数目和性能感知的可重构多核处理器的资源分配方法
De Matteis et al. Keep calm and react with foresight: Strategies for low-latency and energy-efficient elastic data stream processing
Vijayakumar et al. Dynamic resource provisioning for data streaming applications in a cloud environment
EP3129880B1 (en) Method and device for augmenting and releasing capacity of computing resources in real-time stream computing system
Isard et al. Quincy: fair scheduling for distributed computing clusters
CN103124957B (zh) 用于处理单元的动态资源分配的方法和设备
JP6241300B2 (ja) ジョブスケジューリング装置、ジョブスケジューリング方法、およびジョブスケジューリングプログラム
US20100125847A1 (en) Job managing device, job managing method and job managing program
Tang et al. Reducing fragmentation on torus-connected supercomputers
CN108519917A (zh) 一种资源池分配方法和装置
Zhang et al. Adaptive block and batch sizing for batched stream processing system
Schneider et al. Dynamic load balancing for ordered data-parallel regions in distributed streaming systems
CN115168058B (zh) 线程负载均衡方法、装置、设备及存储介质
Muthuvelu et al. On-line task granularity adaptation for dynamic grid applications
Elliott et al. Exploring the multitude of real-time multi-GPU configurations
Zhao et al. Preemptive multi-queue fair queuing
Sharma et al. Dynamic load balancing algorithm for heterogeneous multi-core processors cluster
CN110825212B (zh) 节能调度方法及装置、计算机可存储介质
Kim et al. Using DVFS and task scheduling algorithms for a hard real-time heterogeneous multicore processor environment
Tan et al. Multi-resource fair sharing for multiclass workflows
Gainaru et al. Scheduling the I/O of HPC applications under congestion
Geng et al. Dynamic load balancing scheduling model based on multi-core processor
Zhu et al. Green scheduling: A scheduling policy for improving the energy efficiency of fair scheduler
Deelman et al. Breadth-first rollback in spatially explicit simulations
Mandal et al. An empirical study and analysis of the dynamic load balancing techniques used in parallel computing systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170728