用于粗粒度可重构阵列处理器资源调度的温度优化方法专利名称：用于粗粒度可重构阵列处理器资源调度的温度优化方法技术领域：本发明涉及的是一种计算机应用技术领域的方法，具体是一种用于粗粒度可重构阵列处理器资源调度的温度优化方法。背景技术：可重构计算系统的诞生是为了填补ASIC和微处理器之间的空白。粗粒度可重构系统由于在系统性能和功能灵活性方面有着较好的折中，因而获得了越来越多的关注。粗粒度可重构系统的应用涉及图像压缩，图形和图片处理，数据加密和DSP转换等等。然而，对可重构计算系统进行编程将是一个极为繁琐且容易出错的过程，因为它需要程序员对目标硬件有着较好的理解，这就限制了这项技术的广泛接受和推广。针对这个问题，研究者们已经提出了许多不同的方法，例如采用编程语言，高级别的编译方式等来将应用算法映射到硬件中去。这些半自动、自动的编译工具可以使程序员将应用算法的硬件映射过程变得更为容易，也使得算法的移植性更强。半自动的工具如Hartej等在2000 年为Morphosys系统提出的一套综合软件平台，它采用手工方式在图形界面中为可重构阵列(RCA)产生配置字。全自动的方式如Joao M.P.在2006年为PACT-XPP混合可重构处理器系统开发的XPP C编译器，该编译器使用流水线向量化和时域分割方法产生配置字。在编译器进行编译的过程中都需要将算法中的计算任务通过调用可重构硬件资源来完成。经过对现有技术的检索发现，目前的主要的资源调度技术都只关注硬件的利用率和任务执行的效率。例如在Joao M. P.在2006年发表的XPP-VC 个PACT-XPP平台上具有时域划分的C编译器中提出的编译器中资源调度技术只关注了任务进行时域划分后在计算上计算的效率以及占用的PE数量，而没有考虑任务在器件上运行时的温度效应。然而，随着芯片性能的发展，片上的热问题变得也越来越严重。高温既会影响器件运行时的功耗，还会降低器件的稳定性。为了最小化高温的负面效应，在芯片的设计、制造以及软件编译过程中都应该采取不同的措施。已经有很多策略用来解决这个问题，例如微处理器中的动态热管理技术(DTM)，以及多核处理器中的同步多线程技术(SMT)。本技术首次将温度因素考虑到了资源的调度技术中。本文中温度优化的目的是通过平衡芯片上的温度分布来避免芯片上出现局部过热点。它在算法编译的过程中对映射任务进行资源调度时自动完成， 这样不会增加任何硬件的设计成本。发明内容本发明针对现有技术存在的上述不足，提供一种用于粗粒度可重构阵列处理器资源调度的温度优化方法，在编译过程中通过预测来平衡硬件资源执行时温度的方式来缓解这个问题。这样可以在不增加任何硬件成本的情况下降低芯片产生局部过热点的风险。优化的结果可以将算法中间表示所代表的计算任务通过温度优化的调度方案调用硬件资源来完成。本发明是通过以下技术方案实现的，本发明包括以下步骤3第一步、在算法任务编译流程中执行硬件资源调度时开始进行温度优化策略初始化；所述的温度优化策略初始化是指根据硬件物理参数，通过热电导来等效器件内模块之间的热传导关系建立热模型，然后读取器件功耗参数。所述的硬件模型物理参数包括硬件版图参数，芯片厚度，热扩散系数，比热系数。所述的热电导的计算方式是G = A:+，其中t是模块的有效厚度，A是模块的面A积，k是热电导系数。第二步、选择初始资源调度方案并通过计算任务节点进行数据相关性约束的阵列资源初始调度，每个计算任务节点都由一个可重构硬件阵列处理器的阵列单元来完成。所述的计算任务节点对热模型进行求解并预测在当前资源调度方案下硬件执行时的温度G T = P，其中G代表热电导矩阵，T代表需要预测的温度，P代表功耗。第三步、随机重新选择计算任务的调度位置并通三过重新求解热方程获取预测的温度值，据此选取更优化的资源调度方案，以降低器件在运行时的温度分布，当达到优化次数或者设定的优化温度则停止优化过程并选取当前最优的方案作为最终资源调度方案。本发明是通过以下原理提出的当阵列中存在空余的硬件资源时，可以在不改变数据相关性的前提下将温度较高的计算任务迁移到空余资源上，或者将其迁移到散热率较高的可重构单元上去执行。最佳的迁移策略是通过优化搜索来获得的。搜索时先进行二维阵列行方向上的搜索。当某一行的调度完成时，开始进行阵列列方向上的搜索。在进行列搜索的过程中，每行中的节点作为一个整体在阵列内平移，行内任务节点之间的相对位置不变。本发明与现有的热优化技术相比，具有以下优点1)能够在资源调度的同时对执行时的器件温度进行预测，并根据预测结果选取最佳调度方案。2、温度优化过程是在资源调度时自动完成，无需额外的硬件资源，从而可以节省硬件设计成本。3)温度优化过程是在硬件执行之前通过编译器静态完成，无需复杂的动态管理策略。图1可重构硬件阵列处理器构架。图2资源调度过程中进行温度优化的流程。图3器件的简化热模型示例。图4优化前后的阵列温度分布示例。具体实施例方式下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。实施例如图1所示，本实施例所提到的可重构阵列硬件资源是一个同构的可重构单元组成的二维阵列，相邻行间的阵列单元之间可以进行数据通信，而同行之内的阵列单元则不可进行数据交互。本实施例包括以下步骤第一步、在算法任务编译流程中执行硬件资源调度时开始进行温度优化策略初始化；所述的温度优化策略初始化是指根据硬件物理参数，通过热电导来等效器件内模块之间的热传导关系建立热模型，然后读取器件功耗参数。所述的硬件模型物理参数包括硬件版图参数，芯片厚度，热扩散系数，比热系数。所述的热电导的计算方式是权利要求1.一种用于粗粒度可重构阵列处理器资源调度的温度优化方法，其特征在于，包括以下步骤第一步、在算法任务编译流程中执行硬件资源调度时开始进行温度优化策略初始化； 第二步、选择初始资源调度方案并通过计算任务节点进行数据相关性约束的阵列资源初始调度，每个计算任务节点都由一个可重构硬件阵列处理器的阵列单元来完成。第三步、随机重新选择计算任务的调度位置并通三过重新求解热方程获取预测的温度值，据此选取更优化的资源调度方案，以降低器件在运行时的温度分布，当达到优化次数或者设定的优化温度则停止优化过程并选取当前最优的方案作为最终资源调度方案。2.根据权利要求1所述的用于粗粒度可重构阵列处理器资源调度的温度优化方法，其特征是，所述的温度优化策略初始化是指根据硬件物理参数，通过热电导来等效器件内模块之间的热传导关系建立热模型，然后读取器件功耗参数。3.根据权利要求2所述的用于粗粒度可重构阵列处理器资源调度的温度优化方法，其特征是，所述的硬件模型物理参数包括硬件版图参数，芯片厚度，热扩散系数，比热系数。4.根据权利要求2所述的用于粗粒度可重构阵列处理器资源调度的温度优化方法，其特征是，所述的热电导的计算方式是G = A:+，其中t是模块的有效厚度，A是模块的面积，Ak是热电导系数。5.根据权利要求1所述的用于粗粒度可重构阵列处理器资源调度的温度优化方法，其特征是，所述的计算任务节点对热模型进行求解并预测在当前资源调度方案下硬件执行时的温度G T = P，其中G代表热电导矩阵，T代表需要预测的温度，P代表功耗。全文摘要一种计算机应用技术领域的用于粗粒度可重构阵列处理器资源调度的温度优化方法，通过在算法任务编译流程中执行硬件资源调度时开始进行温度优化策略初始化；选择初始资源调度方案并通过计算任务节点进行数据相关性约束的阵列资源初始调度，每个计算任务节点都由一个可重构硬件阵列处理器的阵列单元来完成；最后随机重新选择计算任务的调度位置并通三过重新求解热方程获取预测的温度值，据此选取更优化的资源调度方案，以降低器件在运行时的温度分布，当达到优化次数或者设定的优化温度则停止优化过程并选取当前最优的方案作为最终资源调度方案。