基于模糊控制的数据缓存冲突自动处理方法

陈岩岩

摘要：传统的数据缓存冲突自动处理方法的过程比较复杂，耗时过长。为简化过程，提出基于模糊控制的数据缓存冲突自动处理方法。通过调整多核数据处理器的同构核，将处理器与模糊控制相结合，建立基于模糊控制的处理器模型，在此基础上，利用语言变量对数据缓存冲突量进行描述，通过得到的隶属度函数制定模糊控制规则，改变冲突数据包的分配方式，对数据调度机制进行优化，最后完成了基于模糊控制的数据缓存冲突自动处理方法的设计。为了验证此方法的有效性，设计了10组对比实验，实验结果表明：该设计每100个冲突的处理速度比传统方法提升了0.28 s，验证了其有效性。

关键词：模糊控制，数据缓存冲突，方法研究

中图分类号：TP303 文献标志码：A 文章编号：2095-5383（2020）01-0019-04

Abstract：The traditional automatic processing method for data caching conflict is quite complicated. In order to simplify the process，an automatic processing method for data caching conflict based on fuzzy control was proposed. By adjusting the isomorphic core of the multi-core data processor，the processor was combined with fuzzy control to establish a processor model based on fuzzy control，On this basis，the linguistic variables was used to describe the amount of data cache conflicts，the obtained membership function was used to formulate fuzzy control rules，and then the allocation of conflicting data packets was changed and the data scheduling mechanism was optimized，finally the automatic processing method for data caching conflict based on fuzzy control was completed. In order to verify the effectiveness of this method，10 sets of comparative experiments were designed. The experimental results show that the speed of automatic processing method for data caching conflict based on fuzzy control increases by 0.28 s per 100 conflicts compared with the traditional method.

Keywords：fuzzy control，data cache conflict，method research

隨着我国高科技制造业的发展，集成电路制造工艺也在不断进步，数据处理器的性能也越来越好。然而当数据存储器的性能无法满足数据处理器的性能要求时，会出现数据缓存冲突的问题，从而导致突发数据包丢失[1]。数据处理器在运行过程中会从外界获取各种指令数据，因此指令数据的能否高效缓存读取影响着处理器的性能。针对这种情况，需要在存储器和处理器之间设置高速缓存，来自动处理数据缓存时发生的冲突，保证突发数据包的完整。现有的数据缓存冲突自动处理方法比较复杂，处理耗时长，因此，本文设计了一种基于模糊控制的数据缓存冲突自动处理方法。

在方法设计的过程中，通过调整多核数据处理器的同构核，完成同构核之间一级数据和二级数据之间的传递关系。将处理器与模糊控制相结合，建立基于模糊控制的处理器模型，在此基础上，利用语言变量对数据缓存冲突量进行描述，通过计算得到隶属度函数，根据函数的调整范围制定模糊控制规则，改变冲突数据包的分配方式[2]。将冲突数据包重新调度到另一个可用的波长信道上，保证冲突数据包的完整性，在发生数据缓存冲突的时候，能够提高自动处理方法的成功率，完成对数据调度机制的优化。最后完成基于模糊控制的数据缓存冲突自动处理方法的设计。

1 数据缓存冲突处理方法

在数据缓存的过程中，由于数据的采集来源不同，导致数据结构标准不统一，在数据精度、采集时间等方面有所差异。当数据存储器和数据处理器之间的性能差异过大时，会导致这些结构标准不统一的数据出现缓存冲突的问题，导致冲突数据包的丢失[3]。为了使数据处理器能够正常运行，保护数据的安全，需要对数据发生的缓存冲突进行处理，下面针对出现的冲突问题设计基于模糊控制的数据缓存冲突自动处理方法。

1.1 建立基于模糊控制的处理器模型

数据缓存冲突的现象具有随机性、不稳定性等特点，当不同优先级的冲突数据包发生冲突时，原则上尽量保护高优先级冲突数据包，降低其丢失率。在数据处理器中，冲突数据包在波长信道上进行传输，为了降低处理器模型的复杂性，选取一个实时总线作为联代枢纽[4]。IL1、DL1代表核心路由器，为了能够高成功率的解决数据缓存冲突，建立一个基于模糊控制的数学模型，如图1所示。

1.2 制定模糊控制规则

在基于模糊控制的处理器模型建立完成的基础上，需要制定模糊控制规则。将处理器控制信号u作为模糊控制器的输出量，将数据缓存冲突量e和数据缓存冲突量变化率Δe作为模糊控制器的输入量，那么能够得到：

为了达到最佳的模糊控制效果，将模糊控制器和数据处理器视为一体[8]，输入项为数据电流的脉冲指令，输出项为突发数据包的信道编号，这两者之间的关系可以近似看做是θ/s，实时总线和TDMA总线仲裁器可看做一阶惯性环节，采用对数据缓存性能进行测量以及人为矫正。在数据缓存冲突自动处理的方法设计中，采用对隶属度函数进行分析矫正[9]，根据图2中的隶属度函数变量之间的关系，能够制定出模糊控制规则如表1所示。

根据处理器中发生数据缓存冲突的实际情况，可以做出一些假定，利用模糊控制规则来矫正处理控制方法，并对于处理器中的输出数据的冲突平均值进行预测和控制[10]，依靠模糊控制规则就能够对实时发生的数据缓存冲突产生一定的控制作用。

1.3 优化数据调度机制

立足于模糊控制规则，进一步对冲突数据包的调度机制进行优化。在当前的处理器数据缓存当中，比较典型的信道数据调度机制就是分布式控制算法[11]，它能够适应数据处理器和数据缓存器之间较大的性能差异，且能够解决冲突数据包采用哪种数据信道进行传输的问题。但是由于突发的冲突间隔不能被充分利用，会降低宽带利用率，因此需要对数据的调度机制进行优化。将已经调度的冲突数据包（Burst Data Packet，BDP）重新调度到另一个可用的波长信道上[12]，以容纳新的BDP请求。数据调度机制优化前后的情况如图3所示。

图3中，1与2分别代表单根光纤复用的波长信道，BDP1的请求到达后，被分配到1上，随后BDP2的请求到达后，被调度到空闲着的2上，根据最小化冲突数据包之间的间隔原则[13]，BDP3分配到1，BDP4分配到2，冲突持续时间为L的BDP5在t时刻请求分配资源，数据调度机制优化前，数据冲突包会被丢弃。在进行优化的过程中，保持调度时间不变，重新对冲突数据包发送控制信令，利用FDL进行缓存。

FDL有不同的排列规律，按照排列规律的不同，FDL的缓存配置可以分为两大类[14]：1）固定长度的光纤延迟线（Fixed-FDL，F-FDL），2）可变长度的光纤延迟线（Variable-FDL）。F-FDL中，一共有3根FDL线，设置其固定长度为D，V-FDL中，FDL的长度以D作为固定增长基数逐渐递增，但是其长度的递增需要遵循一定的规律。在配置增长的过程中，将不同的FDL分为奇数段和偶数段，假设一共有B根，B根FDL的长度以D为单位逐渐增长，长度由D递增到B×D。第n根FDL的缓存长度BLi为：

2 实验

设计基于模糊控制的数据缓存冲突自动处理方法的目的就是提高缓存冲突自动处理的速度，因而需要设计仿真实验，分别采用传统的数据缓存冲突自动处理方法和本文设计的基于模糊控制的数据缓存冲突自动处理方法进行缓存冲突处理测试，并将实验结果进行对比分析。

2.1 实验环境

测试采用6个同构核{c1，c2，...，c6}组成的多核数据处理器，每个同构核中都有一个有序（in-order）分级指令数据，指令队列取值为4，指令宽度取值为2，指令窗大小为8，数据缓存大小为64 B，每line大小为8 B。测试程序采用Malardalen WCET bench-mark测试程序集中的一部分，特性如表2所示。

不同缓存时的WCET（时钟周期）如表3所示。

2.2 实验结果与分析

利用2种方法分别进行10组对比实验，实验结果如表4所示。

传统方法每处理100个冲突的平均耗时为0.95 s，本方法每处理100个冲突的平均耗时为0.67 s，每100个冲突的处理速度提升了0.28 s，验证了本方法的有效性。

3 结论

本文设计了模糊控制下的数据缓存冲突自动处理方法，建立基于模糊控制的处理器模型，在此基础上依据数据缓存冲突量及隶属度函数制定模糊控制规则，利用FDL缓存数据，完成优化数据调度机制。为了验证此方法的有效性，设计了10组对比实验。实验结果表明，该方法每100个冲突的处理速度比传统方法提升了0.28 s，验证了该方法的有效性。

參考文献：

[1]刘波，王晓彤，张冬明，等. 一种面向雷达应用可重构系统中的数据缓存结构和管理机制[J]. 上海交通大学学报，2017，51（5）：628-635.

[2]唐玮唯，冯径，舒晓村. 基于用户行为分析的数据立方体缓存策略[J]. 计算机应用，2017，37（z1）：236-239.

[3]吴明杰，陈庆奎，易猛. 基于流粒度的OpenFlow分组缓存管理模型[J]. 计算机工程，2017，43（2）：124-130.

[4]刘期烈，秦庆伟，夏远鹏，等. 命名数据网中基于流行度的网内缓存替换策略[J]. 计算机工程与应用，2018，54（11）：76-80.

[5]卢勇男，摆玉龙，徐宝兄，等. 耦合模糊控制算法的数据同化观测误差处理方法[J]. 遥感技术与应用，2017，32（3）：459-465.

[6]张明德，罗冲，张卫青，等. 航发叶片的测量数据误差处理方法研究[J]. 组合机床与自动化加工技术，2017（1）：57-61.

[7]张广明，高爽，尹增山，等. 基于模糊图像和噪声图像的遥感图像运动模糊复原方法[J]. 电子设计工程，2017，25（18）：82-86.

[8]付博文. 基于广义预测的中药提取温度模糊控制研究[J]. 自动化与仪器仪表，2018（4）：14-17.

[9]卢勇男，摆玉龙，徐宝兄，等. 耦合模糊控制算法的数据同化观测误差处理方法[J]. 遥感技术与应用，2017，32（3）：459-465.

[10]孔繁苗，徐康，陈浙锐，等. 基于模糊控制的重介质悬浮液密度控制方法[J]. 工矿自动化，2018（6）：105-108.

[11]彭辉，王军政，沈伟，等. 带补偿因子的双模糊控制在电液伺服阀控非对称缸系统上的应用研究[J]. 机械工程学报，2017，53（24）：184-192.

[12]张明德，罗冲，张卫青，等. 航发叶片的测量数据误差处理方法研究[J]. 组合机床与自动化加工技术，2017（1）：57-61.

[13]王勇. 深网POI信息获取与一致性处理方法研究[J]. 测绘学报，2017，46（3）：136.

[14]朱闻亚. 模糊网络入侵中多层序列特征自动提取方法研究[J]. 现代电子技术，2017，40（10）：114-117.

[15]柴谦益，郑文斌，潘捷凯，等. 基于大数据分析的智能配电网状态监测与故障处理方法研究[J]. 现代电子技术，2018，41（4）：105-108.