粗粒度可重構(gòu)系統(tǒng)的任務(wù)編譯器關(guān)鍵技術(shù)研究.pdf

1、粗粒度可重構(gòu)系統(tǒng)(CGRA)指重構(gòu)粒度為8 bit以上的可重構(gòu)計(jì)算系統(tǒng),它兼具通用處理器(GPP)的靈活性和專用集成電路(ASIC)的高效性,是解決當(dāng)今高密度計(jì)算領(lǐng)域“通信墻”、“功耗墻”等諸多難題的最佳途徑之一。本文對(duì)決定CGRA實(shí)用性及降低應(yīng)用開(kāi)發(fā)難度至關(guān)重要的的任務(wù)編譯器相關(guān)核心算法、編譯流程及軟件實(shí)現(xiàn)等方面進(jìn)行了較為深入的研究。
　　 首先,針對(duì)給定的Remus和RemusⅡ兩種粗粒度可重構(gòu)架構(gòu),設(shè)計(jì)了基于SUIF和Ma

2、chSUIF框架的完整任務(wù)編譯流程。所設(shè)計(jì)的任務(wù)編譯器可自動(dòng)提取C語(yǔ)言描述中的可并行部分,將其轉(zhuǎn)化為數(shù)據(jù)流圖(DFG)的形式并由任務(wù)編譯器后端引擎自動(dòng)映射為可在可重構(gòu)陣列上運(yùn)行的配置流信息。以上述任務(wù)編譯流程為基礎(chǔ),分別針對(duì)Remus和RemusⅡ設(shè)計(jì)了任務(wù)編譯器套件并進(jìn)行了驗(yàn)證。
　　 其次,給出了用于粗粒度可重構(gòu)架構(gòu)的優(yōu)化時(shí)域劃分算法。以將規(guī)模超出可重構(gòu)陣列容量的DFG劃分為一系列小規(guī)模的子圖依次放到可重構(gòu)陣列上執(zhí)行。經(jīng)過(guò)對(duì)

3、粗粒度可重構(gòu)架構(gòu)(包括Remus和RemusⅡ)的分析,發(fā)現(xiàn)配置過(guò)程和運(yùn)算過(guò)程中子圖之間交互中間數(shù)據(jù)耗費(fèi)了大量的時(shí)間,會(huì)嚴(yán)重影響粗粒度可重構(gòu)系統(tǒng)的計(jì)算效率。本文給出了一種基于多目標(biāo)遺傳算法的優(yōu)化時(shí)域劃分算法,仿真研究證明該算法可以降低運(yùn)行的時(shí)間延遲5％-27%,通信量方面除個(gè)別案例外可降低15%-31%,大多數(shù)測(cè)試的面積利用率都得到了較大程度的改善,這些都優(yōu)于傳統(tǒng)的時(shí)域劃分算法。
　　 再次,針對(duì)具有復(fù)雜異構(gòu)結(jié)構(gòu)的RemusⅡ處

4、理器,對(duì)一種基于模板的新的任務(wù)編譯流程進(jìn)行了探索,給出了模板提取的算法、模板的快速檢索算法以及模板庫(kù)的初步設(shè)計(jì)方案?；谀０宓娜蝿?wù)編譯流程可針對(duì)特定結(jié)構(gòu)形成高效率的時(shí)域劃分方案,并得到高效率的任務(wù)編譯結(jié)果。本文對(duì)基于模板的任務(wù)編譯方法的可行性及可能編譯流程進(jìn)行了探索性研究。
　　 最后,基于對(duì)已有粗粒度可重構(gòu)架構(gòu)執(zhí)行效率的剖析,指出了當(dāng)前困擾高密度計(jì)算領(lǐng)域發(fā)展的相關(guān)問(wèn)題,在對(duì)已有經(jīng)驗(yàn)教訓(xùn)進(jìn)行總結(jié)的基礎(chǔ)上對(duì)相關(guān)問(wèn)題的可能解決方案進(jìn)