Розробка методу оптимізації продуктивності архітектурно-незалежних апаратних платформ

Автор(и)

DOI:

https://doi.org/10.15587/2706-5448.2021.233947

Ключові слова:

одноплатний комп’ютер Raspbery Pi, АРМ-архітектура, пропускна здатність, архітектурно-незалежна платформа, ICE Tower CPU

Анотація

Об’єктом дослідження є одноплатний комп'ютер Raspbery Pi. У роботі досліджується оптимізація архітектурно-незалежних апаратних платформ на його прикладі. В основу дослідження покладено комплексний науковий підхід, який базується на системно-аналітичному, структурно-функціональному, емпіричному та типологічному підході. Підкреслено, що вся лінійка Raspberry Pi застосовує процесори з АРМ-архітектурою. Наведено генезис Raspbery Pi, визначено параметри останньої збірки. Наголошено, що остання версія датується листопадом 2020 року. Вона оснащена бездротовими WiFi та Bluetooth модулями (2×USB 3.0 та 1×USB 2.0 порти типу А, 5.0, BLE), які розширюють межі застосування міні-ПК в області Ethernet-технологій та має частоту 1.8 ГГц. Сформовано зовнішній вигляд однієї з популярних плат Raspberry Pi В+, з відокремленням основних блоків. Визначено основні принципи підвищення продуктивності одноплатного комп'ютера Raspbery Pi, кожен з яких ґрунтується на певному механізмі. У першому варіанті – це додавання ZRAM у якості блокового пристрою на основі стисненого оперативно запам’ятовуючого пристрою. Описано принцип дії ZRAM, наведено механізм активації ZRAM на Raspberry Pi. Для підвищення продуктивності одноплатного комп'ютера Raspbery Pi обґрунтовано застосування NVMe-диска. Підкреслено, що NVMe-диск є надійним, має високу швидкість передачі даних. Підключення його до одноплатного комп'ютера Raspbery Pi є оптимальним рішенням для підвищення продуктивності. Наведено послідовність налаштування, запропоновано чисельний результат роботи NVMe-диску на базі одноплатного комп'ютера Raspbery Pi. Запропоновано, у якості принципу підвищення продуктивності, встановлення ICE Tower CPU на базі Raspbery Pi. Зазначено, що ICE Tower CPU – це охолоджуюча система, яка призначена для охолодження Raspbery Pi. Описано принципи налаштування ICE Tower CPU та результат коливання температурних складників за допомогою rpi-monitor. У рамках проведеного дослідження отримано поліпшення продуктивності від 26 % до 34 %, що в основному відповідає очікуваному теоретичному поліпшенню на 34 %.

Біографія автора

Любомир Тарасович Дуда, Черкаський державний технологічний університет

Аспірант

Кафедра робототехніки та спеціалізованих комп’ютерних систем

Посилання

  1. Babich, O., Boyko, Y., Galin, V., Chuprinsky, O. (2019). Design of intellectual information systems on the basis of MC Raspberry Pi. Electronics and Information Technologies, 11, 61–72. doi: http://doi.org/10.30970/eli.11.6
  2. Sitsylitsyn, Y. (2019). Analysis of the use of Raspberry single-circuit computers in the teaching of distributed and parallel computing. Scientific Papers of Berdiansk State Pedagogical University. Series: Pedagogical Sciences, 1, 92–99. doi: http://doi.org/10.31494/2412-9208-2019-1-1-92-99
  3. Yatskiv, N. H., Byk, A. B., Mukomela, P. M., Bondar, V. M. (2020). Vykorystannia prymanok dlia vyiavlennia atak na prystroi Internet-rechei. Kiberbezpeka ta kompiuterno-infehrovani tekhnolohii (KBKIT – 2020). Ternopil, 26–28.
  4. Lindqvist, U., Neumann, P. G. (2017). The future of the internet of things. Communications of the ACM, 60 (2), 26–30. doi: http://doi.org/10.1145/3029589
  5. Franczak, T., Nkansahz, A., Marrinan, T., Papka, M. E. (2017). A Path from Serial Execution to Hybrid Parallelization for Learning HPC. Workshop on Education for High-Performance Computing ser. EduHPC '17. Denver.
  6. Giacaman, N., Kalra, S., Sinnen, O. (2015). The active classroom: Students and instructors parallel programming in parallel. IEEE International Parallel and Distributed Processing Symposium Workshop. Piscataway, 739–745. doi: http://doi.org/10.1109/ipdpsw.2015.24
  7. Liu, J. (2016). 20 years of teaching parallel processing to computer science seniors. Workshop on Education for High-Performance Computing (EduHPC). doi: http://doi.org/10.1109/eduhpc.2016.006
  8. Langmead, B. (2013). Practical software for big genomics data. IEEE 3rd International Conference on Computational Advances in Bio and medical Sciences (ICCABS). Orlando. doi: http://doi.org/10.1109/iccabs.2013.6629241
  9. Papavasiliou, A., Oren, S. S., Rountree, B. (2015). Applying High Performance Computing to Transmission-Constrained Stochastic Unit Commitment for Renewable Energy Integration. IEEE Transactions on Power Systems, 30 (3), 1109–1120. doi: http://doi.org/10.1109/tpwrs.2014.2341354
  10. Mahajan, S., Adagale, A. M., Sahare, C. (2016). Intrusion detection system using raspberry pi honeypot in network security. International Journal of Engineering Science and Computing, 6 (3), 2792–2795.
  11. Razali, M. F., Razali, M. N., Mansor, F. Z., Muruti, G., Jamil, N. (2018). IoT Honeypot: A Review from Researcher's Perspective. 2018 IEEE Conference on Application, Information and Network Security (AINS). Langkawi. doi: http://doi.org/10.1109/ains.2018.8631494
  12. Obzor plat Raspberry Pi. Available at: https://3d-diy.ru/wiki/arduino-platy/obzor-plat-raspberry-pi/
  13. Chto takoe diski NVMe i stoit li ikh pokupat (2019). Available at: https://guidepc.ru/articles/chto-takoe-diski-nvme-i-stoit-li-ih-pokupat/

##submission.downloads##

Опубліковано

2021-06-30

Як цитувати

Дуда, Л. Т. (2021). Розробка методу оптимізації продуктивності архітектурно-незалежних апаратних платформ. Technology Audit and Production Reserves, 3(1(59), 45–49. https://doi.org/10.15587/2706-5448.2021.233947

Номер

Розділ

Електротехніка та промислова електроніка: Звіт про науково-дослідну роботу