CN111158454A - 一种实时嵌入式操作系统低功耗方法及装置 - Google Patents

一种实时嵌入式操作系统低功耗方法及装置 Download PDF

Info

Publication number
CN111158454A
CN111158454A CN201911329775.2A CN201911329775A CN111158454A CN 111158454 A CN111158454 A CN 111158454A CN 201911329775 A CN201911329775 A CN 201911329775A CN 111158454 A CN111158454 A CN 111158454A
Authority
CN
China
Prior art keywords
cpu
load
time period
adjusting
predicted load
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
CN201911329775.2A
Other languages
English (en)
Inventor
尹德帅
徐志方
刘超
王淼
唐洁
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.)
Qingdao Haier Technology Co Ltd
Original Assignee
Qingdao Haier Technology Co Ltd
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 Qingdao Haier Technology Co Ltd filed Critical Qingdao Haier Technology Co Ltd
Priority to CN201911329775.2A priority Critical patent/CN111158454A/zh
Publication of CN111158454A publication Critical patent/CN111158454A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3243—Power saving in microcontroller unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Sources (AREA)

Abstract

本发明提供了一种实时嵌入式操作系统低功耗方法及装置，该方法包括：获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，可以解决相关技术中CPU负载的预测精准度低导致系统性能降低的问题，通过多个时间段的实际CPU负载预测下一时间段的CPU负载，提高了负载预测精度。

Description

一种实时嵌入式操作系统低功耗方法及装置
技术领域
本发明涉及操作系统领域，具体而言，涉及一种实时嵌入式操作系统低功耗方法及装置。
背景技术
在嵌入式操作系统的实际应用中，一些对任务延时要求高的重要任务，需要优先快速处理。而对于一些非重要任务，系统可以延迟处理或者延长时间处理。但是，当前基于CPU(central processing unit，中央处理器)负载的动态电压调频技术DVFS(centralprocessing unit，动态电压频率调整)会在执行该类操作时由于监测到CPU负载较高而将CPU频率调至最高，并没有根据当前处理任务的特点进行调频，这导致一些非重要而CPU负载较高的任务获得了较高的CPU执行频率，重要而CPU负载较低的任务获得了较低的频率，致使调频失去效率，系统性能降低。
现有的DVFS算法都是使用CPU负载(即一段时间内CPU非idle时间和总时间的比值)指导调频，其目标是尽量将CPU负载维持在某一预定范围，当CPU负载超出其上限时提升CPU频率，小于下限时逐步降低频率。
DVFS算法的一个关键问题是如何准确有效地预测负载。现有技术中是将前一时刻的CPU负载默认为当前时刻的CPU负载，即P[n-1]＝P[n]，其中，P[n]为当期时刻的CPU负载。由于CPU负载具有强历史时间相关性，因此现有技术的预测方法的预测精准度低。
针对相关技术中CPU负载的预测精准度低导致系统性能降低的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种实时嵌入式操作系统低功耗方法及装置，以至少解决相关技术中CPU负载的预测精准度低导致系统性能降低的问题。
根据本发明的一个实施例，提供了一种实时嵌入式操作系统低功耗方法，包括：
获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，所述根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，包括:
根据调整因子对所述CPU预测负载进行调整；
根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整，包括：
若调整后的CPU预测负载大于第一预设阈值，将所述下一时间段的CPU频率调整为第一预设范围或第一预设值；
若调整后的CPU预测负载小于第二预设阈值，将所述下一时间段的CPU频率调整为第二预设范围或第二预设值，其中，所述第二预设值小于所述第一预设值，所述第二预设范围的最大值小于所述第一预设范围的最大值；
若调整后的CPU预测负载大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值，保持所述下一时间段的CPU频率不变。
可选地，在所述根据调整因子对所述CPU预测负载进行调整之前，所述方法还包括：
根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子。
可选地，所述根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子，包括：
将所述上一时间段中CPU处理重要任务的总时长与所述上一时间段的时长的比例，确定为所述调整参数；
根据所述调整参数确定所述调整因子。
可选地，根据所述调整参数确定所述调整因子包括：
判断所述调整参数是否大于或等于第三预设阈值；
在判断结果为是的情况下，1＜β＜2，其中，β为所述调整因子；
在判断结果为否的情况下，0＜β＜1。
可选地，通过以下方式根据所述调整因子对所述CPU预测负载进行调整：
P＝β×P[n+1]；
其中，P为调整后的CPU预测负载，β为所述调整因子，P[n+1]为所述CPU预测负载。
可选地，通过以下方式根据所述多个时间段的CPU实际负载确定所述下一时间段的CPU预测负载：
Figure BDA0002329270190000031
Figure BDA0002329270190000032
Figure BDA0002329270190000033
其中，P[n+1]为所述CPU预测负载，P[n-k]为所述当前时间之前的第n-k时间段的CPU实际负载，W[k]为所述第n-k时间段的CPU实际负载的权重，0≤W[k]≤1，n为所述多个时间段的数量，0≤k＜n；当k＝0时，P[n]为所述当前时间的CPU实际负载。
根据本发明的另一个实施例，还提供了一种实时嵌入式操作系统低功耗装置，包括：
获取模块，用于获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
确定模块，用于根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
调整模块，用于根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，所述调整模块包括:
第一调整子模块，用于根据调整因子对所述CPU预测负载进行调整；
第二调整子模块，用于根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，所述第二调整子模块包括：
第一调整单元，用于若调整后的CPU预测负载大于第一预设阈值，将所述下一时间段的CPU频率调整为第一预设范围或第一预设值；
第二调整单元，用于若调整后的CPU预测负载小于第二预设阈值，将所述下一时间段的CPU频率调整为第二预设范围或第二预设值，其中，所述第二预设值小于所述第一预设值，所述第二预设范围的最大值小于所述第一预设范围的最大值；
保持单元，用于若调整后的CPU预测负载大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值，保持所述下一时间段的CPU频率不变。
可选地，所述装置还包括：
确定子模块，用于根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子。
可选地，所述确定子模块包括：
第一确定单元，用于将所述上一时间段中CPU处理重要任务的总时长与所述上一时间段的时长的比例，确定为所述调整参数；
第二确定单元，用于根据所述调整参数确定所述调整因子。
可选地，所述第二确定单元，还用于
判断所述调整参数是否大于或等于第三预设阈值；
在判断结果为是的情况下，1＜β＜2，其中，β为所述调整因子；
在判断结果为否的情况下，0＜β＜1。
可选地，所述第一调整子模块，还用于通过以下方式根据所述调整因子对所述CPU预测负载进行调整：
P＝β×P[n+1]；
其中，P为调整后的CPU预测负载，β为所述调整因子，P[n+1]为所述CPU预测负载。
可选地，所述确定模块，还用于通过以下方式根据所述多个时间段的CPU实际负载确定所述下一时间段的CPU预测负载：
Figure BDA0002329270190000051
Figure BDA0002329270190000052
Figure BDA0002329270190000053
其中，P[n+1]为所述CPU预测负载，P[n-k]为所述当前时间之前的第n-k时间段的CPU实际负载，W[k]为所述第n-k时间段的CPU实际负载的权重，0≤W[k]≤1，n为所述多个时间段的数量，0≤k＜n；当k＝0时，P[n]为所述当前时间的CPU实际负载。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，可以解决相关技术中CPU负载的预测精准度低导致系统性能降低的问题，通过多个时间段的实际CPU负载预测下一时间段的CPU负载，提高了负载预测精度，并根据调整后的预测CPU负载调整CPU频率，提高系统性能，降低了时延。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的实时嵌入式操作系统低功耗方法的移动终端的硬件结构框图；
图2是根据本发明实施例的实时嵌入式操作系统低功耗方法的流程图；
图3是根据本发明实施例的实时嵌入式操作系统低功耗装置的框图；
图4是根据本发明优选实施例的实时嵌入式操作系统低功耗装置的框图一；
图5是根据本发明优选实施例的实时嵌入式操作系统低功耗装置的框图二。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的实时嵌入式操作系统低功耗方法的移动终端的硬件结构框图，如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的报文接收方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network INterface CoNtroller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio FrequeNcy，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
动态电压频率调整技术是降低嵌入式系统功耗的一种重要方法。动态电压频率调节DVFS根据系统任务的紧迫程度来动态调节的电压和频率，以达到任务响应时间和系统功耗之间的平衡。能够在系统运行时动态地改变的电压和频率，在不影响性能的前提下，更为有效地减少的能量消耗。DVFS技术利用了芯片CMOS的特性：芯片的能量消耗正比于电压的平方和时钟频率。DVFS技术是以延长任务执行时间为代价来达到减少系统能量消耗的目的，体现了功耗与性能之间的权衡。
Figure BDA0002329270190000081
其中，Pdynamic为电路的动态功耗，CLk为负载电容，fk为时钟频率，Vdd为供电电压。从公式可以看出，降低芯片的供电电压和时钟频率，则功耗大幅度降低。现有的DVFS算法都是使用CPU负载(即一段时间内CPU非idle时间和总时间的比值)指导调频,其目标是尽量将CPU负载维持在某一预定范围,当CPU负载超出其上限时提升CPU频率，小于下限时逐步降低频率。
基于上述的移动终端或网络架构，在本实施例中提供了一种实时嵌入式操作系统低功耗方法，图2是根据本发明实施例的实时嵌入式操作系统低功耗方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
上述的多个时间段包括当前时间(对应当前时间段)和所述当前时间之前的多个时间段。
在本实施例中,对每个时间段的时长不做限定,每个时段的时长可以相同,也可以不相同。
步骤S204，根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
具体的，上述步骤S204可以通过以下方式根据所述多个时间段的CPU实际负载确定所述下一时间段的CPU预测负载：
Figure BDA0002329270190000091
Figure BDA0002329270190000092
Figure BDA0002329270190000093
其中，P[n+1]为所述CPU预测负载，P[n-k]为所述当前时间之前的第n-k时间段的CPU实际负载，W[k]为所述第n-k时间段的CPU实际负载的权重，0≤W[k]≤1，n为所述多个时间段的数量，0≤k＜n；当k＝0时，P[n]为所述当前时间的CPU实际负载。
即通过多个时间段的CPU实际负载预测下一时间段的CPU负载，可以提高CPU负载预测的准确性。
步骤S206，根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
通过上述步骤S202至S206，获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，可以解决相关技术中CPU负载的预测精准度低导致系统性能降低的问题，通过多个时间段的实际CPU负载预测下一时间段的CPU负载，提高了负载预测精度，并根据调整后的预测CPU负载调整CPU频率，提高系统性能，降低了时延。
本发明实施例中，为了进一步提高CPU负载预测的精度，还可以对上述CPU预测负载进行调整，从而更接近实际的负载，上述步骤S206具体可以包括:
S2061，根据调整因子对所述CPU预测负载进行调整；
在一可选的实施例中，在对所述CPU预测负载进行调整之前，根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子，进一步的，将所述上一时间段中CPU处理重要任务的总时长与所述上一时间段的时长的比例，确定为所述调整参数；根据所述调整参数确定所述调整因子，具体的，判断所述调整参数是否大于或等于第三预设阈值；在判断结果为是的情况下，1＜β＜2，其中，β为所述调整因子；在判断结果为否的情况下，0＜β＜1。
上述步骤S2061具体可以通过以下方式根据所述调整因子对所述CPU预测负载进行调整：P＝β×P[n+1]；其中，P为调整后的CPU预测负载，β为所述调整因子，P[n+1]为所述CPU预测负载。
S2062，根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整，进一步的，若调整后的CPU预测负载大于第一预设阈值，将所述下一时间段的CPU频率调整为第一预设范围或第一预设值；若调整后的CPU预测负载小于第二预设阈值，将所述下一时间段的CPU频率调整为第二预设范围或第二预设值，其中，所述第二预设值小于所述第一预设值，所述第二预设范围的最大值小于所述第一预设范围的最大值；若调整后的CPU预测负载大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值，保持所述下一时间段的CPU频率不变。
根据与任务重要程度相关的调整因子对预测的CPU负载进行调整，并根据调整后的预测CPU负载调整CPU频率，提高系统性能，降低了时延。
下面对本发明实施例进行详细描述。
本发明实施例通过设置与采样时间段相关的权重值计算CPU负载预测值，提高预测精度；通过与任务重要度相关的调整因子对CPU负载进行调整，提高系统效率。CPU执行的任务的重要程度与任务的完成周期相关，任务周期越短的任务的重要度越大。设任务周期的阈值为α。这个阈值根据操作系统的应用场景人为设定。具体包括以下步骤：
步骤1，操作系统的采集模块采集前几个时间段的实际CPU负载值，然后根据下面的公式预测下一时间段的CPU负载：
Figure BDA0002329270190000111
其中，P[n+1]]为第n+1时间段的CPU负载预测值，P[n],P[n-1],P[n-2],…,P[1]为前n段采样时间段(包括当前时间段)内的CPU负载实际值，W[k]为预测权值并满足0≤W[k]≤1，且
Figure BDA0002329270190000112
CPU负载即采样时间段内CPU非idle时间Tidle和总时间Ttotal的比值，即
Figure BDA0002329270190000113
其中，预测权值的计算公式为，
Figure BDA0002329270190000114
其中，与预测时段越近的采样时段的预测权值越大，反之越低。因为与预测时段越接近的前一时间的CPU运行状况越相似，如此计算预测权值，能够提高预测的精准度。
步骤2，统计模块统计在前一段时间(即当前时间的上一时间段)之内的任务完成时间为tcycle，采样前一时间段的时间为tcycle其比值：
Figure BDA0002329270190000115
其中，F为上述的调整参数；
根据调整因子β对步骤1中得到预测负载进行调整，得到的最终预测负载P：P＝β×P[n+1]；
其中，调整因子β与F相关，当F大于阈值f时，说明前一段时间内重要任务多，DVFS算法需要通过增大CPU负载的方式提高CPU执行效率，则1＜β＜2，当F小于阈值f时，说明前一段时间内重要任务少，DVFS算法需要通过降低CPU负载的方式降低CPU执行效率，则0＜β＜1。
步骤3，调控器通过步骤2中的预测负载值对CPU频率进行调整，如果CPU负载大于阈值范围上限(对应上述第一预设阈值)，则将下一时间段频率调到最大值(对应上述第一预设值，当然也可以调的第一预设范围内)，如果CPU负载小于阈值范围下限(对应上述第二预设阈值)，则将下一时间段频率调到最小值(对应上述第二预设值，当然也可以调的第二预设范围内)，如果CPU负载位于阈值范围内(即大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值)，则下一段时间内频率保持不变。
本发明实施例，CPU预测精度更高，对重要任务给予较高的执行频率，提高系统性能，降低延时。
实施例2
根据本发明的另一个实施例，还提供了一种实时嵌入式操作系统低功耗装置，图3是根据本发明实施例的实时嵌入式操作系统低功耗装置的框图，如图3所示，包括：
获取模块32，用于获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
确定模块34，用于根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
调整模块36，用于根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
图4是根据本发明优选实施例的实时嵌入式操作系统低功耗装置的框图一，如图4所示，所述调整模块34包括:
第一调整子模块42，用于根据调整因子对所述CPU预测负载进行调整；
第二调整子模块44，用于根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，所述第二调整子模块44包括：
第一调整单元，用于若调整后的CPU预测负载大于第一预设阈值，将所述下一时间段的CPU频率调整为第一预设范围或第一预设值；
第二调整单元，用于若调整后的CPU预测负载小于第二预设阈值，将所述下一时间段的CPU频率调整为第二预设范围或第二预设值，其中，所述第二预设值小于所述第一预设值，所述第二预设范围的最大值小于所述第一预设范围的最大值；
保持单元，用于若调整后的CPU预测负载大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值，保持所述下一时间段的CPU频率不变。
图5是根据本发明优选实施例的实时嵌入式操作系统低功耗装置的框图二，如图5所示，所述装置还包括：
确定子模块52，用于根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子。
可选地，所述确定子模块52包括：
第一确定单元，用于将所述上一时间段中CPU处理重要任务的总时长与所述上一时间段的时长的比例，确定为所述调整参数；
第二确定单元，用于根据所述调整参数确定所述调整因子。
可选地，所述第二确定单元，还用于
判断所述调整参数是否大于或等于第三预设阈值；
在判断结果为是的情况下，1＜β＜2，其中，β为所述调整因子；
在判断结果为否的情况下，0＜β＜1。
可选地，所述第一调整子模块，还用于通过以下方式根据所述调整因子对所述CPU预测负载进行调整：
P＝β×P[n+1]；
其中，P为调整后的CPU预测负载，β为所述调整因子，P[n+1]为所述CPU预测负载。
可选地，所述确定模块34，还用于通过以下方式根据所述多个时间段的CPU实际负载确定所述下一时间段的CPU预测负载：
Figure BDA0002329270190000131
Figure BDA0002329270190000132
Figure BDA0002329270190000141
其中，P[n+1]为所述CPU预测负载，P[n-k]为所述当前时间之前的第n-k时间段的CPU实际负载，W[k]为所述第n-k时间段的CPU实际负载的权重，0≤W[k]≤1，n为所述多个时间段的数量，0≤k＜n；当k＝0时，P[n]为所述当前时间的CPU实际负载。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
S2，根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
S3，根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-ONly Memory，简称为ROM)、随机存取存储器(RaNdom Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
S2，根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
S3，根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种实时嵌入式操作系统低功耗方法，其特征在于，包括：
获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
2.根据权利要求1所述的方法，其特征在于，所述根据所述CPU预测负载对所述下一时间段的CPU频率进行调整，包括:
根据调整因子对所述CPU预测负载进行调整；
根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整。
3.根据权利要求2所述的方法，其特征在于，根据调整后的CPU预测负载对所述下一时间段的CPU频率进行调整，包括：
若调整后的CPU预测负载大于第一预设阈值，将所述下一时间段的CPU频率调整为第一预设范围或第一预设值；
若调整后的CPU预测负载小于第二预设阈值，将所述下一时间段的CPU频率调整为第二预设范围或第二预设值，其中，所述第二预设值小于所述第一预设值，所述第二预设范围的最大值小于所述第一预设范围的最大值；
若调整后的CPU预测负载大于或等于所述第二预设阈值，且小于或等于所述第一预设阈值，保持所述下一时间段的CPU频率不变。
4.根据权利要求2所述的方法，其特征在于，在所述根据调整因子对所述CPU预测负载进行调整之前，所述方法还包括：
根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子。
5.根据权利要求4所述的方法，其特征在于，所述根据上一时间段中CPU所处理的重要任务的占比确定所述调整因子，包括：
将所述上一时间段中CPU处理重要任务的总时长与所述上一时间段的时长的比例，确定为所述调整参数；
根据所述调整参数确定所述调整因子。
6.根据权利要求5所述的方法，其特征在于，根据所述调整参数确定所述调整因子包括：
判断所述调整参数是否大于或等于第三预设阈值；
在判断结果为是的情况下，1＜β＜2，其中，β为所述调整因子；
在判断结果为否的情况下，0＜β＜1。
7.根据权利要求2所述的方法，其特征在于，通过以下方式根据所述调整因子对所述CPU预测负载进行调整：
P＝β×P[n+1]；
其中，P为调整后的CPU预测负载，β为所述调整因子，P[n+1]为所述CPU预测负载。
8.根据权利要求1至7中任一项所述的方法，其特征在于，通过以下方式根据所述多个时间段的CPU实际负载确定所述下一时间段的CPU预测负载：
Figure FDA0002329270180000031
Figure FDA0002329270180000032
Figure FDA0002329270180000033
其中，P[n+1]为所述CPU预测负载，P[n-k]为所述当前时间之前的第n-k时间段的CPU实际负载，W[k]为所述第n-k时间段的CPU实际负载的权重，0≤W[k]≤1，n为所述多个时间段的数量，0≤k＜n；当k＝0时，P[n]为所述当前时间的CPU实际负载。
9.一种实时嵌入式操作系统低功耗装置，其特征在于，包括：
获取模块，用于获取当前时间和所述当前时间之前的多个时间段内的中央处理器CPU实际负载；
确定模块，用于根据所述多个时间段内的CPU实际负载确定下一时间段的CPU预测负载；
调整模块，用于根据所述CPU预测负载对所述下一时间段的CPU频率进行调整。
10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。
CN201911329775.2A 2019-12-20 2019-12-20 一种实时嵌入式操作系统低功耗方法及装置 Pending CN111158454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911329775.2A CN111158454A (zh) 2019-12-20 2019-12-20 一种实时嵌入式操作系统低功耗方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911329775.2A CN111158454A (zh) 2019-12-20 2019-12-20 一种实时嵌入式操作系统低功耗方法及装置

Publications (1)

Publication Number Publication Date
CN111158454A true CN111158454A (zh) 2020-05-15

Family

ID=70557677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911329775.2A Pending CN111158454A (zh) 2019-12-20 2019-12-20 一种实时嵌入式操作系统低功耗方法及装置

Country Status (1)

Country Link
CN (1) CN111158454A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638958A (zh) * 2020-06-02 2020-09-08 中国联合网络通信集团有限公司 云主机负载处理方法、装置、控制设备及存储介质
CN112578896A (zh) * 2020-12-18 2021-03-30 Oppo（重庆）智能科技有限公司 频率调节方法、频率调节装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102084318A (zh) * 2008-05-13 2011-06-01 维尔基逻辑公司 功率管理器和用于管理功率的方法
CN103019367A (zh) * 2012-12-03 2013-04-03 福州瑞芯微电子有限公司 基于Android系统的嵌入式GPU动态调频方法及装置
CN105045367A (zh) * 2015-01-16 2015-11-11 中国矿业大学 基于游戏负载预测的android系统设备功耗优化方法
CN105549715A (zh) * 2014-10-28 2016-05-04 邻客音公司 Cpu工作频率的动态调节
US9829952B2 (en) * 2014-11-24 2017-11-28 Samsung Electronics Co., Ltd. Processor that has its operating frequency controlled in view of power consumption during operation and semiconductor device including the same
CN110191159A (zh) * 2019-05-09 2019-08-30 网宿科技股份有限公司 一种资源服务器的负载调节方法及系统、设备
CN110199241A (zh) * 2017-01-26 2019-09-03 Ati科技无限责任公司 自适应功率控制环路
US20190272002A1 (en) * 2018-03-01 2019-09-05 At&T Intellectual Property I, L.P Workload prediction based cpu frequency scaling

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102084318A (zh) * 2008-05-13 2011-06-01 维尔基逻辑公司 功率管理器和用于管理功率的方法
CN103019367A (zh) * 2012-12-03 2013-04-03 福州瑞芯微电子有限公司 基于Android系统的嵌入式GPU动态调频方法及装置
CN105549715A (zh) * 2014-10-28 2016-05-04 邻客音公司 Cpu工作频率的动态调节
US9829952B2 (en) * 2014-11-24 2017-11-28 Samsung Electronics Co., Ltd. Processor that has its operating frequency controlled in view of power consumption during operation and semiconductor device including the same
CN105045367A (zh) * 2015-01-16 2015-11-11 中国矿业大学 基于游戏负载预测的android系统设备功耗优化方法
CN110199241A (zh) * 2017-01-26 2019-09-03 Ati科技无限责任公司 自适应功率控制环路
US20190272002A1 (en) * 2018-03-01 2019-09-05 At&T Intellectual Property I, L.P Workload prediction based cpu frequency scaling
CN110191159A (zh) * 2019-05-09 2019-08-30 网宿科技股份有限公司 一种资源服务器的负载调节方法及系统、设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张力: "基于线性预测的移动终端LPDVFS策略", 《计算机工程》 *
朱宗卫: "基于系统时空行为特征的内存功耗优化研究", 《中国博士学位论文全文数据库》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638958A (zh) * 2020-06-02 2020-09-08 中国联合网络通信集团有限公司 云主机负载处理方法、装置、控制设备及存储介质
CN111638958B (zh) * 2020-06-02 2024-04-05 中国联合网络通信集团有限公司 云主机负载处理方法、装置、控制设备及存储介质
CN112578896A (zh) * 2020-12-18 2021-03-30 Oppo（重庆）智能科技有限公司 频率调节方法、频率调节装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109002358B (zh) 基于深度强化学习的移动终端软件自适应优化调度方法
CN105814543B (zh) 用于增加负荷密度和改进能效的功率平衡
CN107770088B (zh) 一种流量控制方法及装置
CN106557369B (zh) 一种多线程的管理方法及系统
US20130013911A1 (en) Technique for Selecting a Frequency of Operation in a Processor System
US8547840B1 (en) Bandwidth allocation of bursty signals
CN109981744B (zh) 数据的分发方法、装置、存储介质及电子设备
US9760154B2 (en) Method of dynamically controlling power in multicore environment
CN111158454A (zh) 一种实时嵌入式操作系统低功耗方法及装置
CN108983946B (zh) 一种服务器功耗控制方法、系统及设备
WO2016172848A1 (zh) 一种调整云计算中虚拟资源的方法及装置
CN102308540A (zh) 业务处理资源的调度方法以及装置
CN109857528B (zh) 数据迁移的速度调整方法、装置、存储介质和移动终端
EP4206863A1 (en) Power consumption management method and related device
US9625972B2 (en) Method of reducing power consumption of system software using query scheduling of application and apparatus for reducing power consumption using the method
JP2017211928A (ja) 分散処理制御システム及び分散処理制御方法
CN114077296A (zh) 控制电源输出功率的方法、装置及相关设备
US7096471B2 (en) Apparatus for resource management in a real-time embedded system
WO2017113696A1 (zh) 调频参数的调节方法、装置、调频器及移动终端
CN116931703B (zh) 基于数据分析的电竞主机电源电压调整方法
WO2016197621A1 (zh) 一种调整服务器的频率的方法及装置
CN112015259A (zh) 控制峰值功耗的方法及系统
CN112395053A (zh) 数据处理方法及装置
CN113419863B (zh) 一种基于节点能力的数据分配处理方法及装置
US20030023660A1 (en) Real-time embedded resource management system

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200515

RJ01 Rejection of invention patent application after publication