[发明专利]一种面向CPU-GPU异构的低能耗任务调度策略

说明书

一种面向CPU‑GPU异构的低能耗任务调度策略，针对异构多核系统的特点和传统蚁群算法存在的仅对单目标进行优化和收敛速度过慢的问题，提出一种同时关注实时约束和系统能耗的蚁群任务调度算法。方法首先根据任务在异构核心上的能耗在信息素初始化过程中提供指导信息，加快算法收敛速度，然后经过任务实时约束条件对核心的筛选后，再根据任务在异构核心上的计算能耗，不同任务的核间通信能耗以及信息素含量来选择合适的执行核心，最后通过蚁群算法的多次迭代不断寻找能耗更低的调度方案，并根据所得结果调整信息素含量，进一步加快算法收敛速度。经过若干次迭代后得到最终任务调度方案能在满足任务实时性约束的情况下使系统的能耗得到优化。

技术领域

本发明属于异构系统任务分配与资源调度领域，具体涉及一种面向CPU- GPU异构系统结构，同时考虑实时约束和系统能耗的资源分配与任务调度策略。

背景技术

现今，处理器结构逐渐朝着多核化和异构化的方向发展。多核处理器已经成为当前的主流处理器。由于拥有多个处理核心，应用程序可以把并行的线程同时交付给多个核心分别处理，因此程序的运行速度得到很大的提高。根据其内核结构是否存在差异，多核处理器分为同构多核处理器和异构多核处理器。同构多核处理器大多是指所有处理器核的体系结构相同，多个处理器核执行相同或者类似的任务。同构多核处理器往往针对特征单一的应用。而异构多核处理器包含多个不同体系结构的处理器核，不同的核心能够起到缺陷互补的作用，尤其对于CPU+GPU的异构体系，CPU弥补了GPU逻辑控制方面的不足，GPU 弥补了传统的CPU多核结构在面对图形数据处理这样的高计算密集程度和高并行度问题时表现出的不足，从而能够面对更为广泛的应用场景。

异构多核系统上的任务调度算法已成为当今学术界研究的热点问题，而 CPU-GPU异构多核任务调度更是重点研究方向，并且在接受任务实时约束的条件下，在能耗方向上的优化问题是设计异构多核任务调度算法时所需面对的关键问题之一。

在较为关键的实时任务处理和降低系统能耗方面，已经有很多学者进行了相关研究。张晶等人通过将异构核心根据处理能力和适用范围重新建模，并参考了相对严格程度任务调度算法的主要思想，提出了一种适用于异构多核系统的实时任务调度算法，该算法在实时性方面确实取得了较好的结果，但处理任务的适用范围还是受到高实时性处理方式的限制，不够灵活。白恩慈等人也提出了基于蚁群算法的异构多核任务调度算法，并且在改进蚁群算法的时候还考虑到了实时性约束，初步将实时性约束和以性能为优化目标的蚁群算法结合起来，但是没有考虑到软实时要求和蚁群算法初始化阶段信息缺乏的问题。

综上所述，这些改进的任务与资源调度策略虽然可以适用于异构多核，并且部分考虑了实时性，但对于异构核心的区分都还是不够细致，并且绝大多数是以提升性能为目标的，没有考虑到可以通过蚁群算法来搜寻满足实时约束条件下不再进行任务调度长度的优化，转而对总体能耗进行优化的可行解。

发明内容

为优化CPU-GPU异构多核系统执行任务时的性能，并且进一步降低功耗，本发明提出了一种基于蚁群算法的异构多核实时任务调度算法。

该发明针对的实际情况有以下几点基本原则：(1)划分的子任务间存在依赖关系，存在依赖关系的多个任务间所对应的通信量有所不同。(2)任务在 CPU与GPU核心上执行的时间和造成的能耗可以被较为准确的预估。(3)任务本身具有实时性要求。

本发明的内容包含三个部分，第一部分是相关数学模型的设计，根据以发挥CPU-GPU异构系统的性能，满足实时约束，优化功耗为目标的数据参数需求，设计处理器和任务的数学模型，为算法高效性提供保障。第二部分是对于算法求解速度的优化，在算法执行求解过程之前，先对输入的数据进行初步处理，通过设定综合优先级的方法寻找较优解，为后续算法的求解过程提供一定程度的指导，提高了算法的收敛速度。最后一部分是算法的设计和改进，算法同时兼顾任务实时性和系统能耗，并且对经典蚁群算法的参数设置和部分循环步骤根据实时约束和异构核心的特性进行了改进，扩大了算法的适用范围，并且使得算法能够快速搜寻满足实时约束的低能耗调度方案。