一种动态电源管理策略性能评估方法

摘要

本发明属于计算机动态电源管理技术领域，具体涉及一种动态电源管理策略性能评估方法。所述方法基于动态电源管理框架实现，在动态电源管理框架上设置有策略评估层，所述策略评估层实时检测并计算获取系统部件处于不同动态电源管理策略下的性能参数，根据性能参数对不同动态电源管理策略的性能进行评估分析。本发明在已有的动态电源管理框架上进行扩展，增加策略评估层，采用不同的性能参数对动态电源管理策略的性能进行评估，能够实现实时及多能耗状态下系统动态电源管理策略性能的评估。

说明书

技术领域

本发明属于计算机动态电源管理技术领域，具体涉及一种动态电源管理策 略性能评估方法。

背景技术

动态电源管理（Dynamic Power Management，DPM）是一种系统级低功耗技 术，DPM根据系统实际运行的工作量来决定电源的状况。动态电源管理本质是通 过将空闲的系统部件关闭或转入低能耗状态，来达到降低系统能耗的目的。

在动态电源管理中，DPM策略决定了设备何时切换以及如何切换设备的能耗 状态，策略的性能直接决定动态电源管理技术的省点效果。由此，针对不同情 况，不同性能的动态电源管理策略被提出。现有的动态单元管理框架中并不具 备策略性能评估的功能，如中国专利CN20061012202.3，名称为“一种基于嵌入 式系统的动态电源管理架构”，所述架构包括了操作点管理、操作状态管理、策 略管理、设备约束管理、系统负荷检测以及策略优化，其是根据系统的运行负 荷来实现策略优化的，但是所选择的不同策略在实时的运行环境中的性能如何， 所述架构无法检测和评估，现有技术中都是通过理论证明或仿真的方式来评估 策略的性能，但是这并不能反应策略在多变的真实环境下的性能。

发明内容

本发明解决的技术问题是克服现有技术的不足，提供一种在线对不同动态 电源管理策略的性能进行实时评估的动态电源管理策略性能评估方法。

为解决上述技术问题，本发明的技术方案如下：

一种动态电源管理策略性能评估方法，所述方法基于动态电源管理框架实 现，在动态电源管理框架上设置有策略评估层，所述策略评估层实时检测并计 算获取系统部件处于不同动态电源管理策略下的性能参数，根据性能参数对不 同动态电源管理策略的性能进行评估分析。本发明在已有的动态电源管理框架 上进行扩展，增加策略评估层，采用不同的性能参数对动态电源管理策略的性 能进行评估，能够实现实时及多能耗状态下系统动态电源管理策略性能的评估。

上述方案中，所述性能参数包括能耗评估参数、时间评估参数和状态转换 次数评估参数。

上述方案中，根据能耗评估参数对策略功耗性能进行评估，其具体是对能 耗评估参数中的系统运行平均功率进行比较分析，系统运行平均功率越小，其 对应的动态电源管理策略越节能，其中，所述系统运行平均功率通过策略评估 层直接检测获取。

上述方案中，述策略功耗性能还通过能耗评估参数中的实际效率值EV_ij进行 评估，实际效率值EV_ij表示高功耗状态i转换到低功耗状态j的效率，其中i<j<n, n表示系统部件功耗状态总数，0代表能耗最高的状态，n-1代表能耗最低的状 态，其具体获取方式为：

检测并记录系统部件的功耗参数，包括高功耗状态i的功率P_i、低功耗状态 j的功率P_j、从高功耗状态i转换到低功耗状态j的功率P_ij、从低功耗状态j转 换到高功耗状态i的功率P_ji；

检测并记录系统部件的状态时间参数，包括系统部件处于低功耗状态j的时 间TS_j、从高功耗状态i转换到低功耗状态j的时间T_ij、从低功耗状态j转换到 高功耗状态i的时间T_ji；

检测并记录系统部件的状态转换参数，包括从高功耗状态i转换到低功耗 状态j的转换次数N_ij，从低功耗状态j转换到高功耗状态i的转换次数N_ji；

根据检测并记录到的参数，计算从高功耗状态i转换到低功耗状态j的总 能量消E_ij=N_ij*T_ij*P_ij+N_ji*T_ji*P_ji+TS_j*P_j；

根据检测并记录到的参数，计算不发生状态转换时保持高功耗状态i的总 能耗E_ji=（N_ij*T_ij+N_ji*T_ji+TS_j）*P_i；

计算获取实际效率值EV_ij=E_ij/E_ji，当EV_ij<1时，表示系统部件运行过 程中从高功耗状态i转换到低功耗状态j是省电的。

上述方案中，所述策略功耗性能还通过能耗评估参数中的实际效率值与理 想效率值差值进行评估，实际效率值EV_ij与理想效率值EVI_ij差值EV_ij-EVI_ij，用 于评估实际效率与理想效率的差距，其值越小，表示其对应的动态电源管理策 略的状态转换能耗越小；

其中，理想效率值EVI_ij表示从高功耗状态i转换到低功耗状态j的时间T_ij和从低功耗状态j转换到高功耗状态i的时间T_ji均为0时的高功耗状态i转换 到低功耗状态j的效率，EVI_ij＝E_ij/E_ji=TS_j*P_j/(TS_j*P_i)=P_j/P_i。

上述方案中，根据所述时间评估参数对策略预测性能进行评估，其具体是 对时间评估参数中的各功耗状态平均维持时间进行比较分析，功耗状态平均维 持时间越大，其对应的动态电源管理策略预测性能越优，功耗状态平均维持时 间的具体获取方式为：

检测并获取系统部件在各个功耗状态的维持时间；

检测并获取系统部件从其他功耗状态转换到各功耗状态的次数；

根据系统部件在各个功耗状态的维持时间和从其他功耗状态转到各功耗状 态的次数，计算各功耗状态平均维持时间。所述各功耗状态的平均时间可评估 策略预测性能，该参数越大，表明系统部件处于该功耗状态的时间更长，表示 该策略预测性能越优。

上述方案中，根据所述时间评估参数对策略响应性能进行评估，其具体是 对时间评估参数中的系统部件转入低功耗状态前处于高功耗状态的平均等待时 间进行比较分析，系统部件转入低功耗状态前处于高功耗状态的平均等待时间 越小，对应的动态电源管理策略响应越快，其具体获取方式为：

检测并获取低功耗状态转换前处于高功耗状态的等待时间；

检测并获取高功耗状态转换到低功耗状态的转换次数；

计算系统部件转入低功耗状态前处于高功耗状态的平均等待时间。所述系 统部件转入低功耗状态前处于较高功耗状态的平均等待时间可以评估策略响应 性能，该参数越小，策略响应性能越好，表明策略对低功耗状态的转换反应更 快，能够减少等待转换过程中能量的消耗。

上述方案中，根据状态转换次数评估参数对策略的系统影响性能进行评估， 其具体是通过状态转换次数评估参数中的系统部件转换到低功耗状态次数进行 比较分析，系统部件转换到低功耗状态次数越少，对应的动态电源管理策略对 系统造成的性能损失越小；系统部件转换到低功耗状态次数表示从高功耗状态i 转换到低功耗状态j的次数，其通过策略评估层直接检测获取，其中，其中i<j<n, n表示系统部件功耗状态总数，0代表能耗最高的状态，n-1代表能耗最低的状 态。频繁的状态转换会对系统性能产生较大的影响，因此，该参数值越小，表 明系统部件的状态转换的频率越小，策略对系统造成的性能损失也越小。

上述方案中，根据状态转换次数评估参数对策略的决策性能进行评估，其 具体是通过状态转换次数评估参数中的策略错误状态转换次数进行比较分析， 当从高功耗状态转换到低功耗状态后系统部件所维持的时间小于不同功耗状态 的时间阈值T_be时，表明此次状态转换的决策是错误的，统计策略错误状态转换 次数，其值越小，对应的动态电源管理策略的决策性能越优；

其中，从高功耗状态转换到低功耗状态后系统部件所维持的时间通过策略 评估层实时检测获取；

不同功耗状态的时间阈值T_be的具体获取方式为：

获取存储在策略评估层中的关闭系统部件所消耗的能量E_sd、唤醒系统部件 所消耗的能量E_wu、关闭系统部件所消耗的时间T_sd、唤醒系统部件所消耗的时间 T_wu；

检测并获取当前工作状态的功耗P_W；

检测并获取由当前工作状态转换到低功耗状态的功耗P_s； 设不同功耗状态的时间阈值为T_be，根据P_W×T_be=E_sd＋E_wu＋P_s×（T_be－T_sd－T_wu）， 获取时间阈值T_be的值。

与现有技术相比，本发明技术方案的有益效果是：

本发明在已有的动态电源管理框架上进行扩展，增加策略评估层，采用不 同的性能参数对动态电源管理策略的性能进行评估，包括对策略功耗性能、策 略预测性能、策略响应性能、策略对系统影响性能和策略状态转换的准确率进 行实时评估，能够实现多能耗状态下系统动态电源管理策略性能的评估。

附图说明

图1为本发明的系统结构图；

图2为本发明中某时刻状态转换的功耗示意图；

图3为本发明中不同功耗状态的时间阈值定义图。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，为本发明中一种动态电源管理策略性能评估方法的系统架构 图，所述方法基于动态电源管理框架实现，在动态电源管理框架上设置有策略 评估层，策略评估层实时检测并计算获取系统部件处于不同动态电源管理策略 下的性能参数，根据性能参数对不同动态电源管理策略的性能进行评估分析。 其中，性能参数包括能耗评估参数、时间评估参数和状态转换次数评估参数， 根据不同的性能参数对不同动态电源管理策略的性能进行评估，包括对对策略 功耗性能、策略预测性能、策略响应性能、策略对系统影响性能和策略状态转 换的准确率进行实时评估，具体地：

根据能耗评估参数对策略功耗性能进行评估，其具体是对能耗评估参数中 的系统运行平均功率进行比较分析，系统运行平均功率越小，其对应的动态电 源管理策略越节能，其中，系统运行平均功率通过策略评估层直接检测获取。

策略功耗性能还通过能耗评估参数中的实际效率值EV_ij进行评估，实际效率 值EV_ij表示高功耗状态i转换到低功耗状态j的效率，其中i<j<n,n表示系统 部件功耗状态总数，0代表能耗最高的状态，n-1代表能耗最低的状态，实际效 率值EV_ij具体获取方式为：

检测并记录系统部件的功耗参数，包括高功耗状态i的功率P_i、低功耗状态 j的功率P_j、从高功耗状态i转换到低功耗状态j的功率P_ij、从低功耗状态j转 换到高功耗状态i的功率P_ji；

检测并记录系统部件的状态时间参数，包括系统部件处于低功耗状态j的时 间TS_j、从高功耗状态i转换到低功耗状态j的时间T_ij、从低功耗状态j转换到 高功耗状态i的时间T_ji；

检测并记录系统部件的状态转换参数，包括从高功耗状态i转换到低功耗 状态j的转换次数N_ij，从低功耗状态j转换到高功耗状态i的转换次数N_ji；

根据检测并记录到的参数，计算从高功耗状态i转换到低功耗状态j的总 能量消E_ij=N_ij*T_ij*P_ij+N_ji*T_ji*P_ji+TS_j*P_j；

根据检测并记录到的参数，计算不发生状态转换时保持高功耗状态i的总 能耗E_ji=（N_ij*T_ij+N_ji*T_ji+TS_j）*P_i；

计算获取发生状态转换的效率值EV_ij=E_ij/E_ji，当EV_ij<1时，表示系统 部件运行过程中从高功耗状态i转换到低功耗状态j是省电的。

策略功耗性能还通过能耗评估参数中的实际效率值与理想效率值差值进行 评估，实际效率值EV_ij与理想效率值EVI_ij差值EV_ij-EVI_ij，用于评估实际效率与 理想效率的差距，差值越小，表示对应的动态电源管理策略的状态转换能耗越 小；其中，理想效率值EVI_ij表示从高功耗状态i转换到低功耗状态j的时间T_ij和从低功耗状态j转换到高功耗状态i的时间T_ji均为0时的高功耗状态i转换 到低功耗状态j的效率，EVI_ij＝E_ij/E_ji=TS_j*P_j/(TS_j*P_i)=P_j/P_i。

根据时间评估参数对策略预测性能进行评估，其具体是对时间评估参数中 的各功耗状态平均维持时间进行比较分析，功耗状态平均维持时间越大，其对 应的动态电源管理策略预测性能越优，功耗状态平均维持时间的具体获取方式 为：

检测并获取系统部件在各个功耗状态的维持时间；

检测并获取系统部件从其他功耗状态转换到各功耗状态的次数；

根据系统部件在各个功耗状态的维持时间和从其他功耗状态转到各功耗状 态的次数，计算各功耗状态平均维持时间。各功耗状态的平均时间可评估策略 预测性能，该参数越大，表明系统部件处于该功耗状态的时间更长，表示该策 略预测性能越优。

根据时间评估参数对策略响应性能进行评估，其具体是对时间评估参数中 的系统部件转入低功耗状态前处于高功耗状态的平均等待时间进行比较分析， 系统部件转入低功耗状态前处于高功耗状态的平均等待时间越小，对应的动态 电源管理策略响应越快，其具体获取方式为：

检测并获取低功耗状态转换前处于高功耗状态的等待时间；

检测并获取高功耗状态转换到低功耗状态的转换次数；

计算系统部件转入低功耗状态前处于高功耗状态的平均等待时间。系统部 件转入低功耗状态前处于较高功耗状态的平均等待时间可以评估策略响应性 能，该参数越小，策略响应性能越好，表明策略对低功耗状态的转换反应更快， 能够减少等待转换过程中能量的消耗。

根据状态转换次数评估参数对策略的系统影响性能进行评估，其具体是通 过状态转换次数评估参数中的系统部件转换到低功耗状态次数进行比较分析， 系统部件转换到低功耗状态次数越少，对应的动态电源管理策略对系统造成的 性能损失越小；系统部件转换到低功耗状态次数表示从高功耗状态i转换到低功 耗状态j的次数，其通过策略评估层直接检测获取，其中，其中i<j<n,n表示 系统部件功耗状态总数，0代表能耗最高的状态，n-1代表能耗最低的状态。频 繁的状态转换会对系统性能产生较大的影响，因此，该参数值越小，表明系统 部件的状态转换的频率越小，策略对系统造成的性能损失也越小。

根据状态转换次数评估参数对策略的决策性能进行评估，其具体是通过状 态转换次数评估参数中的策略错误状态转换次数进行比较分析，当从高功耗状 态转换到低功耗状态后系统部件所维持的时间小于不同功耗状态的时间阈值T_be时，表明此次状态转换的决策是错误的，统计策略错误状态转换次数，其值越 小，对应的动态电源管理策略的决策性能越优；

其中，从高功耗状态转换到低功耗状态后系统部件所维持的时间通过策略 评估层实时检测获取；

如图2所示，为不同功耗状态的时间阈值T_be的定义图，具体获取方式为：

获取存储在策略评估层中的关闭系统部件所消耗的能量E_sd、唤醒系统部件 所消耗的能量E_wu、关闭系统部件所消耗的时间T_sd、唤醒系统部件所消耗的时间 T_wu；

检测并获取当前工作状态的功耗P_W；

检测并获取由当前工作状态转换到低功耗状态的功耗P_s；

不同功耗状态的时间阈值为T_be，根据P_W×T_be=E_sd＋E_wu＋P_s×（T_be－T_sd－T_wu）， 获取时间阈值T_be的值。

下面结合具体的实施例对本发明加以详细说明，应指出的是，所描述的实 施例旨在便于对本发明的理解，对本发明不起限定作用。

现有技术中一般将系统部件的状态划分为Active、idle、Standby和Sleep 四种状态，设置系统部件的状态集合S=｛0，1，…n-1｝=｛0，1，2，3｝，0 代表能耗最高的状态，n-1代表能耗最低的状态，0，1，2，3分别表示Active、 idle、Standby和Sleep，定义i<j<n。通过在动态电源管理框架中增加策略评 估层，使得动态电源管理模块支持在线策略性能评估，可在多变的现实环境中 实时评估不同动态电源管理策略的性能。在策略评估层中预备数据结构，具体 地：

用一个二维数组B表示不同功耗状态的时间阀值（T_be），B[i][j]表示由状 态i转换到状态j的时间阀值。

用一个二维数组EVI表示理想效率值，EVI[i][j]表示Pj/Pi(其中i<j)。

用一个二维数组T表示状态转换的时间，T[i][j]表示由状态i转换到状态j 的的时间。

用一个二维数组P表示功率，P[i][j]表示：（1）当i==j，表示状态i的功 率，（2）当i!=j,表示由状态i转换到状态j的的功率；

设备功耗状态总数n；

实时更新的数据结构：

用一个二维数组N保存状态转换信息，N[i][j]表示从状态i转换到状态j 的次数；

用一个一维数组TS保存各功耗维持时间，TS[i]为处于功耗状态i的时间；

用一个二维数组TB保存功耗状态转换前处于高功耗的时间，TB[i][j]表示 转入低功耗状态j前处于较高功耗i的时间；

用Nwd表示策略错误转换次数；

用E表示系统的总能耗；

用一个二维数组EV表示转换的实际效率值，EV[i][j]表示从状态i转换到 状态j的效率值（其中i<j）；

用一个一维数组TSA保存各功耗平均维持时间，TSA[i]为处于功耗状态i的 平均维持时间

用一个二维数组TBA保存功耗状态转换前处于高功耗的平均时间，TBA[i][j] 表示转入低功耗状态j前处于较高功耗i的平均时间；

辅助数组更新实现：

a表示当前状态，b表示要转换到的状态，time表示状态a维持的时间，伪 代码如下：

评估参数更新实现：

伪代码实现如下：

下面基于笔记本电脑对硬盘进行动态电源管理，利用本发明的策略性能评 估方法对动态电源管理经典策略---超时策略、指数平均策略、半马尔科夫模型 策略、更新理论模型策略进行性能评估，并根据评估结果对各个策略进行比较。

1）测试环境如下表1所示：

表1测试环境

2）硬盘状态转换时间和功耗表

表2硬盘各状态功耗表

State △T Power Active NA 2.5W idle 1.0ms 2.0W Standby 2.0s 0.25W Sleep 6.0s 0.1W

表3硬盘状态转换功耗表

3）实验方法

测试时间大约8分钟（500秒），在此时间内播放一段长约5分20秒的视频， 接着编写一段helloworld代码，启动gcc编译helloworld代码，执行此代码，最 后大约一分半钟什么都不做。此方法可同时测试算法在以下情况的性能：第一， 硬盘在一段时间内较忙；第二，硬盘空闲。

4）实验结果

●能耗评估参数

表4策略能耗评估表

策略 P(W) E01 E02 E12 Timeout(2s) 1.72 0.8 0.199 0.227

自适应Timeout 1.63 0.8 0.118 0.195 指数平均算法 1.85 0.8 0.153 0.233 DTMDP 1.90 0.8 0.294 0.457 更新理论模型 1.60 0.8 0.179 0.236

表5策略效率比较表

策略 E01-EVI01 E02-EVI02 E12-EVI12 Timeout(2s) 0.000 0.099 0.102 自适应Timeout 0.000 0.018 0.070 指数平均算法 0.000 0.053 0.108 DTMDP 0.000 0.194 0.332 更新理论模型 0.000 0.079 0.111

由于由active与idle的转换时间是微秒级的，可忽略不计，因此E01-EVI01 均为0，从平均功耗P列可看出，更新理论模型节能效果最好，且从表5可看出 更新理论模型效率值与理想效率值差值不大，综合看，在能耗评估参数下，更 新理论的节能效果最好。

●时间评估参数

表6策略低功耗时间比较表

TSA值越大，策略性能越好，这表明设备处于低功耗状态的时间更长,而TBA值 越小，策略性能好,表明策略对低功耗转换的反映更快，能减少等待转换过程中 消耗的能量，因此从表6看，更新理论的响应是最快的，且处于低功耗的时间 较理想，所以更新理论模型效果最好。

3）转换次数评估参数

表7策略状态转换次数评估参数

策略 N01 N02 N10 N12 N20 N21 Nwd Timeout(2s) 160 0 144 35 16 19 23 自适应Timeout 136 0 134 17 3 14 11 指数平均算法 134 0 129 17 5 12 11 DTMDP 151 0 143 25 8 17 18 更新理论模型 156 0 141 40 15 25 21

N01的转换是设备硬件实现的，策略控制的是idle到standby的转换，即 N12，算法应该尽量降低Nwd的值从而使N12中有效进入低功耗状态次数更多， 更新理论模型中Nwd的值在N12中的比重是最小。综合上述实验结果，无论从 能耗、时间或状态转换次数来看，更新理论模型的性能是最好的。