Thermische Analyse der fairen Zeitplanung in eingebetteten Echtzeitsystemen
Versandkostenfrei!
Versandfertig in 6-10 Tagen
39,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In den letzten Jahrzehnten hat die steigende Nachfrage nach hochentwickelten Echtzeitanwendungen mit komplexen Funktionen direkt zu einem exponentiell steigenden Stromverbrauch und deutlich erhöhten Systemtemperaturen geführt. Diese erhöhten Temperaturen und thermischen Schwankungen stellen eine große Herausforderung für die Systemzuverlässigkeit, Leistung, Kühlkosten und Leckagen dar. In diesem Buch werden die thermischen Managementfähigkeiten von zwei auf Fairness basierenden Algorithmen untersucht, nämlich Proportional Fair (PFair) und Deadline Partitioning Fair (DP-Fair). In der F...
In den letzten Jahrzehnten hat die steigende Nachfrage nach hochentwickelten Echtzeitanwendungen mit komplexen Funktionen direkt zu einem exponentiell steigenden Stromverbrauch und deutlich erhöhten Systemtemperaturen geführt. Diese erhöhten Temperaturen und thermischen Schwankungen stellen eine große Herausforderung für die Systemzuverlässigkeit, Leistung, Kühlkosten und Leckagen dar. In diesem Buch werden die thermischen Managementfähigkeiten von zwei auf Fairness basierenden Algorithmen untersucht, nämlich Proportional Fair (PFair) und Deadline Partitioning Fair (DP-Fair). In der Fachliteratur wird die Einführung von Fairness oft als Mittel zur Erzielung von Optimalität in Multiprozessor-Planungsalgorithmen betrachtet. Diese Arbeit zeigt, dass diese Algorithmen im Vergleich zum allgemein verwendeten Earliest Deadline First (EDF)-Algorithmus unter ähnlichen Bedingungen sowohl in Einprozessor- als auch in Multiprozessor-Umgebungen ein besseres Wärmeprofil aufweisen. Es wird eineSimulation für ein Modell mit periodischen Aufgaben durchgeführt. Die erzielten Ergebnisse sind ermutigend und zeigen, dass die Verwendung von auf Fairness basierenden Algorithmen die Betriebstemperatur, die Spitzentemperatur und die thermischen Schwankungen reduziert.
Andere Kunden interessierten sich für
