Page 137 - 《软件学报》2021年第8期

杨世贵 等:基于强化学习的温度感知多核任务调度 2419

5.2 实验结果
(1) ReLeTA 与 LTB
现有的基于温度感知的调度算法中,DSM 同时考虑了性能和温度,每个任务都有特定的性能约束,在进行
任务分配的同时,还进行系统内核频率调节.而 ReLeTA 和 LTB 都仅通过任务调度来优化系统温度,不主动进行
频率调节.两种方法的动作空间及优化目标一致,所以本节首先对两种方法进行全面的实验对比,通过在不同的
平台下调度不同的任务集,来对比两种方法对系统温度的管理效果.
任务调度过程中,两种调度方法均使用 Linux 系统中的“ondemand”频率调节方式.
第 1 组实验选取程序 fluidanimate(输入为 simdev)在 2 核的平台上运行,在系统中反复调用 1 400 次,每次任
务运行结束采集一次系统峰值温度,结果如图 9 所示.

Fig.9 Peak system temperature when LTB and ReLeTA run a single task in the 2-core platform
图 9 LTB 和 ReLeTA 在 2 核平台中运行单任务时系统峰值温度

从图中可以看出,在任务反复调度 200 次后,我们方法的峰值温度明显低于 LTB,在整个任务执行周期的峰
值平均温度比 LTB 降低 1.8°C.值得注意的是,两种方法下任务运行的平均时间均为 0.68s.
为了进一步增加硬件的内核数和程序的多样性,我们在 4 核平台上的展开实验,结果如图 10 所示.

Fig.10 Peak temperature of the system under different task combinations of LTB and ReLeTA
图 10 LTB 与 ReLeTA 在不同任务组合下系统的峰值温度

实验分别使用 3 任务组合、5 任务组合、8 任务组合和 15 任务组这 4 个任务集对两种方法进行了对比实
验.每个实验中,将任务集中的程序随机调度 2 000 次,并记录每次程序运行结束时的系统峰值温度.X 轴表示程
序执行的次数,Y 轴表示为峰值温度.
从实验结果来看,ReLeTA 相比于 LTB 能进一步降低系统温度.表 3 总结了实验的温度差异数据,从该数据
可以看出,在最好的情况下,ReLeTA 在 8 任务组合下平均温度降低了 4°C,在 5 任务组合下两种方法的最高温度
差达到了 13°C.从图 10 和表 3 中可以看出,当执行 3 任务组合和 5 任务组合时,运行初期 LTB 的性能要略微优