МОДИФИЦИРОВАННЫЙ МЕТОД ПЛАНИРОВАНИЯ ЗАДАЧ В ЯДРЕ LINUX НА ОСНОВЕ ОПРЕДЕЛЕНИЯ ИНТЕНСИВНОСТИ ОБРАЩЕНИЙ К ПАМЯТИ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В настоящее время мобильные устройства должны соответствовать высоким требованиям по производительности и длительному времени работы без зарядки аккумулятора, что подразумевает низкое энергопотребление. Эти параметры напрямую зависят от частоты процессора: на высокой частоте он способен выполнять больше инструкций за единицу времени, но при этом потребляет больше энергии, и наоборот. В данной работе исследуются современные методы планирования процессов в ядре операционной системы Linux в целях повышения производительности и снижения энергопотребления мобильных устройств. Модифицируется метод планирования процессов ОС Linux, а именно модифицируются: выбор очереди ядра процессора для процесса, выбор частот ядер процессора. В основе модификации лежит решение дискретной двухкритериальной оптимизационной задачи. В качестве критериев оптимизации рассматриваются две взаимосвязанные характеристики: производительность и энергопотребление. Основная идея модификации метода заключается в анализе инструкций выполняемых задач для выявления ситуаций, когда увеличение частоты процессора оказывается неэффективным из-за частых обращений к памяти. Задача решается с определенными ограничениями: не учитываются гетерогенные архитектуры; аппаратная многопоточность не принимается во внимание, т. е. каждое логическое ядро рассматривается как физическое. На основе предложенного метода было разработано программное обеспечение, которое было протестировано на 10 тестах из Rodinia Benchmark Suite. Этот набор тестов используется для оценки производительности компьютеров в различных задачах, таких как вычисления общего назначения, обработка изображений и обработка сигналов. Результаты исследования показали, что применение предложенного подхода позволило снизить энергопотребление мобильного устройства в среднем на 13% и увеличить производительность на 4% по сравнению с существующим планировщиком ядра Linux.

Об авторах

Е. А. Варламова

Московский государственный технический университет им. Н.Э. Баумана

Email: katy1781@inbox.ru
ORCID iD: 0009-0003-9491-1891
Москва, Россия

Т. Н. Романова

Московский государственный технический университет им. Н.Э. Баумана

Email: rtn@bmstu.ru
ORCID iD: 0009-0001-9189-8100
Москва, Россия

Список литературы

  1. Linux kernel code documentation. Cited September 10, 2023. https://www.kernel.org/doc/Documentation/cpu-freq/governors.txt
  2. Wenlei B., Changwan H., Sudheer C., Sriram K., Louis-Noël P., Fabrice R., Ponnuswamy S. Static and Dynamic Frequency Scaling on Multicore CPUs // ACM Transactions on Architecture and Code Optimization. 2009. V. 13. P. 1–26. doi: 10.1145/3011017.
  3. Reddy B.K., Merrett G.V., Al-Hashimi B.M., Singh A.K. Online concurrent workload classification for multi-core energy management // 2018 Design, Automation & Test in Europe Conference & Exhibition (DATE). Dresden, Germany. 2018. P. 621–624. doi: 10.23919/DATE.2018.8342084.
  4. Basireddy K.R., Singh A.K., Al-Hashimi B.M., Merrett G.V. AdaMD: Adaptive Mapping and DVFS for Energy-Efficient Heterogeneous Multicores // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2020. V. 39. № 10. P. 2206–2217. doi: 10.1109/TCAD.2019.2935065.
  5. Basireddy K.R., Wachter E.W., Al-Hashimi B.M., Merrett G. Workload-Aware Runtime Energy Management for HPC Systems // 2018 International Conference on High Performance Computing & Simulation (HPCS). Orleans, France. 2018. P. 292–299. doi: 10.1109/HPCS.2018.00057.
  6. Bogdanov E., Bozhnyuk A., Sartasov S., Granichin O. On Application of Simultaneous Perturbation Stochastic Approximation for Dynamic VoltageFrequency Scaling in Android OS // 7th International Conference on Event-Based Control, Communication and Signal Processing (EBCCSP’21). 2021. doi: 10.1109/EBCCSP53293.2021.9502396.
  7. Reddy B.K., Singh A.K., Biswas D., Merrett G.V., AlHashimi B.M. Inter-Cluster Thread-to-Core Mapping and DVFS on Heterogeneous Multi-Cores // IEEE Transactions on Multi-Scale Computing Systems. 2018. V. 4. № 3. P. 369–382. doi: 10.1109/TMSCS.2017.2755619.
  8. Quan W., Pimentel A.D., Reddi V.J. A scenario-based run-time task mapping algorithm for MPSoCs // Proceedings of the 50th Annual Design Automation Conference (DAC ’13). New York, NY, USA: ACM, 2013. V. 131. P. 1–6. doi: 10.1145/2463209.2488895.
  9. Van Craeynest K., Jaleel A., Eeckhout L., Narvaez P., Emer J. Scheduling heterogeneous multi-cores through Performance Impact Estimation (PIE) // SIGARCH Computation Architectures News. 2012. V. 40. P. 213–224. doi: 10.1145/2366231.2337184.
  10. Gupta U., Patil C.A., Bhat G., Mishra P., Ogras U. Dy-PO: Dynamic Pareto-optimal configuration selection for heterogeneous MPSoCs // ACM Transactions on Embedded Computing Systems. 2017. doi: 10.1145/3126530.
  11. Shamsa E., Kanduri A., Liljeberg P., Rahmani A.M. Concurrent Application Bias Scheduling for Energy Efficiency of Heterogeneous Multi-Core Platforms // IEEE Transactions on Computers. 2022. V. 71. № 4. P. 743–755. doi: 10.1109/TC.2021.3061558.
  12. Zhu Y., Reddi V.J. High-performance and energyefficient mobile web browsing on big/little systems // IEEE International Symposium on High Performance Computer Architecture (HPCA), Shenzhen, China, 2013. P. 13–24. doi: 10.1109/HPCA.2013.6522303.
  13. Moolchandani D., Kumar A., Martínez J.F., Sarangi S.R. VisSched: An Auction-Based Scheduler for Vision Workloads on Heterogeneous Processors // IEEE Transactions on ComputerAided Design of Integrated Circuits and Systems. 2020. V. 39. № 11. P. 4252–4265. doi: 10.1109/TCAD.2020.3013076.
  14. Singh K., Dey S., McDonald-Maier K., Basireddy K.R., Merrett G.V. Dynamic Energy and Thermal Management of Multi-core Mobile Platforms: A Survey // IEEE Design & Test. 2020. V. 37. № 5. P. 25–33. doi: 10.1109/MDAT.2020.2982629.
  15. Ranjbar B., Nguyen T.D.A., Ejlali A., Kumar A. Power-Aware Runtime Scheduler for MixedCriticality Systems on Multicore Platform // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2021. V. 40. № 10. P. 2009–2023. doi: 10.1109/TCAD.2020.3033374.
  16. Han S., Yun Y., Kim Y.H., Kang S. Proactive Scenario Characteristic-Aware Online Power Management on Mobile Systems // IEEE Access. 2020. V. 8. P. 69695–69711. doi: 10.1109/ACCESS.2020.2986214.
  17. Siddesha K., Jayaramaiah G.V. Energy Efficient Greedy Scheduling of Tasks for DVFS Enabled Heterogeneous Multicore Processors // International Conference on Recent Trends in Electronics, Information, Communication & Technology (RTEICT), Bangalore, India, 2021. P. 538–542. doi: 10.1109/RTEICT52294.2021.9573873.
  18. Pelogeiko M.A., Sartasov S.Yu., Granichin O.N. O stokhasticheskoi optimizatsii energopotrebleniya protsessora smartfona // Informatika i Avtomatizatsiya. 2023. № 5. P. 1004–1033. https://doi.org/10.15622/ia.22.5.3
  19. Lee J., Nam S., Park S. Energy-Efficient Control of Mobile Processors Based on Long ShortTerm Memory // IEEE Access. 2019. V. 7. P. 80552–80560. doi: 10.1109/ACCESS.2019.2923334.
  20. Song S., Kim J., Chung J.-M. Energy Consumption Minimization Control for Augmented Reality Applications based on Multi-core Smart Devices // IEEE International Conference on Consumer Electronics (ICCE), 2019. doi: 10.1109/ICCE.2019.8661917.
  21. Pricopi M., Muthukaruppan T.S., Venkataramani V., Mitra T., Vishin S. Power-performance modeling on asymmetric multi-cores // International Conference on Compilers, Architecture and Synthesis for Embedded Systems (CASES), Montreal QC Canada. 2013. P. 1–10. doi: 10.1109/CASES.2013.6662519.
  22. Goraczko M., Liu J., Lymberopoulos D., Matic S., Priyantha B., Feng Zhao. Energy-optimal software partitioning in heterogeneous multiprocessor embedded systems // ACM/IEEE Design Automation Conference (DAC), Anaheim CA USA. 2008. P. 191–196. doi: 10.1145/1391469.1391518.
  23. Liu G., Park J., Marculescu D. Dynamic thread mapping for high-performance, power-efficient heterogeneous many-core systems // IEEE International Conference on Computer Design (ICCD), Asheville NC USA. 2013. P. 54–61. doi: 10.1109/ICCD.2013.6657025.
  24. Mukherjee T., Chantem A. An Integrated Energy Management Framework for Multiple Side-by-Side Applications on Smartphones // IEEE International Conference on Embedded Software and Systems (ICESS), Shanghai China. 2020. P. 1–8. doi: 10.1109/ICESS49830.2020.9301538.
  25. Vaibhav S., Masha S. Joint frequency scaling of processor and DRAM // The Journal of Supercomputing. 2016. V. 72. P. 1–16. doi: 10.1007/s11227-016-1680-4.
  26. Che S. et al. Rodinia: A benchmark suite for heterogeneous computing // IEEE International Symposium on Workload Characterization (IISWC), Austin TX USA. 2009. P. 44–54. doi: 10.1109/IISWC.2009.5306797.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).