5.4 Modelle des Energieverbrauchs und der Leistungsaufnahme
285
Leider gibt es in der Regel keinen separaten Stromversorgungsanschluss für jede
Komponente im zu testenden Gerät und wir können daher nur die Summe des
Strombedarfs der einzelnen Komponenten bestimmen. Wir können jedoch versuchen, das Gerät auf bestimmte Weise zu stimulieren, sodass wir den Strombedarf
einzelner Komponenten bestimmen können.
2. Die Klasse der Modelle, die nur „virtuell”, d.h. auf Papier, in einem Rechner
oder in Gedanken existieren. Modelle können auch dann benutzt werden, wenn
die echte Hardware nicht zur Verfügung steht und stattdessen eine Formel oder
ein Rechnerprogramm benutzt wird. Solche Modelle können aber sehr ungenau
sein und sie müssen daher überprüft werden, ansonsten blieben sie fragwürdig.
Zwei Methoden der Überprüfung werden für viele Leistungs- und Energiemodelle
eingesetzt:
• Die Ergebnisse können mit überprüften Modellen einer niedrigeren Abstraktionsebene verglichen werden.
• Die Ergebnisse können mit Messungen an echten Geräten verglichen werden,
was zu einem hybriden Modell führt. Auf den Basis der Messungen müssen
Modellparameter so gewählt werden, dass sich eine möglichst gute Übereinstimmung zwischen dem Modell und den Messungen ergibt. Häufig werden
lineare Modelle gewählt und die Modellparameter werden mit der Methode
der kleinsten Quadrate gewählt, was zur kleinsten Abweichung gemäß MSEMetrik (siehe Gleichung (5.16)) führt. Ein solcher Abgleich zwischen dem
Modell und den Messwerten wird durch mathematische Werkzeuge wie z.B.
MATLAB ® unterstützt. Eine neuere Technik hierfür besteht aus dem Einsatz
von Methoden des Maschinellen Lernens. Beispielsweise beschreiben Falkenberg et al. [161] den Einsatz Maschinellen Lernens zur Bestimmung eines
Modells für die Sendeleistung von Mobilfunkgeräten.
Jedes Leistungsmodell abstrahiert in gewissem Umfang von den Details einer
physischen Realisierung: manche Details werden berücksichtigt, andere wiederum
nicht. Bei der Wahl eines Leistungsmodells muss man sich daher fragen, ob die
gerade relevanten Details berücksichtigt sind. Beispielsweise ist die Alterung häufig
nicht modelliert. Aus diesem Grund müssen Modelle für die wichtigen Details
ggf. miteinander zu einem Gesamtmodell kombiniert werden. Daher werden wir in
diesem Abschnitt repräsentative Modelle der Leistungsaufnahme vorstellen und wir
setzen darauf, dass Leser bei Bedarf aus diesen Modellen ein neues Modell für die
jeweils benötigte Aufgabe erzeugen.
5.4.2 Energiemodell für Speicher
Im Abschnitt über Speicherhardware (siehe Seite 184) wurde bereits beschrieben,
dass die Leistungsaufnahme und der Energieverbrauch von Caches und anderen
Speichern mit CACTI [589, 409] bestimmt werden kann. CACTI basiert auf einem
abstrakten Chiplayout des Speichers, extrahiert Kapazitäten aus diesem Layout und
285
Leider gibt es in der Regel keinen separaten Stromversorgungsanschluss für jede
Komponente im zu testenden Gerät und wir können daher nur die Summe des
Strombedarfs der einzelnen Komponenten bestimmen. Wir können jedoch versuchen, das Gerät auf bestimmte Weise zu stimulieren, sodass wir den Strombedarf
einzelner Komponenten bestimmen können.
2. Die Klasse der Modelle, die nur „virtuell”, d.h. auf Papier, in einem Rechner
oder in Gedanken existieren. Modelle können auch dann benutzt werden, wenn
die echte Hardware nicht zur Verfügung steht und stattdessen eine Formel oder
ein Rechnerprogramm benutzt wird. Solche Modelle können aber sehr ungenau
sein und sie müssen daher überprüft werden, ansonsten blieben sie fragwürdig.
Zwei Methoden der Überprüfung werden für viele Leistungs- und Energiemodelle
eingesetzt:
• Die Ergebnisse können mit überprüften Modellen einer niedrigeren Abstraktionsebene verglichen werden.
• Die Ergebnisse können mit Messungen an echten Geräten verglichen werden,
was zu einem hybriden Modell führt. Auf den Basis der Messungen müssen
Modellparameter so gewählt werden, dass sich eine möglichst gute Übereinstimmung zwischen dem Modell und den Messungen ergibt. Häufig werden
lineare Modelle gewählt und die Modellparameter werden mit der Methode
der kleinsten Quadrate gewählt, was zur kleinsten Abweichung gemäß MSEMetrik (siehe Gleichung (5.16)) führt. Ein solcher Abgleich zwischen dem
Modell und den Messwerten wird durch mathematische Werkzeuge wie z.B.
MATLAB ® unterstützt. Eine neuere Technik hierfür besteht aus dem Einsatz
von Methoden des Maschinellen Lernens. Beispielsweise beschreiben Falkenberg et al. [161] den Einsatz Maschinellen Lernens zur Bestimmung eines
Modells für die Sendeleistung von Mobilfunkgeräten.
Jedes Leistungsmodell abstrahiert in gewissem Umfang von den Details einer
physischen Realisierung: manche Details werden berücksichtigt, andere wiederum
nicht. Bei der Wahl eines Leistungsmodells muss man sich daher fragen, ob die
gerade relevanten Details berücksichtigt sind. Beispielsweise ist die Alterung häufig
nicht modelliert. Aus diesem Grund müssen Modelle für die wichtigen Details
ggf. miteinander zu einem Gesamtmodell kombiniert werden. Daher werden wir in
diesem Abschnitt repräsentative Modelle der Leistungsaufnahme vorstellen und wir
setzen darauf, dass Leser bei Bedarf aus diesen Modellen ein neues Modell für die
jeweils benötigte Aufgabe erzeugen.
5.4.2 Energiemodell für Speicher
Im Abschnitt über Speicherhardware (siehe Seite 184) wurde bereits beschrieben,
dass die Leistungsaufnahme und der Energieverbrauch von Caches und anderen
Speichern mit CACTI [589, 409] bestimmt werden kann. CACTI basiert auf einem
abstrakten Chiplayout des Speichers, extrahiert Kapazitäten aus diesem Layout und