基于多核的程序并行优化的研究与实现

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
  • 相关论文文献

    • [1].基于大数据背景的会计信息挖掘构想[J]. 企业改革与管理 2020(03)
    • [2].基于信息挖掘的模糊语言查询的研究[J]. 湖北师范大学学报(哲学社会科学版) 2020(03)
    • [3].小学数学收集与处理信息能力渗透路径探析[J]. 教书育人 2017(26)
    • [4].大数据背景下网络信息挖掘与情报收集[J]. 湖北警官学院学报 2016(03)
    • [5].浅谈网络信息挖掘[J]. 网络财富 2009(06)
    • [6].网络信息挖掘及其在搜索引擎方面的应用[J]. 微计算机信息 2008(06)
    • [7].网络信息挖掘在电子商务系统中的应用[J]. 电脑知识与技术 2008(22)
    • [8].大数据背景下网络信息挖掘与搜集[J]. 信息与电脑(理论版) 2018(06)
    • [9].在线评论信息挖掘研究综述[J]. 信息资源管理学报 2016(01)
    • [10].搜索引擎在网络信息挖掘中的应用[J]. 电脑知识与技术 2009(27)
    • [11].网络信息挖掘的实践[J]. 科技信息 2009(27)
    • [12].面向城市菜地的地理信息挖掘[J]. 南方农机 2020(10)
    • [13].计算机文本信息挖掘技术在网络安全中的应用研究[J]. 数字通信世界 2020(02)
    • [14].浅谈大数据时代的物流信息挖掘与应用[J]. 广东蚕业 2019(11)
    • [15].深化专利信息挖掘 促进德阳经济高质量发展研究[J]. 科技与创新 2019(08)
    • [16].数据信息挖掘在热工控制过程中的应用[J]. 华北电力技术 2017(04)
    • [17].基于创业者信息挖掘的创业成功倾向分析[J]. 微型电脑应用 2017(05)
    • [18].Multi-Agent系统信息挖掘技术的运用研究[J]. 电子技术与软件工程 2013(24)
    • [19].基于语义上下文分析的因特网人物信息挖掘[J]. 安徽大学学报(自然科学版) 2009(04)
    • [20].专利技术信息挖掘研究进展[J]. 图书馆 2018(04)
    • [21].基于WEB访问信息挖掘提高电子商务个性化服务研究[J]. 商场现代化 2008(20)
    • [22].网络新闻信息挖掘与分析模型的建立与探讨[J]. 计算机与现代化 2012(04)
    • [23].地图信息挖掘的基本理论研究[J]. 测绘科学 2010(01)
    • [24].探讨搜索引擎在网络信息挖掘中的应用[J]. 科技资讯 2009(29)
    • [25].试析大数据分析和信息挖掘的图书馆智慧服务[J]. 科技经济导刊 2019(03)
    • [26].信息挖掘技术在中医继承中的应用现状与展望[J]. 湖北中医杂志 2010(07)
    • [27].媒体信息挖掘与分析师盈余预测准确度——基于管理层业绩预告背景的考察[J]. 会计与经济研究 2019(01)
    • [28].网络信息挖掘在竞争情报工作中的应用[J]. 江苏科技信息 2013(06)
    • [29].Web访问信息挖掘在电子商务个性化服务中的应用研究[J]. 潍坊学院学报 2009(04)
    • [30].浅谈互联网应用数据的建模分析和信息挖掘[J]. 计算机产品与流通 2017(09)

    标签:;  ;  ;  ;  ;  

    基于多核的程序并行优化的研究与实现
    下载Doc文档

    猜你喜欢