CN104965756A - 制程变异下温度感知的MPSoC任务分配及调度策略的评估方法 - Google Patents

Abstract

本发明公开了一种制程变异下温度感知的MPSoC任务分配及调度策略的评估方法，包括以下步骤：根据MPSoC平台设计信息及任务分配和调度策略，生成TAS映射实例；将功耗模型、温度模型以及MPSoC平台制程变异信息整合并建模，转化TAS映射实例为相应的可执行NPTA模型，同时生成后台配置，提供给各个模型访问；将用户给定MPSoC设计约束转化成属性查询语句，对NPTA模型进行随机性模拟，生成统计结果数据并分析，评估当前任务分配和调度策略是否满足设计约束，若满足则从中选出最优解，若不满足则修改任务分配方式和调度策略，找出最优解。本发明可以准确地反映受温度影响的任务分配与调度实例在制程变异下的性能产出，帮助MPSoC的设计者在设计时选择最优的任务分配及调度策略。

Description

制程变异下温度感知的MPSoC任务分配及调度策略的评估方法

技术领域

本发明涉及一种制程变异下MPSoC（多核片上系统）任务分配及调度策略的评估方法，尤其涉及一种温度感知的带有制程变异的MPSoC任务分配及调度策略的评估方法。

背景技术

近年来，片上系统（System-on-a-chip，SoC）以其高集成度，体积小，低功耗的特点在嵌入式领域得到了广泛的运用。而各个应用行业的不断发展对嵌入式电子产品的功能和性能也提出了更高的要求，多核片上系统（Multiprocessor System-on-a-chip，MPSoC）由此而产生，成为了片上系统的发展趋势。

随着工艺的不断进步，芯片单位面积上集成的晶体管数量也呈指数增长，这使得整个芯片的功耗剧烈增加，同时也带来了芯片温度过高的问题。高温会使芯片的性能下降，加速芯片的老化，带来许多问题，因此芯片的温度及功耗控制成为了当前的研究热点。

制程变异（Process Variation）是集成电路在制造的过程中晶体管的属性（长，宽，栅氧化层厚度等）自然发生的变化。当工艺发展到较小的节点（小于65nm）时，制程变异给芯片带来的影响越发明显，因此制程变异成为了集成电路芯片性能提升的瓶颈之一。即使是完全相同环境下生产出的MPSoC，在性能上也会存在着微小的差别，而过高的温度会将MPSoC间的微小差别放大，对性能和功耗产生显著的影响，被放大的不确定性会使得MPSoC的表现不符合设计者的预期，加大芯片设计者的设计难度。

在MPSoC的设计中，合理的任务分配与调度（Task Allocation and Scheduling，TAS）能够在满足设计约束（如响应时间，峰值温度，能量消耗等）的条件下提升处理单元（Processing Elements, PEs）的利用率。然而，制程变异的存在使得MPSoC的设计约束并不能轻易达到，传统的用来产生可行解的最坏时间分析法已不再适用。由于时间延迟、功率、温度等相关变化带来的复杂性，对于MPSoC的设计者来说，很难决定在特定的约束条件下，哪种任务调度策略更好。因此，为了保障调度算法的性能产出（Performance Yield），对不同任务分配以及调度策略进行定量分析评估和比较成为了重要的问题。

构建一套制程变异下温度感知的MPSoC任务分配及调度策略的评估方法，能帮助MPSoC设计者们在芯片设计时作出正确的决策。

发明内容

本发明的目的是为了弥补当前在制程变异下考虑温度影响的MPSoC任务分配和调度策略的评估方面的空白，提供了一种制程变异下温度感知的MPSoC任务分配和调度策略的评估方法，实现了自动将任务分配及调度策略转化为模型的过程，并可以给出对模型进行属性查询的结果，从而实现对制程变异下不同的任务分配及调度策略的评估选择。

本发明的目的是这样实现的：

一种制程变异下温度感知的MPSoC任务分配及调度策略的评估方法，特点是该方法包括以下步骤：

步骤一：结合MPSoC平台的设计信息，在不考虑制程变异信息的情况下根据任务分配和调度策略计算出所有可能的TAS映射解决方案并生成TAS映射实例；

步骤二：在考虑制程变异的前提下对任务、任务完成状态、PE、功耗、温度、热点数及热点时间进行建模，实现将功耗模型、温度模型以及MPSoC平台的制程变异信息的整合，并自动将TAS映射实例转化成相应的可执行NPTA模型；同时自动生成后台配置，提供给各个模型访问；

步骤三：将用户给定的MPSoC设计约束转化成属性查询语句，使用UPPAAL-SMC作为查询引擎对NPTA模型进行随机性模拟，生成统计结果数据；

步骤四：分析统计结果数据，评估当前任务分配和调度策略是否满足设计约束，若满足则从中选出最优解，若不满足则进行参数调优，修改任务分配方式和调度策略，找出最优解；其中：

所述MPSoC平台的设计信息包括带任务执行信息的任务图DAG以及MPSoC的平台规格信息；

所述TAS映射实例由改变任务与MPSoC平台间的映射关系以及采用不同的调度策略生成。

所建的任务模型中所有任务拥有相同的行为模式；该模型会将整个NPTA模型的数据结构进行初始化，其中任务图中的第一个任务会将与时间和功耗相关的PE的制程变异信息初始化；任务在“接收”状态将接收该任务所有前驱节点的任务完成情况通知；当任务所有的前驱节点任务完成之后，模型将跳转到“运行”状态，将任务发送到PE上并通知相应PE；当任务完成之后，模型跳转到“结束”状态，并通过“发送”状态通知该任务的所有后继节点该任务已经完成。

所述对任务完成状态进行建模是建立任务监视器模型，任务监视器模型用于监控任务的执行情况；根据DAG图的语义，当某几个特定的任务执行完成时，判断所有的任务都已完成；当所有任务完成时，任务监视器模型向功耗模型、温度模型等模型发送所有任务结束的通知。

所建PE模型中所有PE拥有相同的行为模式；每个PE维护一个任务队列，按顺序保存并执行已经就绪的任务；任务实际执行时间与后台配置中的制程变异信息有关，即服从后台配置中的概率分布；所述PE模型通过同步信号向任务模型、功耗模型、温度模型发送通知以更新各自的状态。

所建功耗模型负责监控整个系统的实时功率消耗，并计算累计的能量消耗；其中，功耗模型在“等待”状态下更新系统功率，并根据当前功率计算系统的能量消耗情况。

所建温度模型负责监控PE的实时温度，每个PE对应一个温度模型；温度模型根据PE的运行状态调用后台配置中的函数实时更新PE温度。

所述对热点数及热点时间进行建模是建立热点监视器模型和热点计时器模型，热点监视器模型和热点计时器模型实现了热点统计功能；热点监视器模型统计MPSoC的热点数量；当超过温度阀值的PE数量不为0时，即认为该MPSoC出现热点；热点计时器模型负责统计MPSoC出现热点的时间。

所述后台配置包括任务依赖关系矩阵、制程变异信息、温度模型和功耗模型信息以及设计约束信息；所述后台配置能够被各个模型访问。

所述属性查询使用了一种简化TCTL(Timed Computation Tree Logic，即时间计算树逻辑)查询语言进行描述，具体形式如下：

Pr[<= x](<>task_finish && energy <= e)；

Pr[energy <= e](<> task_finish && time <=x && hotspot_time <= y)；

式中，task_finish 表示整个任务DAG的完成，time <= x 表示响应时间不超过x， hotspot_time <= y 表示热点时间不超过y，energy <= e 表示消耗的能量不超过e。本发明中x， y，e采用的值分别为70，75，10000。

所述参数调优的具体实现方式为：通过修改任务与PE的映射关系或者修改MPSoC平台规格得到不同的映射方案，使用UPPAAL-SMC进行属性查询后根据生成的结果对不同的映射方案进行评估，选择满足设计约束的任务分配方式；或者采用不同的调度策略，得到不同的TAS解决方案，对UPPAAL-SMC生成的结果进行分析，帮助MPSoC设计者选择出满足设计约束的最优调度策略。

本发明的有益效果：可以准确地反映受温度影响的任务分配与调度实例在制程变异下的性能产出，帮助MPSoC的设计者在设计时选择最优的任务分配及调度策略。

附图说明

图1为本发明任务分配与调度策略评估框架图；

图2为本发明的流程图；

图3为本发明中对任务建模的示意图；

图4为本发明中对任务监视器建模的示意图；

图5为本发明中对PE建模的示意图；

图6为本发明中对功耗建模的示意图；

图7为本发明中对温度建模的示意图；

图8为本发明中对热点监视器建模的示意图；

图9为本发明中对热点计时器建模的示意图。

具体实施方式

结合以下具体实施例和附图，对本发明作进一步的详细说明。

本发明提出了一种制程变异下温度感知的MPSoC任务分配和调度策略的评估方法，图1是本发明中任务分配与调度策略评估方法的框架图。

参阅图1，本发明结合MPSoC平台的设计信息（带任务执行信息的任务图，MPSoC平台规格信息），在不考虑制程变异信息的情况下根据任务分配和调度策略计算出所有可能的TAS映射解决方案并生成TAS映射实例。具体地，改变任务与MPSoC平台间的映射关系，可以生成多种任务分配方式从而生成不同的TAS映射实例，而若采用不同的调度策略也会生成不同的TAS映射实例。在考虑制程变异的前提下对任务、任务完成状态、PE、功耗、PE温度、热点数及热点时间进行建模，本发明将功耗模型，温度模型以及MPSoC平台的制程变异信息加以整合，自动将TAS映射实例转化成相应的可执行价格时间自动机网络（Network of Priced Timed Automata，NPTA）模型。后台配置根据MPSoC的设计信息及制程变异信息自动生成，并提供给各个模型访问。同时，将用户给定的MPSoC设计约束使用一种简化TCTL(Timed Computation Tree Logic，即时间计算树逻辑)查询语言进行描述，生成属性查询语句，以便进行生成TAS实例的性能产出的定量分析。根据某一个设计约束生成的属性查询语句可以用于检验所有的NPTA模型。使用UPPAAL-SMC作为查询引擎，对NPTA模型进行随机性模拟，生成统计结果数据。通过对结果数据的分析，MPSoC的设计者可以评估当前任务分配和调度策略是否满足设计约束，如果满足则可以从中选出最优解；如果当前任务分配或调度策略不满足设计约束，则设计人员可以进行参数调优，修改任务分配及MPSoC平台设计，重新生成相应的NPTA模型并再次进行属性查询，分析得到的结果，直到满足设计约束。下面对本发明的各步骤做具体说明。

本发明框架将NPTA模型分为前台模型和后台配置两部分，其中后台配置由必要的数据结构组成，前台模型描述了MPSoC设计的共同行为动作。框架后台配置具体包括：

1) 任务依赖关系矩阵。该任务依赖关系矩阵反映了任务图DAG（Directed Acyclic Graph，有向无环图）中各条边的信息以及任务具体的调度顺序。根据该矩阵，每个任务能知道自己的前驱和后继任务。根据DAG图的语义，一个任务只有当它的前驱任务都完成时才可以被执行，当某几个特定的任务执行完成时，可以判断任务图中所有的任务都已完成。

2) 制程变异信息。后台配置包括两个多维数组，分别描述了每种类型的PE在时间和功耗方面的制程变异信息。本发明框架能根据设计者采用的分布函数类型自动生成对应类型的PE在时间和功耗上的分布信息，并由此计算出任务实际消耗的时间和某个时刻的真实功耗。

3) 温度模型和功耗模型信息。本发明框架采用了被广泛使用的RC模型来描述MPSoC的温度变化，并根据实时温度计算出实时功耗。配置中包含了两个二维矩阵R、C来记录每个PE的热容和热阻，该信息包含在MPSoC的平台设计信息中。

4) 设计约束。设计约束包括任务完成的时间限制、热点温度限制以及MPSoC的能量消耗限制。

所有的TAS解决方案使用相同的前端模型，包括任务模型，任务监视器模型，PE模型，功耗模型，温度模型，热点监视器模型和热点计时器模型。

参阅图3，所有的任务拥有相同的行为模式。“初始”状态将整个NPTA模型的数据结构进行初始化，其中，任务图中的第一个任务会将与时间和功耗相关的PE的制程变异信息初始化。“接收”状态将接收该任务所有前驱节点的任务完成情况通知。当任务所有的前驱节点任务完成之后，模型将跳转到“运行”状态，将任务发送到PE上并通知相应PE。当任务完成之后，模型跳转到“结束”状态，并通过“发送”状态通知该任务的所有后继节点该任务已经完成。当该任务的所有后继节点任务都已完成后，模型跳转到“终止”状态。

参阅图4，任务监视器模型用于监控所有的任务是否都已完成。根据DAG图的语义，当某几个特定的任务执行完成时，可以判断所有的任务都已完成，此时任务监视器模型从“开始”状态跳转到“结束”状态，并向功耗模型、温度模型等模型发送所有任务结束的通知。

参阅图5，所有的PE拥有相同的行为模式。每个PE维护一个任务队列，按顺序保存并执行已经就绪的任务。PE模型主要包含四个状态，若队列为空，模型进入“等待”状态等待任务被分配到该PE上；若队列不为空，则从“开始”状态进入“运行”状态并向功耗模型发送通知请求该PE的功率分配，同时通知温度模型该PE开始运行以更新该PE的温度。在“运行”状态下，PE模型取队首任务执行，任务实际执行时间与后台配置中的制程变异信息有关，即服从后台配置中的概率分布。当任务运行结束后，PE模型将跳转到“结束”状态，同时向任务模型、功耗模型、温度模型发送通知以更新各自的状态。

参阅图6，功耗模型用于监控整个系统的实时功率消耗，并计算累计的能量消耗。模型中“处理”状态负责为PE分配或释放功率，“等待”状态等待功率分配或释放的通知消息。“等待”状态消耗时间，在该状态下模型更新系统功率，并根据当前功率计算系统的能量消耗情况。当接收到所有任务结束的消息时，模型跳转到“终止”状态，停止功率和能量的计算。

参阅图7，温度模型负责监控PE的实时温度，每个PE对应一个温度模型。温度模型包含“PE空闲”和“PE运行”两个状态，对应了PE的空闲和运行状态。在“空闲”状态下，温度模型根据后台配置的temp_idle()函数实时更新PE温度，在“运行”状态下，PE温度根据temp_running()函数实时更新。当接收到任务结束的通知后，温度模型跳转到“终止”状态，并继续调用函数更新PE的温度。

参阅图8-9，热点统计功能由热点监视器模型和热点计时器模型完成。图7所示的热点监视器模型统计MPSoC的热点数量，当超过温度阀值的PE数量不为0时，即认为该MPSoC出现热点，模型进入“温度较高”状态；若该PE温度低于温度阀值，则模型处于“温度较低”状态。图8所示的热点计时器模型负责统计MPSoC出现热点的时间，当MPSoC的热点数为0时，模型处于“计时停止”状态，当MPSoC出现热点即热点数不为0时，模型进入“计时开始”状态，进行热点时间的统计。当接收到所有任务结束的通知时，热点计时器模型跳转到“终止”状态结束运行。

在模型转换步骤之后，本发明执行属性查询步骤，根据设计约束生成属性查询语句，使用UPPAAL-SMC作为查询引擎对NPTA模型进行随机性模拟以实现属性查询，生成统计结果数据。为了比较生成的NPTA模型在考虑温度和能耗约束时的性能产出，本发明使用了一种简化TCTL(Timed Computation Tree Logic，即时间计算树逻辑)查询语言生成了如下形式的属性模板：

Pr[<= x](<>task_finish && energy <= e)；

Pr[energy <= e](<> task_finish && time <=x && hotspot_time <= y)；

式中，task_finish 表示整个任务DAG的完成，time <=x 表示响应时间不超过x， hotspot_time <= y 表示热点时间不超过y，energy <= e 表示消耗的能量不超过e。本发明中x， y，e采用的值分别为70，75，10000。

通过大量的随机模拟运行，UPPAAL-SMC会在模型检验结束后报告运行成功的随机模拟的概率分布，生成统计数据，MPSoC设计者可以根据生成的统计结果数据，用性能产出等指标判断TAS映射实例是否满足设计约束，评估任务分配和调度策略的优劣。如果结果满足设计约束，则可以从中选出最优解；如果当前任务分配或调度策略不满足设计约束，则设计人员可以进行参数调优，通过修改任务与PE的映射关系或者修改MPSoC平台规格，可以得到不同的任务分配方案，使用UPPAAL-SMC进行属性查询后可以根据生成的结果对不同的映射方案进行评估，选择满足设计约束的任务分配方式；或者采用不同的调度策略，得到不同的TAS解决方案，对UPPAAL-SMC生成的结果进行分析，帮助MPSoC设计者选择出满足设计约束的最优调度策略。

本发明提出的制程变异下温度感知的MPSoC任务调度建模与评估方法，结合MPSoC的设计信息根据任务分配和调度策略生成不同的TAS映射实例，将UPPAAL-SMC的属性查询结果进行分析评估，可以帮助MPSoC的设计者在考虑制程变异的情况下选择出最优的任务分配和调度策略。

Claims (10)

1.一种制程变异下温度感知的MPSoC任务分配及调度策略的评估方法，其特征在于，包括以下步骤：

步骤一：结合MPSoC平台的设计信息，在不考虑制程变异信息的情况下根据任务分配和调度策略计算出所有可能的TAS映射解决方案并生成TAS映射实例；

步骤二：在考虑制程变异的前提下对任务、任务完成状态、PE、功耗、温度、热点数及热点时间进行建模，实现将功耗模型、温度模型以及MPSoC平台的制程变异信息的整合，并自动将TAS映射实例转化成相应的可执行NPTA模型；同时自动生成后台配置，提供给各个模型访问；

步骤三：将用户给定的MPSoC设计约束转化成属性查询语句，使用UPPAAL-SMC作为查询引擎对NPTA模型进行随机性模拟，生成统计结果数据；

步骤四：分析统计结果数据，评估当前任务分配和调度策略是否满足设计约束，若满足则从中选出最优解，若不满足则进行参数调优，修改任务分配方式和调度策略，找出最优解；其中：

所述MPSoC平台的设计信息包括带任务执行信息的任务图DAG以及MPSoC的平台规格信息；

所述TAS映射实例由改变任务与MPSoC平台间的映射关系以及采用不同的调度策略生成。

2.如权利要求1所述的评估方法，其特征在于，所建的任务模型中所有任务拥有相同的行为模式；该模型会将整个NPTA模型的数据结构进行初始化，其中任务图中的第一个任务会将与时间和功耗相关的PE的制程变异信息初始化；任务在“接收”状态将接收该任务所有前驱节点的任务完成情况通知；当任务所有的前驱节点任务完成之后，模型将跳转到“运行”状态，将任务发送到PE上并通知相应PE；当任务完成之后，模型跳转到“结束”状态，并通过“发送”状态通知该任务的所有后继节点该任务已经完成。

3.如权利要求1所述的评估方法，其特征在于，所述对任务完成状态进行建模是建立任务监视器模型，任务监视器模型用于监控任务的执行情况；根据DAG图的语义，当某几个特定的任务执行完成时，判断所有的任务都已完成；当所有任务完成时，任务监视器模型向功耗模型、温度模型及热点计时器模型发送所有任务结束的通知。

4.如权利要求1所述的评估方法，其特征在于，所建PE模型中所有PE拥有相同的行为模式；每个PE维护一个任务队列，按顺序保存并执行已经就绪的任务；任务实际执行时间与后台配置中的制程变异信息有关，即服从后台配置中的概率分布；所述PE模型通过同步信号向任务模型、功耗模型、温度模型发送通知以更新各自的状态。

5.如权利要求1所述的评估方法，其特征在于，所建功耗模型负责监控整个系统的实时功率消耗，并计算累计的能量消耗；其中，功耗模型在“等待”状态下更新系统功率，并根据当前功率计算系统的能量消耗情况。

6.如权利要求1所述的评估方法，其特征在于，所建温度模型负责监控PE的实时温度，每个PE对应一个温度模型；温度模型根据PE的运行状态调用后台配置中的函数实时更新PE温度。

7.如权利要求1所述的评估方法，其特征在于，所述对热点数及热点时间进行建模是建立热点监视器模型和热点计时器模型，热点监视器模型和热点计时器模型实现了热点统计功能，热点监视器模型统计MPSoC的热点数量；当超过温度阀值的PE数量不为0时，即认为该MPSoC出现热点；热点计时器模型负责统计MPSoC出现热点的时间。

8.如权利要求1所述的评估方法，其特征在于，所述后台配置包括任务依赖关系矩阵、制程变异信息、温度模型和功耗模型信息以及设计约束信息。

9.如权利要求1所述的评估方法，其特征在于，所述属性查询使用了一种简化TCTL(Timed Computation Tree Logic，即时间计算树逻辑)查询语言进行描述，具体形式如下：

Pr[<= x](<>task_finish && energy <= e)；

Pr[energy <= e](<> task_finish && time <= x && hotspot_time <= y)；

式中，task_finish 表示整个任务DAG的完成，time <= x表示响应时间不超过x， hotspot_time <= y表示热点时间不超过y，energy <= e 表示消耗的能量不超过e；其中，x， y，e采用的值分别为70，75，10000。

10.如权利要求1所述的评估方法，其特征在于，所述参数调优的具体实现方式为：通过修改任务与PE的映射关系或者修改MPSoC平台规格得到不同的任务映射方案，使用UPPAAL-SMC进行属性查询，根据生成的结果对不同的映射方案进行评估，选择满足设计约束的任务分配方式；或者采用不同的调度策略，得到不同的TAS解决方案，对UPPAAL-SMC查询生成的结果进行分析，帮助MPSoC设计者选择出满足设计约束的最优调度策略。