https://www.mdu.se/

mdh.sePublikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Static Allocation of Parallel Tasks to Improve Schedulability in CPU-GPU Heterogeneous Real-Time Systems
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.ORCID-id: 0000-0001-8096-3891
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.ORCID-id: 0000-0002-1276-3609
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.ORCID-id: 0000-0002-8785-5380
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.ORCID-id: 0000-0002-1687-930X
Vise andre og tillknytning
2019 (engelsk)Konferansepaper, Publicerat paper (Fagfellevurdert)
Abstract [en]

Autonomous driving is one of the main challenges of modern cars. Computer visions and intelligent on-board decision making are crucial in autonomous driving and require heterogeneous processors with high computing capability under low power consumption constraints. The progress of parallel computing using heterogeneous processing units is further supported by software frameworks like OpenCL, OpenMP, CUDA, and C++AMP. These frameworks allow the allocation of parallel computation on different compute resources. This, however, creates a difficulty in allocating the right computation segments to the right processing units in such a way that the complete system meets all its timing requirements. In this paper, we consider pre-runtime static allocations of parallel tasks to perform their execution either sequentially on CPU or in parallel using a GPU. This allows for improving any unbalanced use of GPU accelerators in a heterogeneous environment. By performing several heuristic algorithms, we show that the overuse of accelerators results in a bottle-neck of the entire system execution. The experimental results show that our allocation schemes that target a balanced use of GPU improve the system schedulability up to 90%.

sted, utgiver, år, opplag, sider
2019.
Emneord [en]
Parallel task, Parallel segment, Alternative execution, CPU-GPU, Heterogeneous processors, Real-time systems
HSV kategori
Identifikatorer
URN: urn:nbn:se:mdh:diva-45934DOI: 10.1109/IECON.2019.8926767ISI: 000522050604083Scopus ID: 2-s2.0-85084110257ISBN: 9781728148786 (tryckt)OAI: oai:DiVA.org:mdh-45934DiVA, id: diva2:1369123
Konferanse
IEEE 45th Annual Conference of the Industrial Electronics Society, IECON2019
Prosjekter
DPAC - Dependable Platforms for Autonomous systems and ControlTilgjengelig fra: 2019-11-11 Laget: 2019-11-11 Sist oppdatert: 2021-10-01bibliografisk kontrollert
Inngår i avhandling
1. Improving On-Board Data Processing using CPU-GPU Heterogeneous Architectures for Real-Time Systems
Åpne denne publikasjonen i ny fane eller vindu >>Improving On-Board Data Processing using CPU-GPU Heterogeneous Architectures for Real-Time Systems
2019 (engelsk)Licentiatavhandling, med artikler (Annet vitenskapelig)
Abstract [en]

This thesis investigates the efficacy of heterogeneous computing architectures in real-time systems.The goals of the thesis are twofold. First, to investigate various characteristics of the Heterogeneous System Architectures (HSA) compliant reference platforms focusing on computing performance and power consumption. The investigation is focused on the new technologies that could boost on-board data processing systems in satellites and spacecraft. Second, to enhance the usage of the heterogeneous processing units by introducing a technique for static allocation of parallel segments of tasks.

The investigation and experimental evaluation show that our method of GPU allocation for the parallel segments of tasks is more energy efficient compared to any other studied allocation. The investigation is conducted under different types of environments, such as process-level isolated environment, different software stacks, including kernels, and various task set scenarios. The evaluation results indicate that a balanced use of heterogeneous processing units (CPU and GPU) could improve schedulability of task sets up to 90% with the proposed allocation technique.

Abstract [sv]

Denna avhandling undersöker effektiviteten hos heterogena datorarkitekturer i realtidssystem. Målet med avhandlingen är tvåfaldigt. Till att börja med, att undersöka olika egenskaper hos plattformar baserade på Heterogeneous System Architecture, med fokus på datorprestanda och strömförbrukning. Undersökningen är inriktad på tekniker som kan öka datorbehandlingssystemen ombord i satelliter och rymdskepp. För det andra förbättra användningen av heterogena arkitekturer genom att införa en teknik för statisk allokering av parallella programsegment.

Undersökningen och den experimentella utvärderingen visar att vår metod för effektiv användning av GPU-allokering för parallella programsegment är den mest energieffektiva jämfört med någon annan studerad allokering. Undersökningarna har genomförts i olika typer av miljöer, såsom processisolerad miljö, olika mjukvarustackar, inklusive kernel, och olika uppsättningsscenarier. Utvärderingsresultaten indikerar dessutom att en balanserad användning av heterogena beräkningsenheter (CPU och GPU) kan förbättra schemaläggningen för vissa program upp till 90% jämfört med de tidigare föreslagna allokeringsteknikerna.

sted, utgiver, år, opplag, sider
Västerås: Mälardalen University, 2019
Serie
Mälardalen University Press Licentiate Theses, ISSN 1651-9256 ; 286
Emneord
on-board data processing, CPU-GPU, heterogeneous architectures, real-time systems
HSV kategori
Forskningsprogram
datavetenskap
Identifikatorer
urn:nbn:se:mdh:diva-45940 (URN)978-91-7485-450-3 (ISBN)
Presentation
2019-12-18, Kappa, Mälardalens högskola, Västerås, 09:15 (engelsk)
Opponent
Veileder
Prosjekter
DPAC - Dependable Platforms for Autonomous systems and Control
Tilgjengelig fra: 2019-11-11 Laget: 2019-11-11 Sist oppdatert: 2019-11-19bibliografisk kontrollert
2. Space Computing using COTS Heterogeneous Platforms: Intelligent On-Board Data Processing in Space Systems
Åpne denne publikasjonen i ny fane eller vindu >>Space Computing using COTS Heterogeneous Platforms: Intelligent On-Board Data Processing in Space Systems
2021 (engelsk)Doktoravhandling, med artikler (Annet vitenskapelig)
Abstract [en]

Space computing enriches space activities such as deep-space explorations and in-orbit intelligent decision making. The awareness of space computing is growing due to the technological advances of high-performance commercial off-the-shelf (COTS) computing platforms. Space offers a complex, constrained and challengeable environment to the developers, researchers, as well as human beings. The challenges are size, weight and power (SWaP) constraints, real-time requirements, communication limitations as well as radiation effects. The research conducted in this thesis aims at investigating and supporting intelligent on-board data processing using COTS heterogeneous computing platforms in space systems. These platforms embed at least one Central Processing Unit (CPU) and one Graphics Processing Unit (GPU) on the same chip. 

The main goal of the research presented in this thesis is twofold. First, to investigate the heterogeneous computing platforms for the purpose of proposing a solution to tackle the above-mentioned challenges in space systems. Second, to complement the proposed solution with novel scheduling techniques for real-time applications that run on COTS heterogeneous platforms under harsh environments like space.

The proposed techniques are based on the system model that considers the use of alternative executions of parallel segments of tasks. Although offloading a parallel segment to a parallel computation unit (such as GPU) improves the best-case execution times of most applications, it can increase the response times of tasks in some applications due to the overuse of GPU. Hence, the use of the proposed task model can be a key to decrease the response times of tasks and improve schedulability of the system. The server-based proposed scheduling techniques support the proposed task model by guaranteeing the execution slot for parallel segments on CPU(s). 

The experimental evaluation conducted in this thesis shows that the proposed task model can improve the schedulability of the real-time systems up to 90% with the static allocation of applications. Moreover, the dynamic allocation method using the server-based scheduling with the proposed task model can improve the schedulability up to 16%. Finally, the thesis presents a simulation tool that simulates real-time applications using the proposed task model while considering the different levels of radiation tolerance to different processing units.

Abstract [sv]

Rymddata berikar rymdaktiviteter som utforskningar i djupa rymden och intelligent beslutsfattande i omloppsbana. Medvetenheten om rymddatorn ökar på grund av de tekniska framstegen inom högpresterande commercial off-the-shelf (COTS). Utrymme erbjuder utvecklare, forskare och människor en komplex, begränsad och utmanande miljö. Utmaningarna är storlek, vikt och effekt (SWaP), realtidskrav, kommunikationsbegränsningar samt strålningseffekter. Forskningen som bedrivs i denna avhandling syftar till att undersöka och stödja intelligent omborddatabehandling med hjälp av COTS heterogena datorplattformar i rymdsystem. Dessa plattformar bäddar in minst en Central Processing Unit (CPU) och en Graphics Processing Unit (GPU) på samma chip.

Huvudmålet för den forskning som presenteras i denna avhandling är tvåfaldigt. För det första att undersöka de heterogena dataplattformarna i syfte att föreslå en lösning för att hantera ovan nämnda utmaningar i rymdsystem. För det andra, för att komplettera den föreslagna lösningen med nya schemaläggningstekniker för realtidsapplikationer som körs på COTS heterogena plattformar under tuffa miljöer som rymden.

De föreslagna teknikerna är baserade på systemmodellen som överväger användningen av alternativa utföranden av parallella segment av uppgifter. Även om avlastning av ett parallellt segment till en parallell beräkningsenhet (t.ex. GPU) förbättrar de bästa tillämpningstiderna för de flesta applikationer, kan det öka svarstiderna för uppgifter i vissa applikationer på grund av överanvändning av GPU. Därför kan användningen av den föreslagna uppgiftsmodellen vara en nyckel för att minska responstiderna för uppgifter och förbättra systemets schemaläggning. De serverbaserade föreslagna schemaläggningsteknikerna stöder den föreslagna uppgiftsmodellen genom att garantera exekveringsplatsen för parallella segment på CPU (er).

Den experimentella utvärderingen som utförs i denna avhandling visar att den föreslagna uppgiftsmodellen kan förbättra schemaläggningen för realtidssystem upp till 90% med statisk tilldelning av applikationer. Dessutom kan den dynamiska tilldelningsmetoden som använder den serverbaserade schemaläggningen med den föreslagna uppgiftsmodellen förbättra schemaläggningen med upp till 16%. Slutligen presenterar avhandlingen ett simuleringsverktyg som simulerar applikationer i realtid med hjälp av den föreslagna uppgiftsmodellen samtidigt som man beaktar de olika nivåerna av strålningstolerans för olika behandlingsenheter.

sted, utgiver, år, opplag, sider
Västerås: Mälardalen University, 2021
Serie
Mälardalen University Press Dissertations, ISSN 1651-4238 ; 347
Emneord
space computing, CPU-GPU heterogeneous computing, intelligent on-board data processing
HSV kategori
Forskningsprogram
datavetenskap
Identifikatorer
urn:nbn:se:mdh:diva-56086 (URN)978-91-7485-528-9 (ISBN)
Disputas
2021-11-18, Alfa, Mälardalens högskola, Västerås, 13:15 (engelsk)
Opponent
Veileder
Tilgjengelig fra: 2021-10-08 Laget: 2021-10-01 Sist oppdatert: 2021-10-28bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

Forlagets fulltekstScopus

Person

Tsog, NandinbaatarBecker, MatthiasBruhn, FredrikBehnam, MorisNolin, Mikael

Søk i DiVA

Av forfatter/redaktør
Tsog, NandinbaatarBecker, MatthiasBruhn, FredrikBehnam, MorisNolin, Mikael
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric

doi
isbn
urn-nbn
Totalt: 212 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf