您现在的位置: 首页> 研究主题> 多处理器系统

多处理器系统

多处理器系统的相关文献在1987年到2022年内共计628篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、贸易经济 等领域,其中期刊论文148篇、会议论文16篇、专利文献7199813篇;相关期刊102种,包括管理观察、闽江学院学报、中国学术期刊文摘等; 相关会议14种,包括中国高等教育学会教育信息化分会第十一次学术年会、2011年全国高性能计算学术年会(HPC china2011)、第三届中国信息融合大会等;多处理器系统的相关文献由991位作者贡献,包括T·科特克、M·B·多尔、孙凝晖等。

多处理器系统—发文量

期刊论文>

论文:148 占比:0.00%

会议论文>

论文:16 占比:0.00%

专利文献>

论文:7199813 占比:100.00%

总计:7199977篇

多处理器系统—发文趋势图

多处理器系统

-研究学者

  • T·科特克
  • M·B·多尔
  • 孙凝晖
  • 安学军
  • 平井智则
  • 王佰玲
  • 钟志明
  • G·N·埃利斯
  • J·M·比尔兹利
  • M·R·特罗西诺
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 乔慧娟; 原军
    • 摘要: 故障诊断度对于多处理系统的可靠性至关重要,是多处理器系统互连网络能够诊断出的最大故障点的数量。研究表明,系统的诊断度总小于其最小度,然而这严重地低估了系统的诊断能力。2019年,Yin和Liang提出了g-好邻局部诊断度的定义,它可以表征系统在g-好邻条件下的局部故障诊断能力。文章证明了PMC模型下星图S_(n)的每个结点的g-好邻局部诊断度为(n-g)(g+1)!-1,其中0≤g≤n-2,n≥4.根据诊断度与局部诊断度之间的关系,可以推出星图的g-好邻诊断度。
    • 殷文; 梁家荣
    • 摘要: 可诊断度是评估多处理器系统可靠性的一个关键指标.t/k诊断策略通过允许至多k个无故障处理器被误诊为故障处理器,从而极大提高了系统的可诊断度.与t可诊断度和t1/t1可诊断度相比,t/k可诊断度可以更好地反映实际系统的故障模式.3元n立方是一种性质优良并且应用广泛的网络拓扑,在许多分布式多处理器的构建中被用做底层网络.根据一些引理以及确定系统为t/k可诊断的充分条件,研究得出当n≥3及0≤k≤n,3元n立方是tk,n/k-可诊断的,其中tk,n=2(k+1)n-(k+1)(k+2).这个结果显示,在选择恰当的k值时,3元n立方的t/k可诊断度tk,n远大于其t可诊断度2n和t1/t1可诊断度4n-3.
    • 张念蓬; 朱强
    • 摘要: 系统级诊断是多处理器系统设计和维护中的重要方面,通过诊断参数来衡量系统的容错性能.传统的诊断参数都是在假设系统中仅有处理器发生故障的情形下得到的,但是在实际情形中,系统中的处理器和链接都可能发生故障.该文研究了新的系统级诊断参数—h-边容错诊断数.当系统G中的故障边数不超过h时,G中包含的可以被全部识别的最大故障点数称为系统G的h-边容错诊断数.通过对一般图中公共邻点数的限制,证明了PMC模型下一般图的h边容错诊断数.文中确定了k-元n-方体、平衡立方体、交换立方体和交换折叠立方体4类网络在PMC模型下的h-边容错诊断数,为衡量系统在点边混合故障情形下的容错性能提供了有效参数.
    • 蒋炎岩; 许畅; 马晓星; 吕建
    • 摘要: Concurrent bugs are difficult to trigger,debug,and detect.Dynamic program analysis techniques have been proven useful in addressing such challenges.Due to non-deterministic nature of concurrent programs in which the major source of non-determinism is the shared memory,obtaining the order of shared memory accesses,i.e.,shared memory dependences,is the basis of such dynamic analyses.This work proposes a survey framework to demonstrate the key issues in obtaining the shared memory dependences.The framework includes four performance metrics (immediacy,accuracy,efficiency and simplicity),two categories of approaches (online tracing and offline synthesis),and two categories of applications (trace analysis and concurrency control).Existing techniques as well as potential future work are studied in the paper.%并发错误难触发、难调试、难检测.为应对这一挑战,已有动态程序分析技术通过观测或控制并发程序执行实现其质量保障.由于并发程序不确定性主要来自共享内存,实现其动态分析的基本问题即是获取线程访问共享内存的顺序,即获取访存依赖.提出访存依赖获取技术的综述框架,包含4个评价指标(即时性、准确性、高效性、简化性)、两种方法(在线追踪、离线合成)、两类应用(轨迹分析、并发控制).通过对已有技术的总结和分析框架中的空白,对未来可能的研究方向予以展望.
    • 廖文献; 黄兴利
    • 摘要: 嵌入式系统在图像处理、空间计算等领域越来越广泛,如何在功耗、成本和计算能力三个主要方面取得平衡,利用多核和多处理器系统以并行计算方式提高嵌入式系统计算能力是一种有效的解决方案.讨论了基于Cortex嵌入式多处理器系统的基本结构,并在该系统上进行图像中值滤波算法的并行化研究.实验结果分析表明,在该嵌入式多处理器平台上配合并行算法能够成倍提高图像中值滤波的运行性能.
    • 张冬松; 王珏; 赵志峰; 吴飞
    • 摘要: Although some existing multiprocessor energy‐efficient approaches for periodic real‐time tasks can achieve more energy savings with taking practical overhead of processor into consideration , they cannot guarantee the optimal feasibility of periodic tasks . For the non‐ignorable overhead of switching the processor state in embedded real‐time systems ,this paper proposes an overhead‐aware online energy‐efficient real‐time scheduling algorithm in multiprocessor systems , the periodic tasks with largest utilization first based on switching overhead (PLUFS ) . PLUFS utilizes the fluid scheduling concept of time local (TL) remaining execution plane and the switching overhead of the processor states to implement energy‐efficient scheduling for real‐time tasks in multiprocessors at the initial time of each TL plane as well as at the end execution time of a periodic task in each TL plane . Consequently ,PLUFS can obtain a reasonable tradeoff between the real‐time constraint and the energy‐saving w hile realizing the optimal feasibility of periodic tasks . M athematical proof and extensive simulation results demonstrate that PLUFS guarantees the optimal feasibility of periodic tasks ,and on average saves more energy than existing algorithms ,and improves the saved energy of some existing algorithms by about 10% to 20% at the same time .%现有周期任务多处理器节能调度算法虽然在考虑处理器实际开销情况下可以实现较好的节能效果,但仍不能保证最优可调度性。针对嵌入式实时系统中不可忽视的状态切换开销,提出一种开销敏感的周期任务在线多处理器节能实时调度算法PLUFS 。该算法通过TL面流调度模型与处理器实际切换开销模型相结合,在每个TL面的初始时刻、任务结束执行时刻实现节能调度,在不违反周期任务集最优可调度性的前提下,达到实时约束与能耗节余的合理折中。经过理论证明和模拟实验,结果表明:PL U FS算法不仅保证了周期任务集的最优可调度性,而且节能效果整体优于现有算法,能耗节余比现有算法提高约10%~20%。
    • 卢军; 怯新现; 张天凡; 李哲
    • 摘要: 导弹成像制导涉及大量图像处理和计算,一般系统实现多以高性能单或多处理器为核心.讨论了一种嵌入式多处理器系统的基本结构,利用平台特有的FSMC总线同时支持静态分割和任务级调度2种并行算法,并以此进行图像二值化算法的并行化研究.试验结果分析表明,该设计能够支持2种并行化算法,成倍减少图像处理的时间.
    • 黄坚; 刘桂雄; 王小辉
    • 摘要: 针对滤光片表面缺陷视觉检测系统中在线检测实时性需求对检测速度要求较高,研究一种有效利用可用硬件资源并行处理实时工作提高处理速度的调度优化策略.基于AOE图对滤光片表面缺陷视觉检测系统进行任务级分析,优化事件、活动拓扑关系与任务间冗余的数据相关性、资源相关性,建立并行任务模型;采用关联处理器调度算法(arbitrary processor affinities,APAs)进行并行多处理器调度,指定任务只能被某个处理器集合执行,将期限紧迫、缓存敏感的任务限制在单一处理器,提高资源利用率,改进检测系统实时性.试验结果表明:在尺寸为1.20mm×1.20mm、26×28个滤光片组成滤光片面板上,采用多处理器调度可使检测速度极大提升,采用APAs调度算法后,平均缺陷识别完成时间为常规检测系统时间的36.5%,可以满足在线实时要求,证明应用多处理器调度方法,可以极大提升检测仪器实时性能的有效性.
    • 李哲; 慕德俊; 郭蓝天; 黄兴利; 李刘涛
    • 摘要: Generic multi-processor systems in high performance computing applications such as Intel, NVIDIA Tesla systems have been developing rapidly, but their cost and power consumption were soaring;low-end hardware, especially in embedded systems that make up the cluster as an alternative to traditional platforms got attention and rapid development.We discuss a low cost infrastructure and implementation of embedded multiprocessor systems, take advantage of platform features to implement a special MIMD structure,which is capable of supporting a hybrid scheduling system adaptable to different working environments, tasks, and conditions.Test results and their analysis show preliminarily that the system can support a variety of hybrid scheduling policy for scheduling and can signifi-cantly improve the processing power of the system.%通用高性能计算机需求不断增加,传统多处理系统得到了快速发展,但其成本和功耗也大幅攀升,以嵌入式系统构成群集替代传统平台成为未来焦点。讨论了一种成本低廉的嵌入式多处理器系统的基本结构与实现,利用平台特性实现了一种特殊MIMD结构,在集中式工作池的基础上能够支持混合调度机制以适应不同工作环境、任务条件需要。试验结果分析表明,该系统能够支持多种调度机制的混合调度策略,更能够较大幅度提升系统的运算能力。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号