当前嵌入式系统发展迅速，已经融入到各种工业和民用设备中，大到航空航天控制系统、雷达设备，小到手机、数码相机等设备。嵌入式系统以体积小巧、功能强大而著称。在一块小的单芯片上，可以实现多媒体播放、图像处理、无线通讯等诸多功能[1]。然而，在嵌入式软件和硬件飞速发展的同时，其能耗也随之增大。因此，能耗控制问题就成为制约嵌入式系统发展的最重要因素。
通常嵌入式系统的电池容量是有限提供的。人们希望在系统提供高性能处理能力的同时，应尽量少为电池充电或更换电池。因此，为了确保系统拥有更强的“续航”能力，有效节能控制是其前提。一般而言，电池容量与其体积成正比，为达到体积和容量的双重要求，就必然不断提高电池的单位体积容量。然而，在近几十年中，电池技术和微电子技术的发展速度以每年20%~30%的速度被拉开，两者之间的差距并不在同一个数量级上[4]。
除此之外，在追求系统体积不断缩小的同时，芯片散热问题也变得愈发突出。系统中各种设备的温度变化，都会影响设备本身的稳定度，且会使设备的后期维护费用增加[5]。正因为存在散热问题，使得在有限的嵌入式系统空间中，还需增加散热装置，这也同时增加了系统的能耗与研发成本。
由此可见，高性能和低能耗本身就是存在矛盾关系，系统的节能能力是一个相对的概念。它是指嵌入式计算机通过采用一定的方法，使系统能在完成既定任务的前提下，尽量达到节约能耗的行为[7]。为了让系统具有更强的续航能力，设计人员在设计系统之初都会采用许多节能保护措施。有的直接在硬件芯片层[8, 9]上，实现简易的算法；也有在嵌入式操作系统层[10, 11]上，实现强大的能耗管理模块。虽然这些方法都能对最终的系统能耗产生了一定的影响，但效果如何却没有一个统一的评价标准。因此，分析系统中不同类型的节能方法，找出其内在的联系，并通过科学的方法给出统一的评价标准，使设计人员能够更好地发现这些节能方法的瓶颈所在，有助于系统节能方法的改进，对嵌入式系统的发展有十分重要的意义。
屋顶模型(roofline model)[12]是2008年由Samuel Williams等人提出的，主要是用于分析处理器性能与片外存储器带宽利用率之间的关系，找出系统的瓶颈所在。虽然该模型最初是为了评价处理器性能而设计的，但其设计思想却具有一定的通用性。因此，本文将通过对Roofline模型进行改进，使其能对系统的节能能力进行分析评价，有效找出节能方法的瓶颈。
1 国内外研究现状 1.1 节能能力评价方法目前，对系统能耗的测量方法主要有：硬件测量、理论计算、软件模拟等。其中，硬件测量和理论计算所得到的能耗结果的精度欠佳，软件模拟法所获得节点级能耗的粒度较粗，不能进行细粒度预测。
2003年，为了贯彻落实《中华人民共和国节约能源法》以及政府有关节能的政策和要求，提高计算机产品的能源利用效率，引导企业的节能技术进步，中国节能认证产品管理委员会发布了计算机节能相关的技术规范《CCEC/T22-2003计算机节能产品认证技术要求》。
2009年，为了进一步适应计算机产业技术的发展，中国质量认证中心(CQC)颁布实施了《CQC 3114-2009计算机节能认证技术规范》，该规范一直沿用至今。CQC依据该规范对台式微型计算机和便携式微型计算机进行CQC自愿性的资源节约认证。其中，联想、惠普、戴尔、方正等在内的众多国内外知名品牌计算机产品都获得了该证书。2011年，中国发布了国家标准——《微型计算机能效限定值及能效等级》。该标准对计算机的能效限定值、节能评价值、试验方法和实验规则做出了详细的规定。其中，能效限定值是强制性要求，其余为推荐性要求。
国外，在节能能力评价方法和测量工具方面的研究相比国内较完善。其成熟的产品主要有SPECpower ssj2008和EPEAT(电子产品环境评估工具)。SPECpower ssj2008是由性能评价行业的领军者SPEC公司推出的产品，是业界第一项用于评测系统级别服务器的与运算性能相关的能耗基准测试工具，但由于SPECpower ssj2008测得的系统性能与能耗之间的关系粒度较粗，不能得到计算系统性能与能耗的关联模型；而EPEAT是美国环保署推行的一个自愿执行的标准，采用多个等级对系统的环保表现进行综合评价，得到较粗粒度的评估报告。
1.2 Roofline模型Roofline模型是由Samuel Williams等人于2008 年提出的，它是现代计算机体系架构的性能分析模型，虽然提出时间不长，但却在行业中得到了非常广泛的运用。Williams等人建立Roofline模型的初衷，是用于直观显示处理器性能与片外存储器带宽利用之间的关系。为了达到上述目标，该模型中引入了运算强度(arithmetic intensity)的概念，它表示每个字节DRAM存取过程中所进行的浮点运算次数，即
式中，SAI表示运算强度，FLOOPs表示浮点运算总次数，BYTEs表示DRAM存取总字节数。DRAM存取总字节数是指经过高速缓存(cache)结构过滤后的那些主内存所存取的字节数，即高速缓存与内存之间交换数据的总字节数，而非处理器与高速缓存之间的交换字节数。因此，运算强度表示在特定计算机的内核(kernel)所需要的DRAM带宽值。
Roofline模型将浮点运算性能、运算强度及内存性能紧紧联系在一起，通过一个二维图表显示出来。它能以直观并且可量化的方式，显示计算设备所能获得的性能范围以及瓶颈所在。原始的Roofline模型图可以分为两部分，第一部分为算法最大性能受到设备带宽的限制，第二部分为算法最大性能受到设备计算能力的限制。然而，经过改进后的Roofline模型，能够提供关于设备性能及算法优化更多的信息，图 1为Roofline模型的示例图。
 |
| 图 1 Roofline模型示例图 |
在评价系统节能能力之前，首先要对系统组织结构中各个模块进行逐一分析，确定其能耗的构成。常见的嵌入式计算机组织如图 2所示。
 |
| 图 2 嵌入式计算机组织结构 |
从图 2可以看出，嵌入式系统的组成部分，也就是构成嵌入式系统能耗的组成部分。在嵌入式系统中，直接产生能耗的是计算机硬件，嵌入式系统各部件能耗大致比例如图 3所示。
 |
| 图 3 嵌入式系统能耗比例图 |
从图 3可见，通常嵌入式系统在运行过程中，显示屏与背光所消耗的能耗最大，约占32%；其次是CPU和内存，约占24%；再次是网络通信的消耗，约占21%，最后是硬盘，约占15%。此外，还有一些其他开销，约占8%。
在上述讨论的基础上，本文提出了一个嵌入式系统节能能力的指标体系，如图 4所示。
 |
| 图 4 节能能力指标体系 |
基于操作系统层的节能方法主要包括：
1) 动态电源管理(dynamic power management,DPM)是指在系统运行时，允许动态地将系统暂时不用的设备切换到睡眠模式或切断其电源，以降低系统能耗；当需要使用这些设备时，再重新激活，起到动态管理电源的作用。常见DPM管理策略通常有：超时策略、预测式策略、随机模型策略。
2) 动态电压调节(dynamic voltage Scaling,DVS)是指系统在任务执行时，动态地改变处理器的频率和电压，借此降低系统的能耗水平。在嵌入式系统中，系统能耗通常正比于电压的平方与系统时钟频率的乘积。然而，每个任务执行都有其特殊的时钟周期，因此可近似地认为系统的能耗正比于电压，降低系统的电压即可节能。DVS技术采用以时间换能耗的方式，通过降低电压，变相地改变时钟频率，延长任务的执行时间，从而达到减少能耗开销。常见的DVS管理策略有：非实时DVS调度和实时DVS调度。
3) 自适应电压调节(adaptive voltage scaling,AVS)是指系统在任务执行时，根据性能需求自动调整供给系统处理器的电压，使处理器运行在能确保应用软件正确运行的最低电压和频率下，以降低能量消耗。常见的自适应电压调节方法有：EM(energy management)、PM(performance monitor)、SoC调节等。
4) 支持节能的调度和管理算法。任务调度是指系统为确定一系列任务的执行顺序所采取的调度策略。不同的调度策略可以决定处理器的执行方式，可以认为是系统能耗的主要来源。可根据处理器类型来划分调度算法的种类，通常可分为单核处理器调度和多核处理器调度两类。
2.2 硬件层基于硬件层的节能方法主要包括：
1) 处理器内核能耗节能。嵌入式系统，尤其是多核嵌入式系统中，存在大量的高性能计算，但计算量增加必定会使系统能耗也随之增加。如何在确保处理内核进行高性能计算的同时，又保证能耗开销少量增加。通过下列情况进行综合评价：
(1) 是否采用寄存器文件，即线程专用单元。每个线程都有一个固定容量的寄存器文件，而且当线程的某个任务被阻塞或空转时可以节省大量能耗；
(2) 是否共享加载未命中队列(LMQ)，数据缓存未命中时，用以排列数据的加载未命中队列。线程之间可以共享LMQ，通过该方法可以节省少量能耗；
(3) 是否使用分支预测器。分支历史表可以是线程专用的，可以节省大量能耗；
(4) 是否存在用于L2缓存的DMA控制器。在缓存体和输入输出缓冲器之间控制数据流的用于L2缓存的DMA控制器；
(5) 是否在处理器内核与L2缓存之间存在指令与数据队列；
(6) 在访问片外缓存或主存储器时，是否在片上L2缓存有缓存未命中时才激活未命中的路径逻辑。
2) 通信能耗节能。在芯片内的总线上的通信以及设备之间的无线通信往往是一个芯片能耗的主要来源。总线编码和编码技术可以用来减少能源消耗的同时，增加数据的吞吐量和延迟方面的性能。无线通信在轻量级嵌入式系统通信总能耗中占主导地位。无线通信与传统的网络之间的主要区别在于部署的元素数目，它们的功率限制，流动性水平等。通过下列情况进行综合评价：
(1) 是否采用了自适应偏移量总线编码方法；
(2) 是否将把本地计算与数据进行融合；
(3) 是否存在避免两帧同时发送的机制；
(4) 是否存在错误检测机制；
(5) 是否有控制包控制机制；
(6) 是否采用外部中断机制。
3) 显示能耗节能。在嵌入式系统中，显示器是与用户进行交互的重要器件之一。由于背光显示的原理，使得显示器的能耗水平比其他的系统器件要高出许多。因此，在显示能耗的节能控制方面，研究人员进行了大量研究和改进。通过下列情况进行综合评价：
(1) 是否采用了低能耗人机交互技术。例如低能耗液晶显示方案，该方案综合运用了可变频率刷新，动态色彩深度控制和补偿，亮度和对比度增强背光亮度变暗的几种技术降低能耗。
(2) 是否采用了低能耗图形用户界面(GUI)。例如针对笔记本电脑提出的显示节能方案，包括Sun、X-Window、ZINC&UGL等。
4) 存储系统能耗节能。当前存储设备主要有基于温彻斯特技术的机械式磁盘、基于MEMS(micro electromechanical system)存储器和基于Flash的存储器。基于MEMS存储器与Flash存储器具有较高存储密度，较快数据读取速度，能耗低等特点。不过受限于现有技术和使用成本，目前主要以技术成熟的温彻斯特机械式磁盘与磁盘阵列为主，故本文只考虑传统的磁盘(阵列)、内存能耗研究现状。
(1) 磁盘(阵列)。嵌入式系统中的数据中心磁盘(阵列)可以达到数万个以上，消耗着大量能量。磁盘(阵列)能耗一个重要的特征是能耗与盘面转速2.8次方成比例关系，磁盘的主要能量消耗在于维持盘面的高速旋转上，因此在保证数据存取的前提下让无任务磁盘处于低能耗状态或者关闭无任务盘面成为其节能的主要思想。
常见的磁盘能耗节能方法包括：
a) 基于数据重分布(data relocation)的方法。通过数据动态重分布，使I/O访问集中在少数几个磁盘上，让其他盘面处于低能耗状态而减少能耗，从而降低磁盘阵列的总体能耗。基于数据重分布的低能耗管理方法的主要代表有：MAID(massive array of idle disks)、PDC(popular data concentration)、冬眠技术(hibernator)、DRPM。其中，在系统负载比较低的情况下，MAID和PDC能够有效降低能耗，特别是针对归档存储节能效果明显；而DPRM和Hibernator则能够在各种负载级别下节省能耗，同时满足系统的性能要求。
b) 基于请求重定向(request redirection)的方法。利用存储系统内数据的冗余关系，将I/O访问请求临时重定向到cache或者活跃磁盘，以减少磁盘的活跃程度或活跃磁盘的数量，从而降低整个存储系统的总体能耗。当前典型的基于请求重定向的低能耗技术有：基于磁盘能耗考虑的cache管理、write off-loading策略和eRAID方法。
(2) 内存。嵌入式系统的内存在存取过程中也存在大量能耗。内存容量与读写速度对系统I/O性能影响显著，随着高频率、大容量内存的使用以及数据I/O密度的加大，内存能耗趋于增长之势。内存有多种不同性能与能耗特征的工作模式，如Rambus公司的DRAM、RDRAM内存支持4种不同的能耗状态，每块RDRAM芯片可以独立激活，独立设置能耗状态。内存标准化组织于2009年发布了低电压内存标准，并且支持高级电源管理，允许按需改变内存内部存储池的工作状态，为DPM内存能耗控制提供了很好的基础。
常见的内存的能耗节能方法包括：
a) 基于refresh的能耗管理：内存保持数据时需要进行刷新(refresh)，如何在保持数据的同时减少刷新量以节省能量，旨在减少刷新行的次数以降低能耗，主要有2种方式：对于高刷新频率的数据采用最小行刷新；对于长刷新周期的行尽量延长刷新周期以节省能量。
b) 利用低能耗模式进行能耗节省：在合理利用内存低能耗状态方法时，内存与磁盘控制策略能应用相类似的能耗控制策略。当前内存动态能耗过程允许对内存能耗进行多状态管理，内存由多组件合成，组件的不同状态组合令内存有了不同的工作状态与能耗特征。例如，在读写状态，内存中所有组件处于活跃状态而提供服务，能耗最高，而控制内存全部或者部分组件处于休眠状态产生各种能耗状态。
5) I/O能耗节能。I/O系统的能耗主要由时钟网络能耗和存储单元能耗组成，其节能方法也主要分为时钟网络能耗节能和存储单元能耗节能两部分。
(1) 时钟网络能耗在实际程序运行过程中通常占芯片总能耗的40%以上。时钟网络能耗节能的常见方法包括：门控时钟策略、实时时钟策略、动态时钟管理策略。
(2) 存储单元能耗包括I/O cache能耗和内部数据通信的能耗，目前cache体系结构级的能耗控制方法有：cache划分、可变容cache、位线隔离(bitline isolation)、低能耗cache技术。其中低能耗技术又分为：分阶cache(phased cache)、路预测cache(way-predicting cache)、部分地址比较技术、标签忽略技术(tag-skipping)、标签压缩技术。
6) 其他能耗节能。除了上述硬件层的节能器件外，嵌入式系统中还包括一些其他能耗器件。虽然所占能耗总量不大，但也存在节能的控制手段。其他能耗节能主要包括：总线能耗节能、硬件电路能耗节能、传感器能耗节能等方面。
2.3 节能评价指标2.1节和2.2节的指标体系已经初步勾勒出了节能能力的作用范围，但具体效果如何，却没有直观的表现。因此，在上述基础上，本文提出了平均节能率和能耗性能比2个指标来具体衡量节能效果。
2.3.1 平均节能率定义1 平均节能率是指嵌入式系统在使用节能方法后与未使用之前在单位时间内能耗降低的比例。
为了有效衡量系统不同部件的节能效率，提出平均节能率的概念。平均节能率可以直观地反映出系统在使用节能方法后能耗减少的比例。平均节能率的计算方法如公式2所示。
其中，Rsave为平均节能率，Eold为未采用节能方法前的平均能耗，Enew为采用节能方法后的平均能耗。
2.3.2 能耗性能比定义2 能耗性能比是指系统当前平均能耗与当前平均性能之间的比值。
定义3 性能损失率是指嵌入式系统在使用节能方法后与未使用之前在单位时间内性能降低的比例。
系统在降低能耗的同时，对性能也可能造成一定的影响，因此提出能耗性能比来衡量系统在使用节能手段后，性能损失的大小。能耗性能比的计算方法如公式3所示。
其中，EP为能耗性能比，取值范围为(0,∞)；Rsave为平均节能率，Rloss为性能损失率。其中，Rsave的计算方法公式(3)已经给出，Rloss的计算方法如公式(4)所示。
其中，Pold为未采用节能方法前的平均性能表现，Pnew为采用节能方法后的平均性能表现。Pold和Pnew的计算方法根据不同的设备应有不同的区别，如当计算CPU的能耗性能比时，可以采用MIPs或FLOPs作为其值，当计算存储器的能耗性能比时，可以采用存取速度作为其值，当然性能评价的标准可以根据具体需求进行调整。当EP的范围为(0,1)时，即系统性能损失高于能耗降低比例，这通常不是用户希望的结果，因此节能效果可以认为很差，且越接近0时，效果越差；当EP=1时，即系统性能损失等于能耗降低比例，即性能随着能耗等比例降低了，但该情况说明节能方法也几乎未能起到太大的作用；当EP的范围为(1,∞)时，即系统的性能损失小于能耗降低比例，可以认为节能方法起到了一定的作用。
3 Roofline模型 3.1 坐标系的建立在完成了上述指标体系的评价后，就可以通过Roofline模型对系统节能能力进行分析了。首先根据数据勾画出Roofline的模型图，具体步骤如下：
1) 建立直角坐标系。X轴表示能耗性能比EP，单位为kW·h/GFLOP/s；Y轴表示浮点运算性能P，单位为GFLOP/s。需要注意的是，能耗和性能的真实值都无法直接获得，需通过近似运算来获得理论值。假定系统每小时的电量消耗(kW·h)近似等同于系统能耗，系统的浮点运算能力(GFLOPs)近似等同于系统性能。
2) 绘出峰值浮点性能。沿平行于X轴的方向根据实际数值绘一条直线，它表示嵌入式系统能达到的峰值浮点运算性能。很明显，系统运行过程中真实的浮点运算速度不可能高于该值。
3) 以系统的能耗值为斜率绘制一条与X/Y轴成一定交角的直线，表示峰值能耗(kW·h)。由于X轴的单位为每千瓦时浮点运算次数(Kw/GFLOP)，Y轴单位为每秒浮点运算次数，因此，峰值能耗实际上就是与X/Y轴成一定交角的直线。此直线表示在某一能耗性能比下的系统最大的能耗开销。
由以上描述可以得到CP的计算方法：
CP表示系统实际可达性能，TPpeak表示峰值浮点运算性能，TEpeak表示峰值系统能耗。公式(5)表明，计算机实际可达到的性能既要低于峰值浮点运算性能，同时也要低于峰值系统能耗与能耗性能比的乘积。Roofline模型图的横纵坐标都采用了对数坐标，因为这样能够将更大范围的实验结果显示在一张结果图中。斜线与水平线构成一个“屋顶”的形状，在屋顶下方的空间为系统所能达到的浮点运算性能。对于每个能影响能耗性能比的节能方法而言，都能够在X轴上找到对应的一点，如果过该点做一条平行于Y轴的线与“屋顶”相交形成一个线段，那么，该计算机对应于此能耗性能比所对应的节能方法所能取得的系统性能一定可以表示为这条线段上的某一点，如图 5所示。图 5中，斜线与水平线的交点称为“脊点”，表示计算机在使用某种节能方法后同时达到了系统能耗峰值与系统性能峰值。脊点提供了一个计算机整体性能的判断标准，脊点的横坐标标明了为达到最高系统性能所需要的能耗性能比。如果该点很靠右，说明只有那些能耗性能比很大的节能方法才能达到此计算机浮点运算的峰值性能；如果此点很靠左，说明几乎所有的节能方法都能很轻易地达到最高浮点运算性能。以上为原始的Roofline模型的绘制说明，该模型采用了束缚和瓶颈(bound and bottleneck)分析法，能仅在一张分析图上提供所有有用的信息。
 |
| 图 5 Roofline Model图绘制示例 |
对于计算机性能与能耗的瓶颈问题，可以通过以下几种常见的方法来改善：
1) 系统增加DPM管理方法，允许动态将系统暂时不用的设备切换到睡眠模式或切断其电源，以降低系统能耗，当需要使用这些设备时，再重新激活，起到动态的管理电源的作用；
2) 系统增加DVS管理方法，允许系统在任务执行时，动态地改变处理器的频率和电压，以此来节约系统的能耗；
3) 系统增加AVS管理方法，允许系统在任务执行时，根据性能需求自动调整供给系统处理器的电压，使处理器运行在能确保应用软件正确运行的最低电压和频率下，以此来降低系统的能耗；
4) 系统增加节能调度算法，允许系统为确定一系列任务的执行顺序采取一定的调度策略，使系统更加节能的执行系统任务。
为了给予观察者一些关于优化措施及优化效果的引导，可以在原始Roofline模型结果图中绘制多个“屋顶”。可以认为每一种优化措施对应着一个性能屋顶线，如果没有采取相应的节能优化措施，系统便不能突破此峰值性能。
如图 6将系统能耗“屋顶线”与系统性能“屋顶线”结合生成新的Roofline模型。图中节能优化措施按实现容易程度进行排序，处在下方的优化方法比处在上方的更容易实现。虽然没有注明，但上方的优化方法实际上已经包含了下方的内容。图 6中，系统能耗的“屋顶线”与系统性能“屋顶线”相交形成新的“屋顶线”，表明采用特定的节能优化方法之后得到的新的Roofline模型图，该图可以为后期的系统性能优化方法选择提供指导作用。
 |
| 图 6 改善方法使用后的Roofline模型 |
嵌入式系统节能能力是系统智能控制的表现方式之一。本文通过对嵌入式系统节能方法和手段进行归纳总结，形成了较完备的性能评价指标体系，并提出了平均节能率和能耗性能比两个核心指标来综合衡量系统的节能水平，最后通过Roofline模型对系统节能能力进行了综合分析，找出系统中不同方法的能力范围和系统瓶颈所在，从而可以有效地帮助系统设计人员提高系统的能耗利用率，减少不必要的开销。
| [1] | Lim R, Ferrari F, Zimmerling M, et al. FlockLab: A Testbed for Distributed, Synchronized Tracing and Profiling of Wireless Embedded Systems[C]//2013 ACM/IEEE International Conference on Information Processing in Sensor Networks, 2013: 153-165 |
| Click to display the text | |
| [2] | Gu J, Collins S, Carim A, et al. Room Temperature Fabrication of Crystalline Germanium Nanowires by Electrochemical Deposition and Its Application as Li Ion Battery Anode[J]. Electrochemical Society, 2012(2): 206-206 |
| Click to display the text | |
| [3] | Ma K, Liserre M, Blaabjerg F, et al. Thermal Loading and Lifetime Estimation for Power Device Considering Mission Profiles in Wind Power Converter[J]. IEEE Transactions on Power Electronics, 2015, 30(2): 590-602 |
| Click to display the text | |
| [4] | Lee W Y. Energy-Saving Dvfs Scheduling of Multiple Periodic Real-Time Tasks on Multi-Core Processors[C]//Proceedings of the 2009 13th IEEE/ACM International Symposium on Distributed Simulation and Real Time Applications, 2009: 216-223 |
| Click to display the text | |
| [5] | Kim H, Kim Y, Yoo H J. A Low Cost Quadratic Level ECG Compression Algorithm and Its Hardware Optimization for Body Sensor Network System[C]//30th Annual International Conference of the IEEE, 2008: 5490-5493 |
| Click to display the text | |
| [6] | Son Y S, Pulkkinen T, Moon K D, et al. Home Energy Management System Based on Power Line Communication[J]. IEEE Trans on Consumer Electronics, 2010, 56(3): 1380-1386 |
| Click to display the text | |
| [7] | Kim Y, Shrivastava A. Cumapz: A Tool to Analyze Memory Access Patterns in CUDA[C]//Proceedings of the 48th Design Automation Conference, New York USA, 2011: 128-133 |
| Click to display the text | |
| [8] | Rao J, Xu C Z. Online Measurement of the Capacity of Multi-Tier Websites Using Hardware Performance Counters[C]//28th International Conference on Distributed Computing Systems, 2008: 705-712 |
| Click to display the text | |
| [9] | Li X C, Ferreira D, Ding Y. Determination of Absolute Configuration of Natural Products: Theoretical Calculation of Electronic Circular Dichroism as a Tool[J]. Current Organic Chemistry, 2010, 14(16): 1678 |
| Click to display the text | |
| [10] | Swan L G, Ugursal V I. Modeling of End-Use Energy Consumption in the Residential Sector: A Review of Modeling Techniques[J]. Renewable and Sustainable Energy Reviews, 2009, 13(8): 1819-1835 |
| Click to display the text | |
| [11] | Rajamani K, Rawson F, Ware M, et al. Power-Performance Management on an IBM Power7 Server[C]//Proceedings of the 16th ACM/IEEE International Symposium on Low Power Electronics and Design, 2010: 201-206 |
| Click to display the text | |
| [12] | Horn D. Cloud Powered by EPEAT-Qualified Servers: New Green Procurement Criteria for Servers is in the Works[J]. IEEE Trans on Consumer Electronics Magazine, 2015, 4(3): 50-51 |
| Click to display the text |
