同构及异构暗硅芯片的功率预算问题研究

随着工艺水平的不断提升,器件的功率密度不断增加,导致现在的高性能多核处理器温度过高。而过高的温度会对芯片造成损伤,因此出现了很多热相关的问题,比如系统可靠性问题,性能下降问题等。同时由于器件功率密度的增加,为确保芯片温度处于安全温度之下,多核芯片的核心不能同时高频运行,因此不得不将部分核心关闭,由此形成的系统称之为暗硅系统。传统的动态热管理都没有考虑到暗硅系统。对于现在的多核处理器,未开启核心占总核心数目的比值超过了50%。更严重的是,随着工艺的提升,静态功耗也将提升,使得暗硅问题越发严重。当下使用8nm工艺时,暗硅面积最高可达总面积的80%,极大地降低了芯片性能。所以暗硅系统是现代多核芯片系统性能的一个主要的限制性因素。为了解决这个问题,以各种方式执行功率预算受限的动态优化,包括动态电压和频率缩放(DVFS)和任务调度技术都被提出了。但有方法给出的功率预算通常过于悲观,这极大地限制了动态性能优化方法的能力。本文中针对同构系统和异构系统分别提出了一种热管理调度算法,称基于贪婪的动态功率(Greedy based Dynamic Power,GDP)算法和并行功率预算(parallel power budgeting,PPB)算法,使得系统性能最大化。这两种算法都能动态给出芯片开核位置以及核心功率,以此实现芯片性能最大化。GDP算法将最大化系统性能问题转化为最大化系统平均温度的优化问题。再结合贪婪算法和正交匹配追踪算法基本思想,依次找出当下芯片情况下的开核位置。PPB算法将最大化系统性能问题转化为约束条件下的功率优化问题。同时,PPB算法也基于贪婪思想,逐步确定开核位置。基于这种思想,这两种算法都能找到开核位置分布的次优解,使得系统性能提升。GDP算法和PPB算法都能考虑瞬态热效应和当前温度影响,这是其它方法所不能做到的。这两种算法在低时间成本的前提下,提供了更高的功率预算值并且保证了芯片的热安全性,使得其优于其它工作。总之,GDP算法和PPB算法降低了时间复杂度,实现了动态管理,且能自动确定开核位置,计算功率预算值,并根据芯片当前温度自动提高芯片性能。