CN108733491A - 一种面向异构MPSoC系统的热感知及低能耗任务调度方法 - Google Patents

一种面向异构MPSoC系统的热感知及低能耗任务调度方法 Download PDF

Info

Publication number
CN108733491A
CN108733491A CN201810461025.XA CN201810461025A CN108733491A CN 108733491 A CN108733491 A CN 108733491A CN 201810461025 A CN201810461025 A CN 201810461025A CN 108733491 A CN108733491 A CN 108733491A
Authority
CN
China
Prior art keywords
task
processor
temperature
virtual
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.)
Granted
Application number
CN201810461025.XA
Other languages
English (en)
Other versions
CN108733491B (zh
Inventor
魏同权
徐过
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.)
East China Normal University
Original Assignee
East China Normal University
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 East China Normal University filed Critical East China Normal University
Priority to CN201810461025.XA priority Critical patent/CN108733491B/zh
Publication of CN108733491A publication Critical patent/CN108733491A/zh
Application granted granted Critical
Publication of CN108733491B publication Critical patent/CN108733491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234Power saving characterised by the action undertaken
    • G06F1/329Power saving characterised by the action undertaken by task scheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5094Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00Digital computers in general; Data processing equipment in general
    • G06F15/76Architectures of general purpose stored program computers
    • G06F15/78Architectures of general purpose stored program computers comprising a single central processing unit
    • G06F15/7807System on chip, i.e. computer system on a single chip; System in package, i.e. computer system on one or more chips in a single package
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Sources (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向异构MPSoC系统的热感知及低能耗任务调度方法,包括以下步骤:将支持多个频率的异构多处理器转换为仅支持一个固定频率的虚拟多处理器模型;使用启发式算法将具有依赖关系的任务分配到虚拟处理器上;计算当前任务分配下系统的峰值温度;计算当前任务分配下任务的完成时间;验证此次任务分配是否满足时间和任务依赖关系的约束条件;更新未分配任务队列、已分配到每个虚拟处理器的任务队列以及每个虚拟处理器的任务执行时间。本发明在任务截至期限、任务优先级和芯片峰值温度的约束下,通过热感知节能调度算法来优化系统能耗,该算法确定分配给每个处理器的任务和每个任务的工作频率,可以有效地计算出低能耗的任务调度解决方案。

Description

一种面向异构MPSoC系统的热感知及低能耗任务调度方法
技术领域
本发明涉及嵌入式系统任务调度方法,尤其涉及一种综合考虑到任务截至期限、任务优 先级和芯片峰值温度的任务调度方案,具体地说是一种在支持多个频率的异构MPSoC系统中 降低处理器能耗的任务调度方法。
背景技术
随着对高性能计算的需求和硬件性能的不断增加,多处理器的能耗也在不断增加,这会 影响电池容量有限的便携式设备的使用寿命。同时,性能的提升使得多处理器中的晶体管的 集成度急剧上升,这增加了芯片的功率密度,从而提高了芯片温度。这种高温会通过电迁移, 电介质击穿,热循环等方式加速多处理器的磨损,从而降低系统的可靠性。而由于温度的升 高,泄漏功率也随之升高,这反过来会增加芯片温度,并导致封装成本和冷却成本的增加。 因此,能量消耗和芯片温度的增加可能会导致严重的经济,生态和技术问题,在温度限制下 最小化能量消耗是可持续计算系统设计中的一个迫切研究问题。
由于较好的性能和较低的能量消耗,异构多处理器在各种可持续计算系统中被广泛采用。 因此本发明关注异构实时MPSoC系统的温度感知节能任务调度问题。
发明内容
本发明目的提出了一种任务调度方法,在任务截至期限、任务优先级和芯片峰值温度限 制下进行任务分配和频率选择以最大限度地减少MPSoC系统所消耗的能量。在任务分配过程 中,先将支持多个频率的多处理器模型转换为仅支持一个固定频率级别的虚拟多处理器模型 以简化调度复杂度,然后使用启发式算法分配任务以最小化能量消耗,该分配结果即是符合 系统约束条件的能量消耗最小化的任务调度。
本发明的目的是这样实现的:一种面向异构MPSoC系统的热感知及低能耗任务调度方法, 其特点包括以下步骤:
步骤1:将支持多个频率的异构多处理器转换为仅支持一个固定频率的虚拟多处理器模型, 从而减少优化的一个维度;
步骤2:使用启发式算法将具有依赖关系的任务分配到虚拟处理器上;
步骤3:计算当前任务分配下系统的峰值温度;
步骤4:计算当前任务分配下该任务的完成时间;
步骤5:验证此次任务分配是否满足任务截至期限、任务依赖关系以及系统峰值温度的约束 条件,若不满足则结束本次任务调度并转步骤二,若满足则对任务进行调度并转步骤六;
步骤6:更新未分配任务队列、已分配到每个虚拟处理器的任务队列以及每个虚拟处理器的 任务执行时间;
步骤7:分配结束。
其所述步骤1具体包括:
步骤A1:表示出MPSoC系统中M个处理器的所有频率:
P={P1,P2,…,PM}
其中:P为所有处理器的集合,M为处理器的个数,PM为第M个处理器,为处理器PM的 第xM种功耗参数,集合a包含了MPSoC系统中所有处理器的所有功耗参数;
步骤A2:将集合a中的功耗参数与虚拟处理器之间建立一对一的关联,并且虚拟处理器按其 功耗因子的升序排列:
其中:χ为转换之后的虚拟处理器个数,θ为转换之后的虚拟处理器集合,为第个虚拟处 理器,为虚拟处理器的电压,为虚拟处理器的频率。
其所述步骤2具体包括:
步骤B1:对不具有依赖关系的任务按照功耗因子进行非增排序:
步骤B2:使用拓扑排序算法对依赖任务按照任务优先约束进行排序:
步骤B3:将具有最大功耗因子的任务分配给具有最小功耗因子的虚拟处理器。
其所述步骤3具体包括:
步骤C1:计算当前时刻t的静态能量消耗:
其中:αm和γm都是处理器Pm的非负架构相关常量,vm,k是处理器Pm第k个电压等级,Tm(t)为 t时刻处理器Pm的工作温度;
步骤C2:计算当前时刻t的动态能量消耗:
其中:μi是任务τi的活跃参数,δm是一个非负常数,取决于处理器Pm的体系结构,fm,k为处理 器Pm第k个频率等级;
步骤C3:根据处理器时刻t的能量消耗、初始温度、环境温度、瞬时温度、热阻和电容对处 理器温度进行建模:
其中:R和C是与硬件有关的热阻和电容,Pow(t)是步骤C1和步骤C2中计算的电量,Tamb是 环境温度,T(t)是t时刻的处理器温度。
步骤C4:导出时刻t的处理器温度:
步骤C5:计算任务执行期间的处理器峰值温度:
其中:为时隙D中处理器的峰值温度,T(t)是时刻t处理器的瞬时温度,可以由步骤C4 得到。
其所述步骤4具体包括:
步骤D1:将当前调度任务加入虚拟处理器任务队列:
步骤D2:计算在此虚拟处理器队列中该任务的完成时间:
其所述步骤5具体包括:
步骤E1:判断系统温度是否满足约束:
步骤E2:判断任务完成时间是否满足约束:
步骤E3:判断任务优先级是否满足约束:
其所述步骤6具体包括:
步骤F1:将任务分配给虚拟处理器:
步骤F2:更新虚拟处理器的任务的执行时间:
步骤F3:将任务从等待队列移除。
本发明提出了应用在MPSoC系统的一种任务调度方法。该方法可以在任务截至期限、任 务优先级和芯片峰值温度限制下有效的减少MPSoC系统能耗并降低峰值温度,从而减少了系 统因温度导致的磨损,增强了系统可靠性。
附图说明
图1为三种热约束条件下执行合成任务时,本发明与混合最差拟合遗传算法(HWGA)和 A*-search算法在消耗的能量方面的对比示意图;
图2为三种热约束条件下执行合成任务时,本发明与混合最差拟合遗传算法(HWGA)和 A*-search算法在调度可行性方面的对比示意图;
图3为三种热约束条件下执行真实多媒体应用时,本发明与混合最差拟合遗传算法(HWGA) 和A*-search算法在消耗的能量方面的对比示意图;
图4为三种热约束条件下执行真实多媒体应用时,本发明与混合最差拟合遗传算法(HWGA) 和A*-search算法在处理器峰值温度方面的对比示意图。
具体实施方式
为了更加清楚的描述发明的目的、技术方案及优点,以下结合附图和具体实施例,对本 发明进行进一步详细说明。
本发明使用两种任务集对本发明的有效性进行验证,一个任务集是合成的实时任务,所 有生成任务的截至日期都在[4*107,6*108]的范围内,任务优先级随机分布在[0.4,1]之间; 另一个任务集为四个真实多媒体应用程序,即mpegplay,madplay,tmndec和toast。
本发明还与混合最差拟合遗传算法(HWGA)和A*-search算法进行比较。混合最差拟合 遗传算法将基于最差拟合的分区启发式算法与遗传算法相结合,生成任务分配,从而在满足 所有设计约束条件的同时降低能耗。A*-search算法是一种最佳寻路算法,它结合了贪心最 佳优先搜索等启发式方法和Dijsktra算法等形式化方法,从能量效率的角度找到任务分配的 最优解,其分配的虚拟处理器作为路径的权重,然后找到最佳的任务分配等同于从入口任务 到最终任务找到具有最小总重量的路径。
本发明和两个基准算法HWGA和A*-search算法都是用C++实现的,并且在一台采用英特 尔双核3.0GHz处理器和8GB内存的机器上进行模拟实验。
步骤1:将支持多个频率的多处理器模型转换为仅支持一个固定频率级别的虚拟多处理器模 型,从而减少优化的一个维度。本发明实施过程中,使用的MPSoC系统包括8个异构处理器, 每个处理器都有三个频率,给定处理器Pm的最大频率其他频率由依次递减0.2得 出。
处理器性能参数为:
MPSoC系统中8个异构处理器的所有频率表示为:
a={3.3,3.1,2.9,……,2.6,2.4,2.2}
转换之后的虚拟处理器数量为:
转换之后的虚拟处理器为:
θ={θ12,…θ24}
其中:θ1为3.3,θ2为3.1,依次类推。
步骤2:使用启发式算法将具有依赖关系的任务分配到虚拟处理器上。先将独立无依赖任务 按照功耗因子进行非增排序,然后使用拓扑排序算法对依赖任务按照任务优先约束进行排序, 最后依次将具有最大功耗因子的任务分配给具有最小功耗因子的虚拟处理器。
步骤3:计算当前任务分配下系统的峰值温度。先用公式 和公式计算出当前任务下处理器的电量消耗,然后根据 公式导出处理器的温度变化:
最后,根据每一时刻的温度,使用公式计算出当前任务分配下 的系统峰值温度
步骤4:计算当前任务分配下该任务的完成时间。先将当前调度任务加入虚拟处理器任务队 列:
其中:Vtemp为一个临时任务子集,是已经分配给虚拟处理器的任务子集,τi为第i个任务; 然后计算在此虚拟处理器队列中该任务的完成时间:
其中:ET(Vtemp)为临时子集中任务的执行时间,为已经分配给虚拟处理器的任务的 执行时间,为任务τi在虚拟处理器上的执行时间;
步骤5:验证此次任务分配是否满足任务截至期限、任务依赖关系以及系统峰值温度的约束 条件,若不满足则结束本次任务调度并转步骤2,若满足则对任务进行调度并转步骤6。若 则系统温度满足约束;若ET(Vtemp)≤D,则任务完成时间满足约束, 其中D为任务的通用截止日期;若则满足任务优先级约束,其 中tsi)为任务τi的开始执行时间,tfj)为任务τj的执行结束时间,Γi,j为用于表示任务τi是否 在任务τj之前的二进制变量。
步骤6:更新系统状态。先将任务分配给虚拟处理器
再更新虚拟处理器的任务的执行时间:
最后将任务从等待队列移除:
Qtask=Qtaskj
其中:Qtask为任务等待队列。
图1显示了当使用本发明和两个基准算法HWGA和A*-search算法执行30个合成实时应 用程序时,系统在三种热约束条件下所消耗的能量。除了能量消耗之外,这些应用程序在三 种热约束条件下使用三种算法的调度可行性也在图2中给出。热量约束条件取值为Tmax=65℃,70℃,75℃。调度可行性表示在任务截止时间,任务优先级和峰值温度限制 的限制下,应用程序中的任务能被合理地调度。从图中可以看出,与HWGA相比,本发明对 于给定的热约束消耗更少的能量,但与A*-search算法相比,给定的热约束消耗更多的能量。 这是因为A*-search算法试图在不考虑设计限制的情况下找到能量最优解决方案。与 A*-search不同,任务截止时间,任务优先级和峰值温度限制的约束都在本发明的任务分配 中进行了检查。结果,通过使用本发明可以实现更高的调度可行性,如图2所示。
图3和图4分别显示了当使用四个真实多媒体应用程序作为任务集执行时,本发明和两 个基准算法在三种热约束条件下所消耗的能量和处理器的峰值温度。从图3中可以看出,在 使用真实多媒体应用程序作为任务集执行时,本发明仍比HWGA消耗更少的能量,比A*-search算法消耗更多的能量。但是使用本发明时,处理器的峰值温度要比HWGA和 A*-search算法要低,如图4所示。
本发明在任务截止时间、任务优先级和峰值温度限制的约束能够有效的降低处理器的峰 值温度,从而降低能量消耗并增强系统可靠性。

Claims (7)

1.一种在面向异构MPSoC系统的热感知及低能耗任务调度方法,其特征在于,该方法包括以下步骤:
步骤1:将支持多个频率的异构多处理器转换为仅支持一个固定频率的虚拟多处理器模型,从而减少优化的一个维度;
步骤2:使用启发式算法将具有依赖关系的任务分配到虚拟处理器上;
步骤3:计算当前任务分配下系统的峰值温度;
步骤4:计算当前任务分配下该任务的完成时间;
步骤5:验证此次任务分配是否满足任务截至期限、任务依赖关系以及系统峰值温度的约束条件,若不满足则结束本次任务调度并转步骤2,若满足则对任务进行调度并转步骤6;
步骤6:更新未分配任务队列、已分配到每个虚拟处理器的任务队列以及每个虚拟处理器的任务执行时间;
步骤七:分配结束。
2.如权利要求1所述的任务调度方法,其特征在于,所述步骤1具体包括:
步骤A1:表示出MPSoC系统中M个处理器的所有频率:
P={P1,P2,…,PM}
其中:P为所有处理器的集合,M为处理器的个数,PM为第M个处理器,为处理器PM的第xM个频率,集合a包含了MPSoC系统中所有处理器的所有频率;
步骤A2:将集合a中的功耗参数与虚拟多处理器之间建立一对一的关联,并且虚拟处理器按其功耗因子的升序排列:
θ={θ1,θ2,...,θl,...θχ}
θl={vl,fl}
其中:χ为转换之后的虚拟处理器个数,θ为转换之后的虚拟处理器集合,θl为第l个虚拟处理器,vl为虚拟处理器θl的电压,fl为虚拟处理器θl的频率。
3.如权利要求1所述的任务调度方法,其特征在于,所述步骤2具体包括:
步骤B1:对不具有依赖关系的任务按照功耗因子进行非增排序;
步骤B2:使用拓扑排序算法对依赖任务按照任务优先约束进行排序;
步骤B3:将具有最大功耗因子的任务分配给具有最小功耗因子的虚拟处理器。
4.如权利要求1所述的任务调度方法,其特征在于,所述步骤3具体包括:
步骤C1:计算当前时刻t的静态能量消耗:
其中:αm和γm都是处理器Pm的非负架构相关常量,vm,k是处理器Pm第k个电压等级,Tm(t)为t时刻处理器Pm的工作温度;
步骤C2:计算当前时刻t的动态能量消耗:
其中:μi是任务τi的活跃参数,δm是一个非负常数,取决于处理器Pm的体系结构,fm,k为处理器Pm第k个频率等级;
步骤C3:根据处理器时刻t的能量消耗、初始温度、环境温度、瞬时温度、热阻和电容对处理器温度进行建模:
其中:R和C是与硬件有关的热阻和电容,Pow(t)是步骤C1和步骤C2中计算的电量,Tamb是环境温度,T(t)是t时刻的处理器温度;
步骤C4:计算时刻t的处理器温度:
步骤C5:计算任务执行期间的处理器峰值温度:
其中:为时隙D中处理器的峰值温度,T(t)是时刻t处理器的瞬时温度,由步骤C4得到。
5.如权利要求1所述的任务调度方法,其特征在于,所述步骤4具体包括:
步骤D1:将当前调度任务加入虚拟处理器任务队列;
步骤D2:计算在此虚拟处理器队列中该任务的完成时间。
6.如权利要求1所述的任务调度方法,其特征在于,所述步骤5具体包括:
步骤E1:判断系统温度是否满足约束;
步骤E2:判断任务完成时间是否满足约束;
步骤E3:判断任务优先级是否满足约束。
7.如权利要求1所述的任务调度方法,其特征在于,所述步骤6具体包括:
步骤F1:将任务分配给虚拟处理器;
步骤F2:更新虚拟处理器θl的任务的执行时间;
步骤F3:将任务从等待队列移除。
CN201810461025.XA 2018-05-15 2018-05-15 一种面向异构MPSoC系统的热感知及低能耗任务调度方法 Active CN108733491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810461025.XA CN108733491B (zh) 2018-05-15 2018-05-15 一种面向异构MPSoC系统的热感知及低能耗任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810461025.XA CN108733491B (zh) 2018-05-15 2018-05-15 一种面向异构MPSoC系统的热感知及低能耗任务调度方法

Publications (2)

Publication Number Publication Date
CN108733491A true CN108733491A (zh) 2018-11-02
CN108733491B CN108733491B (zh) 2021-10-15

Family

ID=63938335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810461025.XA Active CN108733491B (zh) 2018-05-15 2018-05-15 一种面向异构MPSoC系统的热感知及低能耗任务调度方法

Country Status (1)

Country Link
CN (1) CN108733491B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110209478A (zh) * 2019-05-16 2019-09-06 重庆邮电大学 一种异构多核片上系统任务调度方法和装置
CN111240461A (zh) * 2020-01-09 2020-06-05 黔南民族师范学院 一种基于任务调度的异构计算系统低功耗方法
CN113760552A (zh) * 2021-09-08 2021-12-07 清华大学 一种无关异构多处理器及其实时调度方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060136074A1 (en) * 2004-12-22 2006-06-22 Susumi Arai Thermal management of a multi-processor computer system
US20090271141A1 (en) * 2008-04-25 2009-10-29 Sun Microsystems, Inc. Workload scheduling in multi-core processors
CN101826167A (zh) * 2010-03-31 2010-09-08 北京航空航天大学 基于云控制器的自适应多核并行模拟退火遗传方法
CN103164274A (zh) * 2013-02-18 2013-06-19 华东师范大学 一种基于温度约束的固定优先级实时任务静态调度方法
CN104461732A (zh) * 2014-11-04 2015-03-25 上海盈方微电子有限公司 一种应用于二维网格结构片上网络芯片的温度优化方法
CN104965756A (zh) * 2015-05-29 2015-10-07 华东师范大学 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
CN106170742A (zh) * 2014-04-08 2016-11-30 高通股份有限公司 多处理器片上系统中的能效感知热管理
CN106293914A (zh) * 2016-08-01 2017-01-04 深圳市金立通信设备有限公司 一种任务调度的方法及终端
US20170371719A1 (en) * 2016-06-24 2017-12-28 Advanced Micro Devices, Inc. Temperature-aware task scheduling and proactive power management

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060136074A1 (en) * 2004-12-22 2006-06-22 Susumi Arai Thermal management of a multi-processor computer system
US20090271141A1 (en) * 2008-04-25 2009-10-29 Sun Microsystems, Inc. Workload scheduling in multi-core processors
CN101826167A (zh) * 2010-03-31 2010-09-08 北京航空航天大学 基于云控制器的自适应多核并行模拟退火遗传方法
CN103164274A (zh) * 2013-02-18 2013-06-19 华东师范大学 一种基于温度约束的固定优先级实时任务静态调度方法
CN106170742A (zh) * 2014-04-08 2016-11-30 高通股份有限公司 多处理器片上系统中的能效感知热管理
CN104461732A (zh) * 2014-11-04 2015-03-25 上海盈方微电子有限公司 一种应用于二维网格结构片上网络芯片的温度优化方法
CN104965756A (zh) * 2015-05-29 2015-10-07 华东师范大学 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
US20170371719A1 (en) * 2016-06-24 2017-12-28 Advanced Micro Devices, Inc. Temperature-aware task scheduling and proactive power management
CN106293914A (zh) * 2016-08-01 2017-01-04 深圳市金立通信设备有限公司 一种任务调度的方法及终端

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
JUNLONG ZHOU 等: "Peak Temperature Minimization via Task Allocation and Splitting for Heterogeneous MPSoC Real-Time Systems", 《JOURNAL OF SIGNAL PROCESSING SYSTEMS》 *
JUNLONG ZHOU 等: "Thermal-Aware Task Scheduling for Energy Minimization in Heterogeneous Real-Time MPSoC Systems", 《IEEE TRANSACTIONS ON COMPUTER-AIDED DESIGN OF INTEGRATED CIRCUITS AND SYSTEMS》 *
VIVEK CHATURVEDI 等: "Thermal-aware task scheduling for peak temperature minimization under periodic constraint for 3D-MPSoCs", 《2014 25ND IEEE INTERNATIONAL SYMPOSIUM ON RAPID SYSTEM PROTOTYPING》 *
刘聪: "基于温度感知的多核实时系统稳定性研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
徐子川: "基于多核处理器的温度感知实时调度算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
杨志邦: "一类异构多处理器片上系统任务调度算法研究与应用", 《中国博士学位论文全文数据库 信息科技辑》 *
王鲁光: "多处理器片上系统中温度感知的任务调度算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
闫建明: "异构多处理器中温度感知实时任务调度机制研究与算法设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110209478A (zh) * 2019-05-16 2019-09-06 重庆邮电大学 一种异构多核片上系统任务调度方法和装置
CN111240461A (zh) * 2020-01-09 2020-06-05 黔南民族师范学院 一种基于任务调度的异构计算系统低功耗方法
CN111240461B (zh) * 2020-01-09 2023-07-21 黔南民族师范学院 一种基于任务调度的异构计算系统低功耗方法
CN113760552A (zh) * 2021-09-08 2021-12-07 清华大学 一种无关异构多处理器及其实时调度方法

Also Published As

Publication number Publication date
CN108733491B (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
Safari et al. Energy-aware scheduling algorithm for time-constrained workflow tasks in DVFS-enabled cloud environment
Tang et al. An energy-efficient task scheduling algorithm in DVFS-enabled cloud environment
Wang et al. Towards energy aware scheduling for precedence constrained parallel tasks in a cluster with DVFS
Chen et al. Green-aware workload scheduling in geographically distributed data centers
US20100235654A1 (en) Methods of achieving cognizant power management
CN107168770B (zh) 一种低能耗的云数据中心工作流调度与资源供给方法
Xiao et al. Minimizing schedule length of energy consumption constrained parallel applications on heterogeneous distributed systems
CN108733491A (zh) 一种面向异构MPSoC系统的热感知及低能耗任务调度方法
Diaz et al. Energy-aware fast scheduling heuristics in heterogeneous computing systems
Liang et al. Memory-aware resource management algorithm for low-energy cloud data centers
Zhang et al. CloudFreq: Elastic energy-efficient bag-of-tasks scheduling in DVFS-enabled clouds
CN103399626A (zh) 面向混合计算环境的功耗感知的并行应用调度系统及方法
Kessaci et al. Parallel evolutionary algorithms for energy aware scheduling
Peng et al. HEA-PAS: A hybrid energy allocation strategy for parallel applications scheduling on heterogeneous computing systems
Jia et al. A novel cloud workflow scheduling algorithm based on stable matching game theory
Li et al. Energy-aware scheduling algorithm for task execution cycles with normal distribution on heterogeneous computing systems
Zhang et al. Energy-efficient task scheduling for DVFS-enabled heterogeneous computing systems using a linear programming approach
Kuo et al. Task assignment with energy efficiency considerations for non-DVS heterogeneous multiprocessor systems
Quang-Hung et al. Heuristics for energy-aware VM allocation in HPC clouds
Huang et al. Dynamic allocation/reallocation of dark cores in many-core systems for improved system performance
Al-Fatlawi et al. A novel approach for new architecture for green data centre
Wang et al. Adaptive power allocation for many-core systems inspired from multiagent auction model
Eitschberger et al. Energy-efficient task scheduling in manycore processors with frequency scaling overhead
Yang et al. Energy-efficient DAG scheduling with DVFS for cloud data centers
Maurya et al. An energy aware edge priority-based scheduling algorithm for multiprocessor environments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant