08( ) CPLV12-55.hwp

Size: px

Start display at page:

Download "08(780-784) CPLV12-55.hwp"

정남 초
8 years ago
Views:

1 780 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 11 호( ) 스마트폰 응용프로그램 에너지 소모 분석을 위한 프레임워크 (A Framework for Application Energy Consumption analysis in Smart Phones) 이 제 민 조 현 우 (Jemin Lee) 김 형 신 (Hyungshin Kim) (Hyunwoo Joe) 요 약 본 논문에서는 스마트폰에서의 전력 소모를 분 석 할 수 있는 프레임워크를 제시한다. 스마트폰은 제한적 인 전력 공급을 가지기 때문에 개발자와 사용자는 전력 소 모에 최적화된 응용프로그램을 개발하고 선택할 수 있어야 한다. 본 연구에서는 전력 모델 생성, 전력 소모 추정, 추정 데이터 분석 기능을 포함하는 프레임워크를 제안한다. 실제 스마트폰들을 이용하여 프레임워크의 전력소모 추정 실험결 과 평균 80% 이상의 정확도 보여준다. 키워드 : 전력모델, 전력 추정, 전력 분석, 스마트폰 Abstract In this paper, we propose a framework to analyze smartphone's power consumption. Application developers and end users should be allowed to choose energy-efficient applications because smartphone has limited power capacity. Our framework provides power 이 연구는 2011년 충남대학교 학술연구비에 의해 지원되었음 이 논문은 2012 한국컴퓨터종합학술대회에서 스마트폰 응용프로그램 에너 지 소모 분석을 위한 프레임워크 의 제목으로 발표된 논문을 확장한 것임 비 회 원 : 충남대학교 컴퓨터공학과 leejaymin@cnu.ac.kr 학생회원 : 충남대학교 컴퓨터공학과 jhwzero@cnu.ac.kr 종신회원 : 충남대학교 컴퓨터공학과 교수 hyungshin@cnu.ac.kr (Corresponding author임) 논문접수 : 2012년 8월 21일 심사완료 : 2012년 9월 21일 CopyrightC2012 한국정보과학회ː개인 목적이나 교육 목적인 경우, 이 저작 물의 전체 또는 일부에 대한 복사본 혹은 디지털 사본의 제작을 허가합니다. 이 때, 사본은 상업적 수단으로 사용할 수 없으며 첫 페이지에 본 문구와 출처 를 반드시 명시해야 합니다. 이 외의 목적으로 복제, 배포, 출판, 전송 등 모든 유형의 사용행위를 하는 경우에 대하여는 사전에 허가를 얻고 비용을 지불해야 합니다. 정보과학회논문지: 컴퓨팅의 실제 및 레터 제18권 제11호( ) model generation, power consumption estimation, and data analysis service for smartphone applications. Using our framework, we achieved energy analysis accuracy of 80% for Nexus-one, Desire and Galaxy-S phones. Key words : Power Model, power estimation, power analysis, smart phone 1. 서 론 스마트폰 제한적인 전력을 갖기 때문에 응용프로그램 의 전력 소모는 최적화 될 필요가 있다. 따라서 어디에 서 얼마나 전력 소모가 일어나는지 분석할 수 있는 프 레임워크가 필요하다. 전력 소모를 분석하는 방법으로는 실제 외부 측정 장 치를 이용하는 하드웨어적인 방법과 전력 모델을 이용 하는 소프트웨어적인 방법이 있다. 개발자와 사용자들이 쉽게 전력 소모를 측정하기 위해서는 전력 모델을 이용 한 소프트웨어적인 측정 방법이 적합하다. 최근 스마트폰에 대한 전력 모델 연구로는 [1-3]이 있다. [1,2]는 외부 전력 측정 장치를 한번 이상 사용해 야 하는 단점을 가진다. 반면에 PowerDoctor[3]는 외부 전력 측정 장치의 사용 없이 스마트폰 내부의 전압센서 와 배터리 레벨 지시자만을 사용한다. 그리고 이 센서들 의 측정값과 사용자 사용 패턴을 이용해 자동으로 전력 모델을 생성하는 방법을 제시했다. 하지만 신뢰성 있는 전력 모델을 생성하기 위해서는 임의 사용자가 사용하 는 패턴을 많이 수집해야 한다. 이때 많은 시간이 걸릴 수 있다. 우리는 기존 연구들의 단점을 보완한 스마트폰 응용 프로그램 전력 소모 분석 프레임워크를 제안한다. 이 프 레임워크는 전력 모델 생성, 전력 소모 추정, 추정 데이 터의 상세 분석 기능을 포함한다. 우리의 전력 모델 생성 방식은 외부 측정 장비의 사 용 없이 자동으로 생성하며 이는 PowerDoctor 와 유사 하다. 하지만 우리는 PowerDoctor와는 달리 임의 사용 자의 CPU, Display, Wi-Fi에 대한 사용 패턴을 수집하 지 않고 사용 패턴 생성기를 개발하여 임의로 사용 패 턴을 생성한다. 따라서 PowerDoctor 보다 빠른 시간에 간편하게 전력모델을 생성할 수 있다. 우리가 생성한 스마트폰 전력 모델은 Nexus-one, Desire, Galaxy-S의 CPU, Display, Wi-Fi에 대한 것이다. 우리 프레임워크의 전력 소모 추정도구는 기존 Power Tutor[4]의 모델정확도와 프로파일링 지연 문제를 개선 한 것이다. 우리의 전력 소모 추정도구를 이용하여 전력 모델의 정확도 검증 실험 결과 Nexus- one의 전력 모 델 정확도는 평균 89%로 기존 PowerTutor의 전력 모 델 보다 평균 12%의 정확도 향상을 보였다. Desire와

석 할 수 있는 프레임워크를 제시한다. 스마트폰은 제한적 인 전력 공급을 가지기 때문에 개발자와 사용자는 전력 소 모에 최적화된 응용프로그램을 개발하고 선택할 수 있어야 한다. 본 연구에서는 전력 모델 생성, 전력 소모 추정, 추정 데이터 분석 기능을 포함하는 프레임워크를 제안한다.

2 스마트폰 응용프로그램 에너지 소모 분석을 위한 프레임워크 781 Galaxy-S의 전력 모델에 대해서는 각각 평균 82%, 73%의 정확도를 가진다. 그리고 전력 소모 분석 프레임워크에서 전력 소모 추정 데이터를 상세히 분석하기 위해서 분석 도구 Power TutorTrace를 포함한다. 이 도구는 특정 응용프로그램 의 전력 소모 패턴을 원하는 조건에 맞게 자동으로 그 래프를 그려서 분석할 수 있는 도구이다. 본 논문의 주요 기여도는 다음과 같다. 우리는 사용 패턴 생성기를 이용한 자동 전력 모델 생성 방법을 제안했다. 이 방식으로 평균 80% 이상의 정확도를 가지는 전력 모델을 생성할 수 있었다. 우리는 PowerTutor를 확장하여 전력소모 추정도구를 제공한다. 이는 Nexus-one의 전력모델의 정확도를 개선 하였고, Desire, Galaxy-S의 전력모델은 새롭게 추가했다. 전력소모 추정 데이터를 세밀하게 분석하기 위한 도구 로 PowerTutorTrace를 개발했다. 이를 통해서 특정 응 용프로그램의 전력 소모를 효율적으로 분석할 수 있다. 본 논문은 다음과 같이 진행 된다. 2장에서는 전력 소 모 분석을 위한 우리의 프레임워크를 설명 한다. 3장에서 는 전력 모델의 정확도를 검증 한다. 4장은 관련연구를 설명한다. 마지막 5장에서는 본 연구의 결론을 내린다. 2. 전력 소모 분석을 위한 프레임워크 본 연구에서 제시하는 프레임워크의 흐름을 도식화한 모습은 그림 1과 같으며, 전력 모델 생성 단계, 전력 소 모 추정 단계, 전력 소모 분석 단계로 구성 된다. 본 장 에서는 각 단계의 내용을 상세히 기술한다. 2.1 전력 모델 생성 단계 전력 모델 생성 단계는 소프트웨어로 전력 소모를 추 정할 때 필요한 전력 모델을 만드는 단계이다. 우리는 외부장치의 사용 없이 자동으로 간편하게 전 력모델을 생성할 수 있는 방법으로 사용 패턴 생성기와 PowerDoctor를 이용한다. 이 방법은 PowerDoctor를 확장한 것으로 임의의 사용자 사용패턴을 수집하여 전 그림 1 전력 소모 분석 프레임워크의 구성 력 모델을 생성할 경우 신뢰성 있는 전력 모델 생성에 시간이 오래 걸리는 단점을 개선한 것이다. 우리의 프레임워크를 이용해서 생성한 전력 모델은 표 1과 같다. 사용 패턴 생성기의 핵심 기능은 배터리 용량 감소와 스마트폰의 각 장치 별 사용 상태를 동기화시키는 것이 다. 즉, 배터리 레벨 지시자의 낮은 갱신 주기를 극복하 기 위해서 동일한 사용 상태를 유지시키는 것이다. 이렇 게 사용 패턴을 수집하면 모든 전력 소모 수집 데이터 를 전력 모델 생성에 바로 사용할 수 있게 된다. 사용 패턴 생성기가 스마트폰의 각 장치 별 사용 상태를 발 생 시키는 내용은 아래와 같다. CPU: CPU 장치에서의 사용률에 따른 전력 소모를 알아내기 위해서 단일 배터리 용량 동안 평균 사용률 이 표준편차 4% 이내로 일정하게 유지 되도록 한다. Display: Display 장치에서의 화면 밝기에 따른 전력 소모를 알아내기 위해서 단일 배터리 용량 동안 일정하 게 화면 밝기를 유지 시킨다. 배터리 용량이 감소하면 화면의 밝기를 설정한 값만큼 줄이거나 증가 시킨다. Wi-Fi: Wi-Fi 장치에서의 packet rate에 따른 전력 소모를 알아내기 위해서 단일 배터리 용량 동안 1Mbyte 의 TCP packet을 일정한 packet rate로 서버로 전송 한다. 2.2 전력 소모 추정 단계 생성된 전력모델을 이용해서 실제 전력 소모를 추정 표 1 Nexus-one, Desire, Galaxy-S에 대한 전력 모델 장치 파라메터 범위 Nexus-one Desire Galaxy-S CPU Display Wi-Fi CPU_on 0,1 cpu =152mW cpu = mw cpu = mW CPU_util util =7.1mW util =7.080mW util =9.934mW Display_on 0,1 display =148.3mW display = mw display = mw Bright_level br =3.194mW br =2.281mW br =0.157mW WiFi_on 0,1 wifi = mw wifi = mw wifi = mW wifi_b1 =0.054mW wifi_b1 =2.231mW wifi_b1 =0.727mW Packet 1-Threshold wifi_b2 =0.001mW wifi_b2 =0.053mW wifi_b2 =0.000mW Nexus-one=243, wifi_max = mw wifi_max = mw wifi_max = mw Threshold Desire=109, Galaxy-S=1200

우리는 PowerTutor를 확장하여 전력소모 추정도구를 제공한다. 이는 Nexus-one의 전력모델의 정확도를 개선 하였고, Desire, Galaxy-S의 전력모델은 새롭게 추가했다. 전력소모 추정 데이터를 세밀하게 분석하기 위한 도구 로 PowerTutorTrace를 개발했다. 이를 통해서 특정 응 용프로그램의 전력 소모를 효율적으로 분석할 수 있다.

3 782 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 11 호( ) 하기 위해서는 전력 모델을 이용하는 전력 소모 추정 시간에 따른 전체 및 응용 별 전력 소모 그래프: 타 도구가 필요하다. 우리는 소스코드가 공개된 PowerTutor 임라인에 맞추어서 스마트폰 전체의 전력 소모 또는 를 확장하여 Nexus-one, Desire, Galaxy-S에 대해서 해당 응용 별 전력 소모를 그래프로 그려준다. 또한 도 전력 소모를 추정해주는 도구를 개발 했다. 이 도구 그래프는 각각의 하드웨어 컴포넌트 별로 다른 색으 는 응용프로그램의 실행 중 하드웨어 디바이스들의 사 로 표현하여 장치 별 전력 소모를 알 수 있게 한다. 용상태를 프로파일링하고 전력모델과 함께 전력소모를 사용자 설정 시간 동안의 전체 및 응용 별 전력 소 모 누적 그래프: 전력 소모 추정 전체 시간 중에서 추정하여 로그파일형태로 생성한다. 우리 전력 소모 추정 도구는 표 1의 전력모델과 식 특정 시간 동안의 전력 소모의 누적 그래프를 그린다. (1)-(4)를 이용해서 계산한다. CPU와 Display의 경우 식 해당 그래프는 파이 그래프로 그려진다. 파이 그래프 (2)와 식 (3)과 같이 선형 회귀 모델을 따른다. Wi-Fi 의 각 요소는 하드웨어 컴포넌트를 의미한다. 의 경우 식 (4)와 같이 Packet의 수가 Threshold를 넘 특정 응용들을 제외한 전체 전력 소모 그래프: 전체 어 서면 상수 전력 모델을 따르며, 그렇지 않을 경우에 전력 소모에서 한 개 이상의 응용이 가지는 전력 소 는 2차 회귀 모델을 따른다. 각각의 식 (2)-(4)에서의 모를 제외하고 그래프를 그릴 수 있다. 값들은 표 1에 나와 있는 각 스마트폰에 맞는 전력 사용자 설정 단위의 평균 전력 소모 그래프: 시간에 계수를 나타낸다. 나머지 요소들은 표 1에서의 각 장치 따른 전체 또는 응용 별 전력 소모를 설정한 단위 시간 에 맞는 파라메터 값을 의미한다. 각 파라메터들은 표 1 동안의 평균 전력 소모로 계산하여 그래프를 그린다. 에 정의된 범위의 값을 가지게 된다. 최종 전력 소모 추 정 값은 식 (1)로 계산한다. (1) 3. 전력 모델의 정확도 검증 본 장은 전력 모델의 정확도를 검증을 위한 실험구성 과 결과를 설명한다. 그림 3과 같이 스마트폰과 멀티메 (2) 터를 이용하여 실제 어플리케이션 사용 중 전력소모를 (3) 측정한다. 이 때 멀티메터는 500Hz로 전류를 측정하여 1초에 한번씩 평균값을 호스트 컴퓨터로 전송한다. 이렇 게 측정된 값과 우리 프레임워크를 사용하여 얻은 전력 (4) 소모 추정 값을 비교하여 정확도를 검증하였다. 2.3 전력 소모 분석 단계 우리는 개발자들과 사용자들이 전력 소모 추정 데이 터를 간편하게 분석 할 수 있도록 최종 분석 도구 PowerTutorTrace를 이용한다. 이 도구는 Java로 개발 된 로그 파일 분석기로 전력 소모 추정 데이터를 이용 해서 특정 응용프로그램의 전력 소모패턴을 원하는 조 건에 맞게 자동으로 그래프를 그려서 분석할 수 있다. 동작 모습은 그림 2와 같으며, PowerTutorTrace가 지 원하는 기능은 아래와 같다. 그림 3 전력 측정을 위한 실험 환경 구성 실행된 응용들의 목록 추출: 전력 소모 추정 도구가 생성하는 로그파일을 분석하여 추정 시간 동안 실행 실험을 위해 이용한 응용프로그램은 아래와 같다. 된 응용들의 목록을 출력하는 기능을 한다. MX Video: 비디오 플레이어 Angry Birds: 게임 응용 YouTube: VOD Streaming 응용 Web Browser: 기본 웹 브라우저 그림 4는 우리의 실험결과를 전력소모에 대한 추정에 대한 정확도를 CDF로 보여준다. 4(a)와 (b)는 Nexusone을 이용한 실험결과이다. (a)는 우리 프레임워크의 사용결과이며, (b)는 기존 PowerTutor를 사용한 결과이 그림 2 PowerTutorTrace의 동작 모습 다. 실험결과 (a)는 평균 89%의 정확도를 나타내며, (b)

이 도구 그래프는 각각의 하드웨어 컴포넌트 별로 다른 색으 는 응용프로그램의 실행 중 하드웨어 디바이스들의 사 로 표현하여 장치 별 전력 소모를 알 수 있게 한다. 용상태를 프로파일링하고 전력모델과 함께 전력소모를 사용자 설정 시간 동안의 전체 및 응용 별 전력 소 모 누적 그래프: 전력 소모 추정 전체 시간 중에서 추정하여 로그파일형태로 생성한다.

4 스마트폰 응용프로그램 에너지 소모 분석을 위한 프레임워크 783 (a) (b) (c) 그림 4 전력 소모 추정의 오차를 나타낸 CDF (d) 는 평균 77%의 정확도를 보였다. 따라서 우리의 전력 모델은 12%의 정확도 향상을 보였다. 그림 4(c)와 그림 4(d)는 Desire와 Galaxy-S를 이용한 실험결과이다. 우 리의 전력 모델은 4개의 응용프로그램에 대해서 각각 평균 82%와 평균 73%의 정확도를 보인다. Nexus-one의 전력 모델과 달리 Desire와 Galaxy-S 의 전력 모델이 정확도가 떨어지는 이유는 사용 패턴 생성기와 PowerDoctor를 이용한 사용패턴 수집이 부족 했기 때문이다. 실제로 전력 모델 생성을 위해 Nexusone은 사용 패턴을 약 1000개 이상을 수집하였고, Desire 와 Galaxy-S는 각각 약 400개, 150개를 수집하였다. 따 라서 개발자가 Nexus-one 만큼 사용 패턴을 수집한다 면 정확도 80% 이상의 전력 모델을 만들 수 있다. 4. 관련연구 이 장에서는 본 연구와 관련성이 높은 연구들을 전력 모델 생성에 관한 연구와 분석 도구에 관한 연구로 나 누어 설명한다. 4.1 전력 모델 생성 스마트폰의 전력 모델을 생성하는 방법은 수동과 자 동방법으로 구분된다. 이전의 연구[1,5]는 외부 계측 장 비를 이용한 수동 전력 모델 생성 방법이다. A. Shye et al. [1]의 경우 이용률 기반의 전력 모델이다. P. Abhinav et al. [5]의 경우 시스템 콜 기반의 전력모델이다. 두 방법 모두 외부 계측 장비를 이용해서 수동으로 전력 모델을 생성해서 스마트폰의 전력 소모를 분석했기 때 문에 다양한 스마트폰에 적용하기에는 어려움이 있다. 이와 반대로 이전의 연구[2,3,6-8]은 자동으로 전력 모델을 생성하는 방법이다. L. Zhang et al. [2]의 연구 는 배터리 내부 센서와 배터리 전압 감소 곡선을 이용 해서 정확도 높은 전력 모델을 생성하여 스마트폰의 전 력 소모를 측정하는 방법을 제안했다. K. Minyong[8]의 연구는 [2]에서의 전력 모델을 개선시켜서 멀티코어와 최신Display에 대해서도 높은 정확도를 보장한 연구이 다. 이 두 연구들은 정확도 높은 전력 모델을 생성하기 위해서 트레이닝 프로그램과 배터리 감소 곡선을 생성 해야 되는 의존성을 가진다. 이와 다른 방식으로 [3]에 서는 사용자 사용 패턴과 내부 센서만을 이용해서 전력 모델을 생성하는 방법을 제안했다. 이 방법은 사용 패턴 수집에 따른 많은 시간적 손실을 발생시킨다. M. Dong 과 L. Zhong. [6]의 경우 외부 계측장비 없이 100Hz의 높은 주기로 전력소모를 측정할 수 있는 방법을 제안 했다. [6]의 방법으로 생성된 전력 모델은 스마트폰 전 체 전력 소모만을 측정할 수 있다. C. Yoon et al. [7] 은 내부 센서의 낮은 갱신 주기를 극복하기 위해서 특 별한 시나리오를 만들어서 자동으로 전력 모델을 생성 하는 방법을 제안하였다. [7]에서는 정확도를 높이기 위 해서 스마트폰 내부의 전류 센서를 이용했다.

실제로 전력 모델 생성을 위해 Nexusone은 사용 패턴을 약 1000개 이상을 수집하였고, Desire 와 Galaxy-S는 각각 약 400개, 150개를 수집하였다. 따 라서 개발자가 Nexus-one 만큼 사용 패턴을 수집한다 면 정확도 80% 이상의 전력 모델을 만들 수 있다. 4. 관련연구 이 장에서는 본 연구와 관련성이 높은 연구들을 전력 모델 생성에 관한 연구와 분석 도구에 관한 연구로 나 누어 설명한다.

5 784 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 11 호( ) 우리가 제안한 방법은 자동 전력 모델 생성으로 전류센 서나 배터리 감소 곡선에 의존하지 않고 어떤 스마트폰에 나 있는 전압센서와 배터리 레벨 지시자만을 이용한다. 또한 [3]에서의 패턴 수집에 따른 시간 손실을 보완하기 위해서 사용패턴 생성기를 이용하며, 스마트폰 전체가 아 닌 하드웨어 컴포넌트 단위의 전력 모델을 생성한다. 4.2 분석도구 스마트폰의 응용프로그램 전력 소모를 분석할 수 있 는 도구는 Eprof[9], AppScope[10], PowerTutor[4]들 이 있다. Eprof의 경우 시스템 콜에 기반한 프로파일링 도구이기 때문에 상세한 분석이 가능하다. 그러나 현재 까지는 Eprof은 I/O장치에 대해서만 분석이 가능하며, 도구가 공개되어 있지 않은 상태이다. AppScope의 경 우 리눅스 커널 모듈로 개발된 도구로써 하드웨어 컴포 넌트 단위와 프로세스 단위로 상세 분석할 수 있다. AppScope의 경우 사용할 수 있도록 도구는 공개되어 있지만 아직까지 소스코드는 공개되어 있지 않다. 마지 막으로 PowerTutor는 안드로이드 응용프로그램으로 개 발된 도구이며, 하드웨어 컴포넌트 단위와 UID(UserID) 단위로 상세 분석이 가능하다. 또한 PowerTutor는 소 스코드가 공개되어 있다. 하지만 Nexus-one의 전력 모 델이 정확도가 떨어지며, 프로파일링 지연문제가 있다. 우리는 사용자가 접근하기 쉽고 소스코드가 공개된 PowerTutor를 확장하였다. 이를 통해서 PowerTutor의 정확도와 범용성을 높이고 PowerTutorTrace를 제공함 으로써 분석 기능을 향상시켰다. 5. 결론 및 향후 연구 본 연구는 간편하게 스마트폰에서의 전력 소모를 분 석 할 수 있는 프레임워크를 개발 했다. 우리의 프레임 워크는 전력 모델 생성기, 전력 소모 추정기, 추정 데이 터 분석기로 구성되어 지며 전력 소모 추정의 정확도는 Nexus-one, Desire, Galaxy-S에 대해서 각각 89%, 82% 73%의 평균 정확도를 가진다. 우리의 프레임워크 를 이용하면 개발자와 사용자는 스마트폰 응용프로그램 에 대한 전력 소모를 외부장치 사용없이 간편하게 분석 할 수 있으며 이를 통해서 전력소모에 최적화된 응용프 로그램을 개발하거나 선택할 수 있다. 현재 스마트폰의 하드웨어 컴포넌트들은 변화하고 있 다. 현재 우리는 멀티 코어 CPU와 GPU에 대한 전력 모델을 지원하고 있지 않고 있다. 따라서 최신 스마트폰 에서의 전력 분석을 위해서는 이러한 새로운 하드웨어 컴포넌트들에 대한 지원이 필요하다. 참 고 문 헌 [1] A. Shye, et al., "Into the wild: studing real user activity patterns to guide power optimizations for mobile architectures," in Proc. Int. Symp. Microarchitecture, pp , [2] L. Zhang, et al., "Accurate online power estimation and automatic battery behavior based power model generation for smartphones," in IEEE/ACM, CODES /ISSS, pp , [3] L. Jaymin, et al, "Smart Phone Power Model Generation Using Use Pattern Analysis," IEEE International Conference on Consumer Electronics, Jan, [4] PowerTutor, powertutor/ [5] P. Abhinav, et al., "Fine-grained power modeling for smartphones using system call tracing," Euro- Sys'11, pp , Apr [6] M. Dong and L. Zhong, "Self-constructive highrate system energy modeling for battery-powered mobile systems," MobiSys'11, pp , [7] W. Jung, et al., "DevScope: A Nonintrusive and Online Power Analysis for Smartphone Hardware Components," CODES/ISSS, [8] K. Minyong, et al., "An Online Power Estimation Technique for Multi-Core Smartphones with Advanced Display Components," IEEE International Conference on Consumer Electronics, Jan, [9] P. Abhinav, et al., "Where is the energy spent inside my app? Fine Grained Energy Accounting on Smartphones with Eprof," EuroSys 12, pp.29-42, [10] C. Yoon, et al., "AppScope: Application Energy Metering Framework for Android Smartphone using Kernel Activity Monitoring," USENIX ATC'12.

Eprof의 경우 시스템 콜에 기반한 프로파일링 도구이기 때문에 상세한 분석이 가능하다. 그러나 현재 까지는 Eprof은 I/O장치에 대해서만 분석이 가능하며, 도구가 공개되어 있지 않은 상태이다. AppScope의 경 우 리눅스 커널 모듈로 개발된 도구로써 하드웨어 컴포 넌트 단위와 프로세스 단위로 상세 분석할 수 있다.

05(533-537) CPLV12-04.hwp

05(533-537) CPLV12-04.hwp 모바일 OS 환경의 사용자 반응성 향상 기법 533 모바일 OS 환경의 사용자 반응성 향상 기법 (Enhancing Interactivity in Mobile Operating Systems) 배선욱 김정한 (Sunwook Bae) 엄영익 (Young Ik Eom) (Junghan Kim) 요 약 사용자 반응성은 컴퓨팅 시스템에서 가장 중요 한 요소 중에 하나이고,