《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 移動設(shè)備中異構(gòu)處理器平臺的能量優(yōu)化設(shè)計
移動設(shè)備中異構(gòu)處理器平臺的能量優(yōu)化設(shè)計
2014年電子技術(shù)應(yīng)用第10期
夏開建，任曉剛,，吳 玥
常熟市第一人民醫(yī)院 信息科,，江蘇 常熟215500
摘要： 由于移動設(shè)備含有多個傳感器，系統(tǒng)往往需要運行連續(xù)的感知任務(wù)。移動設(shè)備中的應(yīng)用處理器能有效地運行計算密集型任務(wù),，而對于連續(xù)的感知任務(wù)將消耗大量的能量,。為了提高移動設(shè)備的能量利用率，在包含應(yīng)用處理器和低功耗處理器的異構(gòu)處理器上提出了一種異構(gòu)處理器平臺能量優(yōu)化方法,。
中圖分類號： TP311
文獻標識碼： A
文章編號： 0258-7998(2014)10-0138-04
Energy optimization on heterogeneous processor platform in mobile device
Xia Kaijian,，Ren Xiaogang，Wu Yue
Department of Information,，Changshu No.1 People′s Hospital,，Changshu 215500，China
Abstract： Mobile device contains multiple sensors, so the system usually executes continuous sensing tasks. The application processor in mobile devices can handle computation intensive tasks efficiently, but will consume much more energy for continuous sensing tasks. In order to reduce the energy consumption of mobile devices, this paper proposes an energy optimization approach on a heterogeneous processor platform containing application processor and low power processor. Firstly, the energy proportion factor is proposed according to the real energy consumption and ideal energy consumption. Secondly, a task partition approach is proposed for application in a two-processor heterogeneous platform. Finally, we validate the efficiency of the proposed approach via a simulator. The simulation experiments show that the proposed optimized approach can improve the energy consumption a lot by offloading sensing tasks to the low power processor.
Key words : mobile device,；heterogeneous processor platform,；energy optimization；energy proportion factor

0 引言

    移動電話的普適性,、便攜性以及連通性使得它們成為連續(xù)感知應(yīng)用的理想平臺,。移動電話含有多種傳感器，可以在連續(xù)感知任務(wù)中感知用戶不同類型的上下文[1],。移動電話采用電池供電,，電池的容量決定著移動電話的使用時間。在連續(xù)移動感知應(yīng)用中,，如何節(jié)約電量的消耗從而提高連續(xù)感知應(yīng)用的時間是最具研究挑戰(zhàn)的內(nèi)容之一[2-3],。

    為了解決上述問題，研究人員提出在平臺中加入低功耗處理器,，用于控制移動設(shè)備的傳感器,。TI OMAP[4]平臺中除了含有應(yīng)用處理器內(nèi)核，還包含芯片級的低功耗處理器內(nèi)核,。其基本原則是：低功耗處理器在活躍狀態(tài)消耗很小的能量,，并且從睡眠狀態(tài)到活躍狀態(tài)的喚醒開銷幾乎可以忽略不計，因此可以有效率地執(zhí)行重復(fù)的感知任務(wù),。在感知任務(wù)中,，應(yīng)用處理器處于睡眠模式，低功耗處理器感知傳感器的數(shù)據(jù)并在進行計算密集型任務(wù)時喚醒應(yīng)用處理器,。

    Reflex平臺[5]為用戶在多處理器移動平臺上提供了一種簡單的編程體驗,。該平臺通過共享內(nèi)存技術(shù)將復(fù)雜的底層開發(fā)問題集成到低功耗處理器中，程序員可以使用標準的程序開發(fā)技術(shù)來設(shè)計應(yīng)用,。X等人提出了一種概念驗證原型系統(tǒng)LittleRock[6],，該系統(tǒng)強調(diào)了低功耗處理器在任務(wù)劃分中的有效性。區(qū)別于上述兩種方法,，本文針對連續(xù)的感知應(yīng)用提出了一種任務(wù)劃分指導(dǎo)方法以及適當?shù)倪\行環(huán)境設(shè)計原則,。本文提出的方法可以在上述兩個平臺中實現(xiàn)，是對這兩個平臺的補充。為了將工作負載劃分到異構(gòu)的平臺上,，CUERVO E等人[7]和GORACAKO M等人[8]提出了基于整數(shù)線性規(guī)劃的任務(wù)劃分方法,。前者研究任務(wù)在移動設(shè)備與云平臺之間的劃分，后者研究任務(wù)在兩個處理器之間的劃分,。區(qū)別于上述兩個工作,，本文采用基于模擬的方法以得到更接近真實值的準確結(jié)果。

    本文從能量有效的角度研究如何在應(yīng)用處理器和低功耗處理器上進行任務(wù)的劃分,，對任務(wù)劃分期間跨不同處理器的能源消耗和傳輸開銷進行了量化,，提出了一種應(yīng)用組件分析方法，并基于該方法對組件進行最有效的劃分,。

1 能量消耗比例

jsj6-gs1-s.gif

    在理想平臺中,，當應(yīng)用程序的執(zhí)行存在間隙時，系統(tǒng)進入休眠狀態(tài),。然而在真實平臺中,，系統(tǒng)是否進入休眠狀態(tài)取決于程序的運行間隙是否大于系統(tǒng)狀態(tài)轉(zhuǎn)換所需的時間[2，8],。給定P和A,，為了量化真實能耗與理想能耗之間的差異，本文定義能量比例因子為：

jsj6-gs1.gif

2 處理器的能量消耗優(yōu)化

2.1 假設(shè)前提

    為了簡化問題的分析,，本文做如下假設(shè)：(1)假設(shè)感知應(yīng)用通過傳感器對數(shù)據(jù)進行抽樣,，并周期性的運行。(2)假設(shè)那些對輸入數(shù)據(jù)進行計算的特殊任務(wù)片段的運行時間是常數(shù),，并不依賴于輸入數(shù)據(jù),。實際上，一些特殊的輸入數(shù)據(jù),，如全0輸入,，可能會簡化計算，從而加快任務(wù)片段的運行,，此處假設(shè)這種差別并不顯著,。(3)假設(shè)兩個處理器間的通信開銷相對于執(zhí)行時間和采樣周期可以忽略不計。在大多數(shù)處理器平臺中,，應(yīng)用處理器和低功耗處理器在同一芯片中，因此通信開銷很低,。此外,，即使應(yīng)用處理器和低功耗處理器在不同的芯片中，也可以通過高速總線互聯(lián),，從而大大降低它們之間的通信開銷,。(4)由于將感知負載轉(zhuǎn)移到低功耗處理器上，本文假設(shè)低功耗處理器的休眠與活躍狀態(tài)之間的狀態(tài)轉(zhuǎn)換開銷和休眠時的空閑能耗相對于其他能耗可以忽略不計。(5)假設(shè)所有的任務(wù)片段在這兩個處理器上都是可調(diào)度的,。這意味著通過將任務(wù)片段劃分在不同的處理器上,，可以降低應(yīng)用程序總的運行時間。

    由于傳感器的數(shù)據(jù)是連續(xù)的,，而處理器處理的數(shù)據(jù)往往是離散的,，采樣方法作為基本的傳感器數(shù)據(jù)處理方法不僅能很好地描述傳感器數(shù)據(jù)，還可以大大壓縮數(shù)據(jù)總量,，因此假設(shè)(1)是合理的,。假設(shè)(2)、(3)和(4)對問題的分析進行了簡化,，該假設(shè)會對分析結(jié)果產(chǎn)生微小的誤差,，在對系統(tǒng)的整體性能進行評估時，這些誤差可以忽略不計,。通過對應(yīng)用程序的任務(wù)進行分配,，可以使任務(wù)在不同的處理器間進行調(diào)度，因此假設(shè)(5)是合理的,。

2.2 總的能量消耗

    本文采用的符號的含義如表1所示,。令應(yīng)用程序的調(diào)用包含N個任務(wù)片段，并且部分任務(wù)片段可能重復(fù)多次運行,，該應(yīng)用程序的每個周期的持續(xù)時間為d,。令M表示應(yīng)用處理器，那么應(yīng)用程序的理想能耗為：

    jsj6-gs2.gif

jsj6-b1.gif

    事實上,，應(yīng)用處理器的狀態(tài)轉(zhuǎn)換能耗和休眠能耗并不能忽略不計,，于是真實能耗為：

    jsj6-gs3.gif

其中Etrans·K表示處理器模式轉(zhuǎn)換的能耗。由于周期d遠遠大于應(yīng)用程序運行時總共的模式轉(zhuǎn)換時間,，因此本文忽略了處理器狀態(tài)的轉(zhuǎn)換時間,。

    當平臺中含有M和L兩個處理器時，應(yīng)用程序可以按照比例被分割為若干個連續(xù)的活躍能耗和模式轉(zhuǎn)換能耗,，于是能耗為：

    jsj6-gs4.gif

    由于將部分任務(wù)轉(zhuǎn)移到L上運行,，因此M上的模式轉(zhuǎn)換次數(shù)K′與K不同。對比EMulti與EM,，由于EMulti將部分任務(wù)轉(zhuǎn)移到低功耗處理器L上運行,，M上的模式轉(zhuǎn)換次數(shù)K′減小了，因此式(1)定義的能量消耗比例減小了,。

2.3 任務(wù)片段劃分

    為了確定最優(yōu)的能量比例因子,，本文應(yīng)用了移動連續(xù)感知應(yīng)用的一些典型的特征。在這些應(yīng)用中,，每個任務(wù)片段的輸出率會隨著計算管道明顯的降低,。例如,，采樣和緩沖任務(wù)片段在100 Hz頻率下采集和緩沖傳感器的采樣數(shù)據(jù)，而對緩沖數(shù)據(jù)進行分類的操作會在更低的頻率(如1 Hz)下工作,。此外,，管道開始的任務(wù)片段是輕量級的，往往進行簡單的數(shù)據(jù)緩沖和過濾,，而管道的后續(xù)任務(wù)片段往往是計算密集的,。

    在確定任務(wù)片段的處理器時，由于任務(wù)是可調(diào)度的,，其唯一決定因素為兩個處理器之間的相對能量消耗比例差異,。如果i被劃分到L上時，其能量消耗比例相對于M減少了,，那么將任務(wù)片段i劃分到L上,。相對能量消耗比例差異Δi依賴于任務(wù)片段i的劃分，其計算方法為：

jsj6-gs5-6.gif

    應(yīng)用式(6)可以得到一條曲線,，曲線的橫坐標為jsj6-gs6x.gif縱坐標為si,。當坐標點落到曲線的右上方時，該任務(wù)在應(yīng)用處理器上運行,；當坐標點落到曲線的左下方時,，該任務(wù)在低功耗處理器上運行。

3 實驗設(shè)計與結(jié)果分析

3.1 模擬器設(shè)計

    本文分析多個應(yīng)用程序下所有應(yīng)用的計算時間,、模式轉(zhuǎn)換次數(shù)以及程序的喚醒時間,。為了對程序的性能更好地進行描述，進行細粒度的時間分析,。圖1為實驗采用的模擬器的整體結(jié)構(gòu),。本文采用基于事件的模擬器設(shè)計方法，采用3個輸入文件,。第一個輸入文件包含系統(tǒng)的配置參數(shù),，如兩個處理器的在每種狀態(tài)下的能耗參數(shù)、CPU的運行頻率,、任務(wù)的調(diào)度策略以及狀態(tài)轉(zhuǎn)換能耗,；第二個輸入文件為應(yīng)用程序配置文件，該文件描述應(yīng)用程序的任務(wù)片段劃分和連接結(jié)構(gòu),；最后一個輸入文件為多個應(yīng)用程序的跟蹤數(shù)據(jù),。模擬器計算出應(yīng)用程序的整個執(zhí)行路徑，并將相關(guān)的統(tǒng)計信息輸出,，如處理器的能耗統(tǒng)計,、執(zhí)行時間和狀態(tài)轉(zhuǎn)換次數(shù)等。模擬器的應(yīng)用處理器采用QSD8250精簡指令集處理器,，低功耗處理器采用MSP430,。

jsj6-t1.gif

3.2 性能評估

    為了評價模擬器上任務(wù)劃分的性能優(yōu)化程度，實驗采用了活動識別和參考文獻[9]所提出的兩個具有代表性的方法進行試驗對比,?；顒幼R別包括兩個階段，第一階段為讀取加速計的采樣數(shù)據(jù)并將其存儲在緩沖中,，第二階段采用樸素貝葉斯方法對內(nèi)存中累積的數(shù)據(jù)進行分類,。SoundSense也是一種分類方法，其包括采樣,、FFT,、MFCC和貝葉斯分類4個階段。表2和3分別給出活動識別和SoundSense這兩種應(yīng)用的運行時間,。

jsj6-b2.gif

jsj6-b3.gif

    運行時間分析：為了評價優(yōu)化算法的性能,，實驗分別在3種情況下實現(xiàn)了活動識別算法。第1種情況是兩個任務(wù)分別運行在應(yīng)用處理器上,，記為AP,；第2種情況是兩個任務(wù)分別運行在低功耗處理器上，記為LP,；第3種情況采用優(yōu)化算法將任務(wù)劃分在不同的處理器上,，記為LP-AP。圖2為活動識別算法在3種情況下的能量比例因子對比,。在活動識別應(yīng)用中,，隨著處理器頻率的增加，能量比例因子逐漸降低,，在4種處理器頻率下LP-AP的能量比例因子都是最小的并且與LP相接近,。此外，實驗測試了SoundSense算法下的能量比例因子效率,，結(jié)果如圖3所示,。在圖3中，橫軸表示SoundSense算法的不同階段運行在不同的處理器上,，縱軸為能量比例因子,，分別將前k(k=0，1,，2,，3，4)個節(jié)點遷移到LP上運行,。從圖中可以看出,，當k=2時，能量比例因子達到最小值,，此后能量比例因子的變化很小,。

jsj6-t2.gif

jsj6-t3.gif

4 結(jié)論

    本文引入了低功耗處理器,，并提出了應(yīng)用程序在這兩個處理器上的任務(wù)劃分優(yōu)化方法。應(yīng)用處理器用于處理計算密集型任務(wù),，低功耗處理器用于周期性地感知外部環(huán)境的數(shù)據(jù),。模擬實驗表明，由于將感知任務(wù)遷移到低功耗處理器上運行,，本文提出的優(yōu)化方法能大大提高移動設(shè)備的能量利用效率,。

參考文獻

[1] 王玉祥，喬秀全,，李曉峰,，等.上下文感知的移動社交網(wǎng)絡(luò)服務(wù)選擇機制研究[J].計算機學(xué)報，2010,，33(11)：2126-2135.

[2] LU H,，YANG J，LIU Z,，et al.The Jigsaw continuous sensing engine for mobile phone applications[C].Proceedings of the 8th ACM Conference on Embedded Networked Sensor Systems,，ACM，2010：71-84.

[3] BALAN R K,，GERGLE D,，SATYANARAYANAN M，et al.Simplifying cyber foraging for mobile devices[C].Proceedings of the 5th International Conference on Mobile systems,，Applications and Services,，ACM，2007：272-285.

[4] 安健,，桂小林,，張文東，等.物聯(lián)網(wǎng)移動感知中的社會關(guān)系認知模型[J].計算機學(xué)報,，2012,，35(6)：1164-1174.

[5] RA M R，SHETH A,，MUMMERT L,，et al.Odessa：enabling interactive perception applications on mobile devices[C].Proceedings of the 9th International Conference on Mobile Systems，Applications and Services,，ACM,，2011：43-56.

[6] PRIYANTHA B，LYMBEROPOULOS D,，LIU J.Littlerock: Enabling energy-efficient continuous sensing on mobile phones[J].Pervasive Computing,，IEEE，2011,，10(2)：12-15.

[7] CUERVO E,，BALASUBRAMANIAN A,，CHO D，et al.MAUI：making smartphones last longer with code offload[C].Proceedings of the 8th International Conference on Mobile Systems,，Applications and Services,，ACM，2010：49-62.

[8] GORACZKO M,，LIU J，LYMBEROPOULOS D,，et al.Energyoptimal software partitioning in heterogeneous multiprocessor embedded systems[C].Proceedings of the 45th Annual Design Automation Conference,，ACM，2008：191-196.

[9] NEWTON R,，TOLEDO S,，GIROD L，et al.Wishbone：Profile-based partitioning for sensornet applications[C].NSDI.2009,，9：395-408.

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載。