边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,...边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。展开更多
一级指令缓存缺失导致的大取指延迟是制约现代处理器性能进一步提升的重要瓶颈之一,尤其在大指令踪迹的服务器应用上更是如此。指令预取技术是解决这一问题的关键性技术,它通过提前将要用到的指令块放入上级缓存中,从而达到掩盖高昂访...一级指令缓存缺失导致的大取指延迟是制约现代处理器性能进一步提升的重要瓶颈之一,尤其在大指令踪迹的服务器应用上更是如此。指令预取技术是解决这一问题的关键性技术,它通过提前将要用到的指令块放入上级缓存中,从而达到掩盖高昂访问延迟时间的目的。近年来,研究者们提出了许多指令预取架构来缓解该问题,但由于指令局部性较差,长距离函数调用仍然带来了大量的指令缺失。设计了一种新的指令预取机制,能以较低的硬件开销实现对函数调用目标指令的高覆盖率和高准确率预取。实验表明,优化后的函数调用目标指令缺失率较目前最先进的指令预取器降低约45%,IPC(instruction per cycle)性能比基准线高约11.9%,比目前相似开销的最先进的指令预取器高出约2.9%。展开更多
文摘边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。
文摘一级指令缓存缺失导致的大取指延迟是制约现代处理器性能进一步提升的重要瓶颈之一,尤其在大指令踪迹的服务器应用上更是如此。指令预取技术是解决这一问题的关键性技术,它通过提前将要用到的指令块放入上级缓存中,从而达到掩盖高昂访问延迟时间的目的。近年来,研究者们提出了许多指令预取架构来缓解该问题,但由于指令局部性较差,长距离函数调用仍然带来了大量的指令缺失。设计了一种新的指令预取机制,能以较低的硬件开销实现对函数调用目标指令的高覆盖率和高准确率预取。实验表明,优化后的函数调用目标指令缺失率较目前最先进的指令预取器降低约45%,IPC(instruction per cycle)性能比基准线高约11.9%,比目前相似开销的最先进的指令预取器高出约2.9%。
