异构系统存在三个突出问题:第一数据传输开销太大;第二系统资源利用不均衡;第三无法达到系统峰值性能。针对这些问题异构编程模型引入多流机制,多流机制融合流水线技术以及空间共享思想,有效隐藏数据传输开销,并提升了系统资源利用率。目前关于多流机制研究主要集中于CPU+GPU异构平台,而多流机制在MIC平台性能表现如何,相关问题尚未可知。另外基于MIC平台的多流机制为程序员提供了资源控制接口(而GPU平台对程序员是透明的),用户可以直接控制资源分割,而这种资源分割对程序性能影响如何,程序员如何选择资源分割粒度最优取值,这些问题尚未得到解决。另外存在许多应用并不适合使用多流机制,那么如何提前判断应用是否值得流化,以及如何对应用进行流化,也是遗留的问题。本文我们首先基于CPU+MIC平台对多流机制进行性能量化评估,评估工作主要从微基准测试程序和实际应用程序两个层面进行,通过评估系统了解MIC平台上多流编程性能提升效果,并系统分析了多流编程性能影响因子,同时提出性能影响因子参数取值基本指导原则,帮助程序员缩减参数取值搜索空间。其次我们提出一种帮助程序员判断应用是否值得流化的方法,该方法可以帮助程序员筛除近一半的应用,同时我们将应用程序划分为两种不可流化类型和三种可流化类型,针对每种可流化程序我们提出相应的流化方法,该方法有效帮助程序员快速实现程序流化移植,降低多流机制使用门槛。采用该方法我们对13个实际应用程序进行流化,实验结果表明采用多流机制程序性能提升均值为40%。最后我们基于机器学习方法生成多流机制性能自动调优模型,帮助程序员快速选择性能影响因子参数最优取值。影响多流程序性能的因子主要有资源分割粒度与任务划分粒度,二者取值组合繁多,程序员手动逐一测试的方法费时费力,效率低下,我们基于机器学习方法采用线下监督学习方式生成自动调优模型,程序员通过此模型可以直接获得性能影响因子参数最优取值,大大减少调优工作量,有效提升工作效率。