Print indd

2
Related Works
DVFS implementations and policies making use of DVFS are subjects of signif-
icant research, with works spanning from electronic-level voltage regulators and
PLL design, to dynamic power/performance and thermal policies, often imple-
mented at software level.
From the electronic perspective, the problem of designing fast lock PLLs [
11
]
that can reduce the DVFS switching overhead, as well as low power PLLs [
12
]
to reduce the overall energy consumption has been well studied. For what con-
cerns voltage regulators, attempts have been made to design on-chip voltage
regulators [
13
] and assess their performance compared to traditional off-chip
solutions. Another optimization considers the coupled control of the PLL and
voltage regulator to reduce DVFS transition times [
14
].
The aforementioned works address the DVFS problem at hardware level,
while targeting future System-on-chip designs. This is because the proposed
solutions require the introduction of significant changes in the processor design.
Regarding the DVFS overhead characterization, some models have been pro-
posed [
15
] to get estimations from desktop, mobile and low-power processors.
Some of them have been also integrated in hardware simulators, with the aim of

---

Towards Fine-Grained DVFS in Embedded Multi-core CPUs
241
taking it into account, when performing cycle accurate simulations of multi-core
System-on-chips [
16
]. Compared to the state of the art, our approach derives
overheads from measurements on real processors.
DVFS has been also compared to other solutions in terms of through-
put/Watt. Srinivasan et al. [
6
] compared DVFS with dynamic reconfigura-
tion in four different architectures. Begum et al. [
17
] illustrated the trade-off
between CPU DVFS and memory DFS in energy-constrained devices such as
smartphones.
Although DVFS exploitation is subject of plenty of works in the literature,
this paper focuses on a methodology to extend the number of DVFS points of
existing platforms, as well as to characterize their overhead from actual measure-
ments, so as to enable a better exploitation at the software level. For instance,
this should be advantageous for DVFS scheduling algorithms for computation
and data intensive applications [
18
,
19
]. Moreover, recently introduced policies
based, for example, on control theory [
8
,
20
,
21
] show that the policy overhead
does not depend on the number of DVFS points, so having more DVFS points
would be even more advantageous.