Name :
Rachma Oktari
Nim : 001201907023
Subject :
Distributed Systems
Lecturer : Tjong Wan Sen
Faculty/Major : Computing/MSIT
Task1 : Research percentage or ratio of
used vs idle computing power on smartphone.
Review : An Analysis of Power Consumption
in a Smartphone
Mobile
devices derive the energy required for their operation from batteries. In the
case of many consumerelectronics devices, especially mobile phones, battery
capacity is severely restricted due to constraints on size and weight of the
device. This implies that energy efficiency of these devices is very important
to their usability. Hence, optimal management of power consumptionof these
devices is critical. At the same time, device functionality is increasing
rapidly. Modern high-end mobile phones combine the functionality of a
pocket-sized communication device with PC-like capabilities, resulting in what
are generally referred to as smartphones.
Tujuan menyajikan analisis rinci tentang konsumsi daya sebuah ponsel, Openmoko Neo Freerunner.
Mengukur sistem secara keseluruhan,seperti gangguan konsumsi daya oleh perangkat utama dan komponen perangkat keras. Present this power breakdown
for micro-benchmarks as well as for a number of realistic usage scenarios. These results are
validated by overall power
measurements of two other devices: the HTC Dream and Google Nexus One.
Mengembangkan model Freerunner Device dan menganalisis penggunaan energi dan masa pakai baterai
di bawah sejumlah pola penggunaan.
Membahas dari berbagai komponen :
1. Mengidentifikasi area yang paling menjanjikan untuk fokus pada peningkatan lebih lanjut manajemen daya
2. Menganalisis energi dampak tegangan dinamis dan penskalaan frekuensi prosesor aplikasi perangkat (Specifically, we produce a
breakdown of power distribution to CPU, memory, touchscreen, graphics hardware,
audio,
storage, and various networking interfaces.)
Ada tiga
elemen untuk pengaturan eksperimental:
the
device-under-test (DuT), a hardware data acquisition (DAQ) system, and a host computer.
Device under test yang
digunakan: Openmoko Neo Freerunner
To measure
the voltages, we used a National Instruments PCI-6229 DAQ, to which the sense
resistors were connected via twisted-pair wiring. The key characteristics of
this hardware are summarised in Table 2.
DuT menjalankan port Freerunner dari
operasi Android 1.5 sistem menggunakan kernel Linux v2.6.29. Two types
of benchmarks. First, a series of micro-benchmarks designed to independently
characterise components of the system, particularly their peak and idle power
consumption.
There are
two different cases to consider: suspended and idle. For the idle case, there
is also the application-independent power consumption of the backlight to
consider.
Suspended
device : Untuk mengukur
penggunaan daya saat ditangguhkan, memaksa perangkat ke status ditangguhkan dan mengukur kekuatan selama 120 detik. Gambar 2 menunjukkan hasilnya, rata-rata lebih
dari 10 iterasi. Rata-rata kekuatan
agregat adalah 68.6mW, dengan standar relatif deviasi (RSD) sebesar 8,2%. Fluktuasi sebagian besar disebabkan oleh GSM
(14,4% RSD) dan grafik (13,0%) subsistem. Kekuatan subsistem GSM jelas mendominasi ditangguhkan, mengkonsumsi sekitar 45% dari power. Meskipun mempertahankan status penuh,
RAM tetap dikonsumsi daya yang dapat diabaikan — kurang dari
3 mW. Perhatikan bahwa GSM subsistem di
perangkat tidak menggunakan memori sistem — itu memiliki RAM sendiri yang disertakan dalam GSM.
Idle device
: Perangkat dalam
kondisi siaga jika sepenuhnya terjaga (tidak ditangguhkan) tetapi tidak ada aplikasi yang aktif. Kasus ini merupakan kontribusi statis terhadap kekuatan sistem yang aktif. Lampu latar dimatikan, tetapi sisa subsistem tampilan diaktifkan. Gambar 3 menunjukkan daya yang dikonsumsi dalam keadaan
idle. Seperti seperti keadaan suspend device, menjalankan 10 iterasi, masing-masing 120 detik dalam status siaga. Konsumsi daya dalam keadaan ini sangat stabil, dengan RSD 2,6%,
dipengaruhi sebagian besar oleh GSM, yang bervariasi
dengan RSD 30%. Semua komponen lain menunjukkan RSD di bawah 1%. Gambar 3 menunjukkan subsistem yang terkait tampilan mengkonsumsi proporsi
daya terbesar di idle sekitar 50%
karena grafis dan LCD, dan hingga
80% dengan lampu latar pada kecerahan puncak. GSM juga merupakan konsumen besar, sebesar
22% dari jumlah power.
Gambar 4 menunjukkan daya yang
dikonsumsi oleh layar lampu latar atas kisaran tingkat
kecerahan yang tersedia. Level itu adalah nilai antara 1 sampai 255, yang diprogram ke dalam modul manajemen daya, untuk mengontrol arus backlight. Kontrol kecerahan Android antarmuka pengguna menyediakan kontrol linear dari nilai ini di antara 30 dan 255. Daya lampu latar minimum sekitar 7.8mW, maksimum 414mW, dan slider berpusat sesuai ke tingkat kecerahan 143, mengkonsumsi 75 mW. Lampu latar mengkonsumsi daya yang dapat diabaikan saat
dinonaktifkan.
The SPEC
CPU2000 benchmarks ultimately selected are equake, vpr, gzip, crafty and mcf. Untuk setiap tolak ukur, mengukur
rata-rata daya CPU dan RAM pada frekuensi inti tetap 100MHz dan 400 MHz, dan juga
mengukur daya untuk sistem dalam kondisi siaga. Gambar 5 menunjukkan hasil ini,
rata-rata lebih dari 10 berjalan. RSD kurang dari 3% secara keseluruhan kasus.
Untuk beban kerja idle, equake, vpr, dan gzip, Kekuatan CPU mendominasi daya
RAM pada frekuensi keduanya. Namun, crafty dan mcf menunjukkan itu Daya RAM
dapat melebihi daya CPU.
Tabel 3
menunjukkan efek penskalaan frekuensi pada kinerja, serta daya CPU, RAM, dan
energi. Berbagai macam perlambatan faktor di berbagai tolak ukur memvalidasi
pilihan beban kerja kami mewakili sejumlah Penggunaan CPU / memori.
Related Work :
Mahesri and
Vardhan [4] perform an analysis of power
consumption on a laptop system. Their approach to component power measurement is driven partially by direct power measurement, but largely by
deduction using modelling and
off-line piece-wise analysis. They show that
the CPU and display are the main consumers of energy for their class of system, and that other components contribute substantially only when
they are used intensively. Their
results mirror our observations that RAM power is insignificant in real
workloads.
Bircher and
John [2] look at component power estimation
using modelling techniques. They demonstrate an error of less than 9% on average across all tested subsystems, including memory, chipset, disk, CPU,
and I/O.
In a later
work, Bircher and John [3] measure the power
consumption of the CPU, memory controller,
RAM, I/O, video and disk subsystems under a number of workloads. Their results show that CPU and disk consume the majority of the power, with the
RAM and video systems consuming very
little. However, under the SPEC CPU
suites, they show that RAM power can indeed exceed CPU power for highly memory-bound
workloads.
Sagahyroon
[8] perform an analysis similar to ours on
a handheld PC. They show significant consumption in the display subsystems,
particularly in backlight brightness. Unlike our results, theirs suggest that
the CPU, and its operating frequency, is important to overall power consumption. They also show
significant dynamic power consumption in the graphics subsystems.
Eksperimen menurunkan idle :
mengukur konsumsi daya dua smartphone tambahan; HTC Dream (G1), dan Google Nexus One (N1)
Hasil
menunjukkan bahwa sebagian besar konsumsi daya dapat dikaitkan dengan modul GSM
dan layar, termasuk panel LCD dan layar sentuh, grafik akselerator / driver,
dan lampu latar. Kecerahan lampu latar adalah faktor yang paling penting di
menentukan konsumsi daya. Namun, ini relative perangkat sederhana dari
perspektif manajemen daya, dan sangat tergantung pada preferensi kecerahan
pengguna.
Dynamic voltage and frequency scaling
Our CPU
micro-benchmarks show that dynamic voltage and frequency scaling (DVFS) can
significantly reduce the power consumption of the CPU. However, this does not
imply reduced energy overall, because the run-time of the workload also
increases. Our results show (Table 3) that only highly memory-bound workloads
(namely mcf) exhibit a net reduction in CPU/RAM
energy.
However, such a simplistic analysis assumes that after completing the task, the
device consumes zero power. Clearly this is not a realistic model, particularly
for a smartphone. To correct for this, we can “pad” each of the measurements
with idle power [5] in order to equalise the run times, according to the
following equation:
Hasil menunjukkan bahwa manfaat praktis
dari DVFS sebagian besar tergantung pada
perangkat keras CPU (terutama idle daya), dan sampai batas tertentu, beban kerja.
Pada G1,
yang memiliki mode idle daya rendah yang baik, berkurang frekuensi selalu menghasilkan
peningkatan penggunaan energi. Tampaknya DVFS pada platform ini sepenuhnya
tidak efektif. Di Freerunner, DVFS hanya menghasilkan energi marjinal
pengurangan sekitar 5% — penghematan sebesar kebanyakan 20mW. Namun, N1
menunjukkan keunggulan yang cukup besar untuk menggunakan DVFS, hemat hingga
35%, sesuai untuk pengurangan daya rata-rata 138mW. Hasilnya menunjukkan bahwa
DVFS mengurangi konsumsi CPU / RAM yang tidak digunakan sekitar 30% di
Freerunner.
Tidak ada komentar:
Posting Komentar