چکیده فارسی :

چون تعداد هسته ­ها مدام در حال افزایش است، محلی بودن مکانی اجرای وظایف(Taskها)، در بسترهای سخت افزاری آینده مهمتر خواهد شد. فراوانی تعداد هسته‌ها با توجه به مبحث محلی بودن مکانی، مستلزم مدیریت مصرف هوشمندانه‌تری است؛ و ظرفیت بالای تراشه، جهت اجتناب از کانون‌های دمایی روی تراشه، مستلزم هوشیاری بیشتری نسبت به دما است. در عین حال، کارآیی بالای CPU تنها از طریق موازی سازی کارها در سطح تراشه حاصل می‌شود؛ تا بتوان از سخت افزار به طور کامل بهره کشید. این مقاله یک مکانیزم مهاجرت دادن وظایف را برای سیستم‌عامل‌های توزیع شده‌ای که روی بسترهای بیش‌هسته‌ای اجرا می‌شوند، ارائه می‌دهد. در این مقاله، به ارزیابی کارآیی و بهره وری انرژی یک مهاجرت‌دادن وظایف پیاده سازی شده می‌پردازیم؛ کار به این صورت انجام می‌گیرد که هرگاه کارآیی یک هسته به تنهایی کافی نباشد، وظایف را موازی سازی می‌کنیم و هرگاه بار CPU کم باشد، وظایف را به حداقل تعداد هسته‌ی ممکن جمع‌آوری می‌کنیم. مکانیزم مهاجرت‌دادن وظایف مذکور، با استفاده از 1300 خط کد، به عنوان یک کتابخانه برای FreeRTOS پیاده سازی شده، و روی یک بستر با حافظه مشترک، یک سربار مهاجرت‌دادن وظایف 100 میلی­ ثانیه­ ای را نشان داده است. با این مکانیزم مهاجرت‌دادن وظایف ارائه شده، قصد داریم که پویایی خصوصیات مصرف انرژی و کارآیی در سیستم‌عامل‌های بیش‌هسته‌ای را ارتقاء دهیم.

چکیده انگلیسی:

Spatial locality of task execution will become more important on future hardware platforms since the number of cores are steadily increasing. The large amount of cores requires more intelligent power management due to the notion of spatial locality, and the high chip density requires an increased thermal awareness in order to avoid thermal hotspots on the chip. At the same time, high performance of the CPU is only achieved by parallelizing tasks over the chip in order to fully utilize the hardware. This paper presents a task migration mechanism for distributed operating systems running on manycore platforms. In this work, we evaluate the performance and energy efficiency of an implemented task migration mechanism. This is shown by parallelizing tasks as the performance of a single core is not sufficient, and by collecting tasks to as few cores as possible as CPU load is low. The task migration mechanism is implemented as a library for FreeRTOS using 1300 lines of code, and introduced a total task migration overhead of 100 ms on a shared memory platform. With the presented task migration mechanism, we intend to improve the dynamism of power and performance characteristics in distributed many-core operating systems.