Modelado de energía por núcleo para SoC heterogéneos
Autores: Bhat, Ganapati; Mandal, Sumit K.; Manchukonda, Sai T.; Vadlamudi, Sai V.; Agarwal, Ayushi; Wang, Jun; Ogras, Umit Y.
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Modelado de energía por núcleo para SoC heterogéneos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Plataformas móviles
Sistemas en chips
Conglomerados de núcleos de CPU
Consumo de energía
Control de temperatura
Contadores de rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Las plataformas móviles de última generación, como teléfonos inteligentes y tabletas, están impulsadas por sistemas en chips (SoCs) heterogéneos. Estos SoCs están compuestos por muchos elementos de procesamiento, incluidos múltiples grupos de núcleos de CPU (por ejemplo, núcleos big.LITTLE), unidades de procesamiento de gráficos (GPU), controladores de memoria y otros recursos en el chip. Por un lado, las plataformas móviles necesitan proporcionar un tiempo de respuesta rápido para aplicaciones interactivas y un alto rendimiento para cargas de trabajo orientadas a gráficos; por otro lado, el consumo de energía debe estar bajo estricto control para evitar altas temperaturas en la piel y el consumo de energía. Por lo tanto, los sistemas comerciales cuentan con una variedad de mecanismos para el control dinámico de la energía y la temperatura. Sin embargo, estas técnicas se basan en indicadores simples, como la utilización del núcleo y el consumo total de energía. Los arquitectos de sistemas suelen estar limitados al consumo total de energía, ya que múltiples recursos comparten el mismo riel de energía. Más importante aún, la mayoría de los rieles de energía no están expuestos a los pines de entrada/salida. Para abordar este desafío, este documento presenta una metodología exhaustiva para modelar el consumo de energía de los principales recursos en SoCs heterogéneos. Los modelos propuestos utilizan una amplia gama de contadores de rendimiento para capturar con precisión la dinámica de la carga de trabajo. La validación experimental en un teléfono Nexus 6P, alimentado por un SoC Snapdragon 810 de ocho núcleos, mostró que los modelos propuestos pueden estimar el consumo de energía dentro de un margen de error del 10%.
Descripción
Las plataformas móviles de última generación, como teléfonos inteligentes y tabletas, están impulsadas por sistemas en chips (SoCs) heterogéneos. Estos SoCs están compuestos por muchos elementos de procesamiento, incluidos múltiples grupos de núcleos de CPU (por ejemplo, núcleos big.LITTLE), unidades de procesamiento de gráficos (GPU), controladores de memoria y otros recursos en el chip. Por un lado, las plataformas móviles necesitan proporcionar un tiempo de respuesta rápido para aplicaciones interactivas y un alto rendimiento para cargas de trabajo orientadas a gráficos; por otro lado, el consumo de energía debe estar bajo estricto control para evitar altas temperaturas en la piel y el consumo de energía. Por lo tanto, los sistemas comerciales cuentan con una variedad de mecanismos para el control dinámico de la energía y la temperatura. Sin embargo, estas técnicas se basan en indicadores simples, como la utilización del núcleo y el consumo total de energía. Los arquitectos de sistemas suelen estar limitados al consumo total de energía, ya que múltiples recursos comparten el mismo riel de energía. Más importante aún, la mayoría de los rieles de energía no están expuestos a los pines de entrada/salida. Para abordar este desafío, este documento presenta una metodología exhaustiva para modelar el consumo de energía de los principales recursos en SoCs heterogéneos. Los modelos propuestos utilizan una amplia gama de contadores de rendimiento para capturar con precisión la dinámica de la carga de trabajo. La validación experimental en un teléfono Nexus 6P, alimentado por un SoC Snapdragon 810 de ocho núcleos, mostró que los modelos propuestos pueden estimar el consumo de energía dentro de un margen de error del 10%.