[论文解读] Modeling the Temperature Bias of Power Consumption for Nanometer-Scale CPUs in Application Processors

Karel De Vogeleer, Gérard Memmi+2 more|arXiv (Cornell University)|Apr 13, 2014

Parallel Computing and Optimization Techniques参考文献 17被引用 5

一句话总结

本文提出了一种宏观模型，能够准确捕捉纳米尺度CPU在应用处理器中的指数型温度/功耗关系，表明由于漏电流和热效应的影响，功耗随温度升高呈超线性增长。通过在两个平台上的实验数据验证，该关系在20°C至85°C之间呈指数关系，并提出了一种校正温度引起的功耗测量偏差的方法，从而实现温度中性的基准测试和更优的热管理。

ABSTRACT

We introduce and experimentally validate a new macro-level model of the CPU temperature/power relationship within nanometer-scale application processors or system-on-chips. By adopting a holistic view, this model is able to take into account many of the physical effects that occur within such systems. Together with two algorithms described in the paper, our results can be used, for instance by engineers designing power or thermal management units, to cancel the temperature-induced bias on power measurements. This will help them gather temperature-neutral power data while running multiple instance of their benchmarks. Also power requirements and system failure rates can be decreased by controlling the CPU's thermal behavior. Even though it is usually assumed that the temperature/power relationship is exponentially related, there is however a lack of publicly available physical temperature/power measurements to back up this assumption, something our paper corrects. Via measurements on two pertinent platforms sporting nanometer-scale application processors, we show that the power/temperature relationship is indeed very likely exponential over a 20°C to 85°C temperature range. Our data suggest that, for application processors operating between 20°C and 50°C, a quadratic model is still accurate and a linear approximation is acceptable.

研究动机与目标

• 解决在纳米尺度处理器中缺乏公开的物理测量数据以关联CPU温度与功耗的问题。
• 对应用处理器中的非线性温度/功耗关系进行建模，特别关注热效应和漏电流的影响。
• 开发一种从功耗测量中消除温度引起的偏差的方法，以实现公平且可复现的基准测试。
• 通过真实世界平台的实验验证温度/功耗关系的指数特性。
• 通过提供功耗和温度行为的精确模型，提升嵌入式系统中的热管理能力。

提出的方法

• 作者在两个应用处理器平台上进行实验测量，收集20°C至85°C范围内温度与功耗的数据。
• 采用宏观层面的方法对温度/功耗关系进行建模，考虑了晶体管漏电流、电压调节器行为以及材料相关的电阻等物理效应。
• 推导出一个变换函数B(t)，用于校正因热点到传感器之间热传导延迟导致的时间滞后温度传感器读数。
• 该模型基于傅里叶热传导定律的一阶近似，并利用误差函数，从远程传感器数据估算热点温度。
• 该方法包含两种算法，用于消除功耗测量中的温度相关偏差，从而实现温度中性的基准测试。
• 将理论曲线与实验轨迹进行对比以验证模型，特别区分了经校正后的上翘型（正确）与未经调整的下弯型（未校正）温度/功耗曲线。

实验结果

研究问题

• RQ1 纳米尺度CPU的温度/功耗关系是否如普遍假设的那样呈指数关系？
• RQ2 温度相关的漏电流及其他宏观效应在多大程度上影响CPU的功耗？
• RQ3 热点与温度传感器之间的热传导延迟如何扭曲测量得到的温度/功耗曲线？
• RQ4 能否推导出一个变换函数，以从远程、时间滞后的传感器读数中重建准确的热点温度？
• RQ5 能否有效消除功耗测量中的温度相关偏差，从而实现公平的基准测试？

主要发现

• 在20°C至85°C范围内，应用处理器的温度/功耗关系通过实验得到验证，呈指数关系，支持理论假设。
• 在20°C至50°C的温度范围内，二次模型具有高精度，线性近似在实际应用中也可接受。
• 温度传感器的延迟导致测量功耗曲线呈现下弯型，该问题可通过所提出的变换函数B(t)得到校正。
• 基于傅里叶定律和误差函数推导出的变换函数B(t)，能成功从远程传感器数据中重建真实的热点温度。
• 所提出的方法能有效消除功耗测量中的温度相关偏差，实现可复现的、温度中性的基准测试。
• 温度传感器与CPU热点之间的距离显著影响测量得到的温度/功耗曲线的形状，凸显了传感器位置的重要性。