专利名称：一种微处理器热传感器配置方法
技术领域：
本发明涉及一种传感器配置方法，尤其是涉及ー种微处理器热传感器配置方法。
背景技术：
在现代高性能电路中，由于小型化和大規模集成化工艺技术的迅速发展，微处理器的功率密度变得越来越高。这些功率损耗转化成热量使芯片温度上升，造成微处理器的可靠性下降、漏电功耗増加、冷却成本上升。为了能够更好的了解微处理器运行情况，很多微处理器制造商都在热量监控中采用片上植入的热传感器读数来评估芯片当前运行的温度情況。例如英特尔奔腾4处理器，它就配备了热传感器，当温度超过设定工作温度时便会引发报警，处理器在得到这些报警之后，就通过暂闭时钟来降低功耗。因此，如何分配热传 感器数量以及植入位置成为了微处理器热管理设计的重点。通过对现有技术文献检索发现，Ryan Cochran等在2009年提出了ー种利用信号处理中的频谱技术将均匀分布的传感器采样到的热数据进行重构，恢复出16核微处理器热分布以达到对整个微处理器热量监控的目的(Spectral Techniques forHigh-Resolution Thermal Characterization with Limited Sensor Data),该又献给出了ー种高精度的微处理器热量监控方法，但受制于传感器均勻分布的要求，有一定的局限性。Mukherjee等针对微处理器各模块热点监控问题，提出了基于k-means聚类算法的微处理器热传感器分配与放置策略(Systematic temperature sensor allocation andplacement for microprocessors),该文献抛开了微处理器的整个热分布，把关注重点放在微处理器各个模块的热点上，为应急机制设计和热管理提供了可行性解决方案。通过对现有技术的检索发现，虽然这些方法能够提供ー种热点监控解决方案，但是在高精度要求下，所采用的传感器数量仍然较多，不利于节省设计成本和制造成本。尤其是针对ー些高性能高集成度的微处理器，由于エ艺要求，无法在其内部植入大量的传感器。如何能够保证在精度基本不变的情况下减少传感器数量依然是ー个亟待解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供ー种在保证高精度的要求下，有效减少传感器数量，降低成本的微处理器热传感器配置方法。本发明的目的可以通过以下技术方案来实现—种微处理器热传感器配置方法，该方法包括以下步骤I)在微处理器上运行多个エ况，功耗计算単元计算不同エ况下微处理器的功耗，温度分布计算单元计算该功耗下微处理器的温度分布；2)对不同エ况下得到的温度分布图进行数据处理，获得微处理器各模块热点分布叠加图；3)设定热点监控误差上限值，井根据该上限值对热点分布叠加图中的数据点进行考虑奇异点的优化双重聚类，得到这些热点的聚类結果；
4)按照上述聚类结果，每ー个聚类配置一枚热传感器，热传感器设置在该聚类所含所有热点的质心处，即考虑温度值加权的平均中心处，保证在设定最大误差内监控所有的热点温度值。所述的步骤I)中的微处理器的温度分布是指微处理器工作状态时的ニ维温度矩阵。所述的步骤2)中的热点分布叠加图是指根 据微处理器架构模块划分，挑出各模块的热点，再将不同エ况下的所有热点分布重叠在一幅架构图上，剔除重复热点后所得到的热点分布。所述的步骤3)中的热点误差上限值是指微处理器热管理设计中，所允许的热传感器采样数值与所监控热点实际温度的最大差值。所述的步骤3)中的双重聚类是指同时在空间域和属性域上进行的聚类算法。所述的步骤3)中的考虑奇异点的优化双重聚类是指双重聚类算法在初始化聚类中心吋，选取温度值较平均温度值相差最大的数据点。与现有技术相比，本发明具有以下优点I)针对热分布特点，采用自组织簇融合的解决策略，提高了聚类效率，減少时间代价，在多热点的情况下，分析速度快；2)采用考虑奇异点的改进双重聚类算法，在同等精度要求下，使用的热传感器数量跟现有其他方案相比大幅減少，成本更低。
图I为本发明步骤流程图。
具体实施例方式下面结合附图对本发明的实施例作详细说明，本实施例在以本文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实施例。实施例I如图I所示，一种微处理器热传感器配置方法，该方法包括以下步骤第一歩，采取Alpha EV6微处理器架构，在微处理器上运行多个エ况，使用SimpleScalar软件仿真SPEC2000 (系统性能评估测试)标准测试程序模拟不同エ况，并通过功耗计算单元计算模块的功耗，温度分布计算单元计算该功耗下微处理器的温度分布；上述功耗计算单元为Wattch infrastructure软件，温度分布计算单元为Hotspot 软件。第二歩，将不同测试程序下仿真得到的温度分布图通过MATLAB进行热点合并和剔除，得到微处理器各模块热点分布叠加图，共计20个热点；所述热点合并和剔除是指将所有热点分布图中得热点数据放置在同一架构图上，如果有热点位置完全重合，那么仅保留ー个，将其他重合点剔除。第三步，将最大热点监控误差设定为5%，利用考虑奇异点的改进双重聚类算法进行所有热点的自组织簇融合聚类操作，其算法框架如下
I)初始化ー个类中心，该中心为所有待聚类数据点中与均值差值最大的ー个点，以这个中心为基准扫描与之相邻的数据点，计算这些数据点与中心的属性距离是否超过阈值，若属性距离小于阈值，则合并为ー个簇，若属性距离大于阈值，则不合井；2)发生合并时，立即把新合并成的数据点集作为新的类，再次扫描周围所有相邻的数据点，直到不发生任何合并为止；3)如果ー个簇无法再与周边合并，则这个簇就是我们所求的一个完整的聚类；4)在剩下的数据点中重新循环执行1、2、3步，直到所有的数据点都属于某个聚类为止。考虑奇异点的好处在于，在聚类的过程中，温度值与平均温度值相比差别较大的热点往往很难与大部分热点聚为ー类，而被単独孤立，造成需要为其单独分配一个传感器的情况，优先以它作为聚类中心可以尽可能的把周边能融合为ー类的点分配进该聚类，以減少传感器数量。上述相邻的数据点是指根据热点分布叠加数据，作这些热点点阵的V0R0N0I图，如果某两个数据点所在的V0R0N0I多边形符合Queen准则，即两多边形存在公共顶点，那么，这两个数据点则判断为相邻数据点。所述的属性距离是指两数据点间，非空间属性的欧式距离。假设N个d维数据点
Pn = {gn1，......gnd，Bn1,......anm}，I彡η彡N ;其中gnS......gnd为该点的空间位置坐
标，Bn1,......anm为该点的非空间属性值。则有任意两点P1, P2的属性距离为
权利要求
1.一种微处理器热传感器配置方法，其特征在于，该方法包括以下步骤 1)在微处理器上运行多个工况，功耗计算单元计算不同工况下微处理器的功耗，温度分布计算单元计算该功耗下微处理器的温度分布； 2)对不同工况下得到的温度分布图进行数据处理，获得微处理器各模块热点分布叠加图； 3)设定热点监控误差上限值，并根据该上限值对热点分布叠加图中的数据点进行考虑奇异点的优化双重聚类，得到这些热点的聚类结果； 4)按照上述聚类结果，每一个聚类配置一枚热传感器，热传感器设置在该聚类所含所有热点的质心处，即考虑温度值加权的平均中心处，保证在设定最大误差内监控所有的热点温度值。
2.根据权利要求I所述的一种微处理器热传感器配置方法，其特征在于，所述的步骤1)中的微处理器的温度分布是指微处理器工作状态时的二维温度矩阵。
3.根据权利要求I所述的一种微处理器热传感器配置方法，其特征在于，所述的步骤2)中的热点分布叠加图是指根据微处理器架构模块划分，挑出各模块的热点，再将不同工况下的所有热点分布重叠在一幅架构图上，剔除重复热点后所得到的热点分布图。
4.根据权利要求I所述的一种微处理器热传感器配置方法，其特征在于，所述的步骤3)中的热点误差上限值是指微处理器热管理设计中，所允许的热传感器采样数值与所监控热点实际温度的最大差值。
5.根据权利要求I所述的一种微处理器热传感器配置方法，其特征在于，所述的步骤3)中的双重聚类是指同时在空间域和属性域上进行的聚类算法。
6.根据权利要求I所述的一种微处理器热传感器配置方法，其特征在于，所述的步骤3)中的考虑奇异点的优化双重聚类是指双重聚类算法在初始化聚类中心时，选取温度值较平均温度值相差最大的数据点。
全文摘要
本发明涉及一种微处理器热传感器配置方法，该方法包括以下步骤在微处理器上运行多个工况，功耗计算单元计算不同工况下微处理器的功耗，温度分布计算单元计算该功耗下微处理器的温度分布；对不同工况下得到的温度分布图进行数据处理，获得微处理器各模块热点分布叠加图；设定热点监控误差上限值，并根据该上限值对热点分布叠加图中的数据点进行考虑奇异点的优化双重聚类，得到这些热点的聚类结果；按照上述聚类结果，每一个聚类配置一枚热传感器，热传感器设置在该聚类所含所有热点的质心处，即考虑温度值加权的平均中心处，保证在设定最大误差内监控所有的热点温度值。与现有技术相比，本发明具有测量精度高、成本低等优点。
文档编号G06F1/20GK102662914SQ20121012454
公开日2012年9月12日 申请日期2012年4月25日 优先权日2012年4月25日
发明者刘文江, 刘涛, 戎蒙恬, 李鑫, 邱赓 申请人:上海交通大学