CN112559440A - 多小芯片系统中实现串行业务性能优化的方法及装置 - Google Patents

多小芯片系统中实现串行业务性能优化的方法及装置 Download PDF

Info

Publication number
CN112559440A
CN112559440A CN202011643492.8A CN202011643492A CN112559440A CN 112559440 A CN112559440 A CN 112559440A CN 202011643492 A CN202011643492 A CN 202011643492A CN 112559440 A CN112559440 A CN 112559440A
Authority
CN
China
Prior art keywords
performance
processor
operating system
label
chiplet
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
CN202011643492.8A
Other languages
English (en)
Other versions
CN112559440B (zh
Inventor
蔡云龙
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.)
Haiguang Information Technology Co Ltd
Original Assignee
Haiguang Information 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 Haiguang Information Technology Co Ltd filed Critical Haiguang Information Technology Co Ltd
Priority to CN202011643492.8A priority Critical patent/CN112559440B/zh
Publication of CN112559440A publication Critical patent/CN112559440A/zh
Application granted granted Critical
Publication of CN112559440B publication Critical patent/CN112559440B/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
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/76—Architectures of general purpose stored program computers
    • G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Debugging And Monitoring (AREA)
  • Multi Processors (AREA)

Abstract

本发明提供一种多小芯片系统中实现串行业务性能优化的方法及装置。所述方法包括：为系统中每个处理器设置一个标识性能的标号；系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；在操作系统中注册高性能处理器并设置其性能优化标识；根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。本发明能够提升多小芯片系统中系统的综合性能。

Description

多小芯片系统中实现串行业务性能优化的方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种多小芯片系统中实现串行业务性能优化的方法及装置。
背景技术
高性能计算是当前很多科学研究的主题，提高研发速度的途径多数采用多路并行的技术。但是，当处理器核数达到一定数量后(32～64核之间)，系统的整体性能将受程序中不可并行部分的制约，而导致整体性能加速比很低。同理，在数据库等事务性应用中，也有类似的瓶颈存在。由于所有的处理器内核都需要锁定数据库中的表项以及全局资源的分配，但是这些表项是排他资源。这部分操作是串行操作，导致不能很好地应用处理器的多核特性。
随着芯片的工艺的高速发展，目前芯片的线宽已经在10纳米以下。每个芯片上集成有100亿级的晶体管。当前芯片的测试验证往往已经超过芯片设计的时间。芯片的复杂度高以及工艺生产中的不可控因素，意味着芯片一个模块上有瑕疵就会导致整个芯片不良或者降档。为了保证测试流程以及保证芯片有较好的良率，Chiplet(小芯片)技术应运而生，一定程度上可以缓解技术演进复杂提升导致的问题。
采用Chiplet技术能够对生产良率有很大的提高，同时由于其可在一块基板上集成多个Chiplet或者Die(裸片)，那么最大化优化这种多处理器系统的性能，可以借助之前在并行系统或者数据库等具有串行模块或事务管线的应用分析，进行不同配置优化，可实现比较好的效果。
目前，在多Chiplet或多Die芯片互联以及多Socket(插槽)互联时，很多都是同构同性能的芯片或者异构例如CPU+GPU等，主要是在处理性能上做水平扩展或者不同种类的应用的集成，而在串行执行部分，在性能提升上存在瓶颈。
发明内容
本发明提供的多小芯片系统中实现串行业务性能优化的方法及装置，能够提升多小芯片系统中系统的综合性能。
第一方面，本发明提供一种多小芯片系统中实现串行业务性能优化的方法，所述多小芯片系统由不同性能等级的处理器组成，所述方法包括：
为系统中每个处理器设置一个标识性能的标号；
在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；
在操作系统中注册高性能处理器并设置其性能优化标识；
根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；
通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
可选地，所述根据任务特性不同选择调用普通处理器或高性能处理器包括：
对于进行密集处理运算或者所处理的不是其他任务的预处理数据的任务，优先调用普通处理器；
对于相对操作系统而言透明调度高性能处理器资源的任务，主动调用高性能处理器。
可选地，所述为系统中每个处理器设置一个标识性能的标号包括：
通过小芯片的名称设置处理器的性能标号，或者在BIOS启动时自动根据判定算法标识处理器的性能等级。
可选地，所述标识性能的标号包括高性能标号和普通性能标号。
第二方面，本发明提供一种多小芯片系统中实现串行业务性能优化的装置，所述多小芯片系统由不同性能等级的处理器组成，所述装置包括：
设置单元，用于为系统中每个处理器设置一个标识性能的标号；
标记单元，用于在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；
注册单元，用于在操作系统中注册高性能处理器并设置其性能优化标识；
预测单元，用于根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；
处理单元，用于通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
可选地，所述处理单元，还用于对于进行密集处理运算或者所处理的不是其他任务的预处理数据的任务，优先调用普通处理器；对于相对操作系统而言透明调度高性能处理器资源的任务，主动调用高性能处理器。
可选地，所述标记单元，用于通过小芯片的名称设置处理器的性能标号，或者在BIOS启动时自动根据判定算法标识处理器的性能等级。
可选地，所述标识性能的标号包括高性能标号和普通性能标号。
第三方面，本发明提供一种多小芯片系统中实现串行业务性能优化的装置，包括：
存储器；
以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行上述小芯片系统中实现串行业务性能优化的方法。
第四方面，本发明提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现上述多小芯片系统中实现串行业务性能优化的方法。
本发明实施例提供的多小芯片系统中实现串行业务性能优化的方法及装置，在小芯片的生产中，可以通过设计或者筛选不同性能高等级的芯片，实现高性能小芯片与一般性能的小芯片组合的情况，或者在多路服务器中采用不同等级的处理器，优化操作系统调度及应用软件自我识别执行代码段特征，可以实现类似大规模高性能小芯片组合的性能，提高产品的竞争力，通过系统优化实现最佳的产品组合。
附图说明
图1为本发明一实施例多小芯片系统中实现串行业务性能优化的方法的流程图；
图2为本发明实施例提供的多小芯片高性能主/副处理器对整体性能的优化示意图；
图3为本发明一实施例多小芯片系统中实现串行业务性能优化的装置的结构示意图；
图4为本发明另一实施例多小芯片系统中实现串行业务性能优化的装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种多小芯片系统中实现串行业务性能优化的方法，所述多小芯片系统由不同性能等级的处理器组成，如图1所示，所述方法包括：
S11、为系统中每个处理器设置一个标识性能的标号。
S12、在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量。
S13、在操作系统中注册高性能处理器并设置其性能优化标识。
S14、根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性。
S15、通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
本发明实施例提供的多小芯片系统中实现串行业务性能优化的方法，在小芯片的生产中，可以通过设计或者筛选不同性能高等级的芯片，实现高性能小芯片与一般性能的小芯片组合的情况，或者在多路服务器中采用不同等级的处理器，优化操作系统调度及应用软件自我识别执行代码段特征，可以实现类似大规模高性能小芯片组合的性能，提高产品的竞争力，通过系统优化实现最佳的产品组合。
下面对本发明实施例多小芯片系统中实现串行业务性能优化的方法进行详细说明。
本申请主要根据大规模并行或者事务型计算中吞吐量的瓶颈所在，提出在多Chiplet架构中利用高性能处理器优化不可并行部分或排他锁数据获取部分，利用Chiplet的多种同质架构可以提供串行业务性能优化，又能充分利用多Chiplet大规模并行，为研发及生产带来的优势。
高性能处理器的选择是提高理论性能的主要因素。本申请定义同构性能不同的处理器是指在BIOS或者处理器微码层面可以隐藏差异，但是综合性能或者某项特殊性能有差距的处理器。
如图2所示，大规模并行系统性能在核数较多时，受串行部分的影响，本申请根据系统负载需要选择高性能处理器达到普通处理器的q倍，而普通处理核性能基数为1，但是数量众多(p个)，做普通并行部分的处理。
本实施例多小芯片系统中实现串行业务性能优化的方法包括：
S21、为系统中每个处理器设置一个标识性能的标号。
所述多小芯片系统由不同性能等级的处理器组成，多小芯片系统中高性能与普通处理器非对称架构实现，从硬件平台标识开始。硬件系统为系统中每个处理器划定一个标识性能的型号，分为高性能标号与普通性能标号，整个标识可以体现在小芯片的名称或者在BIOS启动时自动根据判定算法标识小芯片的性能等级，即采用命名法或实时测定法。
S22、系统启动后，通过操作系统识别处理器的性能标号，根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量。
系统性能等级可含CPU频率导致的性能，或某项专用指令优化的性能。
系统可使用标记进行资源划分，同时可以使用测试程序测定实际的处理器性能区别。系统标识与实际测定有区别时，以系统实际测定为准。
图2中展示为处理器某一个Die为高性能部分，在具体实施例中可以设置整个Socket上的Die全部为高性能设计的核心。
本架构实现依据是同构的处理器，在应用程序层面任务转移或者切换不需要特殊处理，重点是软件模块划分与OS互相感知的设计，最大化利用高性能核优化高性能计算中的串行或含锁部分。
在系统架构中，完成高性能部分与普通部分配置即标定后，操作系统与上层应用软件需要感知并合理调度。由于本实施例中，系统平台架构不同部分虽然同构，但是性能是非平衡的，所以需要系统或应用软件识别串行并且是需要急速响应，即需要高性能处理器的模块部分。
在操作系统进行任务管理时，有的操作系统为每个CPU维护多个队列，例如linux会维护140个优先级队列；而windows采用33级优先级队列。
由于本系统有高性能处理器或者序列，需要在操作系统启动完成后注册高性能CPU序列，以备操作系统有针对调度，在操作系统维护单独CPU队列方案时，标记高性能CPU队列；在全局分级多队列操作系统方案中，可设计高性能CPU调度窗，高性能需求优先调度到高性能队列。
S23、在操作系统中注册高性能序列处理器并设置特性使能位。
S24、根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性。
例如多分支，时延要求高，为后续大规模并行操作准备数据等，进行标记，并转移到高性能cpu序列的队列。若是全局运行队列模式，设置其优先从高性能CPU调度窗口选择高性能处理器。可并行执行的部分，主要表现为大量的任务或者线程，类似的操作多次执行。
S25、通过操作系统同时监控高性能队列，若任务密集处理运算或自我处理较多非为其他任务的预处理数据，则设置为普通任务，并调度出高性能队列。
S26、相对于操作系统对应用程序透明调度高性能的处理器资源，则主动调用高性能处理器，完成关键任务以优化总体性能。
在上述实施例中，典型的业务模型为事务型应用，事务模型中事务ID分发，内存中数据项例如表、页、行、索引、日志、任务提交等的锁定都是需要高速响应的部分也必须串行化操作，而之后的数据查询、修改、删除、更新都可以并行操作。根据需要调度到不同性能处理器队列。
进一步地，操作系统对性能评估与资源分功能优化调度，可以透明或联合应用软件一起优化系统性能。本申请根据典型应用，给出使用本架构能优化性能实施例。典型实施例为优化HPC(High Performance Computing，高性能计算)应用以及高性能数据库。
HPC类应用启动后，可根据HPC不同任务特性透明或者联合感知优化性能。可由操作系统识别系统瓶颈区域，例如识别锁争用以及IO利用情况，此部分应用标记为高性能需求，数据锁争用少并且CPU利用很高的部分标记为可密集并行部分。
HPC应用设计时优化资源调度：HPC类应用程序本身设计时，根据当前模块的资源及锁的使用情况，向操作系统申请高性能处理器，完成当前模块后，仅为CPU密集等可并行应用的情况下可进入普通处理器调度队列。
目前软件设计例如事务型应用，在处理一个事务时，性能的瓶颈在于全局事务ID的获取、快照等以及所需共享数据即表项：表、页、行或者列的锁定。这类应用不能分成比较容易区分的高性能需求以及高并行需求，但其是事务处理流程管线。事务型的应用，可软件与操作系统配合感知，标记事务ID获取及锁定时，其显式申请高性能处理器，完成必须数据获取后，取消设定高性能需求特性，根据流程管线中的位置，非排他锁定阶段可以迁移到普通处理器进行并行事务处理，利用多核能力提供系统吞吐量。
具体地，事务型执行管线在非对称多小芯片架构中运行控制方法包括：非对称系统启动；事务型应用启动；全局事务资源分配以及共享资源表项锁定；操作系统调度到或事务型应用固定在高性能处理器执行；完成资源分配及锁持有后事务管线部分；操作系统调度或事务型应用迁移到普通处理器；最终完成一次事务处理。
本发明实施例提供的多小芯片系统中实现串行业务性能优化的方法，在小芯片的生产中，可以通过设计或者筛选不同性能高等级的芯片，实现高性能小芯片与一般性能的小芯片组合的情况，或者在多路服务器中采用不同等级的处理器，优化操作系统调度及应用软件自我识别执行代码段特征，可以实现类似大规模高性能小芯片组合的性能，提高产品的竞争力，通过系统优化实现最佳的产品组合。
本发明实施例还提供一种多小芯片系统中实现串行业务性能优化的装置，所述多小芯片系统由不同性能等级的处理器组成，如图3所示，所述装置包括：
设置单元11，用于为系统中每个处理器设置一个标识性能的标号；
标记单元12，用于在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；
注册单元13，用于在操作系统中注册高性能处理器并设置其性能优化标识；
预测单元14，用于根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；
处理单元15，用于通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
本发明实施例提供的多小芯片系统中实现串行业务性能优化的装置，在小芯片的生产中，可以通过设计或者筛选不同性能高等级的芯片，实现高性能小芯片与一般性能的小芯片组合的情况，或者在多路服务器中采用不同等级的处理器，优化操作系统调度及应用软件自我识别执行代码段特征，可以实现类似大规模高性能小芯片组合的性能，提高产品的竞争力，通过系统优化实现最佳的产品组合。
可选地，所述处理单元15，还用于对于进行密集处理运算或者所处理的不是其他任务的预处理数据的任务，优先调用普通处理器；对于相对操作系统而言透明调度高性能处理器资源的任务，主动调用高性能处理器。
可选地，所述标记单元12，用于通过小芯片的名称设置处理器的性能标号，或者在BIOS启动时自动根据判定算法标识处理器的性能等级。
可选地，所述标识性能的标号包括高性能标号和普通性能标号。
本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例还提供一种多小芯片系统中实现串行业务性能优化的装置2，如图4所示，所述装置包括：
存储器21；
以及耦接至所述存储器21的处理器22，所述处理器22被配置为基于存储在所述存储器21中的指令，执行上述小芯片系统中实现串行业务性能优化的方法。
本发明实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现上述多小芯片系统中实现串行业务性能优化的方法。
本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，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)

1.一种多小芯片系统中实现串行业务性能优化的方法，其特征在于，所述多小芯片系统由不同性能等级的处理器组成，所述方法包括：
为系统中每个处理器设置一个标识性能的标号；
在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；
在操作系统中注册高性能处理器并设置其性能优化标识；
根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；
通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
2.根据权利要求1所述的方法，其特征在于，所述根据任务特性不同选择调用普通处理器或高性能处理器包括：
对于进行密集处理运算或者所处理的不是其他任务的预处理数据的任务，优先调用普通处理器；
对于相对操作系统而言透明调度高性能处理器资源的任务，主动调用高性能处理器。
3.根据权利要求1或2所述的方法，其特征在于，所述为系统中每个处理器设置一个标识性能的标号包括：
通过小芯片的名称设置处理器的性能标号，或者在BIOS启动时自动根据判定算法标识处理器的性能等级。
4.根据权利要求1或2所述的方法，其特征在于，所述标识性能的标号包括高性能标号和普通性能标号。
5.一种多小芯片系统中实现串行业务性能优化的装置，其特征在于，所述多小芯片系统由不同性能等级的处理器组成，所述装置包括：
设置单元，用于为系统中每个处理器设置一个标识性能的标号；
标记单元，用于在系统启动后，通过操作系统识别处理器的性能标号，并根据硬件系统架构，标记系统中处理器资源性能等级以及各种资源数量；
注册单元，用于在操作系统中注册高性能处理器并设置其性能优化标识；
预测单元，用于根据程序运行特点，通过操作系统预测应用程序中任务的高性能需求特性；
处理单元，用于通过操作系统同时监控高性能队列，根据任务特性不同选择调用普通处理器或高性能处理器。
6.根据权利要求5所述的装置，其特征在于，所述处理单元，还用于对于进行密集处理运算或者所处理的不是其他任务的预处理数据的任务，优先调用普通处理器；对于相对操作系统而言透明调度高性能处理器资源的任务，主动调用高性能处理器。
7.根据权利要求5或6所述的装置，其特征在于，所述标记单元，用于通过小芯片的名称设置处理器的性能标号，或者在BIOS启动时自动根据判定算法标识处理器的性能等级。
8.根据权利要求5或6所述的装置，其特征在于，所述标识性能的标号包括高性能标号和普通性能标号。
9.一种多小芯片系统中实现串行业务性能优化的装置，包括：
存储器；
以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至4中任一项所述的多小芯片系统中实现串行业务性能优化的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1至4中任一项所述的多小芯片系统中实现串行业务性能优化的方法。
CN202011643492.8A 2020-12-30 2020-12-30 多小芯片系统中实现串行业务性能优化的方法及装置 Active CN112559440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011643492.8A CN112559440B (zh) 2020-12-30 2020-12-30 多小芯片系统中实现串行业务性能优化的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011643492.8A CN112559440B (zh) 2020-12-30 2020-12-30 多小芯片系统中实现串行业务性能优化的方法及装置

Publications (2)

Publication Number Publication Date
CN112559440A true CN112559440A (zh) 2021-03-26
CN112559440B CN112559440B (zh) 2022-11-25

Family

ID=75035105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011643492.8A Active CN112559440B (zh) 2020-12-30 2020-12-30 多小芯片系统中实现串行业务性能优化的方法及装置

Country Status (1)

Country Link
CN (1) CN112559440B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113312304A (zh) * 2021-06-04 2021-08-27 海光信息技术股份有限公司 一种互联装置、主板及服务器
CN116932271A (zh) * 2023-09-14 2023-10-24 中诚华隆计算机技术有限公司 一种实现自组织的Chiplet的方法和芯片

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590345A (en) * 1990-11-13 1996-12-31 International Business Machines Corporation Advanced parallel array processor(APAP)
US20050081183A1 (en) * 2003-09-25 2005-04-14 International Business Machines Corporation System and method for CPI load balancing in SMT processors
CN101051301A (zh) * 2006-03-31 2007-10-10 科技资产股份有限公司 用于操作计算机处理器阵列的方法和装置
CN102253844A (zh) * 2010-05-18 2011-11-23 大唐移动通信设备有限公司 一种启动处理器的方法和设备
CN102779054A (zh) * 2012-06-15 2012-11-14 北京奇虎科技有限公司 应用程序的安装处理方法和装置、以及服务器
CN102906696A (zh) * 2010-03-26 2013-01-30 维尔图尔梅特里克斯公司 计算机系统的细粒性能资源管理
US20150186160A1 (en) * 2014-01-02 2015-07-02 Advanced Micro Devices, Inc. Configuring processor policies based on predicted durations of active performance states
CN106201707A (zh) * 2015-05-26 2016-12-07 联发科技股份有限公司 处理器资源分配方法及装置
CN106598731A (zh) * 2016-12-01 2017-04-26 上海交通大学 基于异构多核架构的运行时系统及其控制方法
CN111164538A (zh) * 2017-12-15 2020-05-15 英特尔公司 处理单元的功率管理
CN111343331A (zh) * 2018-12-18 2020-06-26 亚玛芬体育数字服务公司 嵌入式计算设备管理
US20200294180A1 (en) * 2019-03-15 2020-09-17 Intel Corporation Enabling product skus based on chiplet configurations
CN112149369A (zh) * 2020-09-21 2020-12-29 交叉信息核心技术研究院(西安)有限公司 基于芯粒架构的多核封装级系统及其面向芯粒的任务映射方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590345A (en) * 1990-11-13 1996-12-31 International Business Machines Corporation Advanced parallel array processor(APAP)
US20050081183A1 (en) * 2003-09-25 2005-04-14 International Business Machines Corporation System and method for CPI load balancing in SMT processors
CN101051301A (zh) * 2006-03-31 2007-10-10 科技资产股份有限公司 用于操作计算机处理器阵列的方法和装置
CN102906696A (zh) * 2010-03-26 2013-01-30 维尔图尔梅特里克斯公司 计算机系统的细粒性能资源管理
CN102253844A (zh) * 2010-05-18 2011-11-23 大唐移动通信设备有限公司 一种启动处理器的方法和设备
CN102779054A (zh) * 2012-06-15 2012-11-14 北京奇虎科技有限公司 应用程序的安装处理方法和装置、以及服务器
US20150186160A1 (en) * 2014-01-02 2015-07-02 Advanced Micro Devices, Inc. Configuring processor policies based on predicted durations of active performance states
CN106201707A (zh) * 2015-05-26 2016-12-07 联发科技股份有限公司 处理器资源分配方法及装置
CN106598731A (zh) * 2016-12-01 2017-04-26 上海交通大学 基于异构多核架构的运行时系统及其控制方法
CN111164538A (zh) * 2017-12-15 2020-05-15 英特尔公司 处理单元的功率管理
CN111343331A (zh) * 2018-12-18 2020-06-26 亚玛芬体育数字服务公司 嵌入式计算设备管理
US20200294180A1 (en) * 2019-03-15 2020-09-17 Intel Corporation Enabling product skus based on chiplet configurations
CN112149369A (zh) * 2020-09-21 2020-12-29 交叉信息核心技术研究院(西安)有限公司 基于芯粒架构的多核封装级系统及其面向芯粒的任务映射方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113312304A (zh) * 2021-06-04 2021-08-27 海光信息技术股份有限公司 一种互联装置、主板及服务器
CN113312304B (zh) * 2021-06-04 2023-04-21 海光信息技术股份有限公司 一种互联装置、主板及服务器
CN116932271A (zh) * 2023-09-14 2023-10-24 中诚华隆计算机技术有限公司 一种实现自组织的Chiplet的方法和芯片
CN116932271B (zh) * 2023-09-14 2023-12-29 中诚华隆计算机技术有限公司 一种实现自组织的Chiplet的方法和芯片

Also Published As

Publication number Publication date
CN112559440B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN110619595B (zh) 一种基于多fpga加速器互联的图计算优化方法
US20190272264A1 (en) System And Method For Large-scale Data Processing Using An Application-independent Framework
CN100349147C (zh) 最低优先级中断的处理器功率状态的知晓分配的方法、系统和装置
US7650331B1 (en) System and method for efficient large-scale data processing
US8209697B2 (en) Resource allocation method for a physical computer used by a back end server including calculating database resource cost based on SQL process type
CN102129390B (zh) 片上多核计算平台的任务调度系统及进行任务并行化方法
CN112559440B (zh) 多小芯片系统中实现串行业务性能优化的方法及装置
CN107463442B (zh) 一种星载多核SoC任务级负载均衡并行调度方法
US20140215470A1 (en) Parallel Processing with Proactive Solidarity Cells
US20210382754A1 (en) Serverless computing architecture for artificial intelligence workloads on edge for dynamic reconfiguration of workloads and enhanced resource utilization
US20180024863A1 (en) Task Scheduling and Resource Provisioning System and Method
EP3398065B1 (en) Data driven scheduler on multiple computing cores
CN102360309A (zh) 片上多核异构系统的调度系统与调度执行方法
CN110362611B (zh) 一种数据库查询方法、装置、电子设备及存储介质
US20110131554A1 (en) Application generation system, method, and program product
US8612597B2 (en) Computing scheduling using resource lend and borrow
US10083066B2 (en) Processing data by using simultaneous multithreading
CN116263701A (zh) 算力网络任务调度方法、装置、计算机设备及存储介质
Ruan et al. A comparative study of large-scale cluster workload traces via multiview analysis
CN102193828B (zh) 从处理器中的并发物理线程的数目中去耦合逻辑线程的数目
Nesmachnow et al. GPU implementations of scheduling heuristics for heterogeneous computing environments
JP2009037369A (ja) データベースサーバへのリソース割当て方法
CN113051049A (zh) 任务调度系统、方法、电子设备及可读存储介质
CN112765088A (zh) 利用数据标签提高多计算单元平台上数据共享的方法
Shen et al. KubeGPU: efficient sharing and isolation mechanisms for GPU resource management in container cloud

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