CN112667377A - 一种面向电力芯片混合多核系统的任务调度优化方法 - Google Patents

Abstract

本发明属于电力芯片领域，涉及一种面向电力芯片混合多核系统任务调度优化方法，通过计算应用程序中每个任务的upward值大小并确定任务优先级，使用能耗预分配策略确定每个任务的预分配能耗，按照优先级从大到小的顺序，依次选取一个任务，计算此任务的能耗约束，再将此任务调度到每个处理器核并遍历所有的任务执行频率，找出满足此任务能耗约束且令此任务结束时间最早的处理器核和频率组合并重复操作，直到所有的任务调度完毕，得到任务调度结果，最后找出可做频率再调整的任务，计算找到的任务在最大程度延长运行时间后能够节省出的能耗值，将所述能耗分配给直接影响整体调度长度的任务，以提高运行频率，达到缩短整体调度长度的目的。

Description

一种面向电力芯片混合多核系统的任务调度优化方法

技术领域

本发明属于混合多核系统领域，涉及一种面向电力芯片混合多核系统的任务调度优化方法。

背景技术

在传统的电力计算中，各个电力的终端采集到的数据将传输到主站统一集中处理。而在电力物联网中，各种增长的电力终端设备和业务应用会产生海量的数据，这些数据传输和处理将给主站造成巨大的压力，且高时延和安全性也无法满足新业务形态的要求。边缘计算在就近用户侧提供服务，将大量的计算下放到执行端降低主站压力，满足实时数据的分析处理和低时延的业务要求，降低运维成本，提高系统效率。同时，边缘的智能化可以保证数据的安全，帮助电网规避风险。基于边缘计算的优势，其在电力拥有丰富的应用场景。

电力芯片的最新发展趋势对高性能边缘计算计算系统的能耗和性能都有较高要求。通过增加异构处理器和内核的数量，可以在保持能耗的同时提高性能。对于这样的系统，能耗是主要的设计约束之一。目前流行的能量消耗优化技术动态电压和频率缩放(DVFS)通过在任务运行时同时降低处理器的供电电压和频率来实现节能优化，以探索能耗与执行时间之间的折衷。

能耗约束下多核系统任务调度长度最小化问题的重点在于如何给未调度的任务预分配能耗。现有的方法有使用任务能耗最小值作为预分配能耗；使用能耗约束平均值作为预分配能耗；使用任务能耗权重值作为预分配能耗等。这些方法都没有考虑到，不同任务在应用程序中处在的位置不同，当分配给它们相同的能耗约束时，它们对整体调度长度的影响是不同的，这使最终的调度结果并不理想。本发明基于DVFS技术，提出了一种新的考虑任务所处位置的能耗预分配策略，以及此策略的调度方法，在得到初步的调度方法后，提出一种任务频率再调节机制，进一步缩短应用程序的调度长度。

发明内容

为了就解决现有技术中存在的上述技术问题，本发明提出了一种面向电力芯片混合多核系统的任务调度优化方法，其具体技术方案如下。

一种面向电力芯片混合多核系统的任务调度优化方法，设有应用程序G＝{N，W，C}，其中的N＝{n₁，n₂，...}是任务的集合，即程序G中的节点的集合，W是一个|N|×|U|的矩阵，C表示任务间的通信时间的集合，U＝{u₁，u₂，...，u_|U|}表示一组异构处理器，|U|表示U的处理器数量，功耗模型为：P(f)＝P_ind+C_eff^m，其中P_ind为与频率f不相关的功耗，C_ef为有效电容，m为与处理器核相关的参数，具体包括：

步骤1：使用upward值作为确实任务优先级的原则，计算每个任务的upward值，并根据upward值得大小确定任务的优先级，upward值大的优先级更高；

步骤2：通过能耗预分配方法确定每个任务的预分配能耗；

步骤3：按照优先级从大到小的顺序，依次选取一个任务，并计算所述任务的能耗约束，然后将所述任务调度到每个处理器核并遍历所有的任务执行频率，找出满足所述任务能耗约束且令所述任务结束时间最早的处理器核和频率组合；

步骤4：重复步骤3，直到所有的任务调度完毕；

步骤5：得到任务调度结果；

步骤6：找出延长运行时间而对整体调度长度没有影响的任务，即找出可做频率再调整的任务；

步骤7：计算步骤6中找到的任务在最大程度延长运行时间后能够节省出的能耗值；

步骤8：将节省出的能耗分配给能够直接影响整体调度长度的任务。

进一步的，所述upward值为：

其中，每个节点n_i∈N表示一个任务；c_{i，j}∈C表示从任务n_i到n_j之间的通信时间，当c_{i，j}＝0，表示从任务n_i到n_j之间没有通信；w_{i，k}表示任务n_i以最大频率在处理器u_k上的运行时间；succ(n_i)表示n_i的直接后置节点的集合。

进一步的，所述能耗预分配方法，具体包括：

首先定义每个任务的层次，任务层次定义如下：

定义层次l所包含的任务的集合为N_l＝{n_i，n_j，...}，其中L(n_i)＝L(n_j)＝L(...)＝l，层次l所包含的任务数量为|N_l|，n_entry表示没有前置节点的任务，pred(n_i)表示n_i的直接前置节点的集合；

与ISAECC算法相同，定义提升能耗E_ie(G)和n_i的平均能耗E_ave(n_i)，定义N_l的平均能耗

定义任务n_i在其层次l中的能耗权重水平

定义考虑层次结构后N_l的变化能耗

其中当|N_l|＜|U|时，K＝|N_l|；当|N_l|≥|U|时，K＝|U|。

相应的，程序G的变化能耗为

定义N_l在程序G中的能耗权重水平

定义N_l的提升能耗为

E_ie(N_l)＝E_ie(G)×el(N_l)

于是有任务n_i的预分配能耗的计算公式为

E_cal(n_i)＝E_ie(N_l)×el(N_l)+E_min(n_i)

＝E_ie(G)×el(N_l)×el(n_i，l)+E_min(n_i)

由于每个任务的能耗都有一个上界，因此

E_pre(n_i)＝min{E_cal(n_i)，E_max(n_i)}

进一步的，所述找出任务结束时间最早的处理器核和频率具体为：设处理器的有效频率变化范围为[f_low，f_max]，其中f_low＝max(f_min，f_low)，各处理器的有效频率集合为：

定义任务的最早开始时间EST和最早结束时间EFT，任务n_i以频率f_{k，h}在处理器u_k上的最早开始时间定义如下：

其中avail[k]表示处理器u_k的最早空闲时间，即处理器u_k准备好运行一个新任务的时间，AFT(n_j)表示任务n_j的实际结束时间，c′_i，j表示任务n_i到n_j的通信时间，当n_i和n_j被分配在同一个处理器上时，c′_i，j＝0；当n_i和n_j被分配在不同处理器上时，c′_i，j＝c_i，j；

任务的最早结束时间定义为任务的最早开始时间加上任务的运行时间，计算公式如下：

进一步的，所述步骤6具体包括：

定义任务的最晚结束时间LFT为：

其中n_dn(i)指的与是任务n_i处于同一处理器核上，在任务n_i后面且紧邻任务n_i的任务，n_exit表示没有后置节点的任务，AST表示任务实际开始的时间；

再用各任务的LFT代替任务现有的结束时间AFT，计算出每个任务新的运行频率如下：

其中，f_{pr(i)，hz(i)}表示在处理器u_pr(i)上分配给任务n_i的运行频率，f_{pr(i)，hz(i)}∈[f_pr(i)，low，f_pr(i)，max]，u_pr(i)∈U并且1≤i≤|N|，pr(i)为分配给任务n_i的处理器核。

进一步的，所述步骤7具体包括：

根据任务的新的运行频率，定义频率改变前任务n_i的能耗为E_bef(n_i)，频率改变后任务n_i的能耗为E_aft(n_i)，计算出节省出的总能耗为：

其中P_{k，ind}为处理器核u_k与频率不相关的功耗，C_{k，ef}为处理器核u_k的有效电容，m为与处理器核相关的参数；

任务调度完成后程序没有用完的剩余能耗

E_rem(G)＝E_given(G)-E(G)

其中E_given(G)为给定的能耗约束；

因此，可回收再利用的能耗为

E_rec(G)＝E_save(G)+E_rem(G)

进一步的，所述步骤8具体包括：

将可回收再利用的能耗再分配给能够直接影响整体调度长度的任务，具体为：当任务模型层次严格的时候，即层次l中的任务只和其相邻层次中的任务有通信时，所述相邻层次为层次l+1和层次l-1，将E_rec(G)分配给所在层级|N_l|＝1且运行频率没有达到最高的任务；当任务模型层次不严格的时候，只将E_rec(G)分配给n_entry和n_exit二者中运行频率没有达到最高的任务；

确定E_rec(G)的分配对象之后，定义任务n_i在处理器核u_k上运行的最大能耗为

计算调度完成后任务n_i的可提升能耗为：

E_imp(n_i)＝E_max(n_i，pr(i))-E(n_i)

根据选出的E_rec(G)的分配对象的可提升能耗的比例，将E_rec(G)进行分配。

本发明具有有效提高程序运行频率，达到缩短应用程序整体调度长度的目的。

附图说明

图1是本发明的应用程序模型DGA图；

图2是本发明的任务调度方法流程示意图；

图3是本发明的任务调度后的频率再调整机制的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和技术效果更加清楚明白，以下结合说明书附图，对本发明作进一步详细说明。

如图1所示，本发明的一种面向电力芯片混合多核系统的任务调度优化方法，使用DAG图表示程序模型，所述应用程序模型G＝{N，W，C}，其中，N＝{n₁，n₂，...}是任务的集合，即程序G中的节点的集合，W是一个|N|×|U|的矩阵，C表示任务间的通信时间的集合，U＝{u₁，u₂，…，u_|U|}表示一组异构处理器，|U表示U的处理器数量，为了便于描述，定义：每个节点n_i∈N表示一个任务；c_{i，j}∈C表示从任务n_i到n_j之间的通信时间，如果c_{i，j}＝0，表示从任务n_i到n_j之间没有通信；w_{i，k}表示任务n_i以最大频率在处理器u_k上的运行时间；pred(n_i)和succ(n_i)表示n_i的直接前置节点的集合和直接后置节点的集合；n_entry和n_exit表示没有前置节点的任务和没有后置节点的任务。

由于在程序运行过程中，系统处于正常工作状态，并且主要能耗来自动态功耗，因此只考虑动态功耗，则所使用的功耗模型为：

P(f)＝P_ind+C_eff^m

设一个处理器的频率变化范围是从最低频率f_min到最高频率f_max，另外由于系统中的处理器是异构的，定义如下的参数集合：

与频率不相关的功耗P_ind的集合：{P_{1，ind}，P_{2，ind}，...，P_{|U|，ind}}；

与频率相关的功耗P_d的集合：{P_{1，d}，P_{2，d}，...，P_{|U|，d}}；

有效电容C_ef的集合：{C_{1，ef}，C_{2，ef}，...，C_{|U|，ef}}；

与处理器核相关的参数m的集合：{m₁，m₂，...，m_|U|}；

各处理器的有效频率集合：

任务n_i在处理器u_k上以频率f_{k，h}运行所需的时间计算公式为：

因此，任务n_i在处理器u_k上以频率f_{k，h}运行所需的能耗的计算公式为：

将公式(1)看成能耗E关于频率f的函数，求得该函数的极小值点：

当f＜f_extre时，能耗E随着f的减小而增大；当f＞f_extre时，能耗E随着f的减小而减小。因此，当f＜f_extre时，如果f减小，能耗增大，任务的运行时间也增大，此时频率f减小没有任何意义。于是处理器的有效频率变化范围为[f_low，f_max]，其中f_low＝max(f_min，f_low)。因此，所述各处理器的有效频率集合应更改为：

为了便于理解问题，定义任务的最早开始时间(EST)和最早结束时间(EFT)，任务n_i以频率f_{k，h}在处理器u_k上的最早开始时间定义为：

其中avail[k]表示处理器u_k的最早空闲时间，即处理器u_k准备好运行一个新任务的时间；AFT(n_j)表示任务n_j的实际结束时间；c′_i，j表示任务n_i到n_j的通信时间，当n_i和n_j被分配在同一个处理器上时，c′_i，j＝0；当n_i和n_j被分配在不同处理器上时，c′_i，j＝c_i，j。

任务的最早结束时间定义为任务的最早开始时间加上任务的运行时间，计算公式为：

为程序G中的每个任务分配合适的处理器和频率，使程序G的运行长度SL(G最短，SL(G)＝AFT(n_exit)；运行程序G所需的能耗不超过给定的能耗约束E_given(G)，即

其中u_pr(i)表示分配给任务n_i的处理器，f_{pr(i)，hz(i)}表示在处理器u_pr(i)上分配给任务n_i的运行频率，f_{pr(i)，hz(i)}∈[f_pr(i)，low，f_pr(i)，max]，u_pr(i)∈U并且1≤i≤|N|，pr(i)为分配给任务n_i的处理器核。

设E_min(G)和E_max(G)表示程序G最小和最大的能耗，计算公式为：

任务n_i的最小和最大能耗定义为：

显而易见，只有当E_min(G)≤E_given(G)≤E_max(G)时，给出的E_given(G)才是合理的；当E_given(G)＜E_min(G)时，能耗约束永远无法满足；当E_given(G)＞E_max(G)时，能耗约束永远能够满足。

使用upward值作为确实任务优先级的原则，所述upward值定义为：

使用上式计算每个任务的upward值，根据upward值从大到小将任务进行优先级排序，upward值越大，优先级越高，得到的任务序列为{n_s(1)，n_s(2)，...，n_s(|N|)}，假设当前调度的任务为n_s(j)，设已经调度好的任务集合为S_bef＝{n_s(1)，n_s(2)，...，n_s(j-1)}，还没有调度的任务集合为S_aft＝{n_s(j+1)，n_s(j+2)，...，n_s(|N|)}。于是，当调度n_s(j)时程序G的能耗为：

其中E_pre(n_s(y))表示给任务n_s(y)预分配的能耗。

如果对于任意的任务n_s(j)(j∈[1，...|N|])，有

E_s(j)(G)≤E_given(G) (9)

则满足能耗约束E(G)≤E_given(G)。

根据式(8)和(9)，可以得到

令任务n_s(j)的预分配能耗为

考虑到每个任务都有最大能耗边界，设置

E_given(n_s(j))＝min{E_given(n_s(j))，E_max(n_s(j))} (11)

于是，当运行任务n_s(j)时，只需要考虑如下约束：

E(n_s(j)，u_k，f_k，h)≤E_given(n_s(j)) (12)

在满足上式的能耗约束条件下，调度每个任务在合适的处理器上以合适的频率运行，使每个任务达到最小的EFT，以实现程序G的最短调度长度。

再考虑任务的层次结构，位于程序中的不同层次结构的任务有着不同的地位，在ISAECC算法使用能耗权重值的基础上，加入任务层次结构的考虑，提出了一种两级能耗预分配方法，具体包括：

首先定义每个任务的层次，任务层次定义如下：

定义层次l所包含的任务的集合为N_l＝{n_i，n_j，...}，其中L(n_i)＝L(n_j)L(...)＝l，层次l所包含的任务数量为|N_l|。

与ISAECC算法相同，定义提升能耗E_ie(G)和n_i的平均能耗E_ave(n_i)，定义N_l的平均能耗

定义任务n_i在其层次l中的能耗权重水平

定义考虑层次结构后N_l的变化能耗

其中当|N_l|＜|U|时，K＝|N_l|；当|N_l|≥|U|时，K＝|U|。

相应的，程序G的变化能耗为

E_var(G)＝∑_lE_var(N_l) (16)

定义N_l在程序G中的能耗权重水平

定义N_l的提升能耗为

E_ie(N_l)＝E_ie(G)×el(N_l) (18)

于是有任务n_i的预分配能耗的计算公式为

E_cal(n_i)＝E_ie(N_l)×el(N_l)+E_min(n_i)

＝E_ie(G)×el(N_l)×el(n_i，l)+E_min(n_i) (19)

由于每个任务的能耗都有一个上界，因此

E_pre(n_i)＝min{E_cal(n_i)，E_max(n_i)} (20)

基于上述能耗预分配方法，如图2所示，提出一种任务调度方法，具体包括如下步骤：

步骤1：计算每个任务的upward值，并根据upward值得大小确定任务的优先级，upward值大的优先级更高；

步骤2：通过所述能耗预分配方法确定每个任务的预分配能耗；

步骤3：按照优先级从大到小的顺序，依次选取一个任务，并计算此任务的能耗约束，然后尝试将此任务调度到每个处理器核并遍历所有的任务执行频率，找出满足此任务能耗约束且令此任务结束时间最早的处理器核和频率组合；

步骤4：重复步骤3，直到所有的任务调度完毕；

步骤5：得到任务调度结果。

上述任务调度过程中使用了局部最优的方法，即使每个任务都尽可能早地结束。但通过对调度结果的观察，发现有些任务的过早结束并不会缩短整体的调度长度，反而因为这些任务的运行时间过短使得其消耗的功耗更高，对整体调度长度最小化有着负面的影响。因此，在得到调度结果后，任务的频率还有再调节的空间。本发明通过将过早结束的任务的结束时间延后，使其能耗降低，将节省出来的能耗分配给对整体调度长度影响较大的任务，缩短所述任务的执行时间以进一步缩短应用程序的调度长度。因此，本发明增设了任务调度后的频率再调整机制，如图3所示，任务调度后的频率再调整机制具体包括如下步骤：

步骤1：找出可以延长运行时间而对整体调度长度没有影响的任务，即找出可做频率再调整的任务；

步骤2：计算步骤1中找到的任务在最大程度延长运行时间后能够节省出的能耗值；

步骤3：将节省出的能耗分配给能够直接影响整体调度长度的任务，以提高他们的运行频率，达到缩短整体调度长度的目的。

具体的，首先找出可以延长运行时间而对整体调度长度没有影响的任务，并在不影响整体调度长度的条件下将所述任务的运行时间尽可能延长，基于上述需求，定义任务的最晚结束时间LFT为：

其中n_dn(i)指的与是任务n_i处于同一处理器核上，在任务n_i后面且紧邻任务n_i的任务，AST表示任务实际开始的时间，如图1中，n_dn(5)＝n₉，n_dn(7)＝n₈，之后，用各任务的LFT代替任务现有的结束时间AFT，计算出每个任务新的运行频率如下：

根据任务的新的运行频率，定义频率改变前任务n_i的能耗为E_bef(n_i)，频率改变后任务n_i的能耗为E_aft(n_i)可以计算出节省出的总能耗

一般情况下，任务调度完成后还会有没有用完的剩余能耗

E_rem(G)＝E_given(G)-E(G)

因此，可回收再利用的能耗为

E_rec(G)＝E_save(G)+E_rem(G)

计算出可回收再利用的能耗后，将这些能耗再分配给能够直接影响整体调度长度的任务。所述能够直接影响整体调度长度的任务，就是其运行时间变化多少，整体的调度长度也会相应地变化多少。但由于任务模型的多样性，想要精确找出哪些任务能够直接影响整体调度长度是非常困难的，因此，本发明采用一种更简单直接的方式：

当任务模型层次严格的时候，即层次l中的任务只和其相邻层次中的任务有通信时，所述相邻层次为层次l+1和层次l-1，将E_rec(G)分配给所在层级|N_l|＝1且运行频率没有达到最高的任务；当任务模型层次不严格的时候，只将E_rec(G)分配给n_entry和n_exit二者中运行频率没有达到最高的任务。

确定了E_rec(G)的分配对象之后，定义任务n_i在处理器核u_k上运行的最大能耗为

计算调度完成后任务n_i的可提升能耗为

E_imp(n_i)＝E_max(n_i，pr(i))-E(n_i)

根据选出的E_rec(G)的分配对象的可提升能耗的比例，将E_rec(G)进行分配。

Claims (7)

1.一种面向电力芯片混合多核系统的任务调度优化方法，设有应用程序G＝{N，W，C}，其中的N＝{n₁，n₂，...}是任务的集合，即程序G中的节点的集合，W是一个|N|×|U|的矩阵，C表示任务间的通信时间的集合，U＝{u₁，u₂，...，u_|U|}表示一组异构处理器，|U|表示U的处理器数量，功耗模型为：P(f)＝P_ind+C_eff^m，其中P_ind为与频率f不相关的功耗，C_ef为有效电容，m为与处理器核相关的参数，其特征在于，具体包括：

步骤1：使用upward值作为确实任务优先级的原则，计算应用程序中每个任务的upward值，并根据upward值得大小确定任务的优先级，upward值大的优先级更高；

步骤2：通过能耗预分配方法确定每个任务的预分配能耗；

步骤3：按照优先级从大到小的顺序，依次选取一个任务，并计算所述任务的能耗约束，然后将所述任务调度到每个处理器核并遍历所有的任务执行频率，找出满足所述任务能耗约束且令所述任务结束时间最早的处理器核和频率组合；

步骤4：重复步骤3，直到所有的任务调度完毕；

步骤5：得到任务调度结果；

步骤6：找出延长运行时间而对整体调度长度没有影响的任务，即找出可做频率再调整的任务；

步骤7：计算步骤6中找到的任务在最大程度延长运行时间后能够节省出的能耗值；

步骤8：将节省出的能耗分配给能够直接影响整体调度长度的任务。

2.如权利要求1所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述upward值为：

其中，每个节点n_i∈N表示一个任务；c_{i，j}∈C表示从任务n_i到n_j之间的通信时间，当c_{i，j}＝0，表示从任务n_i到n_j之间没有通信；w_{i，k}表示任务n_i以最大频率在处理器u_k上的运行时间；succ(n_i)表示n_i的直接后置节点的集合。

3.如权利要求1所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述能耗预分配方法，具体包括：

首先定义每个任务的层次，任务层次定义如下：

定义层次l所包含的任务的集合为N_l＝{n_i，n_j，...}，其中L(n_i)＝L(n_j)＝L(…)＝l，层次l所包含的任务数量为|N_l|，n_entry表示没有前置节点的任务，pred(n_i)表示n_i的直接前置节点的集合；

与ISAECC算法相同，定义提升能耗E_ie(G)和n_i的平均能耗E_ave(n_i)，定义N_l的平均能耗

定义任务n_i在其层次l中的能耗权重水平

定义考虑层次结构后N_l的变化能耗

其中当|N_l|＜|U|时，K＝|N_l|；当|N_l|≥|U|时，K＝|U|。

相应的，程序G的变化能耗为

定义N_l在程序G中的能耗权重水平

定义N_l的提升能耗为

E_ie(N_l)＝E_ie(G)×el(N_l)

于是有任务n_i的预分配能耗的计算公式为

E_cal(n_i)＝E_ie(N_l)×el(N_l)+E_min(n_i)

＝E_ie(G)×el(N_l)×el(n_i，l)+E_min(n_i)

由于每个任务的能耗都有一个上界，因此

E_pre(n_i)＝min{E_cal(n_i)，E_max(n_i)}

4.如权利要求1所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述找出任务结束时间最早的处理器核和频率具体为：设处理器的有效频率变化范围为[f_low，f_max]，其中f_low＝max(f_min，f_low)，各处理器的有效频率集合为：

定义任务的最早开始时间EST和最早结束时间EFT，任务n_i以频率f_{k，h}在处理器u_k上的最早开始时间定义如下：

其中avail[k]表示处理器u_k的最早空闲时间，即处理器u_k准备好运行一个新任务的时间，AFT(n_j)表示任务n_j的实际结束时间，c′_i，j表示任务n_i到n_j的通信时间，当n_i和n_j被分配在同一个处理器上时，c′_i，j＝0；当n_i和n_j被分配在不同处理器上时，c′_i，j＝c_i，j；

任务的最早结束时间定义为任务的最早开始时间加上任务的运行时间，计算公式如下：

5.如权利要求1所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述步骤6具体包括：

定义任务的最晚结束时间LFT为：

其中n_dn(i)指的与是任务n_i处于同一处理器核上，在任务n_i后面且紧邻任务n_i的任务，n_exit表示没有后置节点的任务，AST表示任务实际开始的时间；

再用各任务的LFT代替任务现有的结束时间AFT，计算出每个任务新的运行频率如下：

其中，f_{pr(i)，hz(i)}表示在处理器u_pr(i)上分配给任务n_i的运行频率，f_{pr(i)，hz(i)}∈[f_pr(i)，low，f_pr(i)，max]，u_pr(i)∈U并且1≤i≤|N|，pr(i)为分配给任务n_i的处理器核。

6.如权利要求5所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述步骤7具体包括：

根据任务的新的运行频率，定义频率改变前任务n_i的能耗为E_bef(n_i)，频率改变后任务n_i的能耗为E_aft(n_i)，计算出节省出的总能耗为：

其中P_{k，ind}为处理器核u_k与频率不相关的功耗，C_{k，ef}为处理器核u_k的有效电容，m为与处理器核相关的参数；

任务调度完成后程序没有用完的剩余能耗

E_rem(G)＝E_given(G)-E(G)

其中E_given(G)为给定的能耗约束；

因此，可回收再利用的能耗为

E_rec(G)＝E_save(G)+E_rem(G)

7.如权利要求6所述的一种面向电力芯片混合多核系统的任务调度优化方法，其特征在于，所述步骤8具体包括：

将可回收再利用的能耗再分配给能够直接影响整体调度长度的任务，具体为：当任务模型层次严格的时候，即层次l中的任务只和其相邻层次中的任务有通信时，所述相邻层次为层次l+1和层次l-1，将E_rec(G)分配给所在层级|N_l|＝1且运行频率没有达到最高的任务；当任务模型层次不严格的时候，只将E_rec(G)分配给n_entry和n_exit二者中运行频率没有达到最高的任务；

确定E_rec(G)的分配对象之后，定义任务n_i在处理器核u_k上运行的最大能耗为

计算调度完成后任务n_i的可提升能耗为：

E_imp(n_i)＝E_max(n_i，pr(i))-E(n_i)

根据选出的E_rec(G)的分配对象的可提升能耗的比例，将E_rec(G)进行分配。

Images