支持MPI通信行为分析的编译技术研究

来源 :中国科学院计算技术研究所 | 被引量 : 0次 | 上传用户:njcxm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
显式并行程序中通信模式的抽取,对于并行程序性能调优具有重要的意义。很多与并行程序性能相关的优化都需要对通信特征进行分析。另外在并行程序设计和开发过程中,对于程序正确性的调试和验证也是和通信相关。   现有静态编译框架不足以支持通信特征分析时。通过我们对典型例程NPB并行测试程序集的分析表明,MPI的通信可以大致分为三类,组通信大多是静态类型的,比较适合采用编译技术来分析;而点对点通信主要为准静态和动态类型。本文设计了基于编译分析技术的静态分析框架,在常规的优化编译器上扩展了多值表达式分析、谓词分析、符号表达式分析以及多值符号实例化。该方案可以对NPB中大多数准静态类型的通信进行有效的分析。   仍有动态通信和部分准静态通信编译时不能分析,对于并行程序通信模式分析的通用做法还是采用外部分析工具在运行时收集踪迹信息,进行事后分析。而这么做的一个明显缺点是常常需要较长的运行时开销。我们提出采用编译分析与通信切片程序相结合的方法来进行MPI通信特征分析。在对准静态和动态通信静态编译分析失效时,我们采用程序切片技术,对于显式并行程序的通信特征进行低开销的抽取。在归纳了多数应用程序的通信特征和分析需求后,我们提出通信切片程序的概念,设计并实现了通信切片的构造,以及对于切片削减度和相似度的度量方法。通过我们对于NPB程序的测试结果表明,该方法可以在维持通信特征的同时,显著减少程序的执行时间,具有一定的适用面。该技术的提出弥补了编译分析技术处理准静态和动态通信特征时的局限,同时也降低了事后分析运行时开销。在应用于MPI进程映射和并行程序的验证和调试方面均具有一定的意义。
其他文献
链接预测是属性网络中常见的一类任务,即预测两个节点之间的边存在的可能性,核心在于构建有效的链接表示。传统的方法往往依靠费时费力的特征工程,但是近年来,表示学习和深度学习
在今天的开放计算环境和数据中心中,计算机系统需要根据提供服务类型的不同而划分成多个子系统进行管理和维护,各个子系统之间相互孤立,很难实现资源的共享,面对不断变化的服务需
随着用户数据重要性的增加,基于周期性备份的数据解决方案已不能满足用户数据保护的需要。连续数据保护技术(CDP)成为近年来数据保护领域的一大研究热点,它有效解决了周期性备
传统的文本分类算法在进行大规模数据的学习时效率低下,甚至无效。增量学习能使学习算法的时间和空间资源消耗保持在可以管理和控制的水平,具有较高的实用价值。现有的增量学习
对等网络研究及应用的不断发展使其吸引了越来越多的关注。基于对等网络的流媒体数据传输技术充分利用对等网络参与节点相互协作的特性,取得了很好的应用效果,对互联网络从文本
软件过程建模是指对软件过程建立模型,并且对模型建立和模型执行提供自动化支持。软件过程建模技术为软件过程的描述、表示、执行、分析、跟踪、变更以及改进提供了方法和工具
本论文所做工作是与支持向量机(Support Vector Machine-SVM)的在线增量学习、样本选择技术及新SVld分类模型相关的一些研究。   关于线性临近支持向量机(Proximal SVM-PS
随着服务器应用需求的提升,各种新技术,如多核CPU、虚拟化技术、强大的集群应用、网络存储以及刀片服务器的发展,带来了对计算机I/O带宽无止境的需求。尤其是当高性能服务器进入
随着互联网、物联网、云计算、移动计算、大数据等众多信息技术的快速发展,网民用户和网络产品服务的数量呈爆炸式增长。然而,在享受网络提供的丰富的内容信息以及便利的服务产
无线传感器网络是一门面向应用的学科,随着人们在理论和技术两方面的研究拓展,该技术已经开始在应用产业化领域崭露头角,如环境监测、目标跟踪、安全监控、工业自动化监控等领域