[论文解读] A Top-to-Bottom View: Energy Analysis for Mobile Application Source Code

Xueliang Li, John P. Gallagher|arXiv (Cornell University)|Oct 14, 2015

Green IT and Sustainability参考文献 9被引用 6

一句话总结

本文提出一种面向移动应用源代码的自顶向下能效建模方法，通过一种称为“能效操作”的中间表示，将高层代码结构映射到能效消耗。该方法将误差控制在10%以内，并实现函数级别的能效分解，使开发人员能够识别能效消耗较高的代码部分。

ABSTRACT

Energy efficiency significantly influences user experience of battery-driven devices such as smartphones and tablets. The goal of an model of source code is to lay a foundation for energy-saving techniques from architecture to software development. The challenge is linking hardware consumption to the high-level application source code, considering the complex run-time context, such as thread scheduling, user inputs and the abstraction of the virtual machine. Traditional modeling is bottom-to-top, but this approach faces obstacles when software consists of a number of abstract layers. In this paper, we propose a top-to-bottom view. We focus on identifying valuable information from the source code, which results in the idea of utilizing an intermediate representation, energy operation, to capture the characteristics. The experiment results show that the model at such a high-level can reduce the error margin to within 10% and enable breakdown at function-level, which helps developers understand the energy-related features of the code.

研究动机与目标

• 为解决在复杂运行时上下文下，硬件能效消耗与高层移动应用源代码之间难以关联的问题。
• 克服传统自底向上建模在分层、抽象化软件栈中的局限性。
• 通过从源代码中提取有意义的能效相关特征，实现精确的函数级别能效分析。
• 通过弥合源代码与系统级能效使用之间的鸿沟，为软件级能效优化技术奠定基础。

提出的方法

• 提出一种自顶向下的建模方法，从源代码出发映射到能效消耗，避免依赖低层系统追踪。
• 引入“能效操作”作为中间表示，以捕捉代码结构的能效特征。
• 分析源代码，识别具有高能效潜力的操作，如循环、I/O调用和线程操作。
• 利用运行时上下文感知能力（例如线程调度、用户输入、虚拟机抽象）在源码级别优化能效预测。
• 构建一个将高层代码模式与实际能效使用相关联的模型，并通过实证测量进行验证。
• 通过基于操作类型为各函数分配能效成本，实现函数级别的能效分解。

实验结果

研究问题

• RQ1 自顶向下的方法能否准确地从移动应用源代码建模能效消耗？
• RQ2 能效操作在多大程度上能够捕捉高层代码结构的能效特征？
• RQ3 与真实测量值相比，所提出的模型在预测能效使用方面的准确性如何？
• RQ4 该模型能否实现函数级别的能效分析，以指导开发人员进行优化？

主要发现

• 所提出的模型将能效预测的误差范围控制在与实际测量值相比的10%以内。
• 该模型实现了函数级别的能效分解，使开发人员能够识别能效消耗较高的代码部分。
• 能效操作能够有效捕捉源代码的能效相关特征，即使在复杂的运行时条件下亦然。
• 自顶向下的方法成功弥合了源代码与硬件能效消耗之间的抽象鸿沟。
• 该模型通过在函数级别提供可操作的洞察，支持实际的能效优化。
• 该方法在各种应用工作负载和运行时上下文中均表现出鲁棒性，包括线程调度和虚拟机抽象。