基于多核的程序并行优化的研究与实现

论文摘要

随着多核处理器在短短两年时间内的普及,如何充分利用它的并行处理能力开发并行化程序成为了现今多核应用研究的重点和难点之一。本文在深入分析了多核计算技术的基础上,提出了程序过程内与过程间可并行信息挖掘的方法,为实现程序的并行化提供依据。使用国际通用的并行评测标准(如Livermore、LAPACK和NAS等)进行实验,并把实验结果与目前流行的程序并行化工具Intel Parallel Studio进行比较,来验证我们的方法。本文提出的过程内可并行信息挖掘方法主要针对与可并行信息关系密切的依赖关系展开。以程序执行时间,程序中的循环部分、数据依赖性分析以及程序执行时间与循环次数比等特征来表征程序的可并行性,并采用支持向量机(SVM)根据以上特征进行程序中的可并行点的挖掘。实验证明,该方法更能符合实际应用的需要,发现的可并行点做并行化后有可观的并行加速比。本文提出的过程间可并行信息挖掘方法主要通过构建过程间依赖图的方式,有效的整合了过程间依赖信息。并提出了过程内依赖信息对过程间依赖信息有影响,需要通过加入过程内依赖信息从而提取优化过程间依赖信息的思想。对比实验证明,该方法具有更好的过程间可并行信息的挖掘效果。最后,本文给出了在并行测试集中使用上述两种可并行信息挖掘方法加以结合的实验结果,实验表明粗粒度与细粒度可并行信息挖掘方法能够获得有效的程序可并行信息,在多核平台得到良好的程序并行加速比。

论文目录

• 中文摘要
• Abstract
• 第1章 序言
• 1.1 研究背景
• 1.2 研究现状
• 1.3 本文的研究内容
• 1.4 本文的研究意义
• 1.5 本文结构
• 第2章 并行优化相关技术
• 2.1 并行优化相关技术概述
• 2.2 依赖关系分析
• 2.2.1 过程内依赖关系分析技术
• 2.2.2 过程间依赖关系分析技术
• 2.3 指针分析
• 2.4 评测方法
• 2.4.1 OpenMP 简介
• 2.4.2 并行代码的性能评价
• 2.5 本章小结
• 第3章 过程内细粒度可并行性挖掘
• 3.1 数据依赖性概念
• 3.2 数据依赖分析算法
• 3.2.1 GCD-Test 算法
• 3.2.2 扩展的GCD（EGCD）数据依赖分析算法
• 3.3 基于特征的程序并行点的发现
• 3.3.1 SVM 分类工具
• 3.3.2 循环内可并行点发现
• 3.3.3 可并行特征文件的构建
• 3.4 细粒度可并行点发现实验与分析
• 3.4.1 Intel Parallel Studio 并行工具
• 3.4.2 Livermore 循环测试集
• 3.4.3 LAPACK 并行测试集
• 3.4.4 实验与分析
• 3.5 本章小结
• 第4章 过程间粗粒度可并行性挖掘
• 4.1 过程间并行优化技术
• 4.2 过程间依赖图的构建
• 4.3 基于过程间依赖图的可并行点发现方法
• 4.4 粗粒度可并行点发现实验与分析
• 4.5 本章小结
• 第5章 程序优化技术在多核平台中的应用
• 5.1 多核处理器（CMP）
• 5.2 NAS 并行标准
• 5.3 过程内与过程间可并行信息挖掘方法的结合
• 5.4 实验与分析
• 5.5 本章小结
• 第6章 总结和展望
• 6.1 全文工作总结
• 6.2 进一步工作
• 参考文献
• 攻读学位期间公开发表的论文
• 致谢