自适应行为驱动的热管理框架在异构多核处理器中的应用

现代异构多核处理器需平衡性能与能耗，传统DVFS方法在高负载下易引发热不稳定。本文提出基于相位热检测的自适应任务分配框架，通过动态识别工作负载热相位并优化核心间任务迁移，在Apalis iMX8平台测试中实现平均温度降16.7℃，峰值降32.5℃，同时性能提升13.5%，优于强化学习与常规DVFS方案。

　　

摘要：

在现代计算环境中，异构多核处理器被越来越多地用于平衡性能和能效。然而，随着处理器架构变得越来越复杂以及工作负载的增加，传统的动态电压和频率调节（DVFS）方法在确保高性能计算应用的热稳定性方面面临着挑战，同时不会带来显著的性能折中。本文提出了一种可扩展的自适应热管理框架，该框架结合了基于相位的工作负载热检测和自适应迁移技术。该框架能够动态检测运行应用程序的热状态，并根据热特性和工作负载需求在各个核心之间优化分配任务和线程。在Apalis iMX8平台上使用PARSEC基准测试对该框架进行了评估，结果显示其平均温度和峰值温度分别降低了16.7°C和32.5°C，同时性能相比基于DVFS的动态热管理技术提高了13.5%。此外，该框架还优于其他方法（如编译器辅助的强化学习进行热感知任务调度以及DVFS和PTS），在热管理方面展现了更高的效率和适应性。

引言

随着嵌入式系统变得越来越紧凑和强大，热管理已成为多核处理器研究中的一个关键领域，这导致了更高的功率密度和热应力[1]。随着晶体管尺寸的缩小以及更多晶体管被集成到更小的区域内，对高效热管理解决方案的需求变得越来越迫切。传统的冷却方法（如空气冷却或液体冷却）由于空间和成本的限制，对于大多数嵌入式系统来说并不实用。因此，操作系统级别的动态热管理（DTM）技术（如动态电压和频率调节（DVFS）被广泛采用来应对热紧急情况[2]。DVFS通过调节处理器电压和频率来降低功耗和热散发，但会带来显著的性能下降，尤其是在对性能要求较高的应用中。在异构多核架构中，其效果进一步受限，因为它往往无法充分利用热效率高的核心和能效高的小核心[3]。