面向多核架构上流应用软件的节能调度与优化问题研究

本课题的研究目标是降低流应用软件在嵌入式多核处理器上运行时的能耗，有效的延长采用电池供电的嵌入式设备的待机时间，改善终端用户体验。流应用具有周期执行的典型特征，对其周期执行的核心模块进行节能调度与优化，将会显著的降低整个应用软件在运行时的最终能耗。本课题首先对现有流应用的内部模块依赖关系进行分析归纳，提出了单速率有向无环图、单速率有向有环图、宽松速率有向有环图、宽松速率有向无环图四种任务模型。基于所提任务模型，提出一种两阶段的节能调度策略，第一阶段采用重定时技术设计算法实现任务并行化，然后求解最优软件流水核心模式，再实施软件流水调度提高应用的吞吐率，进而节省出处理器空闲时隙；第二阶段基于实用化的处理器能耗模型，利用空闲时隙，优化组合DVS、DPM、ABB节能技术，提出采用遗传算法或其它计算智能方法对多核上的流应用进行节能调度与优化，在不违背应用性能要求的前提下，以更少的能耗完成应用的计算。

本课题围绕调度算法展开理论和应用研究。随着大数据、云计算技术、传感器网络与移动智能感知技术的迅猛发展，这些领域中的调度问题变得更加迫切和重要，因此本课题分三个方面展开调度研究。研究集群与云平台环境下的调度算法。研究多核多处理器上的节能任务调度算法。研究无线传感器网络中的节能调度算法。另外还研究了基于智能移动设备的新型室内定位方法。.首先，分析了大规模开源软件Torque集群的源代码，扩展了Toque集群资源管理以及调度器模块源码，使原本不支持GPU设备的Torque集群平台支持异构集群。然后在异构集群上研究流应用的调度算法及应用并行化方法，提出了基于剩余计算能力的自适应负载均衡算法和基于分散-聚合的并行应用调度优化算法，将GPU并行和集群并行相结合，提高应用性能。.其次，针对多处理器节能调度，研究可建模成DAG任务模型的应用的节能调度问题。DAG任务模型用来表示应用内部模块之间的依赖关系，节能调度算法要考虑吞吐率、性能、能耗三者关系。通过对DAG进行图变换，结合软件流水调度以及DVS技术设计了节能调度算法，在能耗与性能之间求得平衡。.第三，研究了在异构传感器网络中利用移动节点进行数据采集与调度问题。在异构传感器网络中，数据产生速率不一，链路质量不稳定，传感器搜集到的数据在传输过程中不能被融合，在这样的网络中，提出了移动节点数据规约与调度方法，在给定时限内收集数据，并在有限的能耗条件下延长网络工作时间。.最后，在移动智能感知领域，项目组做了一些室内定位研究工作。不但可以利用传统的无线信号进行室内定位，还设计了算法和系统，利用智能手机的听筒感知周围环境声音，然后分析声音进行活动感知。在Android手机上构建了原型系统采集了61个室内位置点，由100名志愿者在两个月时间内用不同电话进行实验数据采集。.项目完成9篇论文，7篇已发表，2篇已录用。其中，被SCI检索4篇，中文期刊1篇，国际会议论文2篇，已经录用中文期刊2篇。完成3个专利申请，其中1个已经授权。项目组总共研制了5个软件或原型系统，分析源代码上万行。已经培养学生十多人，包括8名毕业的硕士生、在读的7名硕士生和若干本科生。