多核芯片系统是业界主流的发展方向。然而,当前多核芯片系统在实际运行过程中将遇到三个主要的问题。首先,由于登纳德缩放定律的失效,芯片将遇到严重的发热问题,这将限制其性能发挥并降低其可靠性;其次,由于先进芯片拥有大量核心,若仅考虑芯片温度进行任务的分散分配,将可能导致系统核心间通信距离与延迟过大,最终引起系统性能降低;最后,计算机系统运行时会遇到多种类型的应用场景,由于不同应用场景对系统性能的需求不同,系统将遇到性能优化策略与需求不匹配的问题。为了解决这些问题,优化系统的整体性能,本文开发了考虑应用场景的多核系统实时性能优化技术。首先,为了实时判别系统当前运行的应用场景,本技术以系统性能计数监控器的统计数据为输入,构建并训练用于应用场景识别的长短期记忆网络。然后,根据识别的应用场景的特征,本技术建立了多核芯片功率模型、热模型,以及考虑通信延迟的性能模型。通过建立综合考虑通信延迟与热效应的优化模型,并使用贪心算法对该优化问题进行实时近似求解,本技术可将任务分配到使多核系统达成最优性能的核心上。最后,本技术针对高性能、持续型,以及周期型三种常见应用场景分别制定了性能优化策略。特别的,针对高性能场景,本技术以多核系统的绝对性能作为优化目标,在芯片温度不超过阈值的条件下使系统的总体运行频率最大化;针对持续型场景,本技术以系统的运行能效比作为优化目标,在考虑静态功耗的条件下,调节系统各个核心的频率,使系统的每瓦特性能达到最高;针对周期型场景,本技术以最快完成任务为目标,在核心的平均功率不超过给定功率限制的条件下,提升任务的执行速度。实验证明,本技术能够准确识别应用场景类型:在使用12项性能计数监控器的数据作为输入的前提下,针对6种应用场景的场景类别识别准确率高达94.3%。本技术通过综合考虑芯片热效应与通信延迟效应进行合理的核心任务分配,相较于未考虑通信延迟的两种方法（随机分配技术与贪心动态功率技术）,分别带来了高达39%和28%的性能提升。最后,本文的实验表明,在使用本技术后,多核芯片系统的性能得到了全方位大幅提升:在高性能场景中,系统频率提升了50%以上;在持续型场景中,系统能效比提升了18.2%;在周期型场景中,完成相同工作负载的时间缩短了25.5%。