【技术实现步骤摘要】
一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法
[0001]本专利技术属于多核处理器任务调度领域，涉及一种基于能量和QoS联合优化的任务映射方法。
技术介绍
[0002]嵌入式实时系统被广泛地应用于网络服务器、信息检索、工业过程控制、飞行控制以及多媒体系统等领域。实时系统要求在规定的时限内产生结果，并且保证计算结果的准确性。如果系统未能在截止时间前完成任务，可能会导致系统故障，降低系统的可靠性。传统的调度算法通常考虑任务的最坏执行情况，这样的调度方法会降低处理器的执行效率，浪费系统资源。在任务调度过程中，引入近似计算，能够平衡系统的能耗和计算结果的精度，提高系统利用率和可靠性。因此，在资源受限的情况下，研究近似计算任务在多核异构处理平台上的优化调度问题具有重要的现实意义。
[0003]对于实时系统，研究者一般使用动态电压/频率调节技术和动态功耗管理技术来优化系统功耗。目前，在异构多核处理器的任务调度研究中，已经取得了很多的研究成果，但还存在以下问题：1)基于能量优化的任务调度方法中，任务的执行周期是固定的，在调度过程中系统的资源利用率较低，同时系统QoS固定，不能通过任务调整来提高系统QoS；2)基于QoS优化的任务调度研究一般考虑近似计算任务模型，旨在能量受限的情况下最大化系统QoS，但很少考虑任务迁移的情况；3)针对异构多核处理器，基于QoS和能量的联合优化任务映射问题具有较高的计算复杂度。
技术实现思路
[0004]本专利技术提出了一种近似计算任务在多核异构处...
【技术保护点】
【技术特征摘要】
1.一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，其特征在于，包括如下步骤：(1)将具有相关性的实时任务建模为非精确计算任务，由此得到任务有向无环图和任务相关性矩阵；(2)基于big.LITTLE多核异构平台，通过任务迁移，使得同一任务可在不同集群的处理器上执行，以提高任务分配和动态电压/频率调整的灵活性；(3)通过引入任务分配、频率选择、实时性、任务非抢占性、任务相关性和能量消耗约束，构造了基于QoS和能量联合优化的任务映射问题；(4)使用变量替代方法处理问题中的非线性项，将(3)中提出的任务映射问题转换为混合整型线性规划问题，并使用最优化方法求解；(5)针对(3)中提出的问题，利用问题分解的方法，设计了一种低计算复杂度的启发式算法。2.根据权利要求1所述的一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，其特征在于，步骤(1)中，将可用N个具有相关性的非精确计算(Imprecise Computation，IC)任务{τ1，τ2，
…
，τ
N
}来描述实时系统的任务模型，由此得到任务的有向无环图，对于任务τ
i
，IC任务在逻辑上被分为强制执行部分和可选执行部分，M
i
表示任务τ
i
的强制执行周期，变量o
i
表示可选执行周期，D
i
表示任务的截止时间，可选执行周期o
i
不应该超过上界O
i
，即0≤o
i
≤O
i
，对于近似计算任务的调度，任务的强制执行部分和可选执行部分之间有着严格的执行顺序约束：必须在完成强制部分任务之后，才能执行可选部分任务，任务的相关性可用一个二进制矩阵q＝[q
ij
]
N
×
N
来描述，q
ij
表示任务之间的执行顺序；如果任务τ
i
与任务τ
j
相关且任务τ
i
在任务τ
j
之前执行，则q
ij
＝1，否则，q
ij
＝0。3.根据权利要求1所述的一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，其特征在于，步骤(2)中，big.LITTLE异构处理平台存在big和LITTLE两种不同类型的集群，其中同一集群中的处理器是同构的，该平台支持动态电压/频率调节技术，考虑big和LITTLE集群中对应处理器的电压/频率等级分别表示为和由于集群间处理器的异构性，γ
i，k
∈(0，1]被定义为处理器θ
k
执行任务τ
i
的执行能效因子，big.LITTLE支持任务迁移技术，因此同一个任务在执行过程中，可由一个集群上的处理器迁移到另一个集群的处理器上执行，根据任务迁移技术，能够将步骤(1)中的IC任务τ
i
分解成两个具有相关性的子任务τ
2i
‑1′
和τ
2i
′
，由此得到新的任务相关性矩阵，子任务τ
2i
‑1′
和τ
2i
′
可在不同集群的处理器上执行，任务迁移的具体实施过程，在后面的步骤中详细给出，通过归一化处理，μ
i
∈[0，1]表示子任务τ
i
′
在一个处理器上执行的比例，对于任务τ
i
，子任务τ
2i
‑1′
和τ
2i
′
的执行比例之和等于1，即μ
2i
‑1+μ
2i
＝1。4.根据权利要求1所述的一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，其特征在于，步骤(3)中，引入任务分配、频率选择、实时性、任务调度等优化变量：1)如果子任务τ
′
i
被分配到处理器θ
k
上执行，则二进制变量x
i，k
＝1，否则x
i，k
＝0；2)如果子任务τ
′
i
以电压/频率等级l执行，则二进制变量c
i，l
＝1，否则c
i，l
＝0；3)如果任意两个不具有相关性的子任务τ
′
i
和τ
′
j
被分配到同一个处理器，τ
′
i
在τ
′
j
前执行，则二进
制变量p
i，j
＝1，否则p
i，j
＝0；4)连续变量ts
i
和te
i
表示子任务τ
′
i
的执行起始时间和结束时间，为了描述权利要求1所述的一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，需增加以下约束条件：1)任务分配：根据任务迁移技术，同个任务可在不同集群的处理器上执行，由于同一集群中的处理器是同构的，本发明不考虑任务在同构处理器之间的迁移情况，因此在任务分配方面加入以下约束：配方面加入以下约束：2)频率选择：本发明考虑的是任务内动态电压/频率调节技术，处理器在子任务执行完成后，调节电压/频率等级，而每一个子任务只能被分配一个电压/频率等级，big和LITTLE集群中的处理器是异构的，其电压/频率等级不同，所以需要根据任务分配结果确定处理器的电压/频率等级选择范围，λ
i
表示子任务τ
i
′
在big(或是LITTLE)集群上执行的情况，如果子任务τ
i
′
在big集群上执行，则二进制变量λ
i
＝1，否则λ
i
＝0，因此在任务的频率分配方面需要加入如下约束：需要加入如下约束：3)实时性：对于实时性约束，任务τ
i
的强制部分M
i
和可选部分o
i
必须在截止时间D
i
内完成，而子任务τ
′
2i
需要在子任务τ
′
2i
‑1完成后才开始执行，处理器θ
k
以电压/频率等级(V
l
，f
l
)执行子任务τ
2i
‑1′
所用的时间为μ
2i
‑1(M
i
+o
i
)/(γ
2i
‑
1，k
f
l
)，为了不引入额外的下标k，使用参数γ
i，l
替换γ
i，k
，γ
i，l
表示以(V
l
，f
l
)执行子任务τ
′
i
的能效因子，因此在实时性方面需要加入以下约束：入以下约束：入以下约束：4)非抢占性约束：本发明考虑的是非抢占式调度方法，即被分配到同一处理器上的任意两个不具有相关性的子任务不能被同时执行，其约束条件为：te
i
≤ts
j
+(2
‑
x
i，k
‑
x
j，k
)H+(1
‑
p
i，j
)H
ꢀꢀꢀꢀ
(8)te
j
≤ts
i
+(2
‑
x
i，k
‑
x
j，k
)H+p
i，j
H
ꢀꢀꢀꢀꢀꢀ
(9)5)任务相关性约束：本发明考虑的是具有相关性的任务集，任务根据有向无环图中的顺序严格执行，其约束条件为：
6)能量约束：本发明不考虑任务通信的能耗和时间，只考虑处理器的动态功耗和静态功耗，其中P
on
表示保持内核开启的固有功耗，在任务映射过程中，系统总能耗不能超过能量预算E
buget
，因此在能量方面加入以下约束：其中，t
i
表示处理器处于空闲状态的时间，根据系统功耗表达式P
core，l
＝P
sta，l
+P
dyn，l
+P
on
，可以将约束(11)进行如下转换：该任务映射问题以QoS优化作为目标函数，而QoS与可选执行周期o
i
相关，使用线性QoS函数f
i
(o
i
)＝k
i
o
i
+R
i
，其中R
i
表示执行强制部分任务后的基线QoS，根据问题模型，可建立基于QoS和能量联合优化的任务映射优化问题：于QoS和能量联合优化的任务映射优化问题：5.根据权利要求1所述的一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法，其特征在于，步骤(4)中，对步骤(3)中建立的问题模型进行线性化处理，在问题模型PP中，存在连续变量相乘、整型变量相乘的非线性项，因此优化问题(13)是一个混合整型非线性规划问题，步骤(4)通过变量替换等线性化方式将问题(13)等价地转换为混合整型线性规划问题，其过程为：(5.1)由于公式(5)和(12)中存在连续变量相乘的非线性项(M
i
+o
i
)μ
2i
‑1和(M
i
+o
i
)μ
2i
，根据实际的物理意义，引入辅助变量和去替代非线性项，和表示子任务τ
′
2i
‑1和τ
′
2i
的实际执行周期，得到如下关系：和big.LITTLE平台提供离散的电压/频率(V
l
，f
l
)，当电压/频率等级l固定时，其相应的参数P
sta，l
、P
dyn，l
和1/f
l
也可以被确定，因此，在公式(5)和(12)中，分别使用P
′
l
、f
′
2i
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。