基于LLVM的科學計算程序自動性能預測研究.pdf

1、得益于計算機硬件的發(fā)展，現(xiàn)在大規(guī)模計算和并行計算得到了空前的關(guān)注。其相關(guān)配套的性能分析和評測技術(shù)也提上議程?？茖W計算并行程序(下簡稱科學程序)的分析顯然和以前的單進程程序有所區(qū)別?？茖W程序通常有計算密集、高度并行、很少依賴第三方庫等特點。科學程序的并行通常是SPMD(Single Program Multiple Data)類型，常用MPI協(xié)議實現(xiàn)。
　　性能模型用于描述程序的特征。最直接的即是預測程序的執(zhí)行時間，常為一組公式。而

2、這里用一個起名為DwarfCode(下簡稱 DC)的程序作為性能模型來預測程序執(zhí)行時間。DC是在原程序的基礎上結(jié)合LLVM和編譯技術(shù)來生成的。在IR階段通過分析程序里的循環(huán)次數(shù)結(jié)合 LLVM的靜態(tài)分支概率，生成計算每個基本塊次數(shù)的指令并進行插樁；然后使用視點提升算法來調(diào)整插樁位置，同時尋找通信語句并生成計算通信量的指令來插樁。之后分析數(shù)據(jù)依賴進行刪減，從而使得執(zhí)行 DC花費的時間比原程序少，體現(xiàn)預測性。由于從原程序中刪減得來，DC的輸入

3、和原來一致。運行DC生成包含預測的基本塊次數(shù)的profiling文件，再結(jié)合機器特征能計算出預測的原程序執(zhí)行時間。以及更為細致的預測的每個基本塊執(zhí)行次數(shù)和每個函數(shù)的時間，總共通信所花費的時間等等。
　　本文最大的貢獻是提出了視點的概念，將靜態(tài)分析方法和動態(tài)EdgeProfiling方法兩個極端有機地統(tǒng)一起來。提出靜態(tài)性等于預測性，動態(tài)性等于準確性的觀點。本文最大的創(chuàng)新之處在于拋棄編譯優(yōu)化等價變換的固有觀念，采用破壞性的刪減的方法，

4、在盡量不改變程序特征的前提下拋棄程序的輸出結(jié)果，刪減計算部分代碼，運行DC的時間更少。提出預測代價和預測性價比的概念，指出在性價比大于1的時候，才有實施預測的意義。
　　本文指出性能模型由程序特征和機器特征所決定，將兩者分離從而使得DC的輸出滿足遷移性，和目標平臺無關(guān)。DC執(zhí)行簡單，使用方便。無需任何相關(guān)領域知識，無需任何參數(shù)設定，無需任何配置文件，無需了解代碼結(jié)構(gòu)。無需預先做任何訓練。不僅磁盤空間開銷小，而且時間開銷和內(nèi)存開銷相