英文翻译

比较系统级电源管理策略

陆Yung-Hsiang

乔凡尼德Micheli

斯坦福大学

系统级电源管理是一种交换之间的几个因素以定量分析显示。

降低功耗是系统设计的一个挑战。例如便携式系统,如笔记本电脑、个人数字助理(PDAs)、抽运功率的电池,所以降低功耗扩展他们的操作时间。台式电脑或服务器、高功耗提出了温度和恶化性能和可靠性。去年早些时候和不断上升的能源价格飞涨,电子系统的环境影响的担忧进一步强调低功耗的重要性。

功率降低技术可分为静态和动态。静态技术,如低功率合成和编译,在设计时应用。相反,动态技术时使用运行时行为来减少电力系统服务工作负载或闲置。这些技术被称为动态电源管理(DPM)。DPM可以以不同的方式实现;例如,动态电压缩放(DVS)在运行时改变电源电压的电源管理方法。在这里,我们使用DPM专门为关闭未使用的I / O设备。我们建立了一个实验环境在笔记本计算机上运行微软的Windows。我们实现了现有电源管理政策和定量相比对节能和性能下降的影响。定性调查的电源系统在Benini 等管理是可用的。

电源管理

系统级电源管理保存有子系统的电源（也称为设备)。设备的例子包括控制器、硬盘驱动器、网络接口卡。关闭硬盘和显示器是最广泛采用系统级的电源管理电脑。

图1说明了电源管理的概念。一个工作负载由多个请求。硬盘,请求读或写命令;网卡、请求发送或者接收数据包。当有请求,设备忙;否则,它是闲置。在这里,设备闲置在T1和T4之间。当设备处于空闲状态,则可以关闭进入低功耗睡眠状态。(“待机或睡眠?”栏讨论这项工作如何看待这些。)在此说明,设备关闭T2和T4醒来,再次请求到达时。改变电源状态需要时间;Tsd和Twu关闭和唤醒延迟。在硬盘和显示器的例子中,这些设备需要几秒钟醒来。此外,起床睡觉设备可能需要额外的能量。

换句话说,改变电源量开销。如果没有开销,电源管理将是微不足道的:关闭设备,不管它是闲置的。不幸的是,延迟和/或电源开销。因此,设备应该睡眠状态只有在保存能量证明开销。规则来确定是否关闭设备被称为策略。为简单起见,本文地址只有一个设备和一个流的请求。因为电源管理不变更请求,我们只关心电力设备空闲时在工作或睡眠状态。我们不考虑服务请求所需的电量。

电源管理降低性能

设备后睡觉,至少一个请求必须等待唤醒延迟。一些研究者提出预测唤醒消除这样的等待。很不幸,准确的预测是很困难的。醒来太早浪费电量,起床太晚了不完全消除等。因此,本文不讨论预测唤醒。

互动的工作负载的性能
许多政策注重节能和忽视对性能的影响,特别是交互式系统的性能。而对于批处理模式工作负载的性能指标如SPEC基准已经被广泛接受,没有普遍采用交互式工作负载指标。这部分是因为困难的客观量化用户感知。我们讨论这些差异“可重复的工作量”栏。

一个简单的性能指标是平均延迟:(关机命令的数量×状态转换延迟)/总执行时间。然而,当用户与计算机交互,他们担心最坏的以及一般情况等。最糟糕的性能提出了这样的问题“什么是可能的最长等待时间在五分钟吗?”或“我要等候多久在编辑这个文件吗?“这些不同于批处理模式性能的问题,如“今天这台电脑能完成多少事务?“许多用户理解,偶尔延迟是不可避免的,往往是宽容如果他们不常发生。然而,如果延误频繁发生,用户满意度急剧下降。我们叫这种现象短期记忆效应:用户忘记发生的延误很久以前的事了。图2说明了这个概念。如果两个延迟之间的时间太短,用户记住两个连续的延误和感到不满意。当两个延迟之间的时间较长,用户内存衰变和用户将接受第二延迟的发生。

我们提出一种新的方法来量化性能在交互系统。它措施关闭序列之间的时间最长的两个相邻关闭小于阈值,如图2所示。

政策分类和代表政策
电源管理策略可以分为三个类别基础上的方法来预测设备是否能睡足够长的时间。这些类别是超时,预测和随机。

超时
超时策略有一个超时值τ。超时策略假设设备空闲τ后,它将至少保持闲置Tbe。一个明显的缺点是能源浪费在这个超时时间。

Time-out-based政策包括fixed-timeout,如设置τ3分钟。这是商业产品中广泛采用。在微软的Windows操作系统,用户可以设置超时值,硬盘和显示器的控制面板。另外,超时的值可以在运行时调整。例如,一个自适应超时策略(ATO)调整τ的比率和前面的空闲时间。如果比例太小,这个政策增加τ;如果比例太大,它减少τ。

暂停一些政策考虑硬件参数的变化。这些设备相关的超时(DDT)政策选择基于盈亏平衡时间τ设备的控制。(对于一个解释,请参见“盈亏平衡时间”栏)。它可以证明,使用τ= Tbe政策将消耗的能量最多两次理想的“甲骨文”的政策。我们解释了甲骨文政策“甲骨文实力经理”栏。

预测
这些政策预测空闲时间的长度在它开始之前,消除了超时时间(T2图1−T1)很小如果空闲时间预计会超过盈亏平衡时间、闲置设备后睡觉。

请求设备改变之间忙碌,空闲。忙,空闲时间形成两个序列长度:B[1],[2],……I[1],[2],……LETB[n]闲置期前的繁忙时期我对任何整数n[n]。一项研究发现,忙,空闲时间形成一个“L”型。图3显示了我们的测量之间的关系我[n]和[n];这是一致的发现在Srivastava.短的繁忙时期,随后又需要很长时间闲置(L)的左竖;长忙碌的时期是紧随其后的是短空闲时间(横L)。因此,L政策关闭设备如果很忙只有很短的一段时间。然而,这一政策不处理的情况短忙碌的时期是紧随其后的是短空闲时间原点附近(左下角L当两个中风相交)。

其他一些预测政策只使用过去的空闲时间来预测未来的空闲时间的长度。自适应学习树(LT)编码序列的空闲时间为树节点。这一政策预测空闲时间的长度与有限状态机类似于微处理器multibit分支预测。如果一个空闲时间预计超过Tbe,它确实超过Tbe,信心水平增加;否则,置信水平降低。这个政策使用编码的历史节点和置信度计算节点遍历路径和决定国家未来的空闲时间。

另一个预测政策使用先前的预测和实际长度闲置期。假设ρ[n]是我的预测[n],然后ρ(n + 1)=一个×我[n]+(1−)×ρ[n],这里是一个常量0到1之间。这一政策被称为指数平均(EA)因为ρ(n + 1)本质上是我的平均[1],[2],……,我[n]加权的指数序列如果我们重复取代ρ:ρ(n + 1)=(1−)n + 1ρ[0]+一个Σn我= 0(1−)我[n−我]。这一政策也限制了经济增长的速度为ρ,ρ(n + 1)≤c×ρ[n]常数c > 1,以便预测不是由一个特别长期闲置。

随机
随机策略模型要求和设备的电源状态变化的到来作为随机过程,如马尔可夫过程。尽量减少能耗是一个随机优化问题。一个简单的随机策略模型请求和powerstate过渡平稳离散时间马尔可夫(DM)的流程。11在任何给定的时间,一个请求到达概率;设备与另一个概率睡觉。设备的最优概率睡觉可以得到随机优化问题的解决。这样一个解决方案是有效的只有几何分布的平稳随机过程。这个模型有两种方法可以概括:扩展其他随机模型,包括不稳定的行为。

第一个扩展可以通过使用连续时间马尔可夫models12或连续时间半马尔科夫模型。这些模型,不需要定期评估适当的电源状态。相反,到达和服务请求的事件触发状态转换决策。消除周期性状态评估(如在DM)减少处理器功耗。

此外,请求和设备可以通过随机建模的过程,并不一定几何或指数分布;因此马尔可夫过程不能捕获它们。例如,一个研究发现,无线通信的请求是最好由帕累托分布建模。本研究提出的使用时间指标位(SM)模型并确定计算最优政策的一种方式

第二个扩展认为非平稳(NS)请求。一种方法计算最优政策提前到达不同的利率并存储结果。在运行时的实际利率估计。如果估计率是相同的任何预先计算的速度,然后使用预先计算的最优策略。否则,这些预先计算的解决方案之间的插值应用获得熟睡的概率。

资源需求
预测的准确性和电能节约两个主要标准在选择一个合适的政策为特定的应用程序。资源需求也很重要,特别是对于便携式嵌入式系统资源的严格限制。本节比较政策根据其资源需求。我们考虑内存、计算和计时器。

内存需求
一些政策需要元素的内存。例如,超时策略存储τs;平稳随机存储最优政策关闭概率。指数平均策略存储四个价值观:我[n],ρ[n],和c。相比之下,一些政策需要大量的记忆。NS存储多套参数的最优解。LT商店在树节点空闲时间的长度。没有明确的机制来限制树木的大小,可以任意大的增长。

运行时计算
超时策略与固定τs不需要任何计算。指数平均需要两个乘法和一个除了计算ρ(n + 1)。ATO需要一个部门来τ的比率和前面的空闲时间来计算未来τ值。LT需要更多的计算才能找到一个合适的遍历路径树。

计时器的一代
一个计时器用于创建一个事件在未来。计时器是重要资源尤其是对时间控制的系统,例如实时系统。定时器超时策略至关重要。当设备处于空闲状态,一个计时器设置值τ。当计时器到期时,设备睡觉。计时器也用于政策与离散时间模型,如马尔可夫过程。在这些政策中,定时器产生周期性事件,引发权力经理来确定适当的权力。没有专门研究调查这些触发计时器的最佳时期。如果时间太短,力量经理往往触发和消耗太多的计算资源。如果时间太长,电力管理人员可能错过节电的机会。一些政策不需要计时器;例如,continuoustime马尔可夫模型是事件驱动的。同样,自适应学习树不需要计时器计算时遍历路径。

实施政策在Microsoft Windows

我们建立了一个环境来实现政策控制权力的笔记本电脑上的硬盘运行Windows 2000。我们的环境是基于高级配置和电源接口的支持(ACPI)。ACPI是硬件和软件之间的接口规范systemlevel电源管理。ACPI允许操作系统控制硬件设备的电源状态。在Microsoft Windows 2000年发行的ACPI命令创建I / O请求包(IRP)。我们写这篇文章,Microsoft Windows是唯一的商业操作系统支持ACPI。Linux内核2.4将支持ACPI。

过滤驱动程序
我们构建了一个模板使用过滤器驱动程序在Windows;政策使用这个模板来实现。一个过滤器驱动程序是一个设备驱动程序之间插入一个Windows内核和另一个设备驱动程序(或两个司机)。这被称为附加在其他司机。过滤驱动程序拦截Windows和其他驱动程序之间的通信,这个过滤器驱动程序可以通过,添加、删除或更改其他驱动程序和Windows之间的消息。

图4说明了电源管理的过程,通过一个过滤器驱动程序。过滤器驱动程序连接到另一个司机在机器启动。这是完成通过调用这些函数可以在Windows驱动程序开发包(DDK)。在初始化过程中,滤波器接收驱动对象创建的窗口。拦截过滤器指定消息提供过滤功能。例如,如果过滤器想拦截读命令,它指定一个函数(FilterReadFunc)指定的函数指针读主设备号(IRP_MJ_READ)驱动对象(DriObj):

NTSTATUS

FilterRead (IN DEVICE_OBJECT * DevObj,

IN IRP * Irp);

DriObj->MajorFunction[IRP_MJ_READ]

= FilterRead;

当Windows问题读命令,这个过滤器函数作为参数调用一个IRP。函数可以分析IRP,然后将其传递给原来的设备驱动程序。

改变电源状态
一个过滤器驱动程序也可以创建一个新的IRP。它可以改变设备的电源状态通过创建一个IRP,例如:

PoRequestPowerIrp(DevObj,

IRP_MN_SET_POWER,

PowerState,

CompletionCallBack,

......);

这个函数调用创建一个电源IRP DevObj设备指出。第二个参数指定应该创建一个IRP释放这个设备的电源状态。第三个参数指定该设备的电源状态。ACPI有一个工作状态(PowerDeviceD0)和三个(PowerDeviceD1 PowerDeviceD3)睡觉状态。设备进入期望状态后,由CompletionCallBack指定回调函数将被调用。这使得过滤器驱动程序后执行所需任务完成状态转换的设备。

实验结果
我们进行我们的实验在索尼笔记本电脑,使用测试设置如图5所示。它有一个主要内部硬盘和外部硬盘可以有二次通过PCMCIA(电脑记忆卡国际协会)接口。我们之间插入一个Accurite PCMCIA Extender卡台笔记本电脑和一个PCMCIA-IDE(集成驱动电路)转换器和连接一个标准的2.5”IDE硬盘电脑通过转换器。extender卡允许我们测量的力量硬盘使用国家仪器数据采集卡。笔记本电脑的beta版本运行Windows 2000(新台币5 beta 2)。

设备参数

图6显示了设备参数之间的电源交接的两个2.5”硬盘驱动器。第一个是日立DK23AA-60(6千兆字节)磁盘和第二个是富士通2043年马尔堡出血热(4 Gbyte)磁盘。这个数字清楚地表明,醒来一个磁盘需要大量的时间和精力。此外,瞬态功率工作状态的两倍多。跃迁能即使对于相同类型的设备有很大的差别。日立硬盘的跃迁能的三倍以上,富士通磁盘。表1总结了这些磁盘的参数。从这一点上,我们只讨论富士通磁盘。

图7显示了力量,关闭,每个策略的比例不正确的关闭一天。电源和关闭的数量是规范化的甲骨文电源管理器。的比例不正确关闭被定义为关闭,导致磁盘的百分比比Tms短睡眠一段时间。图8显示了长度最长的关闭四个序列的政策。在这个图中,指数平均(EA)政策最糟糕的交互性能。它可能导致的延误超过其他政策,与用户体验延迟几分钟内一次又一次。

分级的政策
节能和个别政策取决于工作负载的性能。一些政策(比如EA)不是设计控制硬盘的,他们的一些假设可能并不适用于这类设备。我们包括政策比较了解他们的局限性。而在图7和图8不同数量不同的工作负载和设备,更广泛范围的成绩都是有效的,因为我们认为它们的属性除了在我们的实验中获得的数据。

每个策略由六个分级标准:权力,关闭,关闭的准确性,交互性能,内存需求和计算的要求。我们比较前两个标准与oracle政策。

电源。如果一个政策消耗小于1。15倍的力量与甲骨文相比,其成绩是A .如果多消耗50%的电力,其成绩是C .否则,其等级B . A比B和B比C。

关闭的数量。如果政策关闭比甲骨文少,它是一个年级。如果一个关闭的政策已经超过1.5倍,其成绩是C。

关闭的准确性。如果少于30%的关机命令导致磁盘睡眠一段时间短于Tms,成绩是a .如果超过50%的关机命令导致磁盘睡眠比Tms短,政策有品位。

交互性能。我们用一分钟如图2中的阈值量化交互性。如果最长等待序列的长度短于10日政策其成绩是a .如果超过20的序列,其成绩是C。

内存需求。如果政策需要存储只有一个数字,它的记忆成绩是a .如果存储是无限的,其成绩是c的记忆策略是有界的,如果绑定是显式的政策。例如,指数平均需要存储的ρ[n],[n],a和c。相比之下,自适应学习树没有指定绑定。在运行时,可以限制自适应学习树树大小但不指定这些限制政策本身。同样,非稳定的政策(NS)可能预先执行尽可能多套参数根据需要并存储结果。

计算的要求。如果政策需要没有或只有一个算术运算,其成绩是a .如果操作的数量是无限的,其成绩是c .我们只考虑运行时计算无论任何计算提前执行。

表2总结我们的评分标准。表3(下一页)显示的成绩我们给这里讨论的各种政策。

定性分析
指数平均预测政策更多的关闭。他们中的大多数实际上浪费能源,因为磁盘比Tms短睡。然而,这种政策的目的不仅是为管理权力的硬盘。它是专为x服务器和telnet当没有机械运动和状态转换开销较低。这表明的重要性研究的假设和限制政策之前,将其应用到一个特定的设备。

非平稳随机策略具有更好的节电能力比固定政策因为NS可以调整工作负载变化;在交互性NS和SM也有高分。我们没有找到任何政策在所有列的成绩。如果政策积极节省电源(如SM),它可能会发行更多关闭命令和降低性能。另一方面,政策可以在节能和保守的问题少关闭命令。这些政策虽然性能和准确性提高,消耗更多的电力。最后,资源需求也很重要。的非平稳随机策略具有良好的电能节约,但是需要大量的内存。

提高预测精度和高标准的信息
所有政策调查在本文中分享这些假设:请求代由单个请求者可以建模和观察请求到来是一个有效的方法预测空闲时间的长度。电源管理研究的趋势是包括更高层次的信息,特别是从编译器和操作系统软件的信息。将请求的一个研究过程和取得令人鼓舞的结果。我们认为软件将发挥着越来越重要的作用在功率降低。

本文研究系统级电源管理策略。我们实现了一台笔记本电脑和比较不同的政策。我们的实验表明,政策选择是一个权衡在节能、性能、交互性和资源需求。

承认这项工作是支持的Gigascale硅研究公司和美国国家科学基金会资助下ccr - 9901190。

参考文献

1. R. Golding et al., “Idleness is not Sloth,” Usenix Winter Conf., Usenix, San Diego, Calif., 1995,pp. 201-212.

2. L. Benini et al., “A Survey of Design Techniques for System-Level Dynamic Power Management,”IEEE Trans. VLSI Systems, vol. 8, no. 3, June2000.

3. C.H. Hwang and A. C. Wu, “A Predictive System Shutdown Method for Energy Saving of Event-Driven Computation,” Proc. Int’l Conf. Computer-Aided Design, IEEE CS Press, 1997, pp. 28-32.

4. Standard Performance Evaluation Corp., http://www.spec.org.

5. F. Douglis et al., “Adaptive Disk Spin-Down Policies for Mobile Computers,” Computing Systems,vol. 8, no. 4, 1995, pp. 381-413.

6. A. Karlin et al., “Competitive Randomized Algorithms for Non-Uniform Problems,” Algorithmica,vol. 11, no. 6, June 1994, pp. 542-571.

7. D. Ramanathan and R. Gupta, “System Level On-Line Power Management Algorithms,” Proc.Design Automation and Test in Europe, IEEE CS Press, Los Alamitos, Calif., 2000, pp. 606-611.

8. J. Wilkes, Predictive Power Conservation, technical report HPL-CSP-92-5, Hewlett-Packard, PaloAlto, Calif., 1992.

9. M.B. Srivastava et al., “Predict ive System Shutdown and Other Architecture Techniques for Energy Efficient Programmable Computation,”IEEE Trans. VLSI Systems, vol. 4, no. 1, Mar.1996, pp. 42-55.

10. E.-Y. Chung et al., “Dynamic Power Management Using Adaptive Learning Tree,” Proc. Int’l Conf.Computer-Aided Design, IEEE CS Press, 1999,pp. 274-279.

11. L. Benini et al., “Policy Optimization for Dynamic Power Management,” IEEE Trans. Computer-Aided Design of Integrated Circuits and Systems,vol. 16, no. 6, June 1999, pp. 813-833.

12. Q. Qiu and M. Pedram, “Dynamic Power Management Based on Continuous-Time Markov Decision

Processes,” Proc. Design Automation Conf., ACM Press, New York, 1999, , pp. 555-561.

13. T. Simunic, L. Benini, and G.D. Micheli, “Event-Driven Power Management of Portable Systems,”Proc. Int’l Symp. System Synthesis, IEEE CS Press, Los Alamitos, Calif., 1999, pp. 18-23.

14. T. Simunic et al., “Dynamic Power Management for Portable Systems,” Int’l Conf. Mobile Computing and Networking, ACM Press, New York, 2000,pp. 11-19.

15. E.-Y. Chung et al., “Dynamic Power Management for Non-Stationary Service Requests,” Proc. Design Automation and Test in Europe, IEEE CS Press, 1999, pp. 77-81.

16. Y.-H. Lu et al., “Quantitative Comparison of Power Management Algorithms,” Proc. Design Automation

and Test in Europe, IEEE CS Press, 2000, pp. 20-26.

17. Advanced Configuration and Power Interface, http://www.teleport.com/~acpi/

18. Workshop on Compilers and Operating Systems for Low Power, http://www.cse.psu.edu/~kandemir/ colp.html, Oct. 2000.

19. Y.-H. Lu et al., “Operating System Directed Power Reduction,” Proc. Int’l Symp. Low Power

Electronics and Design, ACM Press, New York,2000, pp. 37-42.

本文直接问题或评论Yung-Hsiang,326房间大门建筑,计算机系统实验室,353 Serra商城,斯坦福大学,CA 94305;luyung@stanford.edu。

本文来源：https://www.2haoxitong.net/k/doc/5d38800071fe910ef12df8d6.html