基于拥塞预测的NoC自适应仲裁策略优化网络性能

本文研究了一种针对片上网络(NoC)设计的新型仲裁策略，即全局和局部拥塞预测仲裁(GLCA)。传统的总线系统或互联网的仲裁方法在适应NoC应用环境时存在局限性，因为NoC系统的性能高度依赖于拥塞状态。为了优化NoC的网络延迟，该研究提出了一个基于对网络全局和局部拥塞状态预测的自适应机制。 GLCA的核心在于它能够预见潜在的拥塞区域，通过动态调整数据包转发策略，避免或减轻拥堵带来的负面影响。实验结果显示，与传统的轮询(RR)方法相比，GLCA在降低平均包延迟方面表现出显著的优势，最高可达20.5%的改进，同时提升了平均吞吐量，提高了8%。这表明，无论在何种工作负载条件下，GLCA都能够保持其性能提升效果。 值得注意的是，尽管GLCA在提升性能方面取得了显著成果，但它对路由器的硬件要求相对较小，仅在组合逻辑部分有25.7%的少许增加。这表明，GLCA的设计注重了效率和可扩展性，能够在保持硬件成本可控的同时，实现网络性能的显著提升。 本文的研究者包括南京大学的杨盛光博士、李丽副教授等，他们分别在片上多处理器系统、片上通信方案、VLSI设计等领域有着丰富的研究背景。他们的合作展示了如何将信息处理算法优化到片上网络设计中，以解决实际应用中的关键问题。 这篇论文不仅提出了一个新的NoC仲裁方法，还提供了详尽的实验验证，证明了其在实际应用中的可行性和优越性。这对于优化片上网络设计，提高系统性能具有重要的理论和实践意义。在未来，随着NoC技术的不断发展，这种基于拥塞预测的自适应策略有望成为一种主流的解决方案。