操作系统/体系结构论文导读（四十）：A High-Resilience Imprecise Computing Architecture for MCSs（TC-23‘）

HIART-MCS: High Resilience and Approximated Computing Architecture for Imprecise MCS 2020'RTSS 的期刊拓展版。

以下只讲拓展部分
 

一、文章核心

文章提出了一种新的IMCS框架，名为HIART-MCS，能够在运行时动态调整计算精度，从而减少由于不精确计算带来的计算错误，并在不牺牲系统性能的前提下，提升系统的吞吐量和灵活性。此外，文章还提供了该系统的理论分析和优化方法，并通过实验验证了该框架在不同配置下的效果。核心目标是通过改进的架构和硬件设计，既保证高关键性任务的实时性，又提升低关键性任务的存活率和系统整体的可用性。

二、MID-mode

HIART-MCS系统如何通过近似计算加速低关键性任务（LO-tasks）的执行，但代价是计算精度会降低。为此，系统需要为每个低关键性任务获取三个关键属性：

1. 近似程度（Mi）：这是任务执行时对操作数尾数部分的近似掩码值，取值范围为0到23。近似程度越高，任务的计算速度越快，但精度越低。

2. 计算质量（Qi）：表示任务在近似计算下的正确性水平，取值范围是0%到100%。随着近似程度的增加，计算质量可能下降。

3. 在中模式下的最坏情况执行时间（WCET，Cap i）：在“中模式”下，由于应用了近似计算，任务的执行时间相对于“低模式”（LO-mode）的最坏情况执行时间（Clo i）会有所缩短。

为了获得这些属性，文章提出了一种基于实验测量的方法。这个方法的具体步骤如下：

1. 初始化和输入生成：首先初始化传统的MCS系统和HIART-MCS系统，并生成随机的输入数据集。

2. 实验测量：通过不同的近似程度（从0到23）运行任务，并记录每次执行的输出结果和执行时间。

3. 结果分析：将HIART-MCS的输出结果与参考结果进行比较，并判断是否在可接受的范围内。计算