嵌入式测控系统中多处理器架构分析及设计.docVIP

嵌入式测控系统中多处理器架构分析及设计 　　摘要:本文针对嵌入式设备资源的有限性以及嵌入式测控系统实时性的要求,提出了一个基于多处理器的测控系统架构的设想,以便于在有限的资源下更快的对现场采集的数据进行处理。利用并行系统的特点,在嵌入式测控网络中引入多处理器结构。这种多处理器结构可以提高管理平台处理数据的速度,从而提高整个系统的实时通信能力。 　　关键词:嵌入式系统;多处理器;测控系统 　　一、多处理器系统的框架 　　多处理器系统就是在一个系统中含有多个CPU,每个CPU独立地处理一个或少量的事务,在操作系统的控制下,控制数据合理流动,以完成设计要求的系统。使用多处理器主要有两种目的。一种是想利用多台处理器进行多任务处理。另一种是想依靠冗余的处理器及重组能力来提高系统的可靠性、适应性和可用性。 　　多处理器系统中,根据多个处理器之间的相互关系可以分为两类:对称多处理器和非对称多处理器。在对称式多处理器系统中,系统资源如存储器和磁盘输入/输出(I/O)被系统中的所有微处理器共享,工作负载被均匀地分配到所有可用处理器上,从而避免对某些特定任务,一些处理器忙不过来,而另一些处理器却闲着。当系统中加入新处理器时,对所有的任务,对称式多处理器系统的性能都会提高。对称多处理器对存储器的访问采用的是均匀存储访问的模式,其特点是:第一、物理存储器被所有处理器均匀共享;第二、所有处理器访问任何存储单元用相同的时间;第三、每台处理器可带私有高速缓存;第四、外围设备也可以一定形式共享。 　　二、嵌入式测控网络中多处理器的结构 　　微处理器和各种硬件本身性能的提高,对嵌入式系统的实时性要求也越来越迫切。在嵌入式测控系统的设计中我们最基本的出发点就是提高系统的实时性,所做的工作也都是围绕着提高系统的实时性而展开的。 　　提高嵌入式监控系统的实时性,主要有两个方面:一是从传输过程中提高数据的传输效率来提高实时性;二是从处理器提高处理数据的速度方面来提高实时性。 　　从数据传输方面提高系统的实时性涉及的面比较广,例如,改进传统的TCP拥塞控制、裁减传统协议栈、改进数据调度算法等等。人们研究的热点也是围绕以上这几个方面来做的,并且也取得了大量的成果,大大提高了系统的实时通讯能力。 　　对从处理器处理数据的速度方面来提高系统的实时性这个问题人们也做了大量的研究,但大多数研究都是围绕如何提高处理器的性能来进行的。可是现在硬件发展也已经到了一定的高度,芯片的集成度己经很高,如果再依靠提高芯片晶体管的密度来提高处理器的速度,那么芯片的散热和能耗等副作用也将明显加剧,所以单纯依靠提高处理器的速度也是不现实的。 　　在嵌入式测控系统中,采集点采集的数据是海量的、实时返回的,管理平台中的处理器每时每刻都要处理从采集点返回的源源不断的数据,其工作负担是很大的。在这种数据吞吐量大的高速采集与处理系统中,由于处理器硬件本身数据处理速度的限制,往往难以满足控制系统高实时性的要求。处理器的信息处理能力严重影响了整个嵌入式系统的性能。针对系统的这些特点,结合上文中对多处理器结构的分析,本文提出了在嵌入式测控系统的管理平台中使用多处理器结构,把原本一个处理器的工作平均分配给多个处理器来进行,这样可以大大减轻处理器的负担,提高整个系统的实时性。 　　采用多处理器结构分工处理数据信息,而且多处理器协同工作可以增强控制系统数据通信速度和信息处理能力。因此,在控制规模比较大,控制要求比较高的场合,开发研制这一实际系统具有重要意义。 　　测控系统中的处理器所做的最主要的工作就是数据处理,当然数据处理工作中也包含了大量的I/O工作,但如果从系统实时性方面来考虑。处理一个数据所需要的时间绝大多数都消耗在处理本身而不是I/O上。在嵌入式测控系统中如果使用非对称处理器结构,让不同的处理器负责不同的工作是不合适的。比如一个处理器负责I/O工作,一个处理器负责具体的处理数据。这样虽然也能缩短处理数据的时间,但缩短的只是其中I/O用的时间。并不能从根本上缩短处理数据的本身的时间。 　　测控系统中有多个不同的数据采集点,如果让每个处理器处理一个采集点的数据,这样也是行不通的。首先采集点太多,多处理器结构中处理器的个数越多整个系统的结构就越复杂,且不好实现;其次由于不同的数据采集点采集的数据量不同,这样会造成各处理器工作负担的严重不平衡,那些处理数据采集量大的监控点的处理器由于数据量大可能会经常处于忙状态甚至是拥塞状态,而那些处理数据采集量小的监控点的处理器会因为数据量小而长期空闲。这样在实时性方面就造成了瓶颈问题。综上所述,非对称多处理器的结构不适合在嵌入式测控系统中使用。 　　如果在系统中使用对称多处理器结构,各处理器平均的处理采集点返回的数据,这样相当于多个处理器同时处理多个