面向众核密码处理器的高效负载均衡技术

工作负载分配不均是制约众核密码平台资源利用率提高的重要因素,动态负载分配可提高平台资源利用率,但具有一定开销;所以更高的负载均衡频率并不一定带来更高的负载均衡增益。因此,该文建立了关于负载均衡增益率与负载均衡频率的数学模型。基于模型,提出一种面向众核密码平台的无冲突负载均衡策略和一种基于硬件作业队列的"可扩展-可移植"负载均衡引擎——"簇间微网络-簇内环阵列"。实验证明:在性能、延时功耗积、资源利用率和负载均衡度方面,该文设计的负载均衡引擎与基于"作业窃取"的软件技术相比平均优化约4.06倍、7.17倍、23.01%和2.15倍;与基于"作业窃取"的硬件技术相比约优化1.75倍、2.45倍、10.2%、和1.41倍;与理想硬件技术相比,密码算法吞吐率平均只降低了约5.67%(最低3%)。实验结果表明该文技术具有良好的可扩展性和可移植性。

IVE模型中区间划分方法对排放因子估算的影响

利用便携式排放测试系统(Portable Emission Measurement System,简称PEMS)和GPS系统(Global Position System,简称GPS)选取多辆天津市机动车进行了道路测试,并对其排放及行驶数据进行了研究,分析了在IVE(International Vehicle Emissions,简称IVE)模型中不同区间的划分方法下,机动车比功率(Vehicle Specific Power,简称VSP)与排放相关系数的差异.CO、CO_2、NO_x排放与VSP相关系数在Paps(Preaverage Power Stress,前平均比功率负载,简称Paps)方案下进行划分时的平均值从原有的引擎负载(Engine Stress,简称ES)方案下的0.1以下上升到0.4以上;但是HC排放与VSP相关系数在ES方案下的均值为0.0370,在Paps方案下却为-0.0766.分别计算污染物实测排放因子与IVE模型改进前和改进后的污染物排放因子的比值,发现采用Paps区间划分方法计算得出的排放因子数据比ES区间划分方法得出的数据显著接近于实测排放因子,显示Paps区间划分方法有助于改善机动车排放估算的准确度.