项目名称: 多微通道内存控制器关键技术的研究

项目编号: No.61303055

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 张广飞

作者单位: 中国科学院计算技术研究所

项目金额: 25万元

中文摘要: 多核处理器的发展对内存系统的延迟、带宽和功耗等方面提出了更高的要求。针对这种情况,本课题申请人提出过一种多微通道内存控制器设计方法。该内存控制器可以在提高内存系统带宽利用率的同时,缩短访存请求延迟,并具有较高的性能功耗有效性。在后续的研究中发现,现有的多微通道内存控制器不能实时侦测应用程序访存特性的变化趋势,从而动态的在应用程序间分配微通道,在实际应用中具有一定的局限性。本课题旨在三个方面对多微通道内存控制器设计进行优化:(1)引入动态通道分配机制。该机制可以更加灵活的在进程间分配微通道,具有更高的实用价值。(2)提出一种适用于多微通道内存控制器的协同访存调度算法。该算法不但可以使不同的微通道对进程优先级有相同的认识,还有低通信量和高扩展性等特征。(3)提出一套多微通道内存控制器虚拟化方案。该方案可以对多微通道内存控制器的通道资源进行有效管理,具有多实例、隔离性和高性能等特征。

中文关键词: 内存控制器;微通道动态分配;协同访存调度;虚拟化管理;片上多核处理器

英文摘要: Multiple threads run simultaneously in chip multiprocessors (CMP) which are integrated in a single chip. A CMP system consists of multiple independent processing cores that can access the memory system concurrently. The organization of CMP systems has benefits in terms of power-efficiency, scalability, and system throughput compared to single-core systems. However, the resource management problem posed by the sharing of last level cache, interconnection and DRAM system is significant in designing CMP platforms. The demands of the working-set size from increasingly complex applications has led to the dramatically increase of memory bandwidth and capacity. Therefore memory system contributes significantly to the power consumption of the overall system, and the memory power consumption has approached to that of processors. This study is focused on improving bandwidth utilization, reducing average latency and achieving high power efficiency of DRAM systems. Nowadays, with the increasing demand for high memory bandwidth from multi-core processors, the data bus frequency of a DRAM system has increased beyond 400MHz besides the use of double data transfer. For example, a DDR3-1600 DRAM system runs at 800MHz and can transfer a 64-byte cache block in 5ns. A typical memory device may provide 4-bit (X4), 8-bit (X8) or 16-b

英文关键词: memory controller;dynamic micro-channel allocation;memory access scheduling;virtualization management;CMP

成为VIP会员查看完整内容
0

相关内容

军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
类脑超大规模深度神经网络系统
专知会员服务
54+阅读 · 2022年1月21日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
14+阅读 · 2020年12月12日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
深入理解百度在离线混部技术
InfoQ
0+阅读 · 2022年2月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
一文详解Redis中BigKey、HotKey的发现与处理
阿里技术
0+阅读 · 2021年8月25日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
24+阅读 · 2018年10月24日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
类脑超大规模深度神经网络系统
专知会员服务
54+阅读 · 2022年1月21日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
14+阅读 · 2020年12月12日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
相关资讯
深入理解百度在离线混部技术
InfoQ
0+阅读 · 2022年2月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
一文详解Redis中BigKey、HotKey的发现与处理
阿里技术
0+阅读 · 2021年8月25日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员