面向温度优化的片上网络任务调度方法

计算机工程与科学

面向温度优化的片上网络任务调度方法

吉慧，周磊

(扬州大学信息工程学院,江苏扬州 225000)

收稿日期:2017-07-16 修回日期:2017-09-14 出版日期:2018-09-25 发布日期:2018-09-25
基金资助:
国家自然科学基金（61376025,61301111）;江苏省高校自然科学基金（13KJB510039）;扬州市自然科学青年基金（SQN20150035）

A task scheduling method for

network-on-chip temperature optimization

JI Hui,ZHOU Lei

(College of Information Engineering，Yangzhou University，Yangzhou 225000，China)

Received:2017-07-16 Revised:2017-09-14 Online:2018-09-25 Published:2018-09-25

摘要/Abstract

摘要：

随着片上网络规模的扩大和研究的逐步深入，如何将芯片上众多的任务进行合理的调度成为系统温度优化的关键之一。针对片上网络任务调度问题，
提出一种基于最短曼哈顿距离的任务调度SMDS方案。该策略充分考虑核通信图中通信节点对之间最短曼哈顿路径，通过搜索算法寻找任务调度的目的节点，使用模拟退火算法确定任务调度对。实验结果显示，与传统的分布式任务调度
DTM策略相比，针对6*6、8*8和10*10的拓扑结构，SMDS实验方案在迁移次数方面的平均优化率分别为2208%、21.74%和23.02%。在平均跳数方面的平均优化率分别为24.04%、29.18%和23.04%，实现了系统温度优化。

关键词: 片上网络, 任务调度, 最短曼哈顿路径, 模拟退火算法

Abstract:

As the scale of network-on-chip (NoC) expands and related research goes further, task scheduling becomes a key problem for optimizing system temperature. For the task scheduling problem of NoC, we present a task scheduling method based on the shortest Manhattan distance. The method fully considers the shortest Manhattan path between the pairs of communication nodes in a core communication graph, uses a search algorithm to find the destination node for scheduling tasks, and determines the task scheduling pair with simulated annealing algorithm. SMDS experimental results indicate that, compared with the traditional distributed task migration (DTM) strategy, for 6*6, 8*8 and 10*10 topologies, the optimization for the times of migration is reduced by 22.08%, 21.74% and 23.02%, respectively, and the average optimization rate for average hop count is 24.04%, 29.18% and 23.04%, which achieves system temperature optimization.

Key words: network on chip, task scheduling, shortest Manhattan path, simulated annealing algorithm

吉慧，周磊. 面向温度优化的片上网络任务调度方法[J]. 计算机工程与科学.

JI Hui,ZHOU Lei.

A task scheduling method for

network-on-chip temperature optimization

[J]. Computer Engineering & Science.

[1]	孙庆骁, 刘轶, 杨海龙, 王一晴, 贾婕, 栾钟治, 钱德沛. GNNSched：面向GPU的图神经网络推理任务调度框架[J]. 计算机工程与科学, 2024, 46(01): 1-11.
[2]	高文才, 陈小文. 一种基于混合加固的容软错误NoC路由器[J]. 计算机工程与科学, 2023, 45(08): 1376-1382.
[3]	葛一漩, 李晨, 陈小文, 鲁建壮, 郭阳. 一种定制片上网络设计探索算法的设计与实现[J]. 计算机工程与科学, 2023, 45(06): 970-978.
[4]	温瑞林, 樊春, 马银萍 , 王政丹, 向广宇 , 付振新. SlurmX：基于Slurm使用面向对象设计方法重构的任务调度系统[J]. 计算机工程与科学, 2022, 44(09): 1532-1541.
[5]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(07): 1141-1151.
[6]	康子扬, 彭凌辉, 周干, 林博, 王蕾. 一种用于片上网络的拥塞感知哈密尔顿最短路径路由算法[J]. 计算机工程与科学, 2022, 44(06): 986-993.
[7]	陈小帆, 杨智杰, 彭凌辉, 王世英, 周干, 李石明, 康子扬, 王耀, 石伟, 王蕾. 一种类脑处理器片上网络的验证框架[J]. 计算机工程与科学, 2022, 44(05): 769-778.
[8]	赵炳巍, 贾峰, 曹岩, 孙瑜, 刘一鸿. 基于模拟退火算法的人工势场法路径规划研究[J]. 计算机工程与科学, 2022, 44(04): 746-752.
[9]	石伟, 龚锐, 刘威, 王蕾, 冯权友, 张剑锋. 面向高带宽I/O的片上网络优化[J]. 计算机工程与科学, 2021, 43(09): 1538-1545.
[10]	罗磊, 陈照云, 王俪璇. 用户QoS感知的GPU集群深度学习任务动态调度[J]. 计算机工程与科学, 2021, 43(08): 1331-1340.
[11]	杨坚伟, 孟敏, 黄家乐, 武继刚. 分布式训练异构任务调度算法研究[J]. 计算机工程与科学, 2021, 43(07): 1160-1167.
[12]	黄山, 房六一, 徐浩桐, 段晓东, . 面向容器环境的Flink的任务调度优化研究[J]. 计算机工程与科学, 2021, 43(07): 1173-1184.
[13]	袁也, 王刚, 刘晓光, 李雨森. 新型电路版图布局布线算法设计[J]. 计算机工程与科学, 2021, 43(07): 1185-1191.
[14]	齐星云, 戴艺, 赖明澈, 常俊胜, 董德尊. 基于偏折路由的双环片上网络[J]. 计算机工程与科学, 2021, 43(03): 381-388.
[15]	邢红星, 魏叶华, 乐懿. 硬件成本缩减的异构分布式嵌入式系统调度算法[J]. 计算机工程与科学, 2021, 43(02): 258-265.