[논문 리뷰] A C-DAG task model for scheduling complex real-time tasks on heterogeneous platforms: preemption matters

Houssam-Eddine Zahaf, Nicola Capodieci외 3명|arXiv (Cornell University)|2019. 01. 08.

Real-Time Systems Scheduling참고 문헌 18인용 수 9

한 줄 요약

이 논문은 이질적 플랫폼을 위한 새로운 실시간 작업 모델인 C-DAG 모델을 제안한다. 이 모델은 이종 프로세서(CPU, GPU, DLA, PVA) 간의 오프라인 대안 구현 및 런타임 조건부 분기 기능을 지원하며, 비가로운 프리에프터 비용(특히 가속기에서 발생하는 비용)을 고려한 타당성 분석을 제공한다. 이는 최신 기술 대비 낙관주의를 크게 감소시키고 타당성 비율을 향상시킨다.

ABSTRACT

Recent commercial hardware platforms for embedded real-time systems feature heterogeneous processing units and computing accelerators on the same System-on-Chip. When designing complex real-time application for such architectures, the designer needs to make a number of difficult choices: on which processor should a certain task be implemented? Should a component be implemented in parallel or sequentially? These choices may have a great impact on feasibility, as the difference in the processor internal architectures impact on the tasks' execution time and preemption cost. To help the designer explore the wide space of design choices and tune the scheduling parameters, in this paper we propose a novel real-time application model, called C-DAG, specifically conceived for heterogeneous platforms. A C-DAG allows to specify alternative implementations of the same component of an application for different processing engines to be selected off-line, as well as conditional branches to model if-then-else statements to be selected at run-time. We also propose a schedulability analysis for the C-DAG model and a heuristic allocation algorithm so that all deadlines are respected. Our analysis takes into account the cost of preempting a task, which can be non-negligible on certain processors. We demonstrate the effectiveness of our approach on a large set of synthetic experiments by comparing with state of the art algorithms in the literature.

연구 동기 및 목표

• 현대의 이질적 임베디드 플랫폼에서 다양한 프로세서(CPU, GPU, DLA, PVA)를 탑재한 복잡한 실시간 애플리케이션의 스케줄링 과제를 해결한다.
• 오프라인 및 런타임 결정을 모두 지원하는 통합 프레임워크 내에서 프로세서 선택 및 작업 병렬성/순서 설정과 같은 설계 선택을 모델링한다.
• 이전 연구에서 종종 忽시되거나 과도하게 추정되는 가속기(예: GPU에서 실행 시간의 30%)에서 발생하는 비중 있는 프리에프터 비용을 고려한다.
• 낙관주의를 줄이고 자원 활용도를 향상시키면서도 마감 시간을 준수하는 타당성 분석 및 할당 히وري스틱을 개발한다.

제안 방법

• 오프라인 프로세서 선택을 위한 대안 노드와 런타임 분기 조건을 위한 조건부 노드를 갖춘 방향성 비순환 그래프인 C-DAG 모델을 제안한다.
• 스케줄링 타당성 분석에 프리에프터 비용 모델링을 통합하여 CPU(0.02%), GPU(30%), DLA/PVA(10%)에서의 프리에프터 비용을 구분한다.
• 정리 2를 적용하여 최대 순차 부분집합 내에서 한 개의 서브작업에만 프리에프터 비용을 부과함으로써 낙관주의를 감소시킨다.
• 부하 균형을 유지하고 DLA 및 PVA와 같은 희귀 자원을 보존하는 데 초점을 맞춘 여러 할당 히وري스틱(BRF-P, BOF-P, WRF-P 등)을 설계하고 평가한다.
• 다양한 활용도와 작업 구조를 가진 합성 작업 집합을 사용하여 다양한 히وري스틱 하에서 타당성 및 자원 사용량을 평가한다.
• 스케줄링 비율, 활성 CPU 수, 희귀 엔진 활용도 등의 지표를 사용해 최신 기술과 결과를 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 실시간 작업 모델이 이질적 플랫폼에서 오프라인 및 런타임 설계 선택을 효과적으로 표현할 수 있는가?
• RQ2 GPU, DLA 등에서 발생하는 비가로운 프리에프터 비용이 타당성 분석과 시스템 타당성에 어느 정도 영향을 미치는가?
• RQ3 정교한 프리에프터 비용 모델링이 타당성 분석의 낙관주의를 줄이고 시스템 활용도를 향상시킬 수 있는가?
• RQ4 다양한 할당 히وري스틱은 타당성, 부하 균형, 희귀 컴퓨팅 자원 보존 측면에서 어떻게 비교되는가?
• RQ5 프리에프터 비용 모델링은 이질적 플랫폼에서 복잡한 실시간 작업 집합의 전체 스케줄링 가능성을 어느 정도 향상시키는가?

주요 결과

• 정리 2를 통한 제안된 프리에프터 비용 모델링은 특히 높은 활용도 조건에서 타당성 분석의 낙관주의를 크게 감소시킨다.
• 정리 2(낮은 프리에프터 비용 모델)를 적용한 경우 타당성 비율이 높게 유지되지만, 단순한 최대 프리에프터 비용 접근법은 극심한 성능 저하를 초래한다.
• BF 기반 히وري스틱(BRF-P 등)은 더 높은 CPU 활용도와 우수한 부하 균형을 달성하지만, 순서 기반 히وري스틱(예: BOF-P)은 DLA 및 PVA와 같은 희귀 엔진의 활용도를 감소시킨다.
• BOF-P는 높은 부하 조건에서 전체 실행 오버헤드를 최소화하고 핵심 가속기의 부하를 줄임으로써 다른 히وري스틱보다 뛰어난 성능을 보인다.
• 총 활용도가 증가할수록 활성 CPU 수의 평균값도 증가하지만, BRF-P는 희귀 자원을 보존하기 위해 다른 히وري스틱보다 더 많은 코어를 사용한다.
• 순서 기반 히وري스틱(예: BRF-P, BOF-P) 하에서 희귀 엔진(DLA, PVA, GPU)의 평균 활용도는 일관되게 낮게 유지되어 자원 보존 효과가 확인된다.