面向移动终端的低功耗优先的源代码优化研究

Energy efficiency is an important criterion in assessing the quality of mobile applications. Despite this, one third of our randomly sampled applications have suffered or are suffering from energy issues that can quickly drain battery power. To understand these issues, we will conduct an empirical study on 27 well-maintained open-source apps for the Android platform (e.g., Chrome and Firefox), whose issue tracing systems are publicly accessible. We aim to characterize the energy issues that developers have encountered and study the issue detection, diagnosis, and fixing techniques employed by developers. Our findings can provide practical advice for developers to help them combat energy issues in mobile applications and guide future research in designing useful issue detection, diagnosis, and fixing techniques. For instance, one important finding is that fine-grained source-level energy information is most valuable for energy issue diagnosis and fixing. Inspired by our findings, we will propose a novel framework for detecting, diagnosing, and fixing energy issues. The core of this framework is a source-level operation-based energy model, which is able to produce fine-grained energy information for source-level operations such as method invocations. Based on this model, our framework can detect energy issues that existing techniques, which utilize coarse-grained energy information at method or application level, would fail to detect. Furthermore, this model also enabled us to design a source-level energy-optimization technique to fix energy issues.

低功耗已成为移动终端最重要的设计指标之一。有研究显示，仅软件优化便可降低50%至80%的整体系统功耗。这启发我们对大量高质量移动应用做深入研究，分析应用软件中存在的功耗问题，探究其产生原因、触发条件以及诊断技术等。受该研究启发，我们将设计一套新的系统地解决移动应用软件功耗问题的完整方案。本方案的核心是建立源代码功耗模型以获取细粒度的源代码功耗信息，并对功耗问题精确定位。该功耗模型将成为目前最细粒度的源代码功耗模型，粒度将达到源代码的基本操作级别，而目前技术只能达到源代码行级别。基于该功耗模型，本项目将设计一套系统的自动化的源代码优化技术，并在大量高质量移动应用上验证其有效性。目前的优化技术都将源代码视作黑盒，优化策略比较低效，我们首次将源代码视作白盒（利用我们的功耗模型），即，本方案的优化策略是建立在对源代码功耗特征的深入理解基础上的，相较目前技术将更加有针对性，更加高效彻底。

开发可持续能源是实现“碳达峰、碳中和、可持续发展”的重要手段，但是目前可持续能源全球占比仅为12.4%。对于87.6%的现有能源的高效优化利用则显得尤为重要。未来工农业、制造业、金融业以及生活娱乐的方方面面都将是以计算机系统为基础部署开来的。所以，计算机系统的能耗优化，将会对我国乃至人类社会总体的能源节约以及最终达到可持续发展目标产生至关重要的影响。本课题的研究探索工作也是从多个层级、多个领域出发的，主要为两个方面：..• 建立软件系统与体系结构的更紧密联系：虽然是硬件最终消耗的电能，但是是软件控制着硬件，我们的实验发现，软件层面的优化可以为计算机系统整体节省80%以上的电能。所以，我们建立软件与体系结构的更加紧密的联系以深度优化电能使用。首先，我们研究源代码的能耗模型，了解源代码在体系结构上的能耗特征。再利用该能耗模型设计计算机系统的能耗问题测试框架。结果显示，我们的测试框架检测到的91.6%的能耗问题都是目前其他技术所检测不到的严重能耗问题。我们进而设计出源代码修复工具以对能耗问题进行修复。我们的相关工作收录于ISSTA（CCF A类会议，CSRankings）以及TOSEM（CCF A类期刊）。相关技术成果已经转让与中科软测公司，实现了技术转化。..• 建立用户体验与体系结构的更紧密联系：传统上，业界使用指令吞吐量或者每秒指令数(IPS)等指标来指代体系结构的用户体验，认为指标越高，用户体验越好。然而现实中，这些指标并不能直接反映用户体验。依据这些不准确的指标来指导体系结构设计和动态优化，常常会导致体系结构过度使用资源来满足用户。我们则试图通过多种创新方法分析获取实时用户体验，进而指导更加深度的能耗优化。这些创新方法包括了通过用户表情分析（收录于MICRO）、心理物理学知识（收录于HPCA）已经实时系统运行信息（收录于TODAES）等等。我们的成果技术最多可以为计算机系统节省52.9%的整体电能。相关技术成果正在与华为海思芯片设计公司合作。