论文部分内容阅读
随着计算机体系结构和半导体技术的发展,嵌入式设备和系统广泛应用于生产和生活的各个领域。受到快速增长的嵌入式设备市场的推动,博客、社交网络、基于位置的服务为代表的移动互联网应用呈爆炸式发展。同时随着云计算、物联网(Internet of Things,IoT)等技术的兴起,各种日志、图像和视频等数据正以前所未有的速度不断增长和累积,因此对嵌入式系统的数据采集和数据处理能力的要求越来越高。在设计高性能的嵌入式系统时采用多处理器系统芯片(Multi-Processor System on Chip,MPSoC)的结构已经成为嵌入式体系结构设计者的优先选择。为了提高嵌入式处理器处理大数据的能力,本文提出了一种基于MapReduce并行编程模型的MPSoC架构。分布式的并行编程模型和分布式的底层硬件平台的匹配,使得该多核架构不仅能加速处理器节点处理大数据流的速度,而且简化了处理器节点并行编程的复杂度。本文首先采用SystemC软硬件协同设计语言,对整个多核处理器结构进行系统级快速建模。通过分析该多核处理器模型处理MapReduce典型应用程序的性能,调整MPSoC系统架构,为嵌入式数据处理构建性能优越的多核处理器硬件平台。其次,由于嵌入式系统强调的是面向具体应用的性能最优,本文采用专用指令集处理器(Application Specific Instruction Set Processor,ASIP)的设计方法实现高性能、低功耗、可编程的嵌入式多核处理器平台。采用nML指令集描述语言对专用处理器单元进行描述,然后将ASIP Designer设计工具自动生成的周期精确的SystemC代码集成到Synopsys Platform Architecture平台进行仿真。实验结果表明,与通用嵌入式多核处理器相比,本文所设计的MPSoC架构处理MapReduce典型应用的速度能提高2.1倍。并且随着数据集的增加,性能提升越明显,表明该多核处理器架构处理大数据集的巨大潜能。