まとめ

WCETを算出するのは不可能である。そこでWCETを推測し、それを保証できるように計算資源予算を変化させる。

前提

GPUは、ノンプリエンプティブでグローバルなFIFOスケジューリングポリシーを使用するM個のプロセッサを持つマルチプロセッサとして抽象化することができる。　（引用)

ランタイム時に事前に推定されたWCETを破らない事を保証する

単位計算資源(=Q)あたりのWCETを推定する

計算資源の分割と配分を行う

タスクの進行度を常に観測する。タスクをブロックごとに分ける。

タスクの進行度に合わせてQを変更しWCETを守ることを保証する

共有メモリへのアクセス競合はWCETを悪化させる要因。

動的な監視とメモリ帯域割り当てを行う

nvGPUにはハードウェアスケジューラーがある(非公開)

CPUとGPUをBigLittleなコアとして見ることができる。(BIG+++ & Little-----)

TX2を対象に実験した。GPUとCPUが統合され物理的に同一のメモリに対してアクセスする。キャッシュは別

BWLOCK++(CPUからのメモリ帯域干渉からGPUを保護するもの)なんかおもろそう.

WCETを決定づけるもの(この論文の場合CPUからのメモリ干渉)の影響度を変数(=Q)としておく。 →　すなわち実験に基づいて求めたWCETを守るためにQを動的に変化させてWCETを守ることを保証できる。

任意のQに対してWCETが計算できる。

速度低下が許容範囲に収まっていることやシステムがスケジューリングできることが前提としてある。

各コアのベストエフォート(最も理想的な状態(理論的最大ではない))の時をQ=1とする

CPUコアを一つリアルタイムタスクに割り当てる
リアルタイムタスクとベストエフォートタスクを混在させリアルタイムタスクが来たらベストエフォートを止めて実行する。

タスクをブロックごとに区切り進行具合を調査してリソースの最大予算Qを決定する

測定された実行時間は正規分布になるとしてWCETを推定する

GPUとCPUは同じクロックタイマーを使っている

カーネルの実行ステップごとにWCETを求める。

GREEDY:最大メモリ時間
FAIR:Qが一定だあると仮定
Qn = max( min(QG, a * QG + (1 - a) * Qn-1), QF )

予算計算と状況取得に時間がかかるため予測されるWCETは保守的になる。

ブロック進行状況追跡は共有メモリベース