[論文レビュー] Energy-Aware Task Partitioning on Heterogeneous Multiprocessor Platforms

E. M. Saad, Medhat Awadalla+2 more|arXiv (Cornell University)|Jun 2, 2012

Distributed and Parallel Computing Systems参考文献 14被引用数 12

ひとこと要約

本稿では、エネルギー消費を最小限に抑えるとともにリアルタイムのデッドライン遵守を確保するため、変更済みの粒子群最適化（PSO）アルゴリズムとMin-Min手法を組み合わせた、異種マルチプロセッサシステム向けのエネルギー意識的なタスク分割手法を提案する。本手法は、先行手法と比較して顕著なエネルギー削減と反復回数の低減を達成しており、シミュレーションにおいて優れた性能を示している。

ABSTRACT

Efficient task partitioning plays a crucial role in achieving high performance at multiprocessor plat forms. This paper addresses the problem of energy-aware static partitioning of periodic real-time tasks on heterogeneous multiprocessor platforms. A Particle Swarm Optimization variant based on Min-min technique for task partitioning is proposed. The proposed approach aims to minimize the overall energy consumption, meanwhile avoid deadline violations. An energy-aware cost function is proposed to be considered in the proposed approach. Extensive simulations and comparisons are conducted in order to validate the effectiveness of the proposed technique. The achieved results demonstrate that the proposed partitioning scheme significantly surpasses previous approaches in terms of both number of iterations and energy savings.

研究の動機と目的

• 周期的なリアルタイムタスクを実行する異種マルチプロセッサプラットフォームにおけるエネルギー消費の最小化という課題に対処すること。
• 分割方式下でもすべてのタスクがデッドラインを満たすことを保証すること。
• 性能とエネルギー効率の両立を図る効率的な静的タスク分割技術を開発すること。
• エネルギー消費の削減および収束速度の面で、既存の分割手法を上回ること。

提案手法

• 最小-最小ヒューリスティクスをタスク割り当てをガイドするように統合した、変更済みの粒子群最適化（PSO）の亜種が使用される。
• プロセッサのエネルギー消費とタスク実行時間に基づいてタスク分割意思決定を評価するためのエネルギー意識的なコスト関数が設計される。
• アルゴリズムは、全システムのエネルギー消費を最小化するようにタスクをプロセッサに割り当てることで、静的分割を実行する。
• 本手法は、タスクのデッドラインとプロセッサの非均質性（異なる速度およびパワー特性を含む）を両方とも考慮する。
• PSOアルゴリズムは、エネルギー意識的なコスト関数に従って解空間を探索することで、タスク割り当てを段階的に改善する。
• さまざまなタスクおよびプラットフォーム構成において性能を評価するために、シミュレーションが実施される。

実験結果

リサーチクエスチョン

• RQ1 異種マルチプロセッサシステムにおいて、どのようにすればタスク分割を最適化してエネルギー消費を最小化できるか？
• RQ2 提案されたPSOベースの手法は、すべてのリアルタイムデッドラインを満たす条件下で、エネルギー消費をどの程度低減できるか？
• RQ3 既存の分割手法と比較して、提案手法の収束速度およびエネルギー効率はどのように異なるか？
• RQ4 PSOフレームワークに最小-最小ヒューリスティクスを統合することで、解の品質にどのような影響を与えるか？

主な発見

• 提案手法は、先行手法と比較して顕著なエネルギー削減を達成しており、全システムのエネルギー消費が明確に低減されている。
• 収束に要する反復回数は、既存の分割手法と比較して顕著に少ない。
• テストされたすべてのタスクセットおよびプラットフォーム構成において、デッドライン違反を効果的に回避している。
• シミュレーション結果から、エネルギー意識的なコスト関数が、低エネルギーかつ実行可能タスク割り当てへ向かうPSOアルゴリズムの探索を効果的に導くことが確認された。