تقدير استهلاك الطاقة على مستوى النظام والأنظمة الفرعية أثناء التشغيل

📅 آخر تحديث: ٣ أغسطس ٢٠٢٦
✍️ نُشر في: ٣ أغسطس ٢٠٢٦
📷 يحتوي على 21 صور
الموسوعة الحرة

يُمثل استهلاك الطاقة في الأنظمة الإلكترونية تحديًا حقيقيًا لمصممي الأجهزة والبرامج، وكذلك للمستخدمين، لا سيما في الأجهزة المحمولة كالهواتف المحمولة وأجهزة الكمبيوتر المحمولة. كما يُعد استهلاك الطاقة مشكلةً في العديد من القطاعات التي تعتمد بكثافة على أنظمة الحاسوب، مثل مزودي خدمات الإنترنت الذين يستخدمون الخوادم، أو الشركات التي تضم عددًا كبيرًا من الموظفين الذين يستخدمون أجهزة الحاسوب وغيرها من الأجهزة الحاسوبية. [ 1 ] وقد اكتشف الباحثون العديد من المناهج المختلفة (أثناء تصميم الأجهزة والبرامج، أو التقدير في الوقت الفعلي) لتقدير استهلاك الطاقة بكفاءة. تركز هذه الورقة البحثية على الطرق المختلفة التي يمكن من خلالها تقدير استهلاك الطاقة أو قياسه في الوقت الفعلي.

يُعدّ قياس استهلاك الطاقة في الوقت الفعلي أمرًا بالغ الأهمية في التحليل الحراري للتصميمات الجديدة للأجهزة، مثل المعالجات (CPU)، تمامًا كما هو مهم لمبرمجي أنظمة التشغيل الذين يكتبون مُجدولات العمليات. [ 2 ] [ 3 ] اكتشف الباحثون أن معرفة استهلاك الطاقة في الوقت الفعلي على مستوى الأنظمة الفرعية، مثل المعالجات ومحركات الأقراص الصلبة والذاكرة وغيرها من الأجهزة، يُمكن أن يُساعد في تحسين استهلاك الطاقة في تطبيقات مثل تشفير التخزين، والمحاكاة الافتراضية، وعزل التطبيقات، بالإضافة إلى المفاضلة بين التطبيقات. [ 4 ]

تم اكتشاف تقنيات مختلفة تُمكّن من قياس استهلاك الطاقة في الوقت الفعلي. ويمكن تصنيف هذه التقنيات إلى فئتين رئيسيتين: القياس المباشر باستخدام أجهزة استشعار وعدادات الطاقة في الأنظمة الفرعية، أو التقدير غير المباشر بناءً على معلومات متوفرة مثل درجة الحرارة أو عدادات الأداء. [ 4 ]

يمكن استخدام إدارة الطاقة في الوقت الفعلي لتحسين النظام أو الأنظمة الفرعية لتقليل استهلاك الطاقة، مما قد يؤدي، على سبيل المثال، إلى إطالة عمر بطارية الأجهزة المحمولة أو تحقيق وفورات في الطاقة لشركات الإنترنت التي تعمل بالعديد من خوادم الكمبيوتر. [ 4 ]

قياس الطاقة غير المباشر

تُستخدم قياسات الطاقة غير المباشرة مثل استخدام وحدة مراقبة أداء وحدة المعالجة المركزية (PMU) [ 5 ] أو عدادات الأداء لتقدير استهلاك الطاقة لوحدة المعالجة المركزية والذاكرة في وقت التشغيل [ 6 ] على نطاق واسع لانخفاض تكلفتها.

عدادات الأداء

عدادات أداء الأجهزة (HPCs) هي مجموعة من السجلات ذات الأغراض الخاصة المدمجة في المعالجات الدقيقة الحديثة لتخزين عدد الأنشطة المتعلقة بالأجهزة والأحداث البرمجية. [ 4 ] تحتوي نماذج المعالجات المختلفة على عدد محدود من عدادات الأجهزة التي تسجل أحداثًا مختلفة لتلبية متطلبات وحدة المعالجة المركزية. تتميز عدادات الأداء هذه بدقتها العالية، وتوفر معلومات تفصيلية هامة حول أداء المعالج على مستوى دورة الساعة. [ 7 ] وقد تمكن الباحثون من ابتكار نماذج مختلفة تستخدم أحداث عدادات أداء الأجهزة لتقدير استهلاك الطاقة للنظام في الوقت الفعلي.

نموذج تقدير القدرة الخطي من الدرجة الأولى باستخدام عدادات الأداء

طوّر جي. كونتريراس وإم. مارتونوسي في جامعة برينستون نموذجًا خطيًا من الدرجة الأولى باستخدام معالج Intel PXA255 لتقدير استهلاك الطاقة لوحدة المعالجة المركزية والذاكرة. [ 6 ] ويختلف هذا النموذج عن الدراسات السابقة التي استخدمت الحوسبة عالية الأداء لتقدير الطاقة، نظرًا لأن متطلبات الطاقة لمعالج Intel PXA255 كانت أكثر دقة، كما أنه يوفر عددًا أقل من أحداث الأداء المتاحة مقارنةً بالمعالجات المتوسطة والعالية الأداء. [ 6 ] ولا يرتبط هذا الأسلوب بتقنية معالج محددة أو تصميم معين للحوسبة عالية الأداء لتقدير الطاقة، بل يمكن استخدامه مع أي نوع من المعالجات في الحوسبة عالية الأداء.

يستخدم نموذج الطاقة الخطي هذا خمسة أحداث أداء كما يلي: تنفيذ التعليمات، تبعيات البيانات، فقدان ذاكرة التخزين المؤقت للتعليمات، فقدان ذاكرة الترجمة السريعة للبيانات، وفقدان ذاكرة الترجمة السريعة للتعليمات. ويُشتق تعبير النموذج الخطي (المعادلة 1) كما يلي بافتراض وجود علاقة خطية بين قيم عدادات الأداء واستهلاك الطاقة. [ 6 ]

Powهـرجصu=∝1(أناFهـتجحمأناss)+∝2(دأتأدهـص)+∝3(دأتأتيلبمأناss)+∝4(أنانsتيلبمأناss)+∝5(أنانsتهـxهـج)+كجصu{\displaystyle Powe{{r}_{cpu}}={{\propto }_{1}}\left(IFetc{{h}_{miss}}\right)+{{\propto }_{2}}\left(DataDep\right)+{{\propto }_{3}}\left(DataTL{{B}_{miss}}\right)+{{\propto }_{4}}\left(InsTL{{B}_{miss}}\right)+{{\propto }_{5}}\left(InstExec\right)+{{K}_{cpu}}}(1)

أين،∝1،∝2،∝3،∝4،∝5{\displaystyle {{\propto} _{1}},{{\propto}_{2}},{{\propto }_{3}},{{\propto }_{4}},{{\propto }_{5}}} هي أوزان القوة وكجصu{\displaystyle {{K}_{cpu}}}يمثل ثابتًا لاستهلاك طاقة المعالج أثناء وقت الخمول.

يمكن أيضًا تقدير استهلاك الطاقة للذاكرة (ذاكرة الوصول العشوائي الخارجية) من خلال تتبع أحداث الأداء، إن توفرت، على المعالج المصمم. [ 6 ] على سبيل المثال، لا يحتوي معالج PXA255 على أحداث أداء مباشرة تُعنى بذاكرة الوصول العشوائي الخارجية، ولكن يمكن استخدام أخطاء ذاكرة التخزين المؤقت للتعليمات، وأخطاء ذاكرة التخزين المؤقت للبيانات، وعدد تبعيات البيانات على المعالج لتقدير استهلاك طاقة الذاكرة. مرة أخرى، يُشتق نموذج خطي من المعلومات المُعطاة (المعادلة 2) لتقدير استهلاك طاقة الذاكرة. [ 6 ]

Powهـرمهـمoرy=β1(أناFهـتجحمأناss)+β2(دأتأدهـص)+كمهـمoرy{\displaystyle Powe{{r}_{memory}}={{\beta }_{1}}\left(IFetc{{h}_{miss}}\right)+{{\beta }_{2}}\left(DataDep\right)+{{K}_{memory}}} (2)

أين،β1،β2{\displaystyle {{\beta} _{1}},{{\beta}_{2}}} هي أوزان القوة وكمهـمoرy{\displaystyle {{K}_{ذاكرة}}}يمثل ثابت استهلاك الطاقة أثناء وقت الخمول.

تكمن المشكلة الرئيسية في هذه الطريقة في حساب أوزان الطاقة باستخدام نموذج رياضي (تقدير المربعات الصغرى العادية) عند نقاط جهد/تردد مختلفة. تعتمد هذه القيم الثابتة في المعادلتين 1 و2 على الجهد والتردد، ويجب حسابها أثناء اختبار الأداء. بعد إنشاء جدول لمعاملات أوزان الطاقة، يمكن تنفيذه برمجياً أو عتادياً لتقدير استهلاك الطاقة في الوقت الفعلي. [ 6 ] يتمثل التحدي الآخر في الوصول إلى وحدات المعالجة عالية الأداء (HPCs)؛ ففي هذه الحالة، تُقرأ هذه الوحدات عند بداية مقاطعة مؤقت نظام التشغيل الرئيسي، مما يتطلب تعديلاً برمجياً. يمكن كتابة برنامج باستخدام المعادلتين 1 و2 وأوزان الطاقة المُقدَّرة من الجدول لتقدير استهلاك الطاقة أثناء التشغيل. بالنسبة للمعادلة 1، يحتاج البرنامج أيضاً إلى 5 عينات من وحدات المعالجة عالية الأداء، ولكن في هذا المثال، لا يستطيع معالج PXA255 سوى أخذ عينتين في أي وقت، لذا يلزم تنفيذ عدة أجزاء من التعليمات البرمجية بالإضافة إلى محاذاة البيانات. [ 6 ]

باختصار، تتمثل المزايا الرئيسية لهذا النهج في سهولة تطبيقه، وانخفاض تكلفته، وعدم حاجته إلى تعديلات خاصة على الأجهزة. ويمكن لمصممي البرامج الاستفادة من هذا النموذج من خلال الحصول على تقدير سريع لاستهلاك الطاقة لتطبيقاتهم دون أي متطلبات إضافية للأجهزة. [ 6 ]

تتمثل العيوب الرئيسية لهذه الطريقة في أن المعالجات في الواقع العملي ليست مثالية، ولا يأخذ هذا النموذج في الحسبان العلاقات غير الخطية داخلها. ومن المشاكل الأخرى أيضًا الحمل الزائد للبرمجيات التي تعمل على المعالج وتستهلك الطاقة. كما أن هذه الطريقة لا توفر معلومات تفصيلية عن استهلاك الطاقة في كل وحدة وظيفية معمارية، مما يحول دون تمكن المصممين من ملاحظة الفرق بين كل وحدة عند تشغيل أجزاء مختلفة من البرنامج. ولا يمكن استخدام هذه الطريقة من قِبل مُجدول نظام التشغيل أو مطوري البرامج الذين يُشغلون برامج متعددة الخيوط، لأنها تتطلب جمع البيانات من خلال تشغيل اختبارات الأداء عدة مرات. [ 2 ] وتُعد هذه الطريقة مناسبة للمعالجات أحادية النواة، ولكنها غير مناسبة للمعالجات متعددة النوى.

نموذج تقدير القدرة الخطية القطعية باستخدام عدادات الأداء

طُوِّر نموذج التجزئة لتقدير استهلاك الطاقة بدقة باستخدام عدادات الأداء. وقد طُوِّرت هذه الطريقة من قِبَل ك. سينغ، وم. بهادوريا في جامعة كورنيل، وس. أ. ماكي في جامعة تشالمرز للتكنولوجيا، بشكل مستقل عن سلوك البرنامج لمجموعات معايير SPEC 2006 وSPEC-OMP وNAS. وتهدف هذه الطريقة إلى تحليل تأثيرات الموارد المشتركة ودرجة الحرارة على استهلاك الطاقة في المعالجات المتعددة الرقاقات. [ 2 ]

استخدمت هذه الطريقة أربعة عدادات أداء لمعالج AMD Phenom . عدادات الأداء هي كالتالي: ε 1{\displaystyle {{{\text{ }}\!\!\varepsilon \!\!{\text{ }}}_{1}}}L2_CACHE_MISS: الكل، ε 2{\displaystyle {{{\text{ }}\!\!\varepsilon \!\!{\text{ }}}_{2}}}: RETRIED_UOPS, ε 3{\displaystyle {{{\text{ }}\!\!\varepsilon \!\!{\text{ }}}_{3}}}تعليمات RETIRED_MMX_AND_FP_INSTRUCTIONS: ALL, ε 4{\displaystyle {{{\text{ }}\!\!\varepsilon \!\!{\text{ }}}_{4}}}DISPATCH_STALLS: عدادات الأداء هذه خاصة بمعالج AMD Phenom وقد تختلف في المعالجات الأخرى. تسمح AMD بجمع البيانات من وحدات الحوسبة عالية الأداء الأربعة هذه في وقت واحد. [ 2 ] يحاول برنامج قياس الأداء المصغر، وهو برنامج صغير، جمع البيانات من وحدات الحوسبة عالية الأداء المختارة أعلاه. تُستخدم البيانات المجمعة على كل نواة معالج في المعادلة التالية. [ 2 ]

Pجoرهـ={F1(ز1(ر1)،......،زن(رن))،أناو جoندأناتأناoنF2(ز1(ر1)،......،زن(Rن))،هـلsهـ{\displaystyle {{P}_{core}}=\left\{{\begin{matrix}{{F}_{1}}\left({{g}_{1}}\left({{r}_{1}}\right),\ldots \ldots ,{{g}_{n}}\left({{r}_{n}}\right)\right),if{\text{ }}condition\\{{F}_{2}}\left({{g}_{1}}\left({{r}_{1}}\right),\ldots \ldots ,{{g}_{n}}\left({{R}_{n}}\right)\right),else\\\end{matrix}}\right.}(3)

أينرأنا=εأنا/(جyجلهـ جouنت){\displaystyle {{r}_{i}}={{\varepsilon }_{i}}/(cycle{\text{ }}count)}Fن=P0+P1*ز1(ر1)+......+P2*زن(رن){\displaystyle {{F}_{n}}={{P}_{0}}+{{P}_{1}}*{{g}_{1}}\left({{r}_{1}}\right)+\ldots \ldots +{{P}_{2}}*{{g}_{n}}({{r}_{n}})}(4)

يمكن أن يكون تحويل المعادلة 4 خطيًا أو عكسيًا أو لوغاريتميًا أو أسيًا أو جذريًا تربيعيًا؛ ويعتمد ذلك على ما يجعل توقع استهلاك الطاقة أكثر دقة. تم اختيار دالة خطية مجزأة لتحليل المعادلة 4 من البيانات المجمعة لأنها ستوفر تفاصيل أكثر حول استهلاك الطاقة لكل نواة معالج. أخيرًا، يُعطي تحليل بيانات الحوسبة عالية الأداء المجمعة باستخدام طريقة الخطية المجزأة معلومات تفصيلية عن استهلاك الطاقة (على سبيل المثال، تُساهم أخطاء ذاكرة التخزين المؤقت L2 بشكل أكبر في استهلاك الطاقة مقارنةً بذاكرة التخزين المؤقت L3).

استُخدمت الطريقة المذكورة أعلاه لجدولة كل نواة من معالجات AMD Phenom ضمن نطاق طاقة محدد. يتم تعليق عمل نواة المعالج عندما تتجاوز الطاقة المتاحة، وتصبح متاحة مرة أخرى عندما تتوفر طاقة كافية. [ 2 ]

توجد بعض القيود والمشاكل في هذه الطريقة؛ فعلى سبيل المثال، لا تأخذ هذه الطريقة في الحسبان تأثير درجة الحرارة. ثمة علاقة طردية بين درجة الحرارة واستهلاك الطاقة الكلي (لأن ارتفاع درجة الحرارة يزيد من تسرب الطاقة)، ​​وهو ما لا يراعيه هذا النموذج لعدم احتواء معالجات AMD Phenom على مستشعرات حرارة لكل نواة. ومن عيوبها الأخرى عدم اكتمال معايير الأداء الدقيقة للحصول على تقدير أدق لاستهلاك الطاقة (فهي، على سبيل المثال، لا تغطي عملية DISPATCH_STALLS في الحوسبة عالية الأداء). سيؤدي استخدام معايير أداء دقيقة أكثر شمولاً إلى مشاكل في التوقيت. لذا، يلزم إجراء المزيد من الأبحاث لدمج البيانات الحرارية في النموذج واستراتيجيات جدولة الخيوط، بالإضافة إلى تقليل تردد كل نواة (باستخدام تقنية DVFS) بدلاً من إيقافها مؤقتًا. [ 2 ] تغطي هذه الطريقة المعالجات فقط، ولكن هناك أنظمة فرعية أخرى، مثل الذاكرة والأقراص، يجب أخذها في الاعتبار عند حساب إجمالي استهلاك الطاقة.

تختلف هذه الطريقة عن العديد من الطرق الأخرى التي تستخدم عدادات الأداء، لأنها تأخذ في الاعتبار جميع النوى في المعالجات متعددة النوى، ولا تؤثر عدادات الأداء المستخدمة بشكل فردي بشكل كبير على استهلاك الطاقة، كما أنها تُقدّر استهلاك الطاقة لكل نواة، مما يُمكن استخدامه لجدولة كل نواة في الوقت الفعلي لضمان بقاء استهلاك الطاقة ضمن الحدود المسموح بها. [ 2 ]

نموذج تقدير الطاقة التكيفي باستخدام عدادات الأداء

معظم النماذج، مثل النموذج المذكور أعلاه، لا تملك القدرة على قياس استهلاك الطاقة على مستوى المكونات أو الأنظمة الفرعية. يُمكّن برنامج DiPART (تحليل الطاقة المُفصّل في الوقت الحقيقي)، الذي طوّره البروفيسور م. سريفاستافا، وي. صن، ول. وانر في جامعة كاليفورنيا، لوس أنجلوس، من تقدير استهلاك الطاقة بناءً على عدادات أداء الأجهزة، باستخدام مستشعر طاقة واحد فقط للنظام بأكمله. [ 4 ] تتطلب نماذج تقدير استهلاك الطاقة بناءً على عدادات الأداء. تربط هذه النماذج بيانات عدادات الأداء المختلفة باستهلاك الطاقة، وتختلف أخطاء التقدير في النماذج الثابتة، مثل الأمثلة المذكورة أعلاه (النموذج من الدرجة الأولى والنموذج الخطي القطعي)، بسبب التباينات بين الأجهزة المتطابقة. [ 4 ] يُعدّ DiPART حلاً لهذه المشكلة، لأنه نموذج ذاتي التكيف، يُمكن معايرته مرة واحدة وتطبيقه على منصات مختلفة.

يتطلب نموذج التقدير الخطي لنظام DiPART مستشعر طاقة قادرًا على قياس استهلاك الطاقة المبددة والتيار أثناء التشغيل. توجد مستشعرات مدمجة مختلفة، مثل نظام Atom-LEAP [ 8 ] أو منصات تطوير Snapdragon للأجهزة المحمولة من كوالكوم [ 9 ] ، والتي يمكنها القيام بهذه المهمة لنظام DiPART. يمكن استخدام مستشعر طاقة واحد لمعايرة نموذج التقدير على مستوى النظام الفرعي لنظام DiPART. [ 4 ]

إجمالي طاقة النظام هو مجموع استهلاك الطاقة لكل نظام فرعي موضح في المعادلة 5.

Psysتهـم=PجPيو+PRأم+Pدأناsك{\displaystyle {{P}_{system}}={{P}_{CPU}}+{{P}_{RAM}}+{{P}_{Disk}}}(5) [ 4 ]

تُستخدم عدادات أداء الطاقة لكل نظام فرعي. بالنسبة لطاقة وحدة المعالجة المركزية، يلزم عشرة عدادات أداء كما يلي: عدد المهام، وعدد تبديل السياق ، وعدد عمليات ترحيل وحدة المعالجة المركزية، وعدد أخطاء الصفحات ، وعدد الدورات، وعدد التعليمات، وعدد التفرعات، وعدد عمليات الرجوع إلى الذاكرة المؤقتة، وعدد حالات عدم العثور على البيانات في الذاكرة المؤقتة. ثم يُستخدم نموذج خطي لحساب إجمالي طاقة وحدة المعالجة المركزية، وتُحسب قيم المعاملات باستخدام خوارزمية الانحدار الخطي بالاعتماد على بيانات عدادات الأداء وبيانات استهلاك الطاقة المُراقبة. [ 4 ]

PجPيو=[∝،β،...γ]*Vهـجتoر oو جPيو صهـروoرمأنجهـ جouنتهـرs+λجoنsتأنتجPيو{\displaystyle {{P}_{CPU}}=\left[\propto ,\beta ,\ldots \gamma \right]*Vector{\text{ }}of{\text{ }}CPU{\text{ }}performance{\text{ }}Counters+{{\lambda }_{constantCPU}}} (6) [ 4 ]

يمكن أيضًا استخدام عدادات الأداء المذكورة أعلاه لنموذج استهلاك طاقة ذاكرة الوصول العشوائي ومتجه معامل الذاكرة، كما يتم حساب القيمة الثابتة أثناء مرحلة التدريب باستخدام بيانات عداد الأداء وبيانات استهلاك الطاقة التي تمت مراقبتها.

PRأم=[ Δ ، Γ ،... Θ ]* Vهـجتoر oو Pهـروoرمأنجهـ جouنتهـرs+λجoنsتأنتRأم{\displaystyle {{P}_{RAM}}=\left[{\text{ }}\!\!\Delta \!\!{\text{ }},{\text{ }}\!\!\Gamma \!\!{\text{ }},\ldots {\text{ }}\!\!\Theta \!\!{\text{ }}\right]*{\text{ }}Vector{\text{ }}of{\text{ }}Performance{\text{ }}Counters+{{\lambda }_{constantRAM}}}(7) [ 4 ]

يعتمد نموذج استهلاك طاقة القرص على عداد الإدخال وعداد الإخراج المرتبطين بعدادات أحداث الإدخال/الإخراج.

يتم اتباع نفس النهج المتبع مع وحدة المعالجة المركزية وذاكرة الوصول العشوائي لتقدير المعامل والثابت الخاصين بقدرة القرص أثناء مرحلة التدريب. [ 4 ]

Pدأناsك=[φ،χ]* Vهـجتoر oو دأناsك صهـروoرمأنجهـ جouنتهـر+λجoنsتأنتدأناsك{\displaystyle {{P}_{Disk}}=\left[\varphi ,\chi \right]*{\text{ }}Vector{\text{ }}of{\text{ }}Disk{\text{ }}performance{\text{ }}counter+{{\lambda }_{constantDisk}}}(8) [ 4 ]

أثناء التدريب، تُطرح الطاقة الإجمالية المقاسة من المستشعر من التنبؤ الأولي لنموذج طاقة وحدة المعالجة المركزية وذاكرة الوصول العشوائي والقرص. ثم يُؤخذ 10% من نتيجة التغيير لتعويض نماذج وحدة المعالجة المركزية وذاكرة الوصول العشوائي والقرص في كل نظام فرعي على حدة. تستمر هذه العملية حتى يصبح خطأ تقدير الطاقة الإجمالية للنظام أقل من عتبة معينة، أو حتى الوصول إلى عدد محدد من التكرارات. خلال عملية التدريب هذه، وبعد عدد معين من التكرارات، يتم تعديل نموذج كل نظام فرعي وفقًا لنسبة التغيير. بمجرد تدريب الأنظمة الفرعية، لا حاجة لتدريب النظام ككل.

يلزم تعديل نموذج استهلاك الطاقة لوحدة المعالجة المركزية وذاكرة الوصول العشوائي والقرص، بالإضافة إلى إجراء تغييرات على مستوى النظام، إذا لم يقل إجمالي الفرق عن 10%. تستمر عملية التكرار حتى يقترب تنبؤ نموذج استهلاك الطاقة لكل نظام فرعي من إجمالي الطاقة المُراقبة. بعد تدريب نموذج استهلاك الطاقة للنظام الفرعي، لا يحتاج نموذج استهلاك الطاقة على مستوى النظام الكلي إلى إعادة التدريب لنفس النظام.

تُعدّ هذه الطريقة مفيدة مقارنةً بالنماذج الثابتة نظرًا لقدرتها على التكيف مع الاختلافات بين الأنظمة المختلفة حتى مع استخدام نفس الأجهزة. تُظهر النتائج التجريبية أن الأخطاء المُقدّرة تكون عالية قبل تدريب نموذج DiPART، وأن الخطأ يتناقص مع ازدياد عدد التكرارات.

تتمثل إحدى المشكلات الرئيسية في هذا النموذج في اعتماده على مستشعرات الطاقة لقياس إجمالي الطاقة. وتتمثل مشكلة أخرى في عدد عدادات الأداء المستخدمة في نموذج DiPART، والتي قد لا تكون متاحة لجميع المعالجات. وقد استُخدمت هذه الطريقة أيضًا لوحدة المعالجة المركزية وذاكرة الوصول العشوائي والقرص، ولكن هناك أنظمة فرعية أخرى يجب أخذها في الاعتبار عند حساب إجمالي استهلاك الطاقة. وتكمن المشكلة الرئيسية في إضافة المزيد من الأنظمة الفرعية في آلية التكيف، حيث أنه مع ازدياد عدد الأنظمة الفرعية، ستنخفض الدقة وسرعة التدريب. [ 4 ] كما أن وحدة المعالجة المركزية والقرص وذاكرة الوصول العشوائي ليست مثالية، إذ تحتوي على بعض الجوانب غير الخطية التي لم تُؤخذ في الاعتبار في هذه الطريقة.

إدارة حرارية ديناميكية

مع تصغير حجم تقنية الدوائر المتكاملة (IC) إلى مقياس النانومتر، وتزايد عدد الترانزستورات في هذه المساحة الصغيرة، يرتفع استهلاك الطاقة ودرجة الحرارة على الشريحة. وإذا لم يتم التحكم بدرجة الحرارة المرتفعة، فقد تتلف الشريحة أو حتى تحترق. كما تؤثر درجة الحرارة المرتفعة على الأداء والموثوقية. [ 10 ] [ 11 ] فارتفاع درجة حرارة الشريحة يؤدي إلى زيادة استهلاك الطاقة، وارتفاع مقاومة التوصيلات البينية، وانخفاض سرعة الترانزستورات. [ 10 ] لذلك، تُعدّ الإدارة الحرارية الديناميكية (DTM) ضرورية للأنظمة المدمجة عالية الأداء أو المعالجات الدقيقة المتطورة. ولا تُعدّ المستشعرات الحرارية مثالية لهذا الغرض نظرًا لدقتها وتأخرها الطويل في قياس درجة الحرارة. وتقوم فكرة الإدارة الحرارية الديناميكية على اكتشاف وخفض درجة حرارة النقاط الساخنة في الشريحة باستخدام تقنيات مختلفة مثل نقل النشاط، والتبديل الموضعي، وتغيير الجهد والتردد الديناميكي. [ 10 ]

طوّر كلٌّ من هـ. لي، وب. ليو، وز. تشي، ول. جين، وو، وإس إكس دي تان، وج. يانغ في جامعة كاليفورنيا، ريفرسايد، طريقةً جديدةً تعتمد على رصد متوسط ​​استهلاك الطاقة للوحدات النمطية منخفضة المستوى أثناء تشغيلها لأحمال عمل نموذجية. [ 10 ] توجد علاقة مباشرة بين هذا الرصد وتغيرات درجة الحرارة. وقد مثّلت هذه الطريقة الجديدة حلاً بديلاً للتقنيات القديمة، مثل أجهزة استشعار التتبع المباشر على الشريحة، كتقنية الاستشعار القائمة على تقنية CMOS، والتي تتسم بدقة أقل وتتطلب تنفيذاً برمجياً. [ 12 ]

تعتمد هذه الطريقة على رصد متوسط ​​القدرة خلال فترة زمنية محددة، وهو ما يحدد تغيرات درجة الحرارة. يمكن تطبيق هذه الفكرة باستخدام خوارزمية محاكاة حرارية سريعة على مستوى البنية. [ 10 ] كما تقدم هذه الطريقة أسلوبًا جديدًا لحساب تغيرات درجة الحرارة العابرة استنادًا إلى مفهوم مطابقة العزوم في مجال التردد. ينص مفهوم مطابقة العزوم أساسًا على إمكانية وصف السلوكيات العابرة لنظام ديناميكي بدقة من خلال عدد قليل من الأقطاب المهيمنة للنظام. [ 10 ] تتطلب خوارزمية مطابقة العزوم حساب استجابة تغير درجة الحرارة في ظل ظروف درجة الحرارة الأولية ومتوسط ​​مدخلات القدرة لفترة زمنية محددة. [ 10 ] تتبع هذه الطريقة أيضًا نمذجة RC الحرارية على مستوى الدائرة على مستوى البنية كما هو موضح في المرجع [ 13 ] . يعود تغير درجة حرارة الوحدة أثناء التشغيل إلى عدم انتظام تدفق القدرة الناتج عن كل وحدة في كتلها المعمارية. [ 10 ] يتكون مدخل القدرة هذا من تيار مستمر وتذبذبات تيار متردد صغيرة. وقد ثبت أيضًا أن معظم الطاقة في تدفق القدرة تتركز في مكون التيار المستمر. لذا، يمكن وصف متوسط ​​القدرة بأنه مدخل تيار مستمر ثابت لدائرة حرارية. وبالتالي، يلزم تطبيق خوارزمية العزم الحراري (TMM) مع الشروط الابتدائية ومدخل التيار المستمر. نموذج خوارزمية العزم الحراري كما يلي:

جيx+جx=بu{\displaystyle Gx+Cx=Bu}(9)

G و C هما مصفوفتا الدائرة الموصلة والسعوية، و x هو متجه درجة حرارة العقدة. [ 10 ] u هو متجه مصدر الطاقة المستقل، و B هي مصفوفة اختيار المدخلات. سيتم حل هذه المعادلة في مجال التردد، ويتطلب ذلك شرطًا ابتدائيًا، وهو درجة الحرارة الابتدائية عند كل عقدة. [ 10 ] الفكرة الرئيسية هي تطبيق خوارزمية TMM التي توفر تقديرًا موثوقًا لدرجة الحرارة عبر الإنترنت لتطبيقات DTM.

باختصار، تُعدّ خوارزمية TMM أسرع بكثير من الدراسات السابقة في هذا المجال لتقدير التغير الحراري، وذلك لأنها تستخدم طريقة مطابقة العزوم في مجال التردد. أما الدراسات الأخرى (مثل HotSpot) فتستخدم طريقة التكامل التي تتطلب جميع النقاط السابقة للحصول على درجة الحرارة عند نقطة تشغيل معينة، مما يُطيل وقت المحاكاة.

يمكن تحسين هذا العمل أيضًا بحساب متوسط ​​استهلاك الطاقة في الوقت الفعلي باستخدام عدادات الأداء. ويمكن إضافة هذه الطريقة إلى النماذج المذكورة أعلاه باستخدام عدادات الأداء لتقدير تغيرات درجة الحرارة أثناء تنفيذ البرامج.

باور بوتر وباور تيوتور

طُوِّرت تقنية نموذج الطاقة هذه بالتعاون بين ل. تشانغ، وب. تيوانا، وز. تشيان، وز. وانغ، وآر. بي. ديك، وز. ماو من جامعة ميشيغان، ول. يانغ من شركة جوجل، وذلك لتقدير استهلاك الطاقة بدقة عبر الإنترنت للهواتف الذكية. [ 14 ] يُعدّ PowerBooter نموذجًا آليًا للطاقة يستخدم مستشعرات جهد البطارية المدمجة وسلوك البطارية أثناء التفريغ لمراقبة استهلاك الطاقة للنظام بأكمله. لا تتطلب هذه الطريقة أي معدات قياس خارجية خاصة. كما يُعدّ PowerTutor أداة لقياس الطاقة تستخدم البيانات المُولَّدة بواسطة PowerBooter لتقدير استهلاك الطاقة عبر الإنترنت. يُعاني عمر بطارية الهواتف الذكية دائمًا من قيود ، وهو ما يحتاج مصممو الأجهزة والبرامج إلى التغلب عليها. لا يمتلك مصممو البرامج دائمًا المعرفة الكافية باستهلاك الطاقة لتصميم تطبيقات مُحسَّنة لاستهلاك الطاقة، ولذلك يُلقي المستخدمون النهائيون باللوم دائمًا على عمر البطارية. لذا، ثمة حاجة إلى أداة قادرة على قياس استهلاك الطاقة في الهواتف الذكية، ليتمكن مصممو البرامج من استخدامها لمراقبة تطبيقاتهم في الوقت الفعلي. طوّر الباحثون نماذج مُخصصة لإدارة الطاقة لأنظمة مُدمجة محمولة مُحددة، ويتطلب إعادة استخدام هذه النماذج مع مجموعة واسعة من تقنيات الهواتف الذكية الحديثة جهدًا كبيرًا . لذا، يكمن الحل في نموذج PowerBooter الذي يُمكنه تقدير استهلاك الطاقة في الوقت الفعلي لأنظمة فرعية مُختلفة في الهواتف الذكية ، مثل وحدة المعالجة المركزية، وشاشة LCD، ونظام تحديد المواقع العالمي (GPS)، والصوت، وشبكة Wi-Fi، ومكونات الاتصال الخلوي. إلى جانب نموذج PowerBooter، يُمكن لأداة PowerTutor المُتاحة عبر الإنترنت استخدام البيانات المُولّدة لتحديد استهلاك الطاقة على مستوى النظام الفرعي. يُمكن استخدام النموذج وأداة PowerTutor عبر مُختلف المنصات وتقنيات الهواتف الذكية .

يختلف هذا النموذج عن النماذج الأخرى المكتشفة لأنه يعتمد فقط على معرفة منحنى جهد تفريغ البطارية والوصول إلى مستشعر جهد البطارية المتوفر في جميع الهواتف الذكية الحديثة. [ 14 ] تقوم الفكرة الأساسية لهذه التقنية على استخدام حالة تفريغ البطارية مع تشغيل برامج تدريبية للتحكم في طاقة مكونات الهاتف وحالات نشاطها. يُثبَّت كل مكون من مكونات الهاتف الذكي في حالة محددة لفترة زمنية معينة، ويتم رصد التغير في حالة تفريغ البطارية باستخدام مستشعرات جهد البطارية المدمجة. [ 14 ] يتمثل التحدي الأول في تحويل قراءات جهد البطارية إلى استهلاك الطاقة. ويُحدد ذلك من خلال تغير حالة التفريغ (وهي إجمالي الطاقة المستهلكة من البطارية) خلال فترة اختبار، والتي ترصدها مستشعرات الجهد، والتي ستُستخدم في النهاية لحساب المعادلة التالية.

P*(ت1-ت2)=هـ*(Sياد(V1)-Sياد(V2)){\displaystyle P*\left({{t}_{1}}-{{t}_{2}}\right)=E*(SOD\left({{V}_{1}}\right)-SOD\left({{V}_{2}}\right))}(10)

حيث E هي سعة طاقة البطارية المقدرة، وSOD(Vi) هي حالة تفريغ البطارية عند الجهد Vi، وP هو متوسط ​​استهلاك الطاقة خلال الفترة الزمنية t1 وt2. يمكن تقدير حالة التفريغ باستخدام جدول مرجعي يوضح العلاقة بين الجهد الحالي وSOD. يُعد تحديد الطاقة أيضًا أمرًا بالغ الأهمية نظرًا لتغيرها مع تقدم عمر البطارية. تحتوي البطاريات الجديدة على إجمالي الطاقة مكتوبًا على ظهرها، ولكن هذه القيمة قد لا تكون ثابتة. لذا، يمكن تقدير الطاقة عند أعلى وأدنى معدل تفريغ لتقليل الخطأ. كما أن للمقاومة الداخلية تأثيرًا كبيرًا على تيار التفريغ. ولتقليل تأثير المقاومة الداخلية، يمكن تحويل جميع مكونات الهاتف إلى أدنى مستويات الطاقة لتقليل تيار التفريغ عند قياس الجهد. أخيرًا، تستخدم هذه الطريقة دالة خطية متعددة الأجزاء لنمذجة العلاقة غير الخطية بين حالة التفريغ وجهد البطارية.

يمكن أتمتة نموذج البطارية المذكور أعلاه بالكامل بثلاث خطوات موضحة في المرجع [ 14 ] . وخلاصة القول، تُعد هذه الطريقة مفيدة لأنها تدعم جميع الهواتف الذكية، وبالنسبة للهواتف الذكية الجديدة، يكفي إنشاء هذا النموذج مرة واحدة فقط، وبعد أتمتة العملية، لن تكون هناك حاجة إلى أي معدات إضافية لقياس استهلاك الطاقة. وبمجرد إنشاء النموذج، سواءً تلقائيًا أو يدويًا، يمكن لبرنامج PowerTutor استخدام البيانات لتقدير استهلاك الطاقة في الوقت الفعلي. ويمكن لمهندسي البرمجيات استخدام هذا البرنامج لتحسين تصميماتهم، كما يمكن للمستخدمين استخدامه لاتخاذ قراراتهم بشأن شراء التطبيقات بناءً على استهلاك الطاقة.

تكمن المشكلة الرئيسية في حساب الطاقة، مما يؤثر على دقة نموذج القدرة. كما أن هناك مشكلة أخرى تتمثل في مراعاة المقاومة الداخلية عند قراءة الجهد. ويمكن حل هذه المشكلة في الإصدارات الأحدث من الهواتف الذكية التي توفر قياس التيار بدلاً من الجهد. لذا، يجب تعديل النموذج المذكور أعلاه باستخدام قياس التيار.

Appscope [ 15 ] و DevScope [ 16 ] هما عملان متشابهان لتقدير استهلاك الطاقة للهواتف الذكية .

نمذجة وقت التشغيل وتقدير استهلاك الطاقة لنظام التشغيل

يُعد نظام التشغيل البرنامج الرئيسي الذي يعمل على معظم أنظمة الحوسبة، ويساهم بشكل كبير في استهلاك الطاقة. لذلك، قام كل من تي. لي وإل. كيه. جون من جامعة تكساس في أوستن بتطوير نموذج لنظام التشغيل لتقدير استهلاك الطاقة، مما يُساعد في إدارة الطاقة وتقييم استهلاك تطبيقات البرامج للطاقة. [ 3 ]

تشير الحسابات إلى أن تنفيذ البرامج على مكونات الأجهزة قد يستهلك جزءًا كبيرًا من الطاقة. [ 17 ] كما تبين أن اختيار الخوارزمية وقرارات أخرى متعلقة بكود البرنامج على مستوى أعلى أثناء تصميمه قد يؤثر بشكل كبير على استهلاك الطاقة في النظام. تعتمد العديد من تطبيقات البرامج هذه على نظام التشغيل؛ لذا، فإن إغفال تقدير استهلاك الطاقة من قِبل نظام التشغيل قد يتسبب في خطأ فادح في تقدير الطاقة. يساعد تقدير استهلاك الطاقة من قِبل نظام التشغيل مصممي البرامج على تحسين تصميم الكود ليكون أكثر كفاءة في استهلاك الطاقة. على سبيل المثال، يمكن لمهندس البرمجيات مراقبة استهلاك الطاقة عند استخدام تقنيات تجميع مختلفة للتعامل مع أخطاء ذاكرة الترجمة السريعة (TLB) والتقسيم إلى صفحات. [ 14 ] يجب أن يتمتع نموذج نظام التشغيل الجيد بالخصائص التالية ليكون مناسبًا لأدوات إدارة الحرارة أو الطاقة: يجب أن يكون النموذج عالي الموثوقية، وسريعًا، وأن يتمتع أيضًا بقدرة على التقدير أثناء التشغيل دون زيادة الحمل الزائد. كما يجب أن يكون النموذج بسيطًا وسهل التطبيق على مختلف المنصات.

يتطلب تقدير استهلاك الطاقة أثناء التشغيل عملية خطية من الدرجة الأولى على مقياس طاقة واحد، مما يقلل من عبء التقدير. [ 14 ] يمكن استخدام عدد التعليمات لكل دورة (IPC) كمقياس لتوصيف أداء المعالجات الحديثة. توضح الورقة [ 14 ] كيف تساهم المكونات المختلفة في وحدة المعالجة المركزية وأنظمة الذاكرة في إجمالي استهلاك الطاقة لروتينات نظام التشغيل. تستهلك بنية مسار البيانات وبنية خط الأنابيب، بالإضافة إلى الساعات، معظم الطاقة. يمكن اشتقاق نموذج خطي من IPC لتتبع استهلاك الطاقة لروتينات نظام التشغيل. معادلة طاقة بسيطةهـ=P*تي{\displaystyle E=P*T}يمكن استخدامها لتقدير استهلاك الطاقة لبرنامج معين، حيث P هو متوسط ​​الطاقة و T هو وقت تنفيذ ذلك البرنامج.

يكمن التحدي في حساب متوسط ​​استهلاك الطاقة (P) لكل روتين من روتينات نظام التشغيل. يمكن استخدام العلاقة بين متوسط ​​استهلاك الطاقة لكل دورة تنفيذ (IPC) ومتوسط ​​استهلاك الطاقة لكل روتين من روتينات نظام التشغيل، أو يمكن استخدام عدادات أداء الأجهزة. كما يمكن استخدام طريقة تحليل الأداء (البيانات المُجمعة من اختبارات الأداء المعيارية) للتنبؤ باستهلاك الطاقة. نموذج الطاقة الخطي المذكور في المرجع [ 14 ] هو كما يلي:PياS=ك1* أناPجياS+ك0{\displaystyle {{P}_{OS}}={{K}_{1}}*{\text{ }}IP{{C}_{OS}}+{{K}_{0}}}هذا نموذج خطي بسيط يُظهر ارتباطًا قويًا بين استهلاك موارد النظام (IPC) واستهلاك طاقة روتينات نظام التشغيل. يتطلب هذا النهج أيضًا تحليلًا للبيانات اللازمة لبناء النموذج. بعد إنشاء النموذج لنظام واحد، لا حاجة لإعادة إنشائه لنفس النظام.

قياس وتوفير الطاقة للآلات الافتراضية

يُعدّ جهاز قياس الطاقة (Joulemeter) حلاً مقترحاً من قِبل أمان كانسال، وفينغ تشاو، وجي ليو من شركة مايكروسوفت، ونوبور كوثاري من جامعة جنوب كاليفورنيا في لوس أنجلوس، وأركا بهاتاشاريا من المعهد الهندي للتكنولوجيا، لقياس استهلاك الطاقة في الأجهزة الافتراضية التي لا يمكن قياسها مباشرةً في الأجهزة المادية. [ 18 ] تُستخدم هذه الطريقة لإدارة الطاقة في مراكز البيانات الافتراضية. تحتوي معظم الخوادم الحديثة على عدادات طاقة، بينما تستخدم الخوادم القديمة وحدات توزيع الطاقة (PDUs). تستخدم هذه الطريقة عدادات الطاقة الفردية هذه لتوفير تكاليف كبيرة في مجال توفير الطاقة.

تستخدم هذه الطريقة نماذج استهلاك الطاقة في البرمجيات لتتبع استهلاك الطاقة للأجهزة الافتراضية على كل مورد من موارد الأجهزة الرئيسية، وذلك باستخدام حالات استهلاك الطاقة للأجهزة التي يمكن رصدها بواسطة برنامج إدارة الأجهزة الافتراضية. [ 18 ] كما يمكن لبرنامج Joulemeter حل مشكلة تحديد الحد الأقصى لاستهلاك الطاقة للأجهزة الافتراضية، مما يقلل تكاليف توفير الطاقة بشكل ملحوظ. تُعد المعالج والذاكرة والقرص من أكبر الأنظمة الفرعية استهلاكًا للطاقة في خوادم الحاسوب. وتستهلك الخوادم أيضًا طاقة في وضع الخمول، والتي قد تكون كبيرة في بعض الأحيان، ولكنها ثابتة ويمكن قياسها. تُعرض نماذج استهلاك الطاقة لكل نظام فرعي (وحدة المعالجة المركزية والذاكرة والقرص) بالتفصيل في المرجع [ 18 ] . يُعد نموذج استهلاك الطاقة هذا التقنية الأساسية لبرنامج Joulemeter. يوضح الشكل 4 في المرجع [ 18 ] المخطط الكتلي لبرنامج Joulemeter، حيث تقرأ وحدة تتبع موارد النظام والطاقة بيانات استهلاك الطاقة ووحدة المعالجة المركزية والقرص للخادم بالكامل. وتقوم وحدة تتبع موارد الأجهزة الافتراضية بتتبع جميع أحمال العمل باستخدام عدادات برنامج إدارة الأجهزة الافتراضية. وتقوم وحدة تدريب النموذج الأساسي بتنفيذ أساليب التعلم الموضحة في [ 18 ] ، بالإضافة إلى وحدة التحسين. تقوم وحدة حساب الطاقة في النهاية بإخراج بيانات استخدام الطاقة من وحدة تدريب النموذج الأساسي ووحدة تحسين النموذج باستخدام معادلات الطاقة الموضحة في المرجع [ 18 ] .

تتمثل فوائد هذه الطريقة في عزل أحمال العمل المتواجدة في نفس الموقع بشكل آمن، مما يتيح دمج أحمال العمل المتعددة على عدد أقل من الخوادم، وبالتالي تحسين استخدام الموارد وخفض تكاليف الطاقة في حالة الخمول. كما يمكن استخدام برنامج Joulemeter لحل مشكلة تحديد الطاقة للأجهزة الافتراضية، مما يوفر مبالغ كبيرة من تكاليف توفير الطاقة في مراكز البيانات.

قياس الطاقة المباشر

يمكن استخدام أنواع مختلفة من أجهزة الاستشعار لجمع بيانات الجهد والتيار والتردد أو درجة الحرارة، ثم استخدام هذه البيانات لتقدير استهلاك الطاقة.

نظام استشعار مدمج لمعالجة الطاقة المنخفضة

طُوِّر نظام LEAP (معالجة منخفضة الطاقة واعية باستهلاكها للطاقة) بواسطة د. ماكنتاير، وك. هو، وب. يب، وأ. سينغ، وو، و و. كايزر في جامعة كاليفورنيا في لوس أنجلوس لضمان تحسين استهلاك الطاقة لأنظمة الاستشعار الشبكية المدمجة بما يتناسب مع تطبيقاتها. يوفر نظام LEAP، كما هو موضح في المرجع [ 19 ] ، مراقبة دقيقة لتبديد الطاقة وجدولة متطورة للتحكم في الطاقة لجميع الأنظمة الفرعية، بما في ذلك أنظمة الاستشعار. يعتمد LEAP على بنية متعددة المعالجات قائمة على تقسيم النظام بين مكوناته المادية والبرمجية. وهو أسلوب مستقل لمراقبة الطاقة والتحكم فيها لكل نظام فرعي على حدة. يهدف LEAP إلى التحكم في المعالجات الدقيقة لتحقيق أقل استهلاك ممكن للطاقة لكل مهمة. تتطلب العديد من أجهزة الاستشعار الشبكية المدمجة الحديثة القيام بمهام متعددة، مثل معالجة الصور، والحوسبة الإحصائية عالية الأداء، والاتصالات. ولضمان كفاءة عمل جميع هذه التطبيقات، يلزم وجود ميزة مراقبة الطاقة وجدولة استهلاكها في الوقت الفعلي، وهو ما يوفره نظام LEAP لهذه الأنظمة.

صُمم نظام LEAP (ENS) لتوفير دقة عالية وقدرة قياس طاقة منخفضة. يُمكّن LEAP التطبيقات المُراعية للطاقة من خلال جدولة وتحليل استهلاك الطاقة للمكونات عالية الكفاءة، بما في ذلك واجهات الشبكة اللاسلكية المتعددة، وعناصر التخزين، وقدرات الاستشعار. [ 19 ] تتمثل الميزة الأكبر لنظام LEAP في قدرته على إدارة الطاقة والمعالجة المسبقة (EMAP). تُظهر النتائج التجريبية أن الاختيار الأمثل لأنظمة الاستشعار، والمعالج، والواجهة اللاسلكية، وتقنية الذاكرة لا يعتمد على التطبيق، ولكنه قد يكون مسألة تخصيص للأجهزة. يتميز EMAP بقدرته على تقسيم الأجهزة إلى نطاقات طاقة متعددة، مع إمكانية مراقبة الطاقة لكل نطاق، وتفعيلها أو تعطيلها، بالإضافة إلى الاستجابة لأحداث أو ظروف مُحفزة تُعيد الطاقة أو تُزيلها في كل نطاق. يجمع EMAP البيانات دوريًا وينقلها إلى عملية المضيف، ثم يُقدم معالج المضيف جدول إدارة الطاقة إلى EMAP.

يوضح الشكل 1 في المرجع [ 19 ] بنية LEAP وبنية EMAP. تُعدّ LEAP وEMAP منصتين معقدتين تتطلبان مكونات مادية وبرمجية. جميع مناهج التصميم التفصيلية موصوفة في المرجع [ 19 ] .

في الختام، يختلف برنامج LEAP عن الطرق السابقة مثل PowerScope [ 20 ] لأنه يوفر معلومات استهلاك الطاقة في الوقت الفعلي وبيئة تشغيل تطبيقات قياسية على نفس المنصة. ونتيجة لذلك، يُغني LEAP عن الحاجة إلى مزامنة الجهاز قيد الاختبار مع وحدة قياس الطاقة الخارجية. كما يوفر LEAP معلومات الطاقة للأنظمة الفرعية الفردية، مثل وحدة المعالجة المركزية ووحدة معالجة الرسومات وذاكرة الوصول العشوائي، من خلال القياس المباشر، مما يُمكّن من إجراء تقييمات دقيقة لتأثيرات البرامج والأجهزة على سلوك استهلاك الطاقة للمكونات الفردية. [ 21 ]

التحقق من صحة نموذج الطاقة من خلال القياسات الحرارية

يُعدّ التحقق من صحة بيانات المحاكاة باستخدام البيانات التجريبية أحد التحديات التي تواجه مصممي الأجهزة والبرامج. فهم بحاجة إلى أداة أو برنامج لقياس استهلاك الطاقة ومقارنته ببيانات المحاكاة. ومن بين هذه الطرق لالتقاط بيانات في الوقت الفعلي للتحقق من صحة نماذج الطاقة أو الحرارة، نظام قياس بالأشعة تحت الحمراء طوّره كلٌّ من إف جيه ميسا مارتينيز، وجيه ناي فاش باتيلانا، وجيه رينو في جامعة كاليفورنيا، سانتا كروز. تعتمد طريقتهم على التقاط خرائط حرارية باستخدام كاميرات تعمل بالأشعة تحت الحمراء ذات دقة مكانية عالية ومعدل إطارات مرتفع. ثم تستخدم خوارزمية جينية لإيجاد معادلة طاقة لكل وحدة معالجة في المخطط، مما ينتج عنه خريطة حرارية توفر معلومات تفصيلية حول استهلاك الطاقة (التسريب والديناميكي). [ 22 ] كما طوّروا مرشحًا لمعالجة الصور لزيادة دقة الصورة الحرارية. يتمثل التحدي الأكبر لهذه الطريقة في الحصول على خريطة طاقة مفصلة من القياسات الحرارية، إذ لا توجد علاقة مباشرة بين المعلومات المقاسة والطاقة. تم تطوير خوارزمية جينية موصوفة في المرجع [ 22 ] تقوم بتكرار آثار حرارية متعددة ومقارنتها بالنتائج من المحاكي الحراري لإيجاد أفضل ارتباط للطاقة.

تتمثل الخطوة الأولى في قياس درجة الحرارة باستخدام كاميرا الأشعة تحت الحمراء، وذلك داخل سائل التبريد الزيتي المتدفق فوق سطح الشريحة. ترد معلومات الإعداد التفصيلية في المرجع [ 22 ] . تم اختيار الزيت لسهولة نمذجته ودقته. يجب معايرة كاميرات الأشعة تحت الحمراء لتعويض الانبعاثات الحرارية للمواد المختلفة، وتكوينات العدسات، وعوامل أخرى مذكورة في المرجع [ 22 ] . كما يُستخدم مرشح ثانٍ لتعويض التشوه البصري الناتج عن إعداد العدسة. يتطلب هذا النهج نموذجًا حراريًا دقيقًا للغاية لمراعاة تأثيرات إعداد التبريد السائل بدقة. ترد معادلات النموذج في المرجع [ 22 ] .

يمكن للمصممين استخدام هذه الطريقة للتحقق من صحة محاكاتهم أو تحسين تصميماتهم، خاصةً أنها توفر معلومات تفصيلية حول التسريب واستهلاك الطاقة الديناميكي. كما تُفيد هذه الطريقة في تصميم تغليف الرقائق، ومشتتات الحرارة، وأنظمة التبريد. وتُظهر أيضًا للمصممين أي جزء من مخططات الدوائر ينقل الحرارة بشكل أسرع أو أبطأ.

مراجع

  1. ↑ مودج، ت. (أبريل 2001). "القوة: قيد تصميم معماري من الدرجة الأولى". مجلة الكمبيوتر . 34 (4): 52-58 . CiteSeerX 10.1.1.646.2818 . doi : 10.1109/2.917539 . 
  2. 1 2 3 4 5 6 7 8 سينغ، كاران؛ بهادوريا، ماجور؛ ماكي، سالي أ. (23 يوليو 2009). "تقدير الطاقة في الوقت الحقيقي وجدولة العمليات عبر عدادات الأداء". أخبار هندسة الحاسوب ACM SIGARCH . 37 (2): 46. CiteSeerX 10.1.1.141.1881 . doi : 10.1145/1577129.1577137 . S2CID 14453831 .  
  3. 1 2 لي، تاو؛ جون، ليزي كوريان (10 يونيو 2003). "نمذجة وتقدير استهلاك الطاقة لنظام التشغيل أثناء التشغيل". مجلة ACM SIGMETRICS لتقييم الأداء . 31 (1): 160. CiteSeerX 10.1.1.14.3803 . doi : 10.1145/885651.781048 . 
  4. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 صن، وانر، وسريفاستافا، يوين، لوكاس، وماني. "تقدير منخفض التكلفة لطاقة النظام الفرعي" (ملف PDF) .{{cite web}}: صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  5. ↑ تشو، يونغجين؛ يونغهيون كيم؛ سانغيونغ بارك؛ نايهيوك تشانغ (2008). تقدير استهلاك الطاقة على مستوى النظام باستخدام وحدة مراقبة أداء ناقل البيانات المدمجة . مؤتمر ICCAD '08. الصفحات 149-154 . ISBN  9781424428205.
  6. 1 2 3 4 5 6 7 8 9 كونتريراس، ج.؛ مارتونوسي (8-10 أغسطس 2005). "توقع استهلاك الطاقة لمعالجات Intel XScale/SPL reg/ باستخدام أحداث وحدة مراقبة الأداء". ISLPED '05. وقائع الندوة الدولية للإلكترونيات والتصميم منخفض الطاقة لعام 2005، الصفحات 221-226 . doi : 10.1109/LPE.2005.195518 . ISBN  978-1-59593-137-5.
  7. ↑Weaver, V.M.; McKee, S.A. (30 September 2008). "Can hardware performance counters be trusted?". 2008 IEEE International Symposium on Workload Characterization. pp. 141–150. CiteSeerX 10.1.1.620.9917. doi:10.1109/IISWC.2008.4636099. ISBN 978-1-4244-2777-2. S2CID 14399141.
  8. ↑Singh, Digvijay; Kaiser, W J. (2010-05-26). "The Atom LEAP Platform For Energy-Efficient Embedded Computing".{{cite journal}}: Cite journal requires |journal= (help)
  9. ↑"Qualcomm. Snapdragon MSM8660 Mobile Development Platform. Available at".
  10. 12345678910Hang, Li; Pu Liu; Zhenyu Qi; Lingling Jin; Wei Wu; Tan, S.X.D.; Jun Yang (31 October 2005). "Efficient thermal simulation for run-time temperature tracking and management". 2005 International Conference on Computer Design. pp. 130–133. CiteSeerX 10.1.1.114.7660. doi:10.1109/ICCD.2005.46. ISBN 978-0-7695-2451-1. S2CID 10154370.
  11. ↑Lie, Pu; Zhenyu Qi; Hang Li; Lingling Jin; Wei Wu; S. X. -D. Tan; Jun Yang (2005). Fast thermal simulation for architecture level dynamic thermal management. Iccad '05. pp. 639–644. ISBN 9780780392540.{{cite book}}: |journal= ignored (help)
  12. ↑Brooks, D.; Martonosi, M. (7 August 2002). "Dynamic thermal management for high-performance microprocessors". Proceedings HPCA Seventh International Symposium on High-Performance Computer Architecture. pp. 171–182. CiteSeerX 10.1.1.590.1583. doi:10.1109/HPCA.2001.903261. ISBN 978-0-7695-1019-4. S2CID 1054852.
  13. ↑Huang, Wei; Mircea R. Stany; Kevin Skadronz; Karthik Sankaranarayanan (April 2004). "Compact thermal modeling for temperature-aware design"(PDF). 2004. Archived from the original(PDF) on 2012-06-16.
  14. 1 2 3 4 5 6 7 8 تشانغ، ليد؛ بيرجود تيوانا؛ تشيون تشيان؛ تشاوغوانغ وانغ؛ روبرت ب. ديك؛ تشوتشينغ مورلي ماو ؛ لي يانغ (2010). "تقدير دقيق للطاقة عبر الإنترنت وتوليد نموذج طاقة تلقائي قائم على سلوك البطارية للهواتف الذكية". وقائع المؤتمر الدولي الثامن لـ IEEE/ACM/IFIP حول التصميم المشترك للأجهزة/البرمجيات وتوليف الأنظمة - CODES/ISSS '10 . ص 105. doi : 10.1145/1878961.1878982 . ISBN  9781605589053. S2CID 1458775 . 
  15. ↑ يون، تشانمين؛ كيم، دونغوون؛ جونغ، وونو؛ كانغ، تشولكو؛ تشا، هوجونغ. "AppScope: إطار عمل لقياس استهلاك الطاقة للتطبيقات على الهواتف الذكية التي تعمل بنظام Android باستخدام مراقبة نشاط النواة" (ملف PDF) .
  16. ↑ جونغ، وونو؛ كانغ، تشولكو؛ يون، تشانمين؛ كيم، دونغوون؛ تشا، هوجونغ (2012). "DevScope: أداة تحليل طاقة غير تدخلية وفورية لمكونات أجهزة الهواتف الذكية". وقائع المؤتمر الدولي الثامن لـ IEEE/ACM/IFIP حول التصميم المشترك للأجهزة/البرمجيات وتوليف الأنظمة . الصفحات 353-362 . doi : 10.1145/2380445.2380502 . ISBN  9781450314268. S2CID 18828989 . 
  17. ↑ "أداة برمجيات Intel Power Gadget في" . 2018-10-08.
  18. 1 2 3 4 5 6 كانسال، أمان؛ فينغ تشاو؛ جي ليو؛ نوبور كوثاري؛ أركا أ. بهاتاشاريا (2010). "قياس وتوفير طاقة الآلات الافتراضية". وقائع ندوة ACM الأولى حول الحوسبة السحابية - SoCC '10 . ص 39. doi : 10.1145/1807128.1807136 . ISBN  9781450300360. S2CID 12234071 . 
  19. 1 2 3 4 ماكنتاير، داستن؛ كي هو؛ بيرني يب؛ أمارجيت سينغ؛ وينستون وو؛ ويليام ج. كايزر (2006). "نظام الاستشعار الشبكي المدمج منخفض الطاقة والمعالجة الواعية للطاقة (LEAP)" . وقائع المؤتمر الدولي الخامس حول معالجة المعلومات في شبكات الاستشعار - IPSN '06 . ص 449. doi : 10.1145/1127777.1127846 . ISBN  978-1595933348. S2CID 3157391 . 
  20. ↑ فلين، وساتيانارايانان، ج. وم. (6 أغسطس 2002). "باور سكوب: أداة لتحليل استهلاك الطاقة لتطبيقات الهاتف المحمول". وقائع ورشة عمل IEEE الثانية حول أنظمة وتطبيقات الحوسبة المتنقلة WMCSA'99. الصفحات 2-10. CiteSeerX 10.1.1.46.6876 . doi : 10.1109 / MCSA.1999.749272 . ISBN   978-0-7695-0025-6. S2CID 10256882 . 
  21. ↑ محسان روفوي، ثاستاثوبولوس، ريفيل، كايزر، وسراف زاده، محسان، ثانوس، ويليام، ماجد (2008). "الحوسبة عالية الأداء الموفرة للطاقة باستخدام وحدات معالجة الرسومات" (PDF) .{{cite journal}}يتطلب Cite journal |journal=( مساعدة ) صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  22. 1 2 3 4 5 ميسا مارتينيز، فرانسيسكو خافيير؛ نايفاش باتيلانا، جوزيف؛ رينو ، خوسيه (9 يونيو 2007). “التحقق من صحة نموذج الطاقة من خلال القياسات الحرارية”. ACM SIGARCH أخبار هندسة الكمبيوتر . 35 (2): 302. دوى : 10.1145/1273440.1250700 .