21330

21330

ارائه يك روش مكاشفه‌‌اي براي زمانبندي وظايف بي‌‌درنگ در سيستم‌‌هاي چند هسته‌‌اي با در نظر گرفتن انرژي مصرفي و دما

كارشناسي ارشد

معماري سيستم هاي كامپيوتري

1395

1398/4/3

دكتر حاكم بيت الهي

كامپيوتر

چكيده با رشد روزافزون ترانزيستورها وكاهش اندازه آنها و همچنين افزايش تقاضا براي قدرت پردازشي بيشتر، طراحي و ساخت پردازندههاي چندهستهاي مورد توجه قرارگرفته است. يكي از نتايج مستقيم كاهش اندازه، افزايش چگالي توان مصرفي در واحد سطح است در نتيجه، گرماي توليد شده توسط پردازنده نيز افزايش پيدا ميكند. افزايش دما مي‌‌تواند تاثيرات مخربي برروي ساير مولفه‌‌هاي پردازنده نظير قابليت اطمينان، كارايي و نرخ خرابي داشته باشد. مشكلاتي كه به واسطه‌‌ي دما در پردازنده‌‌هاي چند هسته‌‌اي ايجاد مي‌‌شوند. صرفا محدود به حداكثر دماي توليد‌‌شده نمي‌‌شوند، بلكه دو مؤلفه‌‌ي نوسانات دمايي و اختلاف دمايي زياد بين بخشهاي مختلف پردازنده نيز مي‌‌تواند باعث آسيب رسيدن به سامانه‌‌شوند. دراين پژوهش يك مكانيزم‌‌مديريت دما براي سامانه‌‌هاي‌‌چندهسته‌‌اي بي‌‌درنگ ناهمگن به‌‌صورت برخط ارائه شده‌‌است. روش پيشنهادي نگاشت وظايف به پردازنده‌‌ها بر مبناي الگوريتم يادگيري تقويتي شبكه عميق Q است. نتايج شبيهسازي نسبت به روشهاي كلاسيك و يادگيري ماشين ارائه شده تاكنون، كاراتر بوده‌‌است به گونه اي كه به طور ميانگين 10درصد نسبت به روش‌‌هاي كلاسيك گذشته دماي سامانه چندپردازنده را كاهش داده است. واژه‌هاي كليدي:زمان‌‌بندي وظايف ، ،سامانه‌‌هاي بي درنگ ، چند هسته‌‌اي، انرژي مصرفي، دما، قابليت اطمينان

1398/09/03

New heuristic technique to schedule real _time tasks in multicore system considering energy consumption, temperature and reliability

6/23/2020 12:00:00 AM

Abstract With the growing number of transistors and their diminished size, as well as increased demand for more processing power, several small processors have been designed and manufactured. One of the direct results of reducing the size is the increase in power density per unit area, which means that the heat generated by the processor also increases. Increasing the temperature could have a devastating effect on other processor components such as reliability, performance, and failure rate. Temperatures caused by multi-core processors. It is not limited to maximum temperature, but two components of temperature fluctuations and high temperature differences between different processor parts can also cause damage to the system. In this study, a temperature control mechanism for heterogeneous Real time systems is presented online. The proposed method for mapping tasks to processors is based on deep Q network amplification learning algorithm. The simulation results have been more efficient than classical and machine learning methods so far, so that an average of 10% has reduced the temperature of the multiprocessor system by 10% compared to the previous classical methods. Keywords: scheduling tasks, real_time systems, multi-core, energy consumption, temperature, reliability