基于用户体验的异构多核移动设备的 "性能-功耗" 优化及评价方法

How to optimize battery-powered mobile devices for energy and performance is an outstanding challenge. Users want mobile devices that appear fast and responsive, but at the same time have long lasting batteries. Achieving both of these at once is difficult. The workloads employed to evaluate mobile optimizations are rarely representative of real mobile applications and are oblivious to user perception, focusing only on performance. As a result, hardware and software designers' decisions do not respect the user's Quality of Experience (QoE). The device either runs faster than necessary for optimal QoE, wasting energy, or the device runs too slowly, spoiling QoE. This project will develop the first framework to record, replay, and analyse mobile workloads that represent and measure real user experience. Our work will expose for the first time the real Pareto trade-off between the user's QoE and energy consumption. The results of this project will permit others, from computer architects up to library developers, to make their design decisions with QoE as their optimization target. Through combing compiler analysis, machine learning and runtime optimization technologies, we will design the first energy efficient operating system scheduler for heterogeneous mobile processors which takes QoE into account. With heterogeneous mobile processors just now entering the market, a scheduler able to use them optimally is urgently needed. Our approach will provide a new way to tackle the challenging problem of energy and performance optimization on the increasingly pervasive heterogeneous mobile systems.

既能响应快又能待机长是交互式移动用户对系统设计的期待和要求，但目前"性能-功耗" 优化方案的基准评测程序考察的是移动设备性能指标，而忽略了其对于用户体验的影响。据此形成的片面追求高性能或低功耗的优化策略，通常难以保证甚至严重影响用户体验。因此，如何在高性能和低功耗这两个看似冲突的优化目标之间寻求综合平衡，是交互式移动系统设计中一个亟需解决的难题。本项目将研究移动用户行为感知与建模方法，研究并建立一个用于自动追踪、采集与分析移动用户使用习惯、捕捉用户对响应时间敏感性的平台；研究能够真正反映交互移动特点的基准评测程序的设计、生成和自动合成方法；综合利用编译器优化、机器学习和运行时优化技术，研究面向异构体系结构的系统资源优化调度策略，形成一套以用户体验为中心的移动系统“性能-功耗”综合平衡策略与运行时优化机制。研究成果将为解决异构移动设备"性能－功耗"优化难题提供一种新方法和尝试。

以智能手机、平板电脑为代表的智能移动设备已经取代传统的个人计算机（PC）成为使用最广泛的个人计算平台，智能设备的性能以及待机时间是用户购机时看重的主要因素，但是，高性能和低功耗在很多情形下却是两个互为冲突的优化目标。如何在性能和功耗之间找到有效平衡点是目前智能移动设备的软硬件系统设计中亟需解决的问题。本项目关注如何通过对移动用户行为建模来生成一套能够反映交互式移动应用特点的基准评测程序，形成一套以用户体验为中心的移动系统“性能-功耗”综合平衡策略与运行时优化机制。项目结合无线感知以及手势识别两个研究领域，分别提出了一种只需要一对收发器就能实现广域传感的宽频收发器、一种超声波传感系统和一种低成本的跨目标手势识别系统，设计一套基于编译器代码的生成方法用于装载自动生成的基准程序流，从而使得我们能够在具体的软硬件环境中重放应用负载所记录的系统信息（如活跃线程数目、内存状态、传感器数据等）以及每一个“交互窗口”的开始和结束时刻；项目实现了一种新的编译器模糊测试框架（COMFORT），用于检测 JS 引擎错误和偏离 ECMAScript 标准的行为，项目组将 COMFORT 应用于十个主流 JS 引擎；项目组针对解决新型异构处理器架构下优化空间巨大、复杂、难以快速找到合适的优化选项的问题，开发了一种定量方法来表征基于armv8的多核架构上的SpMV性能以及对基于arm的高性能计算多核架构Phytium FT-2000+上稀疏矩阵向量乘法(SpMV)的可伸缩性进行定量研究；项目组针对移动web访问的能量优化工作和一种新型的移动web交互能量优化系统（CAMEL），有效解决了移动web浏览器依赖于操作系统来利用异构内核，从而导致低能源效率的问题。该项目多个研究成果先后发表在PLDI'21、UbiComp'21、SenSys'19、INFOCOM'20、PACT'20、CN'20等高水平国际会议和期刊上。相关成果被《中国日报》、《西部网》等媒体广泛报道。