肖春明

（重慶大學(xué)計(jì)算機(jī)學(xué)院,重慶 400044）

基于big.LITTLE移動(dòng)多核設(shè)備的用戶體驗(yàn)計(jì)算和高能效任務(wù)調(diào)度

肖春明

（重慶大學(xué)計(jì)算機(jī)學(xué)院,重慶 400044）

提出用戶體驗(yàn)任務(wù)的概念，并基于ARM原始的全局任務(wù)調(diào)度提出一種改進(jìn)的調(diào)度方案(UCES-GTS)。在UCES-GTS中，任務(wù)分為用戶體驗(yàn)的任務(wù)（即交互式任務(wù)和前臺任務(wù)）和非用戶體驗(yàn)任務(wù)（即后臺任務(wù)）。為了提高用戶經(jīng)驗(yàn)，應(yīng)該縮短用戶體驗(yàn)任務(wù)的響應(yīng)時(shí)間，適當(dāng)減少它們的松弛時(shí)間。隨后，提出調(diào)整頻率和給每個(gè)任務(wù)分配CPU資源的詳細(xì)算法。實(shí)驗(yàn)結(jié)果表明改進(jìn)的全局任務(wù)調(diào)度模型和原始的相比可以節(jié)能8%，同時(shí)降低27%的任務(wù)響應(yīng)時(shí)間，這意味著更加良好的用戶體驗(yàn)。

移動(dòng)設(shè)備；用戶體驗(yàn)計(jì)算；優(yōu)化節(jié)能；big.LITTLE架構(gòu)

0 引言

一直以來，智能手機(jī)和平板電腦上的性能需求都比電池容量增大和半導(dǎo)體工藝處理節(jié)點(diǎn)技術(shù)進(jìn)步上有著更快的增長。如今，大多數(shù)Android智能手機(jī)配備有一個(gè)八核心處理器[1]。并預(yù)計(jì)新興類型的移動(dòng)設(shè)備將有更多的核心、更高的頻率，從而獲得更加優(yōu)秀的用戶經(jīng)驗(yàn)[2]，例如用戶關(guān)注的重要任務(wù)的響應(yīng)時(shí)間。更多高頻率的核心通常會導(dǎo)致更高的能量消耗，所以直接要求更高的性能與更長的電池使用時(shí)間的需求相沖突。因此，下一代移動(dòng)設(shè)備的電源管理將比當(dāng)前更重要。

ARM big.LITTLE結(jié)構(gòu)[3]是ARM在移動(dòng)SoC上用來節(jié)能的眾多能源管理技術(shù)中的一種。它通過動(dòng)態(tài)電壓頻率調(diào)整(DVFS)[4]、門控時(shí)鐘、電源門控、保持模式和熱管理等技術(shù)來為移動(dòng)SoC提供一整套能源控制的解決方案。big.LITTLE是一種異構(gòu)計(jì)算架構(gòu)，由相對性能較差但功率更低的小核和相對性能更加強(qiáng)勁但是更加費(fèi)電的大核組成，初衷是設(shè)計(jì)出一種既有很高的計(jì)算性能又有很高的能源節(jié)約效率的移動(dòng)多核處理器。2011年10月，big.LITTLE架構(gòu)正式發(fā)布，當(dāng)時(shí)的設(shè)計(jì)為Cortex-A7和Cortex-A15組成的耦合方案[5]。

big.LITTLE設(shè)計(jì)中對于處理任務(wù)時(shí)處理核心的分配方案共有三種不同的方法——包括簇切換、CPU遷移和全局任務(wù)調(diào)度[6]?，F(xiàn)在最新的big.LITTLE SoC通常使用的是全局任務(wù)調(diào)度，因?yàn)樗男阅芨觾?yōu)越。然而，當(dāng)系統(tǒng)中有很多任務(wù)時(shí)，它會導(dǎo)致一些不完美的操作，主要的原因是全局任務(wù)調(diào)度中采用的是完全公平調(diào)度（CFS）[7]，所有任務(wù)平等并以公平的方式分配CPU計(jì)算周期來運(yùn)行任務(wù)。由于用戶體驗(yàn)的前端性，這最終導(dǎo)致糟糕的用戶體驗(yàn)。本文正是利用這些顯著的特點(diǎn)來修改和改善原始的全局任務(wù)調(diào)度。

本文提出了一種改進(jìn)的全局任務(wù)調(diào)度，即以用戶為中心的、節(jié)能的全局任務(wù)調(diào)度(User Centric Energy Scheduling-Global Task Scheduling,UCES-GTS)來為big.LITTLE處理器在權(quán)衡性能和能耗同時(shí)增強(qiáng)用戶體驗(yàn)。在UCES-GTS中，以面向用戶的任務(wù)的概念是為了提高用戶體驗(yàn)，概念背后的理由是基于以下的觀察：移動(dòng)計(jì)算中通常有各種各樣的任務(wù)，其中有的是延遲敏感的而有的延遲容忍的[8]，不同的任務(wù)有著不同的用戶感知屬性。因此，我們著力于對移動(dòng)任務(wù)根據(jù)他們的用戶感知的屬性不同不公平地分配CPU資源。

1 研究背景

1.1 用戶中心任務(wù)

考慮這么一個(gè)場景，兩個(gè)任務(wù)同時(shí)在一個(gè)核心上運(yùn)行，如圖1所示。該核運(yùn)行在最高頻率時(shí)可以在每個(gè)調(diào)度周期T內(nèi)提供1M的計(jì)算周期。ZIP壓縮器有兩個(gè)線程，每一個(gè)線程需要3M個(gè)計(jì)算周期來完成它的任務(wù)。視頻播放器有一個(gè)線程，總共需要2M的計(jì)算周期，即每個(gè)調(diào)度周期0.5M的計(jì)算周期保證視頻的流暢播放。假設(shè)ZIP壓縮在時(shí)刻t開始而視頻播放器是在時(shí)刻2t開始。

圖1(a)描述了傳統(tǒng)調(diào)度器（例如完全公平調(diào)度，CFS）對這兩個(gè)任務(wù)的調(diào)度情況。在這種情況下，視頻播放的線程僅分配了1/3的CPU資源，每個(gè)調(diào)度周期只有0.33M計(jì)算周期，這并不能保證視頻的流暢播放。為了保證視頻的流暢播放，我們提出了用戶中心任務(wù)的概念。正如圖1(b)所示，視頻播放器的任務(wù)v的優(yōu)先級被提高了，以使得其能獲取到足夠多的CPU資源來保證流暢的播放。在我們的模型中，這樣的任務(wù)就被稱為用戶中心任務(wù)。

1.2 ARM big.LITTLE架構(gòu)ARM big.LITTLE架構(gòu)[3]是一種功率優(yōu)化的技術(shù)，其采用高性能大核和高能效的小核相組合的方法，來達(dá)到保證較高峰值性能和持續(xù)性能同時(shí)在一個(gè)顯著較低平均功率的情況下提升并行處理性能的目的。最新

big.LITTLE軟件及其平臺在中等性能的情況下可以節(jié)省75%的CPU能耗，并可以在高度多線程的環(huán)境下提高性能40%。ARM big.LITTLE技術(shù)使得移動(dòng)芯片在取得一個(gè)新的CPU頻率峰值高度的同時(shí)，保證了用戶期望的電池使用壽命。

1.3 big.LITTLE SoC的任務(wù)調(diào)度模型

圖1 用戶中心任務(wù)的例子

在big.LITTLE SoC上，一共支持三種對于不同的處理器核心分配方法[6]，這取決于操作系統(tǒng)內(nèi)核中調(diào)度程序的實(shí)現(xiàn)[9]。圖2展示了這三種任務(wù)調(diào)度模型。

簇切換：簇切換模型是最先提出和最簡單的一種實(shí)現(xiàn)方法。SoC上的處理核心被分為大核簇集和小核簇集的兩個(gè)簇集，操作系統(tǒng)調(diào)度程序只能看到其中的一個(gè)簇集。當(dāng)整個(gè)處理器的負(fù)載發(fā)生變化時(shí)，系統(tǒng)會從一個(gè)簇集切換到另外一個(gè)簇集，所有的相關(guān)數(shù)據(jù)通過公共緩存來傳遞，先前的簇集被關(guān)閉然后另外一個(gè)簇集被激活。該模型已在三星Exynos 5 Octa(5410)上實(shí)現(xiàn)。

CPU遷移：CPU遷移模型是通過一個(gè)叫做內(nèi)核切換器(in-kernel switcher,IKS)的技術(shù)來實(shí)現(xiàn)的，其將一個(gè)大核和一個(gè)小核配對，在一個(gè)芯片上會有很多這種獨(dú)立的處理核對。每一個(gè)處理核對都會被當(dāng)做一個(gè)虛擬的核心來操作，在任意一個(gè)時(shí)候，這對處理核心中最多只有一個(gè)被激活。當(dāng)負(fù)載高的時(shí)候，大核會被激活，相反，負(fù)載低的時(shí)候，小核會被激活。這種切換時(shí)通過cqufreq框架來實(shí)現(xiàn)的。一個(gè)完整的big.LITTLE CPU遷移的實(shí)現(xiàn)被添加到了Linux 3.11。

全局任務(wù)調(diào)度：這是big.LITTLE異構(gòu)多處理(HMP）中功能最為強(qiáng)大的模式，支持同時(shí)使用所有物理核心。在這種情況下高優(yōu)先級或者計(jì)算密集的現(xiàn)在可以在被分配到大核，而優(yōu)先級較低或非計(jì)算密集型低的任務(wù)，如后臺任務(wù)，可以由小核執(zhí)行[3]。最新big.LITTLE全局任務(wù)調(diào)度的補(bǔ)丁被納入Linux內(nèi)核3.10。該模型已經(jīng)在三星的 Exynos 5 Octa/Hexa（5420，5430，5260）,7 Octa（7420）[12-13]和 Qual-comm Snapdragon 810.上實(shí)現(xiàn)。

圖2 big.LITTLE芯片所支持的三種調(diào)度模型

2 任務(wù)劃分和定義

2.1 任務(wù)劃分

我們對用戶使用智能設(shè)備的行為進(jìn)行了深入的觀察，并根據(jù)其特點(diǎn)給出了以下三個(gè)任務(wù)劃分原則。

交互任務(wù)：用戶使用智能手機(jī)一般都是頻率地點(diǎn)擊屏幕，有時(shí)候快速地在任務(wù)間進(jìn)行切換。對人類電腦交互行為研究表明，人們通常期望在他們觸摸了設(shè)備之后，設(shè)備在幾百毫秒內(nèi)做出回應(yīng)[14]。所以為了避免對用戶的體驗(yàn)造成損害，當(dāng)用戶在和一個(gè)前臺的任務(wù)進(jìn)行交互時(shí)，我們應(yīng)該分配盡可能多的CPU資源來保證一個(gè)及時(shí)的響應(yīng)。

前臺任務(wù)：前臺任務(wù)雖然不是用戶正在交互的任務(wù)，但仍然處于用戶的可見范圍之內(nèi)，依舊吸引著相當(dāng)?shù)挠脩糇⒁饬?。因?yàn)榍芭_任務(wù)占據(jù)著用戶的注意力[15]，這樣的觀察暗示著我們應(yīng)該將前臺任務(wù)和后臺任務(wù)區(qū)分開來。

后臺任務(wù)：在UCES-GTS中，除了交互任務(wù)和前臺任務(wù)之外的任務(wù)都是后臺任務(wù)，例如服務(wù)進(jìn)程、后臺運(yùn)行的應(yīng)用程序等。相對于交互任務(wù)和前臺任務(wù)來說，后臺任務(wù)由于沒有用戶可見性，因此給他們分配一個(gè)較低的優(yōu)先級，僅保證他們的正常運(yùn)轉(zhuǎn)即可。

2.2 任務(wù)模型定義

正式地，對于一個(gè)給定的任務(wù)集T{t1,t2,,t3,, ,t1,}，其中t可以被修飾為：

R：任務(wù)t的釋放時(shí)間

W：任務(wù)t的負(fù)載（例如計(jì)算周期）

D：任務(wù)t的截止時(shí)間，即系統(tǒng)應(yīng)當(dāng)在該時(shí)間之前完成任務(wù)t

Dnew：任務(wù)t根據(jù)任務(wù)類型重新計(jì)算后新的截止時(shí)間。

U：用于指示任務(wù)t的類型，如果U等于2（或者1），那么表明t是一個(gè)交互（前臺）任務(wù)。通常情況下，t是一個(gè)后臺任務(wù)。

3 調(diào)度模型設(shè)計(jì)

3.1 任務(wù)分配

任務(wù)分配是節(jié)能和提高用戶體驗(yàn)的關(guān)鍵。在UC?ES-GTS中，主要有兩個(gè)分配原則。第一，盡可能將大核和小核的頻率維持在一個(gè)較低的水平，因?yàn)楦哳l率意味著高能耗。另外一個(gè)原則就是交互任務(wù)會被分配到大核來保證獲得比較多的CPU資源。圖3展示了各種任務(wù)的分配方法。

交互任務(wù)優(yōu)先分配到大核。正如上文提到，交互任務(wù)要盡可能地分配最多的CPU資源來保證一個(gè)最短的響應(yīng)時(shí)間。因?yàn)樵谕ǔＧ闆r下，小核難以提供足夠多的計(jì)算周期來保證一個(gè)快速的反應(yīng)，用戶也就無法獲得一個(gè)很好地體驗(yàn)，所以交互任務(wù)會選擇一個(gè)關(guān)閉的或者頻率最低的大核來進(jìn)行分配。

對于前臺任務(wù)和后臺任務(wù)，它們的分配方法是類似的。眾所周知，在提供同樣多計(jì)算周期的前提下，大核要比小核耗能更多，因此前臺任務(wù)和后臺任務(wù)會被分配到小核來達(dá)到最大的節(jié)能效果。最大的不同之處在于前臺任務(wù)，它們的截止時(shí)間會被會被提前來保證一個(gè)優(yōu)秀的用戶體驗(yàn)而后臺任務(wù)的截止時(shí)間會被延長從而達(dá)到節(jié)能的目的。但是，如果小核的剩余能夠提供的計(jì)算周期不足以滿足任務(wù)的需要，那么這些任務(wù)同樣會被分配到大核上。

3.2 頻率調(diào)整

所有核心的頻率都會直接影響手機(jī)的能耗，尤其是高頻率和低利用率更是會造成一個(gè)嚴(yán)重的能耗浪費(fèi)。所以，一個(gè)核心的頻率最理想的情況就是保持低頻率和高利用率。當(dāng)一個(gè)新的任務(wù)到來時(shí)，UCES-GTS會根據(jù)它的類型來重新計(jì)算其新的截止時(shí)間Dnew，然后再根據(jù)在新的截止時(shí)間來計(jì)算核心的頻率F。F的計(jì)算公式如下：

這里Forigin是任務(wù)還沒分配前核心的頻率，Utilization是任務(wù)還沒分配前核心的使用率。由于處理核心的運(yùn)行頻率只有固定的幾個(gè)等級，如果新計(jì)算出來的頻率F位于兩個(gè)等級之間，那么F會被設(shè)置成高的那個(gè)等級。圖4展示了一個(gè)計(jì)算過程的例子。

同樣道理，當(dāng)任務(wù)完成時(shí)，UCES-GTS同樣會重新計(jì)算對應(yīng)核心的頻率，計(jì)算公式類似于式（1），如下：

另外，如果大核已經(jīng)運(yùn)行在最低頻率了而且它的利用率低于70%，那么出于及節(jié)能的考慮，該核心上所有的任務(wù)就會被遷移到小核上。

圖4 頻率調(diào)整過程的例子

3.3 計(jì)算周期分配

通過任務(wù)分配和頻率調(diào)整，所有的任務(wù)都可以在一個(gè)指定的大核或者小核上以一個(gè)較低的頻率被執(zhí)行完成。以這個(gè)頻率運(yùn)行時(shí)，核心提供固定的計(jì)算周期來執(zhí)行所有任務(wù)，而每個(gè)任務(wù)應(yīng)該獲得足夠的計(jì)算周期。Linux系統(tǒng)使用Tt這個(gè)符號來標(biāo)識一個(gè)任務(wù)的優(yōu)先級，稱之為nice值，其值的范圍是[-20,19]。為了精確計(jì)算分配給每個(gè)任務(wù)的計(jì)算周期，UCES-GTS也使用nice值來控制計(jì)算周期的分配。

3.4 調(diào)度算法

在每個(gè)取樣周期中，UCES-GTS都會利用兩個(gè)函數(shù)（例如is_task_arrived()和is_task_finished()）來檢查到達(dá)的任務(wù)和完成的任務(wù)。如果是一個(gè)新到達(dá)的任務(wù)，算法會首先判斷該任務(wù)的類型，然后選擇一個(gè)對應(yīng)的處理方法將其分配到大小核心中的一個(gè)。為了提高用戶體驗(yàn)，UCES-GTS會縮短交互任務(wù)的截止時(shí)間到原來30%，然后選擇一個(gè)還沒開啟的或者正以最小頻率運(yùn)行的大核來進(jìn)行分配，優(yōu)選考慮還未開啟的大核。

圖3 UCES-GTS中三種任務(wù)的分配原則

相對于交互任務(wù)需要高頻率來保證一個(gè)最快的響應(yīng)速度，后臺任務(wù)可以延長它們的截止時(shí)間而并不會對嚴(yán)重影響用戶的體驗(yàn)。因此，后臺任務(wù)的截止時(shí)間會被延長到原來的150%然后分配到小核心來達(dá)到最大的節(jié)能效果。對于前臺任務(wù)，綜合考慮用戶體驗(yàn)和節(jié)能效果，它們的截止時(shí)間會被縮短到原來的60%，然后分配它們到小核心。如果小核心剩余能提供的計(jì)算周期并不能滿足任務(wù)的需求，那么它們會被分配到核心。每個(gè)核心都會有一個(gè)任務(wù)隊(duì)列來記錄分配給它們的任務(wù)。

被用來計(jì)算對應(yīng)核的頻率，然后根據(jù)計(jì)算出來的頻率調(diào)用內(nèi)核提供的governor的系統(tǒng)接口來調(diào)整核心的頻率，完成計(jì)算周期的分配工作。

4 實(shí)驗(yàn)評估

我們在虛擬的環(huán)境中實(shí)現(xiàn)了我們調(diào)度模型。為了評估UCES-GTS的性能，我們將其與原始的全局任務(wù)調(diào)度模型(UCES)進(jìn)行比較。

4.1 環(huán)境搭建

我們在實(shí)驗(yàn)中模擬的big.LITTLE芯片如表1所示。我們模擬的大核心的計(jì)算能力差不多是小核心的兩倍但對于同樣的操作點(diǎn)其功耗是小核心的三倍。從大核心到小核心的任務(wù)遷移會發(fā)生在當(dāng)大核心工作在最低頻率而且負(fù)載低于70%。同樣地，從小核心到大核心的任務(wù)遷移會發(fā)生在小核心工作在最高頻率且負(fù)載超過95%。

表1 大小核心的配置情況

4.2 任務(wù)產(chǎn)生器

為了更好的比較，我們生成了兩組三種類型任務(wù)有著不同分布的任務(wù)組。在組1中，10%的任務(wù)是交互任務(wù)，20%的任務(wù)是前臺任務(wù)，剩余的是后臺任務(wù)。在組2中，5%的任務(wù)是交互任務(wù)，10%的任務(wù)是前臺任務(wù)，剩余的是后臺任務(wù)。因此，組1代表的是后臺任務(wù)較少的而組2代表后臺任務(wù)較多的實(shí)際情況。每個(gè)任務(wù)都有幾個(gè)主要的成員包括負(fù)載，截止時(shí)間，到達(dá)時(shí)間和類型。截止時(shí)間意味著任務(wù)應(yīng)該在這個(gè)時(shí)間之前完成，而且越快越好。負(fù)載代表著完成任務(wù)所需的計(jì)算周期數(shù)。任務(wù)的類型可以是交互任務(wù)、前臺任務(wù)和后臺任務(wù)之一。到達(dá)時(shí)間根據(jù)泊松分布生成，在不同的釋放速率中來生成和比較任務(wù)。

4.3 評價(jià)指標(biāo)

為了評價(jià)上面所提出的模型，我們主要根據(jù)能耗，用戶體驗(yàn)任務(wù)的總響應(yīng)時(shí)間等指標(biāo)來收集結(jié)果。

能耗：能耗是最主要也是最普遍的一個(gè)評價(jià)指標(biāo)，尤其是對于電池設(shè)備來說。在我們的實(shí)驗(yàn)中，大小核心的功耗是不同的，當(dāng)工作在同樣多的操作點(diǎn)時(shí)，大核心的功耗是小核心的三倍。為了提高能效，我們要選擇剛好能滿足任務(wù)截止時(shí)間的最低可用頻率。一旦當(dāng)取樣周期中有新任務(wù)到達(dá)，我們回重新計(jì)算新的必需的頻率和決定是否要進(jìn)行頻率的調(diào)節(jié)。

響應(yīng)時(shí)間：一個(gè)任務(wù)的響應(yīng)時(shí)間，尤其是交互任務(wù)和前臺任務(wù)，決定了用戶的體驗(yàn)。因此，我們收集交互任務(wù)和前臺任務(wù)的響應(yīng)時(shí)間來量化驗(yàn)證用戶的體驗(yàn)。為了提高用戶體驗(yàn)，我們縮短了交互任務(wù)70%多的截止時(shí)間和前臺任務(wù)的40%的截止時(shí)間。我們把交互任務(wù)分配到大核心來提高其響應(yīng)時(shí)間。

4.4 結(jié)果：UCES-GTS vs GTS

（1）能耗：圖5和圖6分別展示了組1和組2的能耗情況。相對于原始的全局任務(wù)調(diào)度，我們的調(diào)度模型平均能節(jié)省8%的能耗。實(shí)驗(yàn)結(jié)果證明我們的調(diào)度模型比GTS有著更好的能效，節(jié)能效果主要來自于后臺任務(wù)。原因是在于，在UCES-GTS中，我們適當(dāng)延長了后臺任務(wù)的執(zhí)行時(shí)間?？梢园l(fā)現(xiàn)，隨著后臺任務(wù)的比例的提高，節(jié)能效果愈發(fā)明顯。

圖5 UCES-GTS和GTS的能耗對比（組1）

圖6 UCES-GTS和GTS的能耗對比（組2）

圖7 UCES-GTS和GTS的響應(yīng)時(shí)間對比（組1）

圖8 UCES-GTS和GTS的響應(yīng)時(shí)間對比（組2）

（2）響應(yīng)時(shí)間：圖7和圖8分別展示了組1和組2的響應(yīng)時(shí)間。如圖可見，與原始的全局調(diào)度模型對比，我們的模型取得了大約42%的響應(yīng)速度提升，這意味著更流暢的操作和更好的用戶體驗(yàn)。這是因?yàn)槲覀兛s短了交互任務(wù)和前臺任務(wù)的截止時(shí)間，根據(jù)公式(1)，這相應(yīng)地提高了對應(yīng)的核心的頻率，因此在其上任務(wù)的完成時(shí)間得以提前完成。同樣的，交互任務(wù)和前臺任務(wù)占得比例越高，響應(yīng)時(shí)間的提高就越明顯。

5 總結(jié)

本文提出了一個(gè)big.LITTLE架構(gòu)上改進(jìn)的全局任務(wù)調(diào)度模型，名為用戶中心的節(jié)能全局任務(wù)調(diào)度(UC?ES-GTS)，該技術(shù)綜合考慮了移動(dòng)設(shè)備上的用戶體驗(yàn)和節(jié)能的問題。在UECS-GTS中，我們首先提出了三個(gè)判斷原則來將任務(wù)劃分成用戶中心任務(wù)（交互任務(wù)和前臺任務(wù)）和非用戶中心任務(wù)（后臺任務(wù)）兩類。用戶中心任務(wù)和非用戶中心任務(wù)會被區(qū)別地來對待以獲得友好的用戶體驗(yàn)和高效的節(jié)能。然后，該算法將任務(wù)分配到相應(yīng)的核心上并根據(jù)負(fù)載的情況調(diào)整核心的頻率，控制各個(gè)任務(wù)所獲得的計(jì)算周期數(shù)。實(shí)驗(yàn)結(jié)果表明，相對于原始的全局任務(wù)調(diào)度，我們的模型在較低設(shè)備能耗的同時(shí)改善用戶體驗(yàn)上取得了顯著的改進(jìn)。

[1]Mair H,Gammie G,Wang A,et al.23.3 A Highly Integrated Smartphone SoC featuring a 2.5GHz Octa-core CPU with Advanced Highperformance and Low-power Techniques[C].Solid-State Circuits Conference.IEEE,2015:1-3.

[2]Tullis T,Albert W.Measuring the User Experience:Collecting,Analyzing,and Presenting Usability Metrics[J].2008.

[3]P.Greenhalgh,Big.Little Processing with Arm Cortex-a15&Cortex-a7[M].ARM White paper,2011.

[4]Sueur E L,Heiser G.Dynamic Voltage and Frequency Scaling:The Laws of Diminishing Returns[C].International Conference on Power Aware Computing and Systems.USENIX Association,2010:1-8.

[5]Pricopi M,Venkataramani V,Mitra T,et al.Power-Performance Modeling on Asymmetric Multi-Cores[J].2013.

[6]B.Jeff.Ten Things to Know About big.LITTLE[EB/OL].http://community.arm.com/groups/processors/blog/2013/06/18/ten-things-toknow-about-biglittle,2013.2016-6-12.

[7]Pabla C S.Completely Fair Scheduler[J].Betascript Publishing,2010(2009):4.

[8]Wang C,Wei W,Wang T.Differentiated Scheduling for Delay-Sensitive and Delay-Tolerant Jobs in Optical Grids[C].Optical Fiber Communication-Incudes Post Deadline Papers,2009.OFC 2009.Conference on.IEEE,2009:1-3.

[9]G.Grey,big.LITTLE Software Update[DB/OL].https://www.linaro.org/blog/hardware-update/big-little-software-update/,2013.2016-7-10.

[10]H.Chung,M.Kang,and H.-D.Cho,Heterogeneous Multi-Processing Solution of Exynos 5 Octa with Arm Big.Little Technology[J].

[11]Hlbauer T,Diger W,Seilbeck R,et al.Heterogeneity-Conscious Parallel Query Execution:Getting a Better Mileage While Driving Faster![C].Tenth International Workshop on Data Management on New Hardware.ACM,2014:2.

[12]B.Klug,Samsung Announces big.LITTLE MP Support in Exynos 5420[EB/OL].http://www.anandtech.com/show/7313/samsungannounces-biglittle-mp-support-in-exynos-5420,2016.2016-9-11.

[13]S.Tomorrow,Samsung Unveils New Products from its System LSI Business at Mobile World Congress.http://global.samsungtomorrow.com/samsung-unveils-new-products-from-its-system-lsi-business-at-mobile-world-congress/,2016.2016-2-16.

[14]Tolia N,Andersen D G,Satyanarayanan M.Quantifying Interactive User Experience on Thin Clients[J].Computer,2006,39(3):46-52.

[15]Chang Y M,Hsiu P C,Chang Y H,et al.A Resource-driven DVFS Scheme for Smart Handheld Devices[J].Acm Transactions on Embedded Computing Systems,2013,13(3):1-22.

[16]J.Aas.Understanding the Linux 2.6.8.1 CPU Scheduler[J]2005-8,16:1-38.

User Centric Computing and Energy-Efficient Task Scheduling on big.LITTLE Multi-Core Mobile Devices

XIAO Chun-ming
(College of Computer Science,Chongqing University,Chongqing 400044)

Enhances the user experience by introducing the concept of user-centric task into the original global task scheduling and proposes the im?proved task scheduling(UCES-GTS).In UCES-GTS,tasks are classified as user-centric tasks(i.e.,interactive tasks and foreground tasks)and non-user-centric tasks(i.e.,background tasks).In order to enhance user experience,the response time of user-centric tasks is short?ened with reducing slack time of them properly.Presents a detailed algorithm to calculate frequency and allocates the CPU resources to each task.The experimental evaluation results show that our improved global task-scheduling model can achieve 17%and 8%energy sav?ing average compared with the clustered switching scheduling and the original global task scheduling respectively.In addition,the re?sponse time of user-centric tasks can decrease 27%average,which means excellent user experience.

肖春明（1992-），男，廣東茂名人，碩士，研究方向?yàn)楦咝阅懿⑿刑幚?/p>

2017-04-01

2017-06-05

1007-1423（2017）17-0003-08

10.3969/j.issn.1007-1423.2017.17.001

Mobile devices;User Centric Computing;big.LITTLE Architecture;Task Scheduling