有关多核的问题

iulovec 2008-04-16 11:09:47

多核与单核相比，在功耗上如何评估？
用于多线程编程时候，线程间同步处理与单核相比有何区别？

谢谢！

...全文

70 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

iulovec 2009-05-30

打赏
举报

回复

ok

光电经纬仪是最早、最广泛应用于飞行器测控领域的光电跟踪测量设备，它的组成部分包括大地测量光学经纬仪、激光跟踪测量系统、微机控制系统与图像处理系统组成。光电经纬仪通过记录飞行过程中的目标图像，并测量传动机架的角度，从而获得目标飞行参数，它在飞行实况记录中发挥重要的作用 [1] 。此外，它还可以实现迅速定位目标位置和自动跟踪高速目标，已被广泛地应用于诸如航天发射、飞行器测控等光电测量领域 [1] 。随着数字图像处理等技术的发展，光电经纬仪由胶片式成像向数字式成像转变。此外，高帧速率、高分辨率成像传感器技术已被广泛应用于光电经纬仪。这些给光电经纬仪实时图像处理平台的发展带来新的挑战：复杂图像处理算法的实现和数据吞吐量的巨大需求 [1-2] 。 DSP 作为一种密集型数据运算与实时信号处理的微处理器，能够很好的满足复杂图像处理算法、实时性处理的需求。DSP 技术经过多年的发展，被广泛应用在信号、图像、通信等技术领域，尤其是高性能计算、高速实时图像处理、超大数据量处理的军用电子领域 [2] 。现今的图像处理平台由于芯片单片运算能力受到限制，绝大部分使用了多个 DSP + FPGA 的架构，才能勉强实现实时图像处理任务 [3] 。但是这样的平台带来的困难是显而易见的： 1. 系统结构复杂。采用多片 DSP+FPGA 的架构，系统的整体处理性能受片间（DSP 与 FPGA 之间、DSP 与 DSP 之间）通信带宽瓶颈而下降。 2. 系统功耗大。多片 DSP 在单块电路板上的集成度越高，带来了单板整体功耗的增加和散热的问题，导致单板多片 DSP 整体处理性能的可靠性和稳定性。 3. 系统调试困难。由于系统结构的复杂，导致系统的调试异常的困难。芯片之间的任务分配、数据传输、并行处理非常复杂，使得产品在设计、调试、生产阶段的难度加大。本文研究的课题来源于光电经纬仪图像处理平台由多片 DSP 架构升级到多核 DSP 架构而提出的系统应用需求。结合实验室的项目情况，本文将重点放在多核 DSP 并行的以下相关技术： 1. DSP+FPGA 架构下图像数据流的设计。光电经纬仪的图像处理系统需要兼容前端的多种图像输入格式，包括 CameraLink、SDI 以及光纤接口，DSP+FPGA载板搭配不同的子板就可以实现输入的灵活性；此外，DSP+FPGA 图像处理系统中的高速 SRIO 接口用于图像数据通信。本文在 CameraLink 和 SRIO 这两个关键接口做了一定的研究工作。 2. 多核环境下并行访问共享/外部存储器的性能研究和设计原则分析。多核 DSP 中存在多个主设备，包括多个 DSP 内核、多个 EDMA 设备等，它们并行访问存储器的数据带宽，对于应用程序存储资源的安排、软件结构的设计是至关重要的。 3. 多核 DSP 并行调度方案的研究。多核 DSP 图像处理平台，一方面要实现复杂的图像处理算法，另一方面要满足超大运算量对实时性处理的需求。基于多核的系统应用开发关键的一步，就是选择合适的处理模型实现任务并行调度。本文将介绍多核 DSP 并行调度的几种方案，并以算法实例对主从模型进行分析。

英文原版多处理器编程的艺术工业界称为多核的多处理器机器正迅速地渗入计算的各个领域。多处理器编程要求理解新型计算原理、算法及编程工具，至今很少有人能够精通这门编程艺术。现今，大多数工程技术人员都是通过艰辛的反复实践、求助有经验的朋友来学习多处理器编程技巧。这本最新的权威著作致力于改变这种状况，作者全面阐述了多处理器编程的指导原则，介绍了编制高效的多处理器程序所必备的算法技术。了解本书所涵盖的多处理器编程关键问题将使在校学生以及相关技术人员受益匪浅。

在多核处理器系统中，多个计算任务映射到多核处理器内核的方式对于系统吞吐率至关重要。针对此问题提出一种新的多应用任务到多核的映射算法，该算法在应用到来之前预测应用的相关性能，并采用分支限界法提前为未来应用预留合适的内核几何位置。当应用真正到来时，根据预留的区域完成映射。实验结果表明，该算法相比其他传统算法，在多任务通信量的减少和多核系统的吞吐率等方面都收到了良好效果。

现有的线性RankSVM已得到较有效的研究，但在训练大规模的线性RankSVM时，过长的训练时间依然难以让人接受。通过对当前最先进算法Tree-TRON的分析可知，利用信任区域的牛顿迭代（trust region Newton method，TRON）去训练线性RankSVM模型涉及大量的Hessian-vector内积（Hessian-vector product）计算，同时完成Hessian-vector内积计算又需计算大量的辅助变量和矩阵运算。为了有效地加速与Hessian-vector内积有关的计算，在多核系统下提出了一种高效的并行算法（命名为PRankSVM）用于提高大规模线性RankSVM的训练速度。PRankSVM的特征主要体现为两个方面：训练数据按不同的查询划分为不同的子问题；在多核系统下，利用多核加速辅助变量和相关矩阵的计算。通过实验分析可知，相较于现有的算法（如Tree-TRON），PRankSVM不仅可以有效地提高训练速度，而且可以有效地确保预测的准确率。

在多核嵌入式系统中，避免总线冲突并在时间限制下调度通信任务和计算任务来降低能量消耗是非常重要的，有效节能调度可以避免总线冲突并在时间限制下实现有效节能。由于任务的粒度、优先级、通信任务和计算任务的协同调度对此类算法的节能有着重要影响，概述了这三个方面的研究现状，指出总线冲突避免的节能调度算法设计中有待解决的问题，并给出了多核嵌入式系统总线冲突避免的节能调度算法的发展方向。

英特尔边缘计算技术

566

社区成员

7,027

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章