This paper proposes a dedicated connection allocation unit—the NoCManager—implementing the connection allocation functionality in circuit-switched network-on-chip (NoC) based on time-division-multiplexing (TDM). The NoCManager employs a novel trellis-search-algorithm (TESSA) that solves the allocation optimization problem by making use of dynamic programming approach. This enables to explore all possible paths between source-destination node pairs in order to determine the shortest available path. Three different trellis structures are proposed and analyzed for the purpose of different application scenarios. In contrast to previous TDM allocation approaches, the proposed method offers the following advantages: (1) hardware supported fast and high-throughput allocation mechanism; (2) improved success rate due to parallel multi-slot multi-path search mechanism; (3) selection of the contention-free shortest path with a guaranteed low latency; (4) general mathematical formulation allowing a variety of optimization ideas. The proposed method is compared to the state of the art centralized and distributed techniques under uniformly distributed random traffic as well as real-application traffic. The experimental results demonstrate two orders of magnitude improvement in allocation speed and tens of times higher success rate against the centralized software solutions, and 5 to 10 percent higher success rate against the centralized hardware solution. Moreover, it achieves up to 8x higher allocation speed and up to 29 percent higher success rate against recently proposed distributed solution.

中文翻译：

---

片上网络保证服务的高性能动态资源分配

本文提出了一个专用的连接分配单元——NoCManager——在基于时分复用 (TDM) 的电路交换片上网络 (NoC) 中实现连接分配功能。NoCManager 采用了一种新颖的网格搜索算法 (TESSA)，它通过使用动态规划方法来解决分配优化问题。这使得能够探索源-目的地节点对之间的所有可能路径，以确定最短的可用路径。针对不同的应用场景，提出并分析了三种不同的网格结构。与以前的 TDM 分配方法相比，所提出的方法具有以下优点： (1) 硬件支持快速和高吞吐量的分配机制；(2) 由于并行多时隙多径搜索机制，提高了成功率；(3)选择保证低时延的无争用最短路径；(4) 允许多种优化思想的通用数学公式。将所提出的方法与均匀分布的随机流量和实际应用流量下的最先进的集中式和分布式技术进行比较。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。(3)选择保证低时延的无争用最短路径；(4) 允许多种优化思想的通用数学公式。将所提出的方法与均匀分布的随机流量和实际应用流量下的最先进的集中式和分布式技术进行比较。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。(3)选择保证低时延的无争用最短路径；(4) 允许多种优化思想的通用数学公式。将所提出的方法与均匀分布的随机流量和实际应用流量下的最先进的集中式和分布式技术进行比较。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。(4) 允许多种优化思想的通用数学公式。将所提出的方法与均匀分布的随机流量和实际应用流量下的最先进的集中式和分布式技术进行比较。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。(4) 允许多种优化思想的通用数学公式。将所提出的方法与均匀分布的随机流量和实际应用流量下的最先进的集中式和分布式技术进行比较。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。实验结果表明，与集中式软件解决方案相比，分配速度提高了两个数量级，成功率提高了数十倍，与集中式硬件解决方案相比，成功率提高了 5% 到 10%。此外，与最近提出的分布式解决方案相比，它实现了高达 8 倍的分配速度和高达 29% 的成功率。