Az üzemidő és a big.LITTLE

A felhasználók igényeit évről-évre nehezebb kielégíteni, hiszen mit várunk el a mobilgyártóktól? Forradalmian új dizájnt, már-már a PC-k teljesítményével vetekedő mobil lapkákat, új verziót az általunk preferált operációs rendszerből és ami a legfontosabb, kiváló üzemidőt. Ez utóbbi már évek óta téma a fórumokban mondván, az erővel párhuzamosan ez az egyik legfontosabb követelményünk. Az idei évtől egyre inkább fókuszba kerül a gyártóknál is a kérdés, így nagyobb hangsúlyt fektetnek a big.LITTLE technológia tökéletesítésére.

A bejegyzést egy a Google+-on terjedő kép ihlette, amely a népszerű okostelefon modellek üzemidejét próbálja meg ábrázolni különböző folyamatok mellett (nekem azért hiányzik az statisztikából a Note 2 és a Razr Maxx).

Az üzemidő és a big.LITTLE

Ez nem csak a „régimódi” felhasználók hóbortja, valljuk be hogy a többségünk napközben néhányszor ránéz az akkumulátor értékére és a különböző applikációk/folyamatok fogyasztási adataira. Én is ilyen vagyok, és nekem is fontos az üzemidő még akkor is, ha a nap túlnyomó részét olyan helyen töltöm, ahol lehetőségem van tölteni az Galaxy S3-som. Nálam az átlag majdnem két nap, de ez így egy picit csalóka. Nagyjából este 11 körül átváltom airplane üzemmódba és reggel 7 kor vissza, így körülbelül 30-35 óránként töltöm, amivel teljes mértékben ki vagyok békülve, de extrém esetekben (szabadság ideje alatt, házon kívül) ez lecsökkenhet 22-25 óra környékére (nem vagyok egy „hardcore júzer”, ritkán játszok, és szeretem a Taskert :).

A big.LITTLE

Már a Tegra 3 bemutatásakor is jelen volt a koncepció, hiszen az akkori lapkákban 4 mag mellett volt egy ötödik kisegítő mag is, ami növelte az üzemidőt, de az igazi megvalósítás idén, a Samsung Galaxy S4 Exynos 5 Octa SoC-jával érkezett el. A 4+4 magos architektúránál soha nem dolgozik együtt mind a nyolc vezérlő, mivel itt 4 nagy teljesítményű és fogyasztású ARM Cortex-A15-ös mag mellett 4 gyengébb (de nem olyan gyenge), energiatakerékos Cortex-A7 mag helyezkedik el. A megoldással sikerült előállítani egy olyan lapkát, amely a nyers erő mellett energiahatékony működést biztosít. A jövőben valószínűleg ez lesz a meghatározó technológia a mobil eszközök fejlesztésénél, de hasznos lehet mikroszervereknél is, amelyeknél egyre többször kerül szóba az ARM neve.

Az üzemidő és a big.LITTLE

Miért a jövő? Jelen pillanatban a Cortex-A15-ös magok a leggyorsabbak és legerősebbek az ARM jóvoltából, de a jövőben érkeznek majd a Cortex-A53 és Cortex-A57-es magok, amik szintén megfelelnek majd a célnak. Ez azért is fontos, mert a big.LITTLE funkció megvalósítása még korántsem tökéletes.

Hogy is működik?

A tervek alapján a gyakorlatban a következőképpen működik ez a fajta mechanizmus. Az ARM által írt firmware (ezen a gyártók változtathatnak) algoritmusai figyelik a kiadott utasításokat, és annak nehézségének függvényében eldöntik, hogy az nagyobb teljesítményű magoknak vagy az energiatakarékosabbaknak adják ki azok végrehajtását. Ennek a tömbök közötti váltásnak (CoreLink segítségével) három különböző megvalósítása van: Cluster, Magalapú, Heterogén.

A jelen pillanatban kereskedelmi forgalomban is kapható megvalósítás a Samsung Galaxy S4 Exynos 5 Octa nevéhez fűződik, ami valójában a legegyszerűbb. A koreai cég csúcsmodellje a Cluster migrációt alkalmazza, ami a következő elvet képviseli: két MPCore tömb van jelen (esetünkben Cortex-A15 és A7), amelyekben ugyanannyi mag van jelen. A kiadott utasítás függvényében „A” vagy „B” tömb hajtja végre azt, ahol a váltás egyszerű, hiszen csak teljesítménybeli különbség van köztük. Ez hasznos, és előrelépésnek számít, de messze nem tökéletes.

Az üzemidő és a big.LITTLE

A tudomány jelen állása szerint a legjobb megoldás a Heterogén migráció lenne. Ennek megvalósítása azonban nem olyan egyszerű, ráadásul több gátló tényező is van. Egyrészről a gyártónak mélyebben bele kellene nyúlnia az ARM firmware-jébe, ráadásul az operációs rendszert forrását is fel kellene „dúlni” annak érdekében, hogy ez tökéletesen működjön. Az elv szerint, az összes mag látszódna az OS felé, de a kernelnek tudnia kellene, hogy ezek nem egyenlő vezérlők. Ez azért fontos, mert egy teljesítmény igényes feladatnál nagyon nem mindegy, hogy melyikek dolgoznak. Ugyanez a probléma fennállna fordított esetben is. Ez az, amit per pillanat sem az Android, sem pedig a mögötte álló Linux kernel nem támogat, következésképp, egyelőre felesleges lenne a gyártók részéről ezzel a megoldással kiadniuk mobilt vagy tabletet.

Összegzésképpen annyit mondanék, hogy érződik a gyártók részéről az ambíció az üzemidő terén, de sajnos a technika még nincs felkészítve a mindennapos használatra, ráadásul a mostani próbálkozások is csak a high-end modelleknél van jelen. Remélem, hogy az elkövetkező néhány évben végre a magok és teljesítmény fokozása háttérbe szorul az ilyen ötletes és valóban hasznos megoldásokkal szemben.

 

Bazsa

Elméleti háttér: Google+, Prohardver, ARM

Ha tetszett a cikk, kérlek oszd meg mással is:

Kategóriák

További cikkeink

2025.03.24.
Brutális sebesség jön az SSD-knél – a PCIe 7.0 hozza el a 512 GB/s korszakát
A technológia folyamatosan gyorsul, de a PCI Express 7.0 szabvány bevezetésével…
2025.02.27.
Kibertámadás áldozatai lettek népszerű Chrome-bővítmények – 3,2 millió felhasználó érintett
Egy nagyszabású kibertámadás során hackerek feltörtek 16 népszerű Chrome-bővítményt, köztük az…
2025.02.19.
90%-os kedvezmény: Népszerű lopakodós játék mindössze 2 dollárért a Steamen
A játékosok most hatalmas kedvezménnyel szerezhetik be az egyik legnépszerűbb ’stealth’…
AMD Helion Agentic AI Rack: 32 768 mmag, 74 PFLOPS
Kép: TechRadar
2026.10.17.
AMD Helion Agentic AI Rack: 32 768 mmag, 74 PFLOPS
Az AMD Helion Agentic AI Rack 32 768 Zen 6 magot,…
Lenovo Yoga 9n 2-in-1 16 teszt: hűvös RTX Spark
Kép: StorageReview
2026.10.17.
Lenovo Yoga 9n 2-in-1 16 teszt: hűvös RTX Spark
A Lenovo Yoga 9n 2-in-1 16 teszt: az RTX Spark N1X…
HP OmniBook Ultra 16 teszt: RTX Spark 128 GB-tal
Kép: StorageReview
2026.10.17.
HP OmniBook Ultra 16 teszt: RTX Spark 128 GB-tal
A HP OmniBook Ultra 16 teszt: 128 GB-os RTX Spark gép,…
DLSS 5 Neural Rendering: gyorsabb modell, akár +40% FPS
Kép: Wccftech
2026.10.17.
DLSS 5 Neural Rendering: gyorsabb modell, akár +40% FPS
Az NVIDIA gyorsabb DLSS 5 Neural Rendering modellje az NBA 2K27-ben…
NVIDIA és az európai tudományos AI: nyílt források
Kép: NVIDIA Blog
2026.10.17.
NVIDIA és az európai tudományos AI: nyílt források
Az NVIDIA csatlakozott az Európai Bizottság AI in Science kezdeményezéséhez: nyílt…
Hang Seng fenntarthatósági index: Lenovo marad az élen
Kép: Lenovo StoryHub
2026.10.17.
Hang Seng fenntarthatósági index: Lenovo marad az élen
A Lenovo a 2026-os felülvizsgálat után is bent maradt a Hang…
Intel Core 5 205H: megjelent a PassMarkban
Illusztráció: AI-generált kép
2026.10.16.
Intel Core 5 205H: megjelent a PassMarkban
Az Intel Core 5 205H megjelent a PassMarkban: 8 mag, 12…
DLSS 4.5 a GeForce NOW-on: új beállítások a felhőben
Kép: NVIDIA Blog
2026.10.16.
DLSS 4.5 a GeForce NOW-on: új beállítások a felhőben
Megérkeztek a DLSS 4.5 vezérlők a GeForce NOW-ra: a tagok maguk…