当前,随着多核系统的广泛应用,多线程正成为一种必不可少的编程技术,通常用于从操作系统到智能多媒体应用程序,来提高特定程序的性能或响应性。但是,由于并发线程执行的不确定性,编写正确执行的多线程程序要比编写正确执行的顺序程序困难得多。当线程未正确同步时,非确定性线程交织可能对于同一输入会产生非确定性的输出。当这种不确定的线程行为导致系统故障或结果不正确时,它被称为并发错误。数据竞争就是多线程并发程序中最复杂的并发错误之一。并发线程执行调度的随机性和对共享存储空间访问的隐蔽性,造成了数据竞争的检测变得及其困难。动态数据竞争检测需要监视所有执行并分析多线程程序中的每个冲突的内存操作,导致大量的运行时开销。如何在有限的时间内检测和验证数据竞争成为提高软件可靠性和安全性的迫切问题。本文主要针对现有的动态数据竞争检测中产生的大量额外开销,且不能准确地找到有害竞争等问题,提出了一种分层过滤的方法来减少动态监视程序执行行为的高性能开销,并且通过两种并发策略高效地检测多线程程序中的数据竞争和验证有害竞争。首先,该算法利用动态二进制插桩工具Pin分别从Image级别(IML)、Section级别(SEL),Instruction级别(INL)和Code级别(COL)四个方面移除不必要的监视存储器操作,以减少原始踪迹中的冗余数据。其次,将Pin工具提取到的踪迹信息基于HashMap分为多个独立的集合,添加到多进程任务队列中,由进程池动态地调度每个进程,依据lockset算法和happens-before关系相结合的方式,并发地离线分析多线程并发程序中的数据竞争。然后使用加权Round-Robin算法将数据竞争按需划分到多台云服务器上,结合线程调度技术延迟阻塞以尽可能地创造竞争条件,在多台云服务器上并发验证数据竞争,识别出有害的竞争。最后,我们设计并实现了动态数据竞争检测工具,并从数据竞争的检测精度,检测效率和可扩展性等方面进行了测试分析,实验结果表明本文算法可以有效地检测和验证数据竞争,而不会对原始程序的性能产生很大的影响。