CN111026603A - 片上网络温度预测方法及装置、设备、存储介质 - Google Patents

片上网络温度预测方法及装置、设备、存储介质 Download PDF

Info

Publication number
CN111026603A
CN111026603A CN201911026334.5A CN201911026334A CN111026603A CN 111026603 A CN111026603 A CN 111026603A CN 201911026334 A CN201911026334 A CN 201911026334A CN 111026603 A CN111026603 A CN 111026603A
Authority
CN
China
Prior art keywords
network
chip
power consumption
temperature
instruction
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
CN201911026334.5A
Other languages
English (en)
Other versions
CN111026603B (zh
Inventor
李丽
高珺
傅玉祥
宋文清
何国强
陈铠
何书专
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.)
Nanjing University
Original Assignee
Nanjing 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 Nanjing University filed Critical Nanjing University
Priority to CN201911026334.5A priority Critical patent/CN111026603B/zh
Publication of CN111026603A publication Critical patent/CN111026603A/zh
Application granted granted Critical
Publication of CN111026603B publication Critical patent/CN111026603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3457—Performance evaluation by simulation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Power Sources (AREA)

Abstract

公开了一种片上网络温度预测方法、装置、设备和存储介质。本申请一实施例中，片上网络温度预测方法可以包括：获取片上网络中各个处理器在当前时刻之后预定时长内待处理指令的指令信息；根据所述待处理指令的指令信息，计算片上网络在当前时刻之后预定时长内的功耗；根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，所述预定时刻是当前时刻之后的时刻且与当前时刻相差所述预定时长。本申请能够避免因负载波动大而导致的片上网络温度预测准确度降低的问题。

Description

片上网络温度预测方法及装置、设备、存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种片上网络温度预测方法及装置、设备、存储介质。
背景技术
芯片设计过程中，温度是一个重要的优化指标。在二维的片上网络系统中，路由器的热效应已经达到和处理单元相当的量级，而在三维的片上网络系统中，由于更大的功耗密度和堆叠，温度的问题更为严峻。相关研究结果表明：芯片温度过高会带来性能的降低、可靠性的下降，芯片的寿命也随之减短。
动态温度管理可以将片上网络系统的温度控制在一个温度上限以下，依据部署在片上的温度传感器传回的芯片实时测量温度，对芯片的行为进行调节。相较于传统的被动式动态温度管理技术，主动式的动态温度管理策略可以在温度还未到达温度上限时，便对潜在的热点进行调控，后者这种技术必须具备能够提前预测芯片上各处理器温度的能力。
目前，片上网络的温度主要是基于历史信息和当前信息对其未来的温度进行预测，若应用负载出现较大的波动，温度预测的准确度则会大大降低，以至于影响片上网络系统的动态温度管理。
发明内容
为解决上述技术问题，期望提供一种新的片上网络温度预测方案，能够根据即将执行的指令或任务预测功耗，进而依据功耗来预测温度，即使在应用载出现较大波动时也可以准确地预测出片上网络的温度。
根据本申请的一个方面，提供了一种片上网络温度预测方法，包括：获取片上网络中各个处理器在当前时刻之后预定时长内待处理指令的指令信息；根据所述待处理指令的指令信息，计算片上网络在当前时刻之后预定时长内的功耗；根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，所述预定时刻是当前时刻之后的时刻且与当前时刻相差所述预定时长。
根据本申请的一个方面，提供了另一种电子设备，所述电子设备包括：一个或多个处理器；用于存储所述处理器可执行指令的存储器；所述一个或多个处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的片上网络温度预测方法。
根据本申请的一个方面，提供了另一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的片上网络温度预测方法。
本申请实施例基于未来时刻信息对温度进行预测，将未来时刻指令与片上网络温度变化建立直接联系，减少了外界环境如噪声对温度预测的影响，能够避免因负载波动大而导致的片上网络温度预测准确度降低的问题。
附图说明
图1为本申请实施例片上网络温度预测方法的流程示例图；
图2为本申请实施例片上网络温度预测的示例性执行流程示意图；
图3为本申请实施例中建立指令功耗计算模型的示例性流程示意图；
图4为本申请实施例中建立温度模型的示例性流程示意图；
图5为本申请实施例中电子设备的结构示意图。
具体实施方式
下文将结合附图对本申请实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的各个实施例及其中的各特征可以相互任意组合。
本申请实施例的基本构思是提供一种片上网络温度预测方法及装置、设备、存储介质，依据未来时刻的指令信息估算片上网络在该未来时刻的功耗，再基于片上网络在该未来时刻的功耗估算片上网络在该未来时刻的温度，可以大幅提升片上网络温度的预测准确度，并且能避免因负载波动大而导致的温度预测准确度降低的问题，即使在应用载出现较大波动时也可以准确地预测出片上网络的温度。
本申请实施例可适用于各类片上网络系统，尤其适用于包含一个或多个多核处理器的片上网络系统。
片上网络温度管理的第一步即是温度获取，本申请实施例主要对片上网络的温度进行预测，不同于传统基于历史温度信息建立温度预测模型，本申请实施例主要在建立完整的指令与功耗的数学模型后，综合功耗与温度的物理联系，基于指令预取技术获取未来时段的信息预测下一时刻的片上温度。下面对本申请实施例的具体技术细节进行说明。
图1示出了本申请实施例中片上网络温度预测方法的示例性流程图。如图1所示，本申请一实施例中，片上网络温度预测方法可以包括：
步骤S101，获取片上网络中各个处理器在当前时刻之后预定时长内待处理指令的指令信息；
步骤S102，根据所述待处理指令的指令信息，计算片上网络在当前时刻之后预定时长内的功耗；
步骤S103，根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，所述预定时刻是当前时刻之后的时刻且与当前时刻相差所述预定时长。
本申请实施例的片上网络温度预测方法，可以根据预取指令的指令信息预测出预定时长内处理器的功耗，准确性较高，进而依据功耗与温度之间的物理联系，可准确预测片上网络的温度，换言之，本申请实施例能够基于未来时刻的指令信息对温度进行预测，通过将未来时刻的指令与片上网络温度变化建立直接联系，减少了外界环境如噪声对温度预测的影响，不受历史信息影响，解决了因负载波动大而导致的片上网络温度预测准确度降低的问题。
本申请实施例中，步骤S101中的待处理指令是提前读入指令缓存区且即将被访问的指令。这里，即将被访问的指令是指在当前时刻之后的预定时长内的指令。至少一些实施例中，本申请实施例中用于片上网络温度预测而预取的指令为即将被访问的指令且已从存储器读入指令缓存区中，不会产生针对存储资源的额外需求，硬件开销低。
本申请实施例中，指令信息可以包括指令的类型指数及其对应的能量敏感因子。至少一些实施例中，可以预先获得各类型指令的上述指令信息并存储。实际预测片上网络温度之前，可以通过读取这些指令信息来获得上述待处理指令的指令信息。这里，预先获得各类型指令的上述指令信息的过程可以在训练用于计算待处理指令功耗的指令功耗计算模型的过程中实现，具体细节可参照下文相关描述。
本申请实施例中，步骤S102可以包括：步骤a1，基于每条所述待处理指令的类型指数与其对应的能量敏感因子、预先确定的基本功耗参数执行预定的指令功耗计算模型的运算，以得到所有待处理指令的功耗；步骤a2，计算所有所述待处理指令的功耗和所述片上网络在当前时刻的通信功耗之和，以得到所述片上网络在当前时刻之后预定时长内的功耗。
一些示例中，上述指令功耗计算模型可以为如下式(1)所示：
Figure BDA0002248715560000041
其中，P1(t)表示所有待处理指令的功耗，N表示所述待处理指令的数量，ε表示所述基本功耗参数，ni表示第i条待处理指令的能量敏感因子，pi表示第i条待处理指令的类型指数，i＝1、2、3、……、N。
本申请实施例中，在步骤S102之前，可以预先建立所述指令功耗计算模型并确定其参数。具体地，可以从指令缓存中读取指令信息，将指令划分，并整理出对应的能量敏感因子，形成指令信息对，与实际功耗作拟合，确定上述指令功耗计算模型中的参数，结合网络特性，建立最终的功耗模型。
至少一些实施例中，可以通过收集对片上网络中诸如应用程序等的所有负载的指令，对这些指令依据其执行功能(如累加、乘法、移位等)进行分类得pi，得到每种指令的所述指令类型指数及其对应的能量敏感因子，形成若干组指令信息对(p′i，n′i)；设定初始基本功耗ε′，建立初始计算功耗方程P1′(t)，将预设的测试时长内处理器实际功率与P1′(t)进行拟合，确定所述若干指令信息对(pi，ni)以及基本功耗ε；在不同应用场景下，对若干指令信息对(pi，ni)以及基本功耗ε求取平均值，以建立所述指令功耗计算模型并确定其参数。其中，初步计算功耗方程P1′(t)与P1(t)的表达式相同。一些示例中，该实施例的具体技术细节可参照下文图3所示的示例性流程。
至少一些实施例中，在步骤S102中，可根据片上网络的具体结构、所适用的应用场景、对片上网络温度的上限要求等多种因素来确定片上网络的通信功耗。至少一些实施例中，片上网络的通信功耗可以包括如下中之一或多项：输入缓存功耗、路由功耗、交叉传输功耗、仲裁器产生的功耗、静态功耗、片上网络基本功耗。
一些示例中，片上网络通信功耗可以通过如下式(2)来计算得到片上网络在当前时刻的功耗：
Pnet(t)-Pinput FIFO(t)+Prouting(t)+Pcrossbar(t)
|Parbitrate(t)|Pstatic(t)|Pconst(t) (2)
其中，Pnet(t)表示片上网络当前时刻的通信功耗，Pinput FIFO(t)表示片上网络当前时刻的输入缓存功耗，Prouting(t)表示片上网络当前时刻的路由功耗，Pcrossbar(t)表示片上网络当前时刻的交叉传输功耗，Parbitrate(t)表示片上网络当前时刻的仲裁器产生的功耗，Pstatic(t)表示片上网络当前时刻的静态功耗，Pconst(t)表示片上网络当前时刻的基本功耗。具体应用中，Pinput FIFO(t)、Prouting(t)、Pcrossbar(t)、Parbitrate(t)、Pstatic(t)、Pconst(t)分别可通过实时检测、预先确定计算模型或其他各种方式来得到。
需要说明的是，片上网络的通信功耗还可包括其他，对于片上网络通信功耗的具体内容及其具体计算方式，本申请实施例不予限制。
步骤S102之前，还可以包括：提取片上网络通信特征，建立通信功耗模型Pnet(t)，包括输入缓存功耗Pinput FIFO(t)、路由功耗Prouting(t)、交叉传输功耗Pcrossbar(t)、仲裁器产生的功耗Parbitrate(t)、静态功耗Pstatic(t)、以及片上网络基本功耗Pconst(t)，即得到上文式(2)，在不同的应用场景下对片上网络通信功耗模型进行平均处理，结合上述的指令功耗计算模型P1(t)得到处理器未来预定时长Δt内的总功耗模型，即如下式(3)的模型：
Figure BDA0002248715560000061
其中，P(t)表示片上网络在当前时刻之后预定时长内的功耗，
至少一些实施例中，步骤S103可以包括：步骤b1，根据片上网络在当前时刻之后预定时长内的功耗，计算片上网络在所述预定时长内的温度变化值；步骤b2，根据片上网络当前时刻的温度及其在所述预定时长内的温度变化值，计算片上网络在预定时刻的温度。
一些示例中，步骤103中，利用预先确定的等效热电阻和等效热电容的参数值、片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度和所述预定时长，执行预定的温度模型的运算，以得到片上网络在预定时刻的温度；
其中，所述预定的温度模型如下式(4)所示：
Figure BDA0002248715560000062
其中，T(t+Δt)为片上网络在预定时刻t+Δt时的温度，Δt表示所述预定时长，P(t)表示片上网络在当前时刻之后预定时长内的功耗，R表示预先确定的等效热电阻的参数值，C表示预先确定的等效热电容的参数值，T(t)表示片上网络当前时刻的温度。
至少一些实施例中，在步骤S103之前，建立上述指令功耗模型之后，可以将功耗模型依据热传导的物理特性，转化为温度模型，结合实际应用和负载，确定温度模型中各参数，建立温度模型。这里，温度模型中的参数可以包括预定时长Δt、等效热电阻R、等效热电容C。
一些示例中，建立温度模型的过程可以包括：建立等效的热RC网络来模拟片上网络的热传递，初步设定等效热电阻R和等效热电容C为初始值，初步建立所述温度模型；测量Δt后片上网络的实际温度；在不同的应用场景下或不同负载情况下，将Δt后的T(t+Δt)与Δt后片上网络的实际温度进行拟合，以得到所述等效热电阻、等效热电容的参数值。具体技术细节将在下文详细说明。
图2示出了本申请实施例片上网络温度预测的示例性实现流程。如图2所示，实际应用中本申请实施例的片上网络温度预测过程可以包括：
步骤S201，确定片上网络各个处理器中的应用程序和/或负载；
步骤S202，提取处理器之应用程序和/或负载的指令；
步骤S203，归纳指令、提取特征，以获得若干组指令信息对(p′i，n′i)
以应用程序为例，可以将应用程序中的指令初步分类得p′i，如累加p′1、乘法p′2、移位p′3，以及每类指令对应的能量敏感因子n′1、n′2、n′3，形成若干组指令信息对(p′i，n′i)。
步骤S204，利用步骤S203中形成的若干组指令信息对(p′i，n′i)，建立指令功耗模型
Figure BDA0002248715560000071
和片上网络的功耗计算模型P(t)＝P1(t)+Pnet(t)；
具体地，先设定初始基本功耗ε′，建立初始计算功耗方程P1′(t)，将一段时间内处理器的实际功率与Pi′(t)进行拟合，修正上述指令功耗模型中若干指令信息对(pi，ni)以及基本功耗ε，在不同应用场景下，对若干指令信息对(pi，ni)以及基本功耗ε求取平均值，获得最终的指令功耗计算模型及其中涉及的各种参数(包括指令的类型指数及其对对应的能量敏感因子、基本功耗参数)，即上述公式(1)。最后，再训练提取片上网络通信特征如路由功耗、交叉传输功耗等，建立完整的片上网络的功耗模型P(t)＝P1(t)+Pnet(t)。
步骤S205，建立等效的热RC网络来模拟片上网络的热传递，结合功耗模型P(t)，构建片上网络的温度模型T(t)；
具体地，建立等效的热RC网络来模拟片上网络的热传递，初步设定等效热电阻R和等效热电容C的参数值，结合步骤五中的功耗模型，初步得Δt后片上网络的温度，为：
Figure BDA0002248715560000082
其中P(t)为Δt时间段内的输入功耗，T(t)为当前时刻的温度，Δt为测量时间，T(t+Δt)为测量温度；
在不同的应用场景下或不同负载情况下，将Δt后的计算值T(t+Δt)与Δt后片上网络的实际温度进行拟合，确定等效热电阻、等效热电容参数值，从而确定温度模型
Figure BDA0002248715560000081
步骤S206，实际应用阶段，采用指令预取技术获取处理器中当前时刻后Δt时间内待处理的指令，完成指令预取；
步骤S207，将提前读入指令缓存区且即将被访问的指令，作为上述片上网络的功耗模型P(t)的输入得到Δt内的预测功耗值，并代入步骤S205中的温度模型，得到片上网络在未来时刻t+Δt时的温度。
具体地，基于功耗模型P(t)根据指令信息对功耗进行预测，从而预测出Δt时间内片上网络温度变化，综合网络当前时刻的温度T(t)，预测出处理器Δt后的温度T(t+Δt)。
图3示出了本申请实施例中建立功耗模型的示例性流程。如图3所示的示例中，建立功耗模型的过程可以包括：
步骤S301～303，获取指令，将应用程序中的指令初步分类得p′i，如累加p′1、乘法p′2、移位p′3，以及每类指令对应的能量敏感因子n′1、n′2、n′3，形成若干组指令信息对(p′i，n′i)；
步骤S304，设定初始的基本功耗参数ε′，建立初始的指令功耗计算模型P1′(t)，初步配置功耗计算模型中的参数；
步骤S305，测量片上网络运行相应指令的实际功耗值，即一段时间内处理器的实际功耗；
步骤S306，与P1′(t)进行拟合，以修订初始的指令功耗计算模型P1′(t)中指令信息对(pi，ni)和基本功耗ε的取值；
步骤S307，在不同应用场景下，对若干指令信息对(pi，ni)以及基本功耗ε求取平均值，确定最终的功耗计算模型
Figure BDA0002248715560000091
及其相关参数的值。
图4示出了本申请实施例中建立温度模型的示例性流程。图4的示例中，建立温度模型的流程可以包括：
步骤S401～S403，获取预先建立的功耗计算模型及其参数，初定等效热电阻和等效热电容，并确定测试时间；
步骤S404，初定温度模型：建立等效的热RC网络来模拟片上网络的热传递，初步设定等效热电阻R和等效热电容C的参数值，结合上述的功耗模型，初步得Δt后片上网络的温度，为：
Figure BDA0002248715560000093
其中P(t)为Δt时间段内的输入功耗，T(t)为当前时刻的温度，Δt为测量时间，T(t+Δt)为测量温度；
步骤S405，测量片上网络的实际温度；
步骤S406，在不同的应用场景下或不同负载情况下，将Δt时间段后的计算值T(t+Δt)与Δt后片上网络的实际温度进行拟合，确定等效热电阻、等效热电容参数值，从而确定最终的温度模型
Figure BDA0002248715560000092
本申请实施例还提供了一种电子设备，该电子设备可以包括一个或多个处理器51和用于存储所述处理器可执行指令的存储器52，处理器51用于执行上文所述片上网络温度预测方法的步骤。
处理器51可以是CPU或者具有指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器21可以运行所述程序指令，以实现上文所述片上网络温度预测方法以及/或者其他期望的功能。
在一个示例中，上述电子设备还可以包括：输入装置23和输出装置24，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置23还可以包括例如键盘、鼠标等等。该输出装置24可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图5中仅示出了该电子设备中的部分组件，省略了诸如总线、输入/输出接口等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
此外，本申请的实施例还可以包括计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行本说明书上述上网络温度预测方法中的步骤。
本申请实施例将指令进行功耗建模，进而结合网络特性和热传递的物理特性和指令预取技术，预测片上网络的温度，可以获得如下有益的技术效果：
第一，基于未来时刻信息对温度进行预测，将未来时刻指令与片上网络温度变化建立直接联系，减少了外界环境如噪声对温度预测的影响。
第二，能避免因负载波动大而导致的温度预测准确度降低的问题。
第三，基于指令预取技术获取的指令已存入指令缓存区，不产生额外存储资源需求，拥有低硬件开销。
以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种片上网络温度预测方法，包括：
获取片上网络中各个处理器在当前时刻之后预定时长内待处理指令的指令信息；
根据所述待处理指令的指令信息，计算片上网络在当前时刻之后预定时长内的功耗；
根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，所述预定时刻是当前时刻之后的时刻且与当前时刻相差所述预定时长。
2.如权利要求1所述的方法，其中，所述待处理指令是提前读入指令缓存区且即将被访问的指令。
3.如权利要求1所述的方法，其中，所述指令信息包括指令的类型指数及其对应的能量敏感因子；
根据所述待处理指令的指令信息，计算片上网络在当前时刻之后预定时长内的功耗包括：
基于每条所述待处理指令的类型指数与其对应的能量敏感因子、预先确定的基本功耗参数执行预定指令功耗计算模型的运算，以得到所有所述待处理指令的功耗；
计算所有所述待处理指令的功耗和所述片上网络在当前时刻的通信功耗之和，以得到所述片上网络在当前时刻之后预定时长内的功耗；
其中，所述指令功耗计算模型如下：
Figure FDA0002248715550000011
其中，P1(t)表示所有待处理指令的功耗，N表示所述待处理指令的数量，ε表示所述基本功耗参数，ni表示第i条待处理指令的能量敏感因子，pi表示第i条待处理指令的类型指数，i＝1、2、3、……、N。
4.如权利要求3所述的方法，其中，所述通信功耗至少包括如下之一：输入缓存功耗、路由功耗、交叉传输功耗、仲裁器产生的功耗、静态功耗、片上网络基本功耗。
5.如权利要求3所述的方法，还包括：
将负载的指令分类，以得到每种指令的所述指令类型指数及其对应的能量敏感因子，形成若干组指令信息对(p′i，n′i)；
设定初始基本功耗ε′，建立初始计算功耗方程P1′(t)，将预设的测试时长内处理器实际功率与P1′(t)进行拟合，确定所述若干指令信息对(pi，ni)以及基本功耗ε；
在不同应用场景下，对若干指令信息对(pi，ni)以及基本功耗ε求取平均值，以建立所述指令功耗计算模型并确定其参数。
6.如权利要求1所述的方法，其中，根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，包括：
根据片上网络在当前时刻之后预定时长内的功耗，计算片上网络在所述预定时长内的温度变化值；
根据片上网络当前时刻的温度及其在所述预定时长内的温度变化值，计算片上网络在预定时刻的温度。
7.如权利要求6所述的方法，其中，根据片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度，计算片上网络在预定时刻的温度，包括：
利用预先确定的等效热电阻和等效热电容的参数值、片上网络在当前时刻之后预定时长内的功耗、片上网络当前时刻的温度和所述预定时长，执行预定的温度模型的运算，以得到片上网络在预定时刻的温度；
其中，所述预定的温度模型如下：
Figure FDA0002248715550000031
其中，T(t+Δt)为片上网络在预定时刻t+Δt时的温度，Δt表示所述预定时长，P(t)表示片上网络在当前时刻之后预定时长内的功耗，R表示预先确定的等效热电阻的参数值，C表示预先确定的等效热电容的参数值，T(t)表示片上网络当前时刻的温度。
8.如权利要求7所述的方法，还包括：
建立等效的热RC网络来模拟片上网络的热传递，初步设定等效热电阻R和等效热电容C为初始值，初步建立所述温度模型；
测量Δt后片上网络的实际温度；
在不同的应用场景下或不同负载情况下，将Δt后的T(t+Δt)与Δt后片上网络的实际温度进行拟合，以得到所述等效热电阻、等效热电容的参数值。
9.一种电子设备，所述电子设备包括：
一个或多个处理器；
用于存储所述处理器可执行指令的存储器；
所述一个或多个处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8任一所述的方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的方法。
CN201911026334.5A 2019-10-25 2019-10-25 片上网络温度预测方法及装置、设备、存储介质 Active CN111026603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911026334.5A CN111026603B (zh) 2019-10-25 2019-10-25 片上网络温度预测方法及装置、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911026334.5A CN111026603B (zh) 2019-10-25 2019-10-25 片上网络温度预测方法及装置、设备、存储介质

Publications (2)

Publication Number Publication Date
CN111026603A true CN111026603A (zh) 2020-04-17
CN111026603B CN111026603B (zh) 2021-04-23

Family

ID=70200104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911026334.5A Active CN111026603B (zh) 2019-10-25 2019-10-25 片上网络温度预测方法及装置、设备、存储介质

Country Status (1)

Country Link
CN (1) CN111026603B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363609A (zh) * 2020-10-21 2021-02-12 海光信息技术股份有限公司 一种降低片上网络功耗的方法、装置、cpu芯片及服务器
WO2021232266A1 (zh) * 2020-05-20 2021-11-25 华为技术有限公司 芯片的控制方法和控制装置
CN114384945A (zh) * 2020-10-21 2022-04-22 Oppo广东移动通信有限公司 处理器温度控制方法、装置、存储介质和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488532A (zh) * 2013-09-02 2014-01-01 华为技术有限公司 一种调整处理器频率的方法和设备
CN104049716A (zh) * 2014-06-03 2014-09-17 中国科学院计算技术研究所 一种结合温度感知的计算机节能方法及系统
CN104182568A (zh) * 2014-07-30 2014-12-03 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于ansys有限元热分析的芯片温度预测方法
US20150378404A1 (en) * 2013-03-18 2015-12-31 Fujitsu Limited Temperature management system
US20170255240A1 (en) * 2016-03-03 2017-09-07 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Energy efficient workload placement management based on observed server efficiency measurements
CN109416566A (zh) * 2016-08-25 2019-03-01 密克罗奇普技术公司 使用温度和功率传感器的预测性热控制管理
CN110058976A (zh) * 2018-01-12 2019-07-26 英特尔公司 集成电路的热管理
CN110308782A (zh) * 2018-03-22 2019-10-08 阿里巴巴集团控股有限公司 功耗预测、控制方法、设备及计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150378404A1 (en) * 2013-03-18 2015-12-31 Fujitsu Limited Temperature management system
CN103488532A (zh) * 2013-09-02 2014-01-01 华为技术有限公司 一种调整处理器频率的方法和设备
CN104049716A (zh) * 2014-06-03 2014-09-17 中国科学院计算技术研究所 一种结合温度感知的计算机节能方法及系统
CN104182568A (zh) * 2014-07-30 2014-12-03 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于ansys有限元热分析的芯片温度预测方法
US20170255240A1 (en) * 2016-03-03 2017-09-07 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Energy efficient workload placement management based on observed server efficiency measurements
CN109416566A (zh) * 2016-08-25 2019-03-01 密克罗奇普技术公司 使用温度和功率传感器的预测性热控制管理
CN110058976A (zh) * 2018-01-12 2019-07-26 英特尔公司 集成电路的热管理
CN110308782A (zh) * 2018-03-22 2019-10-08 阿里巴巴集团控股有限公司 功耗预测、控制方法、设备及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VÍCTOR JIMÉNEZ ET AL: "Power and Thermal Characterization of POWER6 System", 《2010 19TH INTERNATIONAL CONFERENCE ON PARALLEL ARCHITECTTURES AND COMPILATION TECHNIQUES》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232266A1 (zh) * 2020-05-20 2021-11-25 华为技术有限公司 芯片的控制方法和控制装置
CN112363609A (zh) * 2020-10-21 2021-02-12 海光信息技术股份有限公司 一种降低片上网络功耗的方法、装置、cpu芯片及服务器
CN114384945A (zh) * 2020-10-21 2022-04-22 Oppo广东移动通信有限公司 处理器温度控制方法、装置、存储介质和电子设备
CN112363609B (zh) * 2020-10-21 2023-03-24 海光信息技术股份有限公司 一种降低片上网络功耗的方法、装置、cpu芯片及服务器

Also Published As

Publication number Publication date
CN111026603B (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN111026603B (zh) 片上网络温度预测方法及装置、设备、存储介质
US8533719B2 (en) Cache-aware thread scheduling in multi-threaded systems
JP6991983B2 (ja) 機械学習システムをトレーニングする方法及びシステム
TW201706873A (zh) 類神經網路處理器中之向量運算單元
US9916265B2 (en) Traffic rate control for inter-class data migration in a multiclass memory system
CN104035747B (zh) 用于并行计算的方法和装置
US9779192B2 (en) Multi-rate parallel circuit simulation
KR20160050003A (ko) 열 매커니즘을 갖는 컴퓨팅 시스템 및 그것의 동작 방법
CN113516246A (zh) 参数优化方法、量子芯片的控制方法及装置
JP5109799B2 (ja) 情報処理システム、負荷制御方法、および負荷制御プログラム
CN114168318A (zh) 存储释放模型的训练方法、存储释放方法及设备
Diao et al. Comparative studies of load balancing with control and optimization techniques
JP6901423B2 (ja) 情報処理装置、情報処理端末、及びプログラム
Richa et al. High-level power estimation techniques in embedded systems hardware: an overview
Li et al. Importance analysis for model with mixed uncertainties
CN111158901B (zh) 计算图的优化方法、装置、计算机设备和存储介质
US7512519B2 (en) Run-time characterization of on-demand analytical model accuracy
CN109600272A (zh) 爬虫检测的方法及装置
CN111798263A (zh) 一种交易趋势的预测方法和装置
Li et al. The extreme counts: modeling the performance uncertainty of cloud resources with extreme value theory
KR102430989B1 (ko) 인공지능 기반 콘텐츠 카테고리 예측 방법, 장치 및 시스템
JP2012083870A5 (zh)
JP2011154487A (ja) コンテンツ有用性管理システム、方法、及びプログラム
US7346868B2 (en) Method and system for evaluating design costs of an integrated circuit
CN114741160A (zh) 一种基于平衡能耗与服务质量的动态虚拟机整合方法和系统

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