基于非线性回归方程偏导数分析应用程序性能敏感度的方法

性能敏感度反映了应用程序性能相对于性能影响因素的变化率,对性能敏感度的量化分析可为体系结构设计和程序性能优化提供有意义的参考和指导.提出了一种分析程序性能敏感度的非线性回归模型(PS-NLRM),能够量化不同应用程序的性能敏感度.通过主成分分析消除了影响性能的性能事件之间的相关性,通过曲线拟合引入非线性项,建立了程序性能CPI和性能事件之间的非线性回归方程.模型应用在SPEC CPU2006整型程序之上,通过了t检验和F检验,达到90%以上的拟合度.基于非线性回归方程相对于性能事件的偏导数,得到不同应用程序的性能对性能事件的敏感度.利用性能敏感度对SPEC CPU2006整型程序性能进行预测的平均相对误差约为4.5%,比传统线性回归模型预测误差下降50%.     

清华“计算机专业实践”课程的创新与实践

清华大学计算机系于2001年决定开设"计算机专业实践"课程,作为全系本科生的必修课。经过两年的准备,于2003年夏季学期在30多名本科生中进行了试点,2004年在全系185名本科生中授课,2005年在全系195名本科生中正式开课,效果很好。该课程经过4年多的建设,取得了如下主要成果。     

一种基于重用距离预测与流检测的高速缓存替换算法

传统的缓存替换算法由于不能适应应用程序的流式访问行为而导致缓存性能不佳.设计基于周期检测的预测方法,分析程序访存重用距离的规律性和流式访问的复杂性,提出用重用距离预测能同时适应简单流和复杂流访问模式的RDP算法.RDP的基本思想是预测重用距离并动态维护重用距离计数,动态调整缓存数据的替换顺序,通过流采样缩减存储开销.实验结果表明,RDP算法能够很好地适应程序中多样化的流访问模式,其总体性能优于LRU算法和DIP算法,在32MB缓存上比传统LRU算法平均减少了27.5%的缓存缺失.     

HHSR:一种命令与数据分传片上网络原型

在前面工作的基础上,根据大规模、超大规模片上网络互连结构的性能特点,针对网络所传输信息的不同特性以及对传输的不同要求,提出了一种命令与数据分传的片上网络原型系统HHSR。该原型系统分别在两套具有不同拓扑结构的片上网络中传输命令和数据,选取速度较快且综合性能较好的单环分级互连网络用于命令包的传输,以满足其实时性的要求,选取速度稍慢但成本较低的六边形Mesh网格用于数据包的传输。实验结果表明,这种命令与数据分传的片上网络原型系统在牺牲一定的数据包传送时间和花费一定成本的基础上,保证和提高了命令与控制信息的传送速度,从而保证和提高了整个片上多处理器的性能。     

在Linux内实现基于内容存储的驱动器(CASD)

针对目前基于内容存储(CAS)系统原型绝大多数因建立在已有的各种文件系统上而使其性能和应用范围受到限制的情况,设计和实现了一种在Linux内核中用作块设备驱动器的CAS驱动器(CASD),它可作为Linux的基本构件组成各种CAS系统以支持不同应用,并且可以用作Linux支持的单机存储系统和客户-服务器网络或对等网络存储系统.论述了此CASD主要功能部件的设计选择、在Linux内的实现方法及其性能评价.在iSCSI存储网络上的性能测试结果表明,此CASD的写性能比Ext2更高,且读性能相近.进一步提高其性能瓶颈在于对文件内容的Hash计算和通过Hash索引查找对象元数据这两个环节.     

软件流水领域二维数组的体差不等式测试算法

给出了二维数组的体差不等式测试算法,并证明二维数组的体差不等式测试算法具有多项式时间复杂度。相对于直接求解,体差不等式测试算法的时间复杂度要小得多。实验表明,对于科学计算循环中出现的大多数数据相关性判定问题,使用体差不等式测试算法可以获得很好的结果。     

计算机硬件实验统一平台设计

针对目前计算机硬件系列实验课程,我们采用大规模和超大规模集成电路和可编程器件,研究设计了统一硬件实验平台。本文介绍了为配套设计而开发的用以辅助实验的软件系统,并描述了平台的功能和代表性实验过程。     

片上多处理器互连技术综述

随着器件、工艺和应用技术的不断发展,片上处理器中处理器核的数目必将进一步增加,处理器芯片内部的互连及其通信成为影响处理器性能的重要因素.介绍了目前在片上多处理器中的几种典型互连方法,并简要分析了各种方法的优缺点.     

弹性数据相关与软件流水

最差路径是有分支循环软件流水的一大障碍.对于有分支循环,某些数据相关(称为弹性相关)在循环的动态执行中可能产生、也可能不产生实例.据此,可将严重限制并行性的弹性相关用限制较松的虚构相关代替,再进行软件流水.若调度没有遵守原来的弹性相关,则使用下推变换修正.从而缓解或者完全解除了最差路径的限制.该方法与经典的控制猜测互补,特点是允许调度含错,然后纠错.     

主成分线性回归模型分析应用程序性能

应用程序的性能分析能够给体系架构设计者和性能优化者提供有效的参考和指导.采用主成分线性回归模型分析了SPEC CPU2006的整型程序性能.模型选取性能监测单元采样到的事件为自变量,每条指令的时钟周期数(CPI)作为因变量.模型中采用主成分分析法消除了性能事件之间的相关性.实验结果表明,模型的拟合优度在90%以上,对性能进行预测的平均相对误差为15%.模型从量化上分析了L1,L2高速缓存缺失作为影响性能的关键因素是怎样影响程序性能的.