20279

۲۰۲۷۹

بهينه سازي انتساب برخط كارها در سيستم هاي پردازشي چندهسته اي براي مديريت پوياي گرمايش

كارشناسي ارشد

كامپيوتر

۱۳۹۷

۱۳۹۷/۱۱/۳۰

دكتر وصال حكمي

كامپيوتر

افزايش دما در پردازنده هاي چندهسته اي سبب افزايش توان مصرفي و كاهش طول عمر مفيد پردازنده مي شود. براي كاهش دما در اين پردازنده ها، راهكارهايي ارائه شده اند. برخي از اين راهكارها، از وقوع بحران هاي حرارتي پيش گيري نكرده و تنها در صورت تجاوز دما از آستانه ي مجاز، فعال شده و سعي در رفع بحران دارند. دسته ي ديگري از راهكارهاي ارائه شده، با استفاده از رويكرد انتساب برخط كارها به هسته ها، توزيع دماي سطح تراشه را كنترل مي كنند. نكته ي قابل توجه اين است كه انتساب كارها به هسته ها با عدم قطعيت هايي در سيستم مواجه است. ازجمله ي اين عدم قطعيت ها مي توان به ورود تصادفي كارهايي با ماهيت تصادفي به سيستم و جفت شدن تصادفي آن ها با يكديگر اشاره كرد. بنابراين، حالت آينده ي سيستم، علاوه بر نحوه¬ي انتساب كارها به هسته ها به عوامل تصادفي موجود در سيستم نيز بستگي دارد. به همين دليل، استفاده از رويكردهاي نزديك بينانه براي انتساب كارها به هسته ها مناسب نيست. در اين پژوهش، راهكاري براي انتساب برخط كارها به هسته ها ارائه نموده ايم كه مسئله ي انتساب برخط كارها را با چارچوب فرآيند تصادفي نيمه ماركفي پيوسته-زمان مدل سازي كرده و به عوامل تصادفي و عدم قطعيت هاي موجود در آن توجه دارد. علت استفاده از رويكرد پيوسته-زمان نيز جلوگيري از كاهش كارايي سيستم مي باشد. با توجه به در دسترس نبودن احتمالات گذار و به دليل بالا بودن ابعاد مؤلفه هاي حالت سيستم، راهكار ارائه شده از الگوريتمي مبتني بر يادگيري تقويتي پيوسته استفاده كرده و از روش تقريب تابع جهت تقريب ارزش اعمال در حالات استفاده مي كند. نتايج حاصل از شبيه سازي نشان مي دهند كه راهكار ارائه شده به اندازه ي 6 درجه ي سانتي گراد ميانگين دماي بيشينه ي سيستم را كاهش داده و به ميزان 66 ميلي ثانيه زمان سرويس كارها را كاهش داده است.

1398/01/19

Optimization of Online Task Assignment in Multi-Core Processing Systems for Dynamic Thermal Management

2/19/2019 12:00:00 AM

Abstract: Increase in chip temperature causes more power consumption in multi core processors and decreases the CPU lifetime. Some techniques have been proposed to decrease peak temperature in processors, but they do not prevent thermal crisis and are activated only in case of exceeding the threshold temperature. There is another group of techniques which uses online thread assignment to processing cores to control chip wide temperature distribution. Thread assignment faces some uncertainties in system which consists of stochastic process arrival and random pairing, so the future state of the system depends on both task assignment and randomness in system. As a result, using myopic approaches is not suitable. In this research, we have presented an online task to core assignment approach which uses Semi-Markov Decision Process to prevent performance reduction and considers randomness and uncertainties in system. As the transitional properties are not accessible and due to high dimension of system state components, the proposed approach uses function approximation to approximate action values in any system state. The simulation results show 6 centigrade decrease in system average peak temperature and 66 milliseconds decreases in task service time.