域控制器分布式并行计算模型研究.docxVIP

前言

随着汽车智能网联的发展，汽车电子电气架构逐渐从原本的分布式架构向域集中式架构升级。原本需要多个ECU协同作用实现的功能，在智能网联车辆域集中式架构下，只须采用一个域控制器来代替多个ECU功能。域控制器按照功能划分，依次是智驾域、座舱域、车身域、底盘域、动力域这5个域，各域通过车载以太网接入中央网关。域控制器内部的智能芯片，从成本与功耗角度考虑，很多情况下并不是采用一个高算力芯片，而是采用多个低算力芯片或是异构芯片，如DSP、FPGA、MCU、GPU等等，共同实现某个功能。

考虑到这种电气架构特性，大型计算任务如果要保证实时性，须采用分布式计算的方式，将域控制器内多个计算单元进行联合。因此，需要开发一套基于车载以太网通信中间件，配合分布式并行计算的模型，实现大型高耗时任务在多芯片之间的分配调度，同时还须考虑域控制器负载波动变化对计算任务的影响，设计自适应计算任务分配方案，保证最优的分布计算性能。

1面向服务架构的通信系统

目前汽车域集中式电子电气系统都是采用面向服务的通信架构（SOA），可以保证数据只要在有需求时才会发送，无需求时则让出以太网带宽，降低了以太网负荷，保证各个单元之间数据交互的高效性。要实现域控系统下，不同计算单元之间的服务通信，须依靠通信中间件，从而保证各个节点之间通信交互的数据、协议、流程、接口的统一性。如图1所示，通信中间件一般是在网络7层模型中，处于TCP/UDP车载以太网通信协议的上层，在TCP/UDP的数据区内定义额外的信息，从而来实现预期的通信流控制和交互。

图1服务通信中间件与以太网7层模型的关系

考虑到Linux系统的Epoll?具有优秀的并发特性，本文中基于Epoll并发功能，实现自研轻量级服务通信中间件。通信时，首先是通过套接字建立客户端与服务端的连接，再把服务对应函数和对应的函数ID注册到服务端列表中。客户端通过组装字头信息和数据信息，把整个数据包按批次发送到服务端。服务端再通过解析包头内的函数ID和数据长度信息，把包头后相应长度的二进制数据流送入相应ID的服务回调函数中计算处理，最终将计算结果打包成对应的包头和数据包返回客户端，完成本次服务通信，流程如图2所示。

图2自研轻量级服务通信流程

之所以采用自研轻量级服务中间件，主要是考虑分布式并行计算通信对实时性以及大数据包快传的要求。图3给出了汽车域控架构通信系统中最为常用的两种通信中间件SOMEIP和DDS与自研轻量级服务中间件的实时性对比。SOME/IP采用了开源社区提供的VSOME/IP，DDS采用了开源社区提供的fastDDS。

图3通信中间件性能对比

VSOME/IP未经过TP协议分包，只能支持单包KBytes以下的数据传输，且因为开源代码性能较差，固定通信延迟有5ms，不符合本文研究要求。fastDDS对于KBytes以下的数据包，有很好的传输实时性。当数据包达到MBytes等级，fastDDS受内部代码机制及程序堆栈大小限制，不能很好地支持MBytes数据单包传输。

分布式并行计算模型的通信量较大，对通信延迟要求较高，因此本系统理论验证和功能实现上，只对数据包大小和通信延迟这两个中间件指标有要求。相比于开源中间件，自研轻量级服务通信中间件，在KBytes、MBytes直至GBytes的数据包等级，都能够实现数据包自动分包传输，实时性也远优于开源中间件。综上所述，为了达到更快更好的服务通信效果，本文中选择自研轻量级服务通信中间件，作为分布式并行计算模型的数据通信实现方式。

2自适应分布式并行计算系统

2.1自适应分布式并行计算模型

首先假设一个高耗时的计算任务可以被分解为k个可并行的计算子任务，则任务的分解公式可以表示为

式中：为总任务量；为分解的第个任务量。实际任务分割时，计算任务是一个离散量，存在一个最小的计算任务颗粒度，比如一个大型矩阵A乘以大型矩阵B，分割时如果选择矩阵的行数，那么任务分割最小的颗粒度则是矩阵A的1行乘以矩阵B的计算量，则任务的分解公式可以表达为

式中：为分割任务的最小计算量；为第个任务的分割系数；N为正整数集合。考虑通信时延波动和系统波动，且各个线程间需要时间同步和结果汇总，所以这个高耗时计算在并行计算框架下，实际的运算周期如下式所示：

式中：为各个计算子任务的耗时；为任务分配组数；为并行计算框架下实际的运算周期。因此分布式并行计算模型就是根据系统状态参数，在存在系统干扰下，求解一个最优的集合，使得max（）最小，保证计算任务实时性［17］。

对于一个确定的计算任务运算在一个确定的分布式计算系统上，运算时间总量是基本不变的，因此修改让最小的话，主要是需要将子任务耗时集合尽可能往平均量上靠近。离平均值越大，则需要对相应的修正越多；耗时越久，则须减少对应的任务分配数，由此可