面向数据密集应用的功耗感知调度研究

IT行业作为新兴高科技支柱行业，面临着巨大的节能降耗压力，IT能耗问题已经成为影响全球能源和环境的重要因素之一。本课题针对目前异构计算环境下功耗感知调度存在的主要问题，对面向数据密集应用的任务功耗感知调度展开研究。针对异构环境的数据密集应用，建立相应的系统模型、应用模型和功耗模型；以功耗模型为基础提出数据密集应用分别在DVFS-Enabled和DVFS-Unable系统中兼顾静态能耗的功耗感知调度框架；以框架为基准，进一步平衡应用的优先约束性、系统的异构性和不同性能指标的冲突性关系，提出数据密集应用在兼顾计算资源和通信资源异构的环境中不同目标的功耗感知调度算法，并提出相应的评测方法。本课题的研究既可有效降低数据密集应用中的能量消耗，还能满足用户的应用需求，为数据和计算中心的能耗管理提供技术支撑。

本课题针对目前异构计算环境下功耗感知调度存在的主要问题，对数据密集应用不同目标和约束的功耗感知调度展开研究，建立了功耗感知调度的系统模型,提出了DVFS-Unable和DVFS-Enabled的功耗感知调度框架、基于异构系统的任务死限的功耗敏感调度等算法，有效解决了应用的高通信时间和能耗成本、系统不断增加的静态能耗、不同节能技术的局限性，以及系统计算和通信资源的完全异构性等问题，为数据和计算中心的能耗管理提供了技术支持。发表成果在核心期刊和重要国际会议上。. 建立功耗感知调度的系统模型。兼顾不同系统的DVFS-Enabled(支持DVFS技术)与DVFS-Unable(不支持DVFS技术)特征，建立相应的系统模型，并针对数据密集应用的海量数据传输引入专门强调通信成本(包括通信时间和通信功耗)的参数，建立适应于该类应用的应用模型和功耗模型。. 提出DVFS-Unable的功耗感知调度框架和算法。使用任务聚类和任务复制技术将数据传输时间和通信能耗放在优化的首要位置，而且适应芯片微型化和多核技术的发展趋势，采用细粒度DPM技术（关闭空闲的时间段）将静态能耗考虑在优化范围内。. 提出DVFS-Enabled的功耗感知调度框架。通过粗粒度DPM技术（即关闭不用的处理单元）在克服阶段隔离性的同时降低静态能耗：通过二分查找重新确定处理单元的数目，再逐步执行任务分配、任务排序和电压调整，以通过多次反复来寻找优化能耗的最佳调度。. 提出一种基于异构系统的任务死限的功耗敏感调度算法，扩展了传统多处理器调度的思路，在分析最坏性能的基础上设计了近似算法，提出了随任务时限紧密性与能量实用的关系的任务价格模式，并把这一思想用于计算任务依赖的情况。. 提出网络依赖任务的能效有效调度算法。通过任务复制和渐进比例因子减少通信时间和通信能耗，同时兼顾应用复杂的数据依赖关系，并提出自适应和动态影射方法适应异构计算环境。