JP6483609B2 - マルチcpuシステム - Google Patents
マルチcpuシステム Download PDFInfo
- Publication number
- JP6483609B2 JP6483609B2 JP2015517999A JP2015517999A JP6483609B2 JP 6483609 B2 JP6483609 B2 JP 6483609B2 JP 2015517999 A JP2015517999 A JP 2015517999A JP 2015517999 A JP2015517999 A JP 2015517999A JP 6483609 B2 JP6483609 B2 JP 6483609B2
- Authority
- JP
- Japan
- Prior art keywords
- cpu
- data processing
- cpus
- performance
- power consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Sources (AREA)
Description
先ず、本願において開示される発明の代表的な実施の形態について、その概要を説明する。代表的な実施の形態における概要説明において、括弧を付して参照する図面中の参照符号は、それが付された構成要素の概念に含まれるものを例示するに過ぎない。
データ処理性能と電力消費量の異なる複数種類のCPU(8a〜8d,9a〜9d)を種類毎に複数個搭載した非対称マルチCPUシステムは、全体的なデータ処理性能と電力消費量の最大値にバリエーションを持たせる(全体的なデータ処理性能と電力消費量の最大値が段階的に相違する)ようにCPUの種類と個数の組合せの複数の形態を定義する定義情報(10,13)を有し、データ処理の環境に応じて前記定義情報から選択した形態で特定されるCPUにデータ処理を割当てる(21)。
項1において、前記定義情報が保有するCPUの種類と個数の組合せの複数の形態は、データ処理性能と電力消費量を段階に増加させる方向にCPUの種類と個数を組合せた形態である(10,13)。
項1において、前記定義情報が保有するCPUの種類と個数の組合せの複数の形態は、データ処理の環境に応じて要求される処理性能を段階的に満たす方向にCPUの種類と個数を組合せた形態であり(10,13)、要求される処理性能を満たす最小性能の形態を選択する。
項2又は3において前記データ処理の環境は、データ処理の負荷(1b)の大小で把握される第1環境、データ処理の負荷(1b)の大小及び発熱状況(1c)で把握される第2環境、データ処理の負荷(1b)の大小、発熱状況(1c)及び電池残量(1d)で把握される第3環境、又はユーザー設定(1e、1f)、データ処理の負荷(1b)の大小、発熱状況(1c)及び電池残量(1d)で把握される第4環境である。
項4において、前記発熱状況は、データ処理性能と電力消費量の相対的に大きなCPUのグループに含まれるCPUの発熱状況である。
項1において、前記CPUの種類は、CPUのデータ処理性能と電力消費量の大小の別に応じて分類されたCPUの複数のグループである。例えば、前記CPUの種類は、データ処理性能と電力消費量の大きなCPUのグループ(8)と、データ処理性能と電力消費量の小さなCPUのグループ(9)とである。
項1において、前記CPUの種類と個数の組合せの形態の数は、搭載しているCPUの個数よりも多い。
項1において、データ処理に割当てるCPUの種類と個数の制御は、ユーザースペースの制御プログラム(1)によって、データ処理に用いることが可能なCPUの種類と個数をカーネルに通知する処理である。
項8において、前記制御プログラムによって通知する処理は、ユーザースペースからカーネルのスケジューラを制御するカーネル機能によって実現される。
項9において、前記制御プログラムを実行するCPUは、データ処理性能と電力消費量が相対的に小さなCPUのグループ(9)の中の所定のCPUである。
項3において、ブート処理に際して前記所定のCPUは、前記データ処理の環境として少なくともユーザー設定(1f)に応じて前記定義情報から一つの前記形態を選択し、選択した形態に従ってデータ処理に使用するCPUをアクティブにし、使用しないCPUをインアクティブにする(18−5)。
項11において、データ処理に使用するCPUの種類と個数の割当てを更新するとき、インアクティブなCPUを使用対象に割当てる場合は、当該CPUをアクティブ化し、逆にアクティブなCPUを使用対象から除外する場合は、当該CPUをインアクティブ化する(21−2)。
項11において、データ処理に割当てるCPUの種類と個数の割当てを更新するとき、選択する前記形態を、1段ずつ段階的に更新する段階的更新(21)又は選択する前記形態を一度に複数段スキップして更新するスキップ更新(21b)とし、データ処理環境の変化が所定の範囲内のときは前記段階的更新、データ処理環境の変化が前記所定の範囲を超えたときは前記スキップ更新とする。
項11において、CPUのインアクティブ化は当該CPUへの同期クロックの供給停止又は/及び電源供給停止であり(21−2)、アクティブ化は当該CPUへの同期クロックの供給開始又は/及び電源供給開始である。
項1において、データ処理環境として前記定義情報で定義された最大性能を超える性能要求があったときは、DVFS(Dynamic Voltage/Frequency Scaling)処理(25)を実行して、その要求度合に応じて所定のCPUの電源電圧及び同期クロック周波数の何れか一方又は双方を上昇させる。
項15において、前記性能要求の度合に応じてDVFS処理対象とするCPU及び当該CPUに対する電源電圧及び同期クロック周波数の上昇度合を定義したDVFS用定義情報(図16)を有し、当該定義情報を参照してDVFS処理を実行する。
データ処理性能と電力消費量の異なる複数種類のCPU(8a〜8d,9a〜9d)を種類毎に複数個搭載した非対称マルチCPUシステムにおいて、使用するCPUの種類と個数の組合せをデータ処理の環境に応じてスケーリングする、マルチCPUシステムのスケーリング方法は、
(a)データ処理の環境を判別する判別処理(19)と、
(b)その判別結果に基づいて、全体的なデータ処理性能と電力消費量の最大値が段階的に相違するようにCPUの種類と個数の組合せの複数の形態を定義する定義情報(10,13)から一つの形態を選択する選択処理(21)と、
(c)選択した形態で特定されるCPUにデータ処理を割当てる制御処理(21)と、を含む。
項17において、前記定義情報が保有するCPUの種類と個数の組合せの複数の形態は、データ処理性能と電力消費量を段階的に増加させる方向にCPUの種類と個数を組合せた形態(10,13)である。
項17において、前記定義情報が保有するCPUの種類と個数の組合せの複数の形態は、データ処理の環境に応じて要求される処理性能を段階的に満たす方向にCPUの種類と個数を組合せた形態(10,13)であり、要求される処理性能を満たす最小性能の形態を選択する。
請求項18又は19において前記データ処理の環境は、データ処理の負荷(1b)の大小で把握される第1環境、データ処理の負荷の大小及び発熱状況(1c)で把握される第2環境、データ処理の負荷の大小、発熱状況及び電池残量(1d)で把握される第3環境、又はユーザー設定(1e,1f)、データ処理の負荷の大小、発熱状況及び電池残量で把握される第4環境である、マルチCPUシステムのスケーリング方法。
項20において、前記発熱状況は、データ処理性能と電力消費量の相対的に大きなCPUのグループに含まれるCPUの発熱状況である。
項17において、前記CPUの種類は、CPUのデータ処理性能と電力消費量の大小の別に応じて分類されたCPUの複数のグループである。例えば、前記CPUの種類は、データ処理性能と電力消費量の大きなCPUのグループ(8)と、データ処理性能と電力消費量の小さなCPUのグループ(9)とである。
項17において、前記CPUの種類と個数の組合せの形態の数は、例えば、搭載しているCPUの個数よりも数の多くすることが望ましい。
項17において、データ処理に割当てるCPUの種類と個数を制御する処理は、ユーザースペースの制御プログラム(1)によって、データ処理に用いることが可能なCPUの種類と個数をカーネルに通知する処理である。
項17において、前記制御プログラムによって通知する処理は、ユーザースペースからカーネルのスケジューラを制御するカーネル機能によって実現される。
項25において、前記制御プログラムを実行するCPUは、データ処理性能と電力消費量が相対的に小さなCPUのグループ(9)中の所定のCPUである。
項26において、ブート処理に際して前記所定のCPUは前記データ処理の環境として少なくともユーザー設定(1f)に応じて前記定義情報から一つの前記形態を選択し、選択した形態に従ってデータ処理に使用するCPUをアクティブにし、使用から外されるCPUをインアクティブにする(18−5)。
項27において、データ処理に使用するCPUの種類と個数の割当てを更新するとき、インアクティブなCPUを使用対象に割当てる場合は当該CPUをアクティブ化し、逆にアクティブなCPUを使用対象から外す場合は当該CPUをインアクティブ化する(21−2)。
項27において、データ処理に割当てるCPUの種類と個数の割当てを更新するとき、選択する前記形態を、1段ずつ段階的に更新する段階的更新(21)又は選択する前記形態を一度に複数段飛越して更新するスキップ更新(21b)とし、データ処理環境の変化が所定の範囲のときは前記段階的更新、データ処理環境の変化が前記所定の範囲を超えたときは前記スキップ更新とする。
項27において、CPUのインアクティブ化は当該CPUへの同期クロックの供給停止及び電源供給停止であり(21−2)、アクティブ化は当該CPUへの同期クロックの供給開始及び電源供給開始である。
項17において、データ処理環境として前記定義情報で定義された最大性能を超える性能要求があったときは、DVFS(Dynamic Voltage/Frequency Scaling)処理(25)を実行して、その要求度合に応じて所定のCPUの電源電圧及び同期クロック周波数の何れか一方又は双方を上昇させる。
項31において、前記性能要求の度合に応じてDVFS処理対象とするCPU及び当該CPUに対する電源電圧及び同期クロック周波数の上昇度合を定義したDVFS用定義情報(図16)を有し、当該定義情報を参照してDVFS処理を実行する。
実施の形態について更に詳述する。なお、発明を実施するための形態を説明するための全図において、同一の機能を有する要素には同一の符号を付して、その繰り返しの説明を省略する。
図2には非対称マルチCPUシステムのシステム構成例が示される。特に制限されないが、同図には、プロセッサ100と周辺機器101がバス(若しくはネットワーク)102を介して接続されたシステム構成が例示される。プロセッサ100はシングルチップで構成されていても或いはマルチチップで構成されていてもよい。周辺機器101は各種デバイスや装置によって構成されて良い。例えばマルチCPUシステムとして携帯情報通信端末装置を想定すると、プロセッサ100は通信プロトコル処理及びアプリケーション処理などを行い、周辺機器101は液晶ディスプレイ、タッチパネル、バッテリーなどを有する。
図1にはプロセッサ100のハードウェア及びソフトウェアの構成を階層的に例示する。ここでは、ハードウェア層(HW)120、ファームウェア層(Firmware)121、カーネル層(Kernel)122、ユーザースペース層(Userspace)123の4階層で構成されている。
図3にはCPU(BigCPU)8a〜8dとCPU(LittleCPU)9a〜9dとの組合せの形態が例示される。図においてCPU(BigCPU)8a〜8dをB1〜B4と図示し、CPU(LittleCPU)9a〜9dをL1〜L4と図示する。ここでは、CPU(BigCPU)8a〜8dとCPU(LittleCPU)9a〜9dとの組合せのグループを表す仮想プロセッサVi(i=1~12)という概念を導入する。図3の行列式は4個のCPU(BigCPU)8a〜8dと4個のCPU(LittleCPU)9a〜9dで構成するベクタ12を12個の仮想プロセッサVi=(i=1〜12)にマッピングしている。マッピングした状態は13で示される「可能な組合せ」として図示される。図3ではCPU(LittleCPU)9a〜9dの夫々のCPUの性能を単位(1)としてCPU(BigCPU)8a〜8dの性能がその2倍、消費電流についてもCPU(BigCPU)8a〜8dが2倍と設定してある。よって仮想プロセッサViの添え字iは性能を示す。行列11は4個のCPU(BigCPU)8a〜8dと4個のCPU(LittleCPU)9a〜9dを13で示される組合せにしたがって12個の仮想プロセッサVi(i=1〜12)にマッピングする変換行列である。
仮想プロセッサViの割当てルールの一例として示した図8は、仮想プロセッサViの割当てを更新するとき、仮想プロセッサViを、1段ずつ段階的に更新する段階的更新とする。これだけに限定されるものではなく、更新先の仮想プロセッサViを一度に複数段飛越して(スキップして)更新するスキップ更新を採用する事が可能である。図9には仮想プロセッサViの段階的な更新と共にスキップ更新も採用可能にした場合の仮想プロセッサ割当てフローが例示される。ここではユーザーから仮想プロセッサ選択の急上昇、急降下の指示がある場合の例を示す。ユーザーが負荷の重たいアプリケーションを立ち上げる場合には仮想プロセッサ選択の急上昇が、負荷の重たいアプリケーションの実行終了後には電池容量の無駄な消耗を減らすために、すみやかな急降下が必要 となる。図7のユーザーインストラクション(User Instruction)1eによる急上昇、急降下の指示があれば仮想プロセッサの変更が必要と判別され(図9のステップ20)、その要因が急上昇又は急降下の指示であるかの判定が次のステップ20bで行われる。急上昇又は急効果の指示がある場合にはステップ21bの指示に従った仮想プロセッサViの選択を行う。この例では急上昇の場合、最大性能のV12を選択し、急降下の場合は最小性能のV1を選択しているが、個別の要求に従った任意の選択とすることは妨げられない。
ユーザー設定や、電池残量が少なくなった時のポリシーが省電優先となっている場合は、使用しないCPUの電源を動的に落とす仕組みを更に採用することによって、更なる消費電力の削減が可能になる。またプロセッサ100内部の温度が異常に上昇した時にCPU(Big CPU)8a〜8dに関連の電源を全て落とすことで温度を下げることが可能となる。このことを更に適用した具体例について説明する。図10にはCPUの電源制御も考慮したときのプロセッサ100のハードウェア及びソフトウェアの構成を階層的に例示する。ここでの説明に直接関係のない部分は図示を省略した。
各種設定を行う。例えば、使用するオンチップモジュール類全ての電源オン、クロック周波数設定、割り込みベクタテーブルの設定などを行う。各種設定を行った後にカーネル層(Kerne)122のプログラムを起動する(ステップ18−2)。カーネル層122のプログラムを起動した後に初期化処理の一環として、ユーザー設定モード、温度及び電池残量をチェックし(ステップ18−3)、そのチェック結果に基づいて、動作させるべきCPUを減らす必要があるか否かを判別する(ステップ18−4)。減らす必要があるときは、不要なものをCPUホットプラグ6aの機能を用いて使用対象から除外する(ステップ18−5)。
仮想プロセッサViの割当てが動的に切替えられるダイナミックプロセスグループ2へのCPUの割当てがCPU(BigCPU)8a〜8dとCPU(LittleCPU)9a〜9dの8個全てになってきる状態で、更に性能向上要求が来ても、図3の選択形態だけではその状態にとどまり性能向上は得られない。消費電力を増加させてもよいならば、CPUの電圧と周波数の両者をアップすることで更なる性能向上が可能である。この技術はDVFS(Dynamic Voltage Frequency Scaling)という名前で知られている。しかし消費電力は電圧の2乗、周波数の1乗に比例するため、消費電力の増加を必要最低限に抑えるために極め細かい制御が必要である。非対称マルチプロセッサシステムでの効率のよい実装方法は知られていない。前述の図10の例に対してDVFS制御を更に組合せることで消費電力を必要最低限に抑えて連続的な性能向上を図る制御が可能になる。図14にはDVFS制御を更に追加したプロセッサ100のハードウェア及びソフトウェアの構成を階層的に例示する。ここでの説明に直接関係のない部分は図示を省略した。
図8に示される仮想;プロセッサの選択若しくは更新の論理において仮想プロセッサの変更に及ばないシステム負荷変動に対して仮想プロセッサVi選択のオペレーション(Operation)はノンオペレーション(NOP)としたが、これに限定されない。図17のように、選択されている仮想プロセッサの処理性能の範囲から隣の処理性能の仮想プロセッサの性能の範囲に入らない範囲で、CPUの同期クロック周波数をスケーリングするようにしてもよい。
1a 要求処理性能に応じた制御信号
1b 処理負荷(CPU Load)
1c 熱の発生状況(Temperature)
1d 電池残容量(Battery Level)
1e ユーザーインストラクション(User Instruction)
1f ユーザーセッティング(User Setting)
2 ダイナミックプロセスグループ(Dynamic Process Group)
3 スロープロセスグループ(Slow Process Group)
4 スケジューラ(Scheduler)
5 デバイスドライバ(Device Driver)
6 パワーマネジメント(Power Management)
6a CPUホットプラグ(CPUHotplug)
6b DVFS
7 ブートコード(Boot)
8 データ処理性能が高く電力消費の大きなCPUの第1グループ(BigCPUs)
8a〜8d 第1グループ8のCPU(CPU_B#0〜CPU_B#3)
9 低消費電力でデータ処理性能が低いCPUの第2グループ(LittleCPUs)
9a〜9d 第2グループ9のCPU(CPU_L#0〜CPU_L#3)
Vi 仮想プロセッサ
14 パワーマネージメントワードウェア(Power Management HW)
14a、14b 電源電圧
15 ブーストリクエスト(Boost Request)
16 クロックコントロールハードウェア(Clock Control HW)
16a,16b 同期クロック
100 プロセッサ
101 周辺機器
102 バス(若しくはネットワーク)
110 バス
111 メモリ
112 入出力インタフェース回路
113 周辺モジュール
120 ハードウェア層(HW)
121 ファームウェア層(Firmware)
122 カーネル層(Kernel)
123 ユーザースペース層(User space)
Claims (3)
- データ処理性能と電力消費量の異なる複数種類のCPUを種類毎に複数個搭載した非対称マルチCPUシステムであって、
全体的なデータ処理性能と電力消費量の最大値が段階的に相違するように複数の仮想プロセッサとCPUの種類及び個数の組合せの形態との対応関係を規定する定義情報と、データ処理の環境といずれの前記仮想プロセッサを選択すれば良いかを示す仮想プロセッサの選択情報とを対応付けるCPUの割当てルール情報と、を有し、前記CPUの割当てルール情報からデータ処理の環境に応じた仮想プロセッサの選択情報を選択し、該選択した仮想プロセッサの選択情報に基づいて前記定義情報の複数の仮想プロセッサの中から一つの仮想プロセッサを選択し、該選択した一つの仮想プロセッサに対応する前記定義情報のCPUの種類及び個数の組合せで特定されるCPUにデータ処理を割当て、
データ処理に割当てるCPUの種類と個数の制御は、ユーザースペースの制御プログラムによって、データ処理に用いることが可能なCPUの種類と個数をカーネルに通知する処理であり、
前記CPUの割当てルール情報は、システムブートに際して、ユーザー設定により最初から使用しないCPUについてはその動作をインアクティブにすることを含む、マルチCPUシステム。 - 請求項1において、前記制御プログラムによって通知する処理は、前記ユーザースペースからスケジューラを制御するカーネル機能によって実現される、マルチCPUシステム。
- 請求項2において、前記制御プログラムを実行するCPUは、データ処理性能と電力消費量が相対的に小さなCPUのグループ中の所定のCPUである、マルチCPUシステム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/064370 WO2014188561A1 (ja) | 2013-05-23 | 2013-05-23 | マルチcpuシステム及びマルチcpuシステムのスケーリング方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2014188561A1 JPWO2014188561A1 (ja) | 2017-02-23 |
JP6483609B2 true JP6483609B2 (ja) | 2019-03-13 |
Family
ID=51933144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015517999A Active JP6483609B2 (ja) | 2013-05-23 | 2013-05-23 | マルチcpuシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US9996400B2 (ja) |
JP (1) | JP6483609B2 (ja) |
CN (1) | CN105247486B (ja) |
WO (1) | WO2014188561A1 (ja) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102205836B1 (ko) * | 2014-01-29 | 2021-01-21 | 삼성전자 주식회사 | 태스크 스케줄링 방법 및 장치 |
US9785481B2 (en) * | 2014-07-24 | 2017-10-10 | Qualcomm Innovation Center, Inc. | Power aware task scheduling on multi-processor systems |
JP6428309B2 (ja) * | 2015-01-27 | 2018-11-28 | 富士通株式会社 | 演算処理システムおよび演算処理システムの制御方法 |
US10031574B2 (en) * | 2015-05-20 | 2018-07-24 | Mediatek Inc. | Apparatus and method for controlling multi-core processor of computing system |
CN106095567B (zh) * | 2016-05-31 | 2019-08-30 | Oppo广东移动通信有限公司 | 一种安装任务的分配方法及移动终端 |
US10353965B2 (en) | 2016-09-26 | 2019-07-16 | Splunk Inc. | Data fabric service system architecture |
US11620336B1 (en) | 2016-09-26 | 2023-04-04 | Splunk Inc. | Managing and storing buckets to a remote shared storage system based on a collective bucket size |
US11663227B2 (en) | 2016-09-26 | 2023-05-30 | Splunk Inc. | Generating a subquery for a distinct data intake and query system |
US11860940B1 (en) | 2016-09-26 | 2024-01-02 | Splunk Inc. | Identifying buckets for query execution using a catalog of buckets |
US11567993B1 (en) | 2016-09-26 | 2023-01-31 | Splunk Inc. | Copying buckets from a remote shared storage system to memory associated with a search node for query execution |
US11442935B2 (en) | 2016-09-26 | 2022-09-13 | Splunk Inc. | Determining a record generation estimate of a processing task |
US11416528B2 (en) | 2016-09-26 | 2022-08-16 | Splunk Inc. | Query acceleration data store |
US11874691B1 (en) | 2016-09-26 | 2024-01-16 | Splunk Inc. | Managing efficient query execution including mapping of buckets to search nodes |
US11586627B2 (en) | 2016-09-26 | 2023-02-21 | Splunk Inc. | Partitioning and reducing records at ingest of a worker node |
US11461334B2 (en) | 2016-09-26 | 2022-10-04 | Splunk Inc. | Data conditioning for dataset destination |
US11281706B2 (en) * | 2016-09-26 | 2022-03-22 | Splunk Inc. | Multi-layer partition allocation for query execution |
US12013895B2 (en) | 2016-09-26 | 2024-06-18 | Splunk Inc. | Processing data using containerized nodes in a containerized scalable environment |
US11550847B1 (en) | 2016-09-26 | 2023-01-10 | Splunk Inc. | Hashing bucket identifiers to identify search nodes for efficient query execution |
US20180089324A1 (en) | 2016-09-26 | 2018-03-29 | Splunk Inc. | Dynamic resource allocation for real-time search |
US10956415B2 (en) | 2016-09-26 | 2021-03-23 | Splunk Inc. | Generating a subquery for an external data system using a configuration file |
US11615104B2 (en) | 2016-09-26 | 2023-03-28 | Splunk Inc. | Subquery generation based on a data ingest estimate of an external data system |
US11580107B2 (en) | 2016-09-26 | 2023-02-14 | Splunk Inc. | Bucket data distribution for exporting data to worker nodes |
US11599541B2 (en) | 2016-09-26 | 2023-03-07 | Splunk Inc. | Determining records generated by a processing task of a query |
US11593377B2 (en) | 2016-09-26 | 2023-02-28 | Splunk Inc. | Assigning processing tasks in a data intake and query system |
US11604795B2 (en) | 2016-09-26 | 2023-03-14 | Splunk Inc. | Distributing partial results from an external data system between worker nodes |
US11562023B1 (en) | 2016-09-26 | 2023-01-24 | Splunk Inc. | Merging buckets in a data intake and query system |
US10282226B2 (en) * | 2016-12-20 | 2019-05-07 | Vmware, Inc. | Optimizing host CPU usage based on virtual machine guest OS power and performance management |
JP6825449B2 (ja) * | 2017-03-29 | 2021-02-03 | 富士通株式会社 | 情報処理装置,試験プログラムおよび試験方法 |
CN108958449B (zh) * | 2017-05-26 | 2023-07-07 | 中兴通讯股份有限公司 | 一种cpu功耗调整方法与装置 |
US11080095B2 (en) | 2017-06-04 | 2021-08-03 | Apple Inc. | Scheduling of work interval objects in an AMP architecture using a closed loop performance controller |
US11921672B2 (en) | 2017-07-31 | 2024-03-05 | Splunk Inc. | Query execution at a remote heterogeneous data store of a data fabric service |
US11989194B2 (en) | 2017-07-31 | 2024-05-21 | Splunk Inc. | Addressing memory limits for partition tracking among worker nodes |
US10896182B2 (en) | 2017-09-25 | 2021-01-19 | Splunk Inc. | Multi-partitioning determination for combination operations |
JP6992515B2 (ja) * | 2018-01-05 | 2022-01-13 | コニカミノルタ株式会社 | Gpu割当プログラム、gpu割当方法、コンピュータ読取可能な記録媒体、および、gpu割当装置 |
US11334543B1 (en) | 2018-04-30 | 2022-05-17 | Splunk Inc. | Scalable bucket merging for a data intake and query system |
CN109960395B (zh) * | 2018-10-15 | 2021-06-08 | 华为技术有限公司 | 资源调度方法和计算机设备 |
WO2020220216A1 (en) | 2019-04-29 | 2020-11-05 | Splunk Inc. | Search time estimate in data intake and query system |
US11715051B1 (en) | 2019-04-30 | 2023-08-01 | Splunk Inc. | Service provider instance recommendations using machine-learned classifications and reconciliation |
US11494380B2 (en) | 2019-10-18 | 2022-11-08 | Splunk Inc. | Management of distributed computing framework components in a data fabric service system |
US11922222B1 (en) | 2020-01-30 | 2024-03-05 | Splunk Inc. | Generating a modified component for a data intake and query system using an isolated execution environment image |
US11704313B1 (en) | 2020-10-19 | 2023-07-18 | Splunk Inc. | Parallel branch operation using intermediary nodes |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0659906A (ja) | 1992-08-10 | 1994-03-04 | Hitachi Ltd | 並列計算機の実行制御方法 |
JPH09138716A (ja) | 1995-11-14 | 1997-05-27 | Toshiba Corp | 電子計算機 |
JP2004280378A (ja) | 2003-03-14 | 2004-10-07 | Handotai Rikougaku Kenkyu Center:Kk | 半導体装置 |
JP2005085164A (ja) * | 2003-09-10 | 2005-03-31 | Sharp Corp | マルチプロセッサシステムの制御方法およびマルチプロセッサシステム |
JP2007213286A (ja) * | 2006-02-09 | 2007-08-23 | Hitachi Ltd | システム装置 |
DE112007003007T5 (de) * | 2006-12-14 | 2009-10-15 | Intel Corporation, Santa Clara | Verfahren und Vorrichtung für die Energieverwaltung bei einem Prozessor |
JP5079342B2 (ja) * | 2007-01-22 | 2012-11-21 | ルネサスエレクトロニクス株式会社 | マルチプロセッサ装置 |
JP2009230220A (ja) * | 2008-03-19 | 2009-10-08 | Fuji Xerox Co Ltd | 情報処理装置、及び画像処理装置 |
JP2010231329A (ja) | 2009-03-26 | 2010-10-14 | Fuji Xerox Co Ltd | 情報処理装置、画像処理装置、画像出力装置、画像出力システム、プログラム |
JP2011209846A (ja) | 2010-03-29 | 2011-10-20 | Panasonic Corp | マルチプロセッサシステムとそのタスク割り当て方法 |
GB2491915A (en) | 2011-06-08 | 2012-12-19 | Inst Information Industry | Super operating system for a heterogeneous computer system |
US8707314B2 (en) * | 2011-12-16 | 2014-04-22 | Advanced Micro Devices, Inc. | Scheduling compute kernel workgroups to heterogeneous processors based on historical processor execution times and utilizations |
WO2013162589A1 (en) * | 2012-04-27 | 2013-10-31 | Intel Corporation | Migrating tasks between asymmetric computing elements of a multi-core processor |
US8984200B2 (en) * | 2012-08-21 | 2015-03-17 | Lenovo (Singapore) Pte. Ltd. | Task scheduling in big and little cores |
US10073779B2 (en) * | 2012-12-28 | 2018-09-11 | Intel Corporation | Processors having virtually clustered cores and cache slices |
KR102082859B1 (ko) * | 2013-01-07 | 2020-02-28 | 삼성전자주식회사 | 복수의 이종 코어들을 포함하는 시스템 온 칩 및 그 동작 방법 |
US9218198B2 (en) * | 2013-03-13 | 2015-12-22 | Oracle America, Inc. | Method and system for specifying the layout of computer system resources |
-
2013
- 2013-05-23 CN CN201380076775.0A patent/CN105247486B/zh active Active
- 2013-05-23 JP JP2015517999A patent/JP6483609B2/ja active Active
- 2013-05-23 US US14/785,617 patent/US9996400B2/en active Active
- 2013-05-23 WO PCT/JP2013/064370 patent/WO2014188561A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2014188561A1 (ja) | 2017-02-23 |
US20160085596A1 (en) | 2016-03-24 |
WO2014188561A1 (ja) | 2014-11-27 |
US9996400B2 (en) | 2018-06-12 |
CN105247486A (zh) | 2016-01-13 |
CN105247486B (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6483609B2 (ja) | マルチcpuシステム | |
JP5075274B2 (ja) | 電力認識スレッドスケジューリングおよびプロセッサーの動的使用 | |
EP2674863B1 (en) | Multi-cluster processing system and method of operating the same | |
JP5433837B2 (ja) | 仮想計算機システム、仮想計算機の制御方法及びプログラム | |
JP4413924B2 (ja) | マルチコアプロセッサのパフォーマンス改善のための方法、システムおよび装置 | |
JP6246603B2 (ja) | タスクスケジューラ機構、オペレーティングシステム及びマルチプロセッサシステム | |
TWI569202B (zh) | 用於基於網路負載來調整處理器電力使用之設備及方法 | |
US10031574B2 (en) | Apparatus and method for controlling multi-core processor of computing system | |
US9201490B2 (en) | Power management for a computer system | |
JP2006344162A (ja) | 並列計算装置 | |
CN107743608B (zh) | 至硬件加速器的动态功率路由 | |
US10768684B2 (en) | Reducing power by vacating subsets of CPUs and memory | |
JP6071647B2 (ja) | 情報処理装置、動作状態制御方法及びプログラム | |
US20160170474A1 (en) | Power-saving control system, control device, control method, and control program for server equipped with non-volatile memory | |
JP2008262451A (ja) | メモリ電源管理装置及びメモリ電源管理方法 | |
KR101433030B1 (ko) | 가상환경 내 중앙처리장치의 전력 스케줄링 방법 및 시스템 | |
JP5768586B2 (ja) | 計算装置、計算装置の制御方法、及びプログラム | |
CN117271058A (zh) | 容器资源调度方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161102 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20170323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170509 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170706 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20171226 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180312 |
|
A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20180320 |
|
A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20180525 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6483609 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |