|
|
知识路径： > 计算机系统综合知识 > 操作系统 > 网络操作系统与嵌入式操作系统 > 嵌入式系统 > 嵌入式系统的能耗问题 >
|
|
相关知识点：1个
|
|
|
|
|
嵌入式系统现在越来越广泛地应用在我们的生活当中，如手机、笔记本电脑、PDA等。因为它们体积小而且还有移动的需要，所以只能用小功率的电池供电。为了避免频繁充电或更换电池，省电是这些系统设计的目标之一。系统的能耗影响了电池的寿命、发热极限、体积大小和冷却系统等。降低功耗有两种机制：
|
|
|
|
（1）利用睡眠状态：当系统或设备在空闲的时候，可以被放置到低能量的睡眠状态。虽然此时系统耗电量少，但当系统有任务重新开始运行时，仍然需要一些能量把设备从睡眠中唤醒，而这部分能量比相同时间运行时消耗的能量还要多。所以，在不知道空闲的时间间隔的情况下必须决定一个极限值T，当系统空闲时间超过T时就将系统置为睡眠状态。
|
|
|
|
（2）动态速度缩放：一些嵌入式系统可以在运行时改变自己的频率和速度，其能量函数为P（s），表示速度为s时系统消耗的能量。在很多设定里，每一个工作可以在它们开始时被衡量出需要多少时间。因为能量函数是随s递增的，速度越快耗能越高。所以，在考虑其时间限制的前提下，可以通过改变系统速度使其执行速度减慢。
|
|
|
|
动态电源管理（Dynamic Power Management, DPM）的基本思想是，因为系统的负载是变化的，如果我们可以预测它的状态，便可以通过一些方法来节约能耗。如果当一个设备没有任务时简单地认为立即让设备进入睡眠态，这样往往会带来新的问题。因为如果在很短的时间内就需要重新使用设备，那么从睡眠态唤醒时需要一些时间，而且需要更多能量，所以有时节约的电量比在状态转换时消耗的电量还多。
|
|
|
|
实现DPM的算法归结起来有3类，分别是基于阈值的算法、预测算法和随机法。
|
|
|
|
（1）基于阈值的算法。系统等待T时间后进入睡眠状态，但T是多少并不确定。这种方法的特点是简单但很不准确。因为如果选取的T值过大会失去一些节能的机会，使节能效果不好，而且在唤醒时性能降低。可采取预关断的方法加以改进，即在对系统已经经历的空闲时间和工作的观察基础上，认为系统的空闲时间将会大于T，那么系统一旦空闲就让它进入睡眠态，这样可以减少浪费的能量。另外，采用预启动方法也可以改善唤醒系统时性能降低的缺点。当预测的空闲时间段结束时，即使没有新的任务，电源管理器也将系统从睡眠中唤醒。当预测的空闲时间小于实际值时，这种方法会使功耗增加，但减小了系统相应第一个到来任务的延迟。因此，应该根据系统的实际需求来选取使用哪种方法。
|
|
|
|
（2）预测算法。一般的嵌入式系统的任务和应用都是未知的，而且是动态变化的，所以使用固定阈值算法是低效的。假设任务都是瞬时可以完成的，它们出现的时间也是独立同分布的。预测算法就是通过“学习”其分布，在系统性能的基础上根据学习的结果动态改变让系统睡眠的时间，故其性能较优。这里，“学习”是指通过分析系统空闲时间间隔的分布，分析出下一个时间可能出现的时间间隔的大小。目前有3种学习方法，分别是研究发现、学习树和回归等式法。预测算法假定了系统状态转换的时间和确定性响应，然后预测下一个空闲时间间隔的长短。预测算法是启发式的，它的性能只能通过比较仿真来评价；算法的参数要尽可能少，否则调整起来很困难。另外，虽然它可以实现低功耗的需求，但带来的是系统性能的损失。
|
|
|
|
（3）随机法。这是具有一定不确定性的优化算法。时间被分为长度很小的时间间隔，把电源管理看作一个随机过程的优化问题。对服务请求者和设备状态的改变使用随机模型，请求的产生是一个有两个状态的马尔可夫（Markov）链。这个模型是连续时间的马尔可夫模型，它在给定的时间性能约束下寻求最小功耗的问题就变成线性规划问题，该线性规划问题的解决方案是一个静态随机策略。系统根据当前的状态给出每个命令可以被执行的概率，所以可以通过随机试用来选择将被执行的命令。基于马尔可夫模型的随机控制的特点是比前面的两种方法更精确，但对请求及处理请求只能基于某种几何分布，和实际情况往往不符，是一种理想情况。在实际运行过程中，当工作行为改变时，没有一个普遍适用的方法来调整。
|
|
|
|
与静态随机方法相比，动态随机方法可以更好地节约电量，因为它可以根据系统的负载和工作情况动态地改变管理策略。离散时间的马尔可夫模型是假定任务到达是呈固定的几何分布，在离散的时间点来衡量系统当前的状态以及怎么转换，所以对于事件驱动的系统来说不适合。连续时间的马尔可夫模型是时间连续的但状态是离散的马尔可夫方程。状态转变是事件触发的，避免了离散时间的周期状态评估，但二者都是须要随机过程是指数级的，在实际环境里不够准确。为此，连续时间的半马尔可夫方程为电源状态和转换次数建立一个模型。因为请求的到达更适合使用Pareto（帕累托）分布，它可以推广为以时间为索引的马尔可夫方程。基于这种模型的节能算法会在空闲时间对决定进行再评估，直到请求发生或设备被关闭。这种算法运算消耗能量低，节能效果最好。
|
|
|
