QoS-Efficient and Near-Optimal Imprecise Computation Task Deployment for Heterogeneous Multicore Systems
تقترح هذه الورقة نهجاً قائماً على التفكيك مع آلية تغذية راجعة مغلقة الحلقة لحل مشكلة التعيين والجدولة المشتركة لمهام الحوسبة غير الدقيقة المعتمدة على الأنظمة متعددة النوى غير المتجانسة بكفاءة، مما يحقق جودة خدمة قريبة من المثالية مع تقليل زمن الحوسبة بشكل كبير مقارنة بالمحللات التجارية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الحوسبة الحديثة، تعتمد أجهزة مثل الطائرات بدون طيار، والسيارات ذاتية القيادة، والروبوتات المتقدمة على معالجات لا تتسم بالسرعة فحسب، بل بالتنوع الذكي. تستخدم هذه الأنظمة منصات متعددة الأنوية غير متجانسة، وهي رقائق تحتوي على أنواع مختلفة من وحدات المعالجة، صُمم كل منها للتعامل مع أنواع محددة من العمل بأقصى قدر من الكفاءة. ومع ذلك، تواجه هذه الأجهزة غالبًا عملية توازن صعبة: إذ يجب عليها إنجاز المهام فورًا لضمان السلامة والاستجابة، ومع ذلك فهي مقيدة بصرامة بمقدار الطاقة التي يمكن أن توفرها بطارياتها. إن تشغيل المعالج بسرعة أكبر لتلبية موعد نهائي يؤدي عادةً إلى استنزاف البطارية بسرعة أكبر بكثير. وللتنقل في هذا الصراع، يستخدم المهندسون مفهوم الحوسبة غير الدقيقة. ويقر هذا النهج بأن العديد من المهام لا تحتاج إلى أن تكون مثالية لتكون مفيدة؛ فبدلاً من ذلك، يتم تقسيم المهمة إلى جزأين: قسم إلزامي يضمن نتيجة أساسية ومقبولة، وقسم اختياري يعمل على تحسين تلك النتيجة لتصبح أكثر دقة أو تفصيلاً. ويمكن للنظام اختيار تشغيل الجزء الاختياري إذا سمح الوقت والطاقة، أو تجاوزه إذا كانت الموارد محدودة، مما يضمن تقديم الجهاز دائمًا مستوى أدنى من الأداء دون التعرض للانهيار.
لقد كان التحدي الذي يواجه الباحثين هو معرفة كيفية تعيين هذه المهام المقسمة إلى المعالجات المختلفة وتحديد مقدار العمل الاختياري الذي ينبغي القيام به، كل ذلك مع احترام المواعيد النهائية الصارمة وحدود الطاقة. هذه أحجية معقدة لأن المعالجات تختلف عن بعضها البعض، والمهام غالبًا ما تعتمد على بعضها البعض (حيث لا يمكن لمهمة أن تبدأ حتى تنتهي مهمة أخرى)، والقرارات مترابطة بعمق. تعالج دراسة جديدة أجراها لينلين تشاو وزملاؤه في جامعة جنوب شرق وجامعة ليننيوس هذه المشكلة من خلال تطوير طريقة لنشر هذه المهام على مثل هذه المنصات بطريقة تزيد من الجودة الإجمالية لمخرجات النظام. صاغ الباحثون المشكلة كنموذج رياضي يسعى للوصول إلى أفضل ترتيب ممكن للمهام، لكنهم وجدوا أن حلها بشكل مباشر بطيء ومستهلك للحوسبة بشكل كبير للاستخدام في العالم الحقيقي.
للتغلب على هذه العقبة، ابتكر الفريق استراتيجية تقسم المشكلة الضخمة إلى قطع أصغر يمكن إدارتها وحلها في حلقة مفرغة. لقد أنشأوا نظامًا ذا جزأين؛ الجزء الأول، الذي يسمونه "المشكلة الرئيسية"، يقرر أي معالج يجب أن يتولى كل مهمة ومقدار العمل الاختيفي الذي ينبغي محاولته. أما الجزء الثاني، وهو "مشكلة الجدولة"، فيأخذ تلك القرارات ويتحقق مما إذا كان يمكن تنفيذها في الوقت المحدد، مع احترام الترتيب الذي يجب أن تحدث به المهام وضمان عدم محاولة مهمتين استخدام نفس المعالج في وقت واحد. والأهم من ذلك، يتضمن النظام آلية للتغذية الراجعة؛ فإذا وجد الجزء الثاني أن الجدولة مستحيلة بسبب انتهاء مهمة ما في وقت متأخر جدًا أو استهلاك الكثير من الطاقة، فإنه يرسل تلك المعلومات مرة أخرى إلى الجزء الأول. عندها يقوم الجزء الأول بتعديل قراراته، ربما عن طريق تعيين مهمة لمعالج أسرع أو تقليل العمل الاختياري، وتتكرر الدورة. وتستمر عملية الحلقة المغلقة هذه حتى يجد النظام حلاً يكون قابلاً للتنفيذ وعالي الكفاءة في آن واحد.
اختبر الباحثون طريقتهم باستخدام سيناريوهات واقعية، بما في ذلك تطبيقات مثل معالجة الصور والتحكم في الطيران، وقارنوا نتائجهم مع برنامج تجاري قوي معروف بقدرته على إيجاد الحلول المثالية، وكذلك مع تقنيات أخرى موجودة. وقد أثبت نهجهم فعالية ملحوظة؛ ففي عمليات المحاكاة الخاصة بهم، حققت الطريقة الجديدة 95.25% من جودة الخدمة المثلى التي يمكن أن يجدها البرنامج التجاري، ومع ذلك فقد استغرقت حوالي 19.8% فقط من الوقت لحساب ذلك الحل. وهذا يوضح مقايضة كبيرة حيث يضحي النظام بجزء ضئيل من الكمال النظري لاكتساب ميزة هائلة في السرعة. علاوة على ذلك، أظهرت الدراسة أن آلية التغذية الراجعة كانت ضرورية؛ فبدونها، عانى النظام في إيجاد جداول زمنية صالحة للمهام المعقدة، مما أدى إلى انخفاض الأداء العام. وتشير النتائج إلى أن طريقة التفكيك هذه تتوسع بشكل جيد، مما يعني أنها تستطيع التعامل مع عدد متزايد من المهام دون أن تصبح بطيئة بشكل لا يمكن السيطرة عليه، مما يجعلها أداة عملية للجيل القادم من أنظمة الحوسبة الموفرة للطاقة والآنية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.