為了便于分析,將功耗與系統(tǒng)設備運行速度的關系表示為下式：
這是一個嚴格的凸函數(shù),它傳達的信息是,任務進行得越慢,越節(jié)省功耗。這是基于任務截止期約束任務完成的電源管理策略的基本出發(fā)點。當前有不少基于任務截止期約束任務完成的電源管理策略,例如簡單化的在線策略AVR[3]（Average Rate）、OA（Optimal Available）和BKP策略[4]等就是這類策略的典型。其中： AVR策略假設系統(tǒng)中只有一個任務在執(zhí)行;OA策略假設不會再有新任務進入安排;而BKP策略則在c比較大時才能夠很好地降低功耗。
1.3 Idle狀態(tài)下的電源管理方法
系統(tǒng)設備完成任務后,將處于Idle狀態(tài)的系統(tǒng)設備進行狀態(tài)轉換是該狀態(tài)下電源管理的主要方法。主流策略有Timeout策略、基于預測的管理策略和基于隨機的管理策略。其中,Timeout策略最簡單易行。該策略流程如圖2所示。
圖2 Timeout策略流程
系統(tǒng)完成所有任務后,處于Idle狀態(tài)的持續(xù)時間超過該閾值時,電源管理模塊將系統(tǒng)轉換至Sleep狀態(tài),直到有新任務請求到達時再喚醒系統(tǒng)。通過這種方式達到降低系統(tǒng)設備功耗的目的。該時間間隔可由系統(tǒng)提供的計時模塊設定,而時間閾值Tth的設定由下式確定：
式中： Etran是已知的系統(tǒng)從Idle狀態(tài)到Sleep狀態(tài)再到喚醒,共兩次狀態(tài)轉換所消耗的總能量;PI是系統(tǒng)處于Idle狀態(tài)所消耗的功率。
圖3為Timeout策略中兩種性能的損耗情況。圖中,E為Running（工作）狀態(tài)時間,I為Idle狀態(tài)時間,F為時間閾值,D為狀態(tài)轉換時間,S為休眠狀態(tài)時間,W為系統(tǒng)設備喚醒時間。該策略簡單,但缺點也很明顯。如圖3所示,當I>F+D時,等待時間閾值的設定容易損失更多的降功機會,同時因為系統(tǒng)狀態(tài)喚醒轉換的耗時耗能,必然引起任務等待延時;甚至當F+D>I>F時,延時會大于喚醒耗時,這將造成很大的性能損失;同時任務執(zhí)行時間的延時,還會直接導致下一個Idle狀態(tài)持續(xù)時間的縮短。這樣基于對任務完成后Idle狀態(tài)時間和下一個任務來臨時間的預測的電源管理策略就顯得很有效率。
圖3 Timeout策略中兩種性能的損耗情況
基于預測的電源管理策略是根據(jù)系統(tǒng)信息（包括歷史信息和用戶習慣等）,對系統(tǒng)將要處于Idle狀態(tài)的持續(xù)時間Tpred進行預測。比較Tpred和Tth,當Tpred≥Tth時在任務完成后立即將系統(tǒng)轉換到休眠狀態(tài);否則,繼續(xù)維持系統(tǒng)Idle狀態(tài)。預測時刻和Idle狀態(tài)中的預測間隔由具體策略決定。
基于預測的電源管理策略的核心是,使用何種算法來利用系統(tǒng)反饋信息去更新算法的預測根據(jù)。要做出符合系統(tǒng)設備用戶使用習慣和任務請求的準確預測,就需要對用戶習慣的認識程度不斷加深,并對系統(tǒng)任務信息和策略歷史信息有較全面的統(tǒng)計。自適應學習樹ALT（Adaptive Learning Tree）策略、PBALT（ProbabilityBased ALT）策略,以及基于AR（AutoRegressive）模型的預測控制反饋PCF（Predictive Control Feedback）預測策略等都是優(yōu)化過的預測策略。PBALT策略利用概率反映準確率,加強了分樹之間的關聯(lián)性和ALT方法的學習能力;但這種策略的邊界條件限制制約了它的應用范圍。PCF預測策略的自適應性是通過其反饋模塊來控制的;但預測策略本身在針對非平穩(wěn)狀態(tài)的任務請求時效率不穩(wěn)定,同時,預測策略基本只考慮系統(tǒng)有一個工作模式,這些都限制了它的應用。
基于隨機的電源管理策略是一種具有不確定性的優(yōu)化策略,這種不確定性源于系統(tǒng)模型的抽象性�；陔S機的電源管理策略不僅指定何時進行狀態(tài)轉換,而且還指定轉換到哪一工作模式,因此適用于多工作模式的系統(tǒng)設備。它將動態(tài)電源管理看作是隨機最優(yōu)化問題,而不像基于預測的電源管理策略那樣通過預測的方法消除任務請求的不確定性�；贑TMDP（連續(xù)時間馬爾可夫決定過程）的隨機決定動態(tài)電源管理策略給出了系統(tǒng)電源管理的一個最優(yōu)化的決定,但這種最優(yōu)化是在一個具有不確定性的模型基礎上的,即這種算法所得到的最優(yōu)化的決策只能得到系統(tǒng)的性能和功耗的一個預期值,并不能保證在特定的系統(tǒng)設備中適用,而且馬爾可夫過程數(shù)學模型的建立也是需要仔細分析的。
2 基于最高決策的電源管理策略
由以上對系統(tǒng)電源管理策略的分析可知,系統(tǒng)設備的電源管理貫穿系統(tǒng)設備的各個狀態(tài),因此應提出一種電源管理方法,將多種電源管理策略結合起來對系統(tǒng)功耗進行協(xié)同管理。該電源管理構架中有一個策略集合,每個策略都有自己的優(yōu)先級,按需求使用各個策略來進行多策略電源管理。但這種構架也存在問題： 首先復雜系統(tǒng)的任務很可能多種多樣,而且電源管理策略針對不同的任務其降功效率也不同,僅用電源管理策略的優(yōu)先級來決定使用電源管理策略,缺乏針對性;此外各策略信息應該在執(zhí)行系統(tǒng)任務的過程中得到統(tǒng)計,并自適應地改變其優(yōu)先級。
這里提出一個基于最高決策管理模塊的電源管理構架。這種系統(tǒng)設備電源管理構架包括了最高決策模塊、任務信息統(tǒng)計模塊、策略集合模塊、信息檢測模塊和控制模塊5個主要部分,如圖4所示。
圖4 基于最高決策的降功管理模塊構架
信息檢測模塊： 用于檢測系統(tǒng)狀態(tài)信息和新到的任務信息。
任務信息統(tǒng)計模塊： 用于統(tǒng)計系統(tǒng)設備所執(zhí)行的任務信息,并解釋成準確的任務信息參數(shù)。
策略集合模塊： 通過對系統(tǒng)狀態(tài)和任務信息等進行動態(tài)的統(tǒng)計,計算電源管理策略的效率,更新電源管理策略信息并解釋成準確的電源管理策略參數(shù)。
最高決策模塊： 根據(jù)接收的任務和系統(tǒng)狀態(tài)信息,在策略集合中選擇最優(yōu)的電源管理策略或者電源管理策略組,通過控制模塊對系統(tǒng)設備進行電源管理。
任務信息是實時接收的;系統(tǒng)狀態(tài)信息是在每次系統(tǒng)狀態(tài)改變時,由信息檢測模塊提供給最高決策模塊的;電源管理策略的信息指計算后的電源管理效率,以及電源管理策略適用的系統(tǒng)狀態(tài)和任務。例如,當新任務到達后,必然有一種預測策略對此任務完成后的Idle狀態(tài)持續(xù)時間的預測效率最高。電源管理策略控制期間,每一次決策的成功或失敗都會改變該電源管理策略的優(yōu)先加權參數(shù)。這樣最高決策模塊根據(jù)系統(tǒng)狀態(tài)和任務信息,決定采用最優(yōu)的電源管理策略或者電源管理策略組,使系統(tǒng)設備的各個部分得到最優(yōu)的電源管理。
3 小結
當今便攜設備中電源管理的核心是電源管理策略,本文中提出的基于最高決策的電源管理構架的關鍵是預先選定電源管理策略集合。關于電源管理策略,有兩方面問題需要繼續(xù)探討和研究： 第一,權衡系統(tǒng)設備工作性能和功耗。電源管理策略進行系統(tǒng)功耗管理過程中,雖然電源管理策略盡量避免延時,但是這種延時又不可避免。系統(tǒng)使用者對于性能和功耗的權衡直接影響電源管理策略的選擇,以及電源管理策略中具體參數(shù)的預設。第二,權衡電源管理效果和復雜度。策略集合和任務信息集合的尺寸越大,統(tǒng)計信息越完備,電源管理策略的決策就越準確,但同時電源管理模塊的復雜度也增加了,這直接關系到其工程實現(xiàn)的復雜程度。另外,建立電源管理策略標準,提供電源管理策略包和任務信息包,規(guī)范系統(tǒng)狀態(tài)和任務信息,也將有利于便攜設備電源管理技術的發(fā)展。
參考文獻
[1] 劉向文. 基于調度能耗任務截止期的動態(tài)電源管理技術. 機電工程技術,2005,34(7):7981.
[2] Ramanathan D, Irani S, Gupta R. An Analysis of System Level Power Management Algorithms and Their Effects on Latency. IEEE Transactions on Computer Aided Design, 2002,21(3): 291305.
[3] Yao F, Demers A, shenker S. A Scheduling Model for Reduced CPU Energy. In IEEE Syposium on Foundations of Computer Science, 1995: 374382.
[4] Bansal N, Kimbrel T, Pruhs K. Dynamic Speed Scaling to Manage Energy and Temperature. In IEEE Syposium on Foundations of Computer Science, 2004:520529.
[5] 卜愛國. PBALT動態(tài)電源管理策略. 電路與系統(tǒng)學報,2003,10(4):5660.
[6] 卜愛國. 基于AR模型的PCF動態(tài)電源管理預測策略. 應用科學學報,2005,23(5),483488.
