Cobol到Java翻译中的数据类型转换方法

将Cobol代码迁移到新的平台，如Java是减轻Cobol代码维护负担的一个有效方法．怎样将Cobol数据平滑迁移到新平台则是必须解决的基本问题之一．以前的大部分研究工作都直接将Cob01数据映射到现代程序设计语言中的基本数据类型，比如int，float等．但是，这种简单映射并不能保持原来的Cobol语义，从而导致目标码并不能与原来的代码运行一致．首先利用数据抽象技术对Cobol数据进行初步建模，在此基础上进一步提出了一个纯Java的功能等价的封装方法，可以有效地将Cobol数据描述映射到Java类型系统．该方法已经在一个Cobol2Java翻译系统——C2J翻译器中得到实现，并且应用于一个近400万行的真实银行商用系统．实验结果表明，此方法可以在保持功能等价的情况下，将Cobol数据无需手工干预地迁移到Java平台．     

二进制翻译中的库函数处理

在二进制翻译技术中，快速有效地处理系统库函数调用是一个值得研究的课题．基于动静结合二进制翻译技术，提出一种对系统库函数进行分类处理的算法，能够很好地利用动静结合二进制翻译的技术特点和目标机本地的函数调用约定，减少不必要的内存操作，提高源二进制代码在目标机上的执行效率．该算法能够在系统库函数和系统调用之间灵活地切换，并且对于系统库函数有较强的适用性．经过大量的测试验证，在应用该算法后，Digital Bridge Version2系统不仅能够正确有效地处理系统库函数调用，并且性能有了很大的改善．     

定浮点数据算术及其优化

定点算法对于商业计算非常重要,但由于成本和功耗的限制,某些嵌入式芯片尚不能提供浮点部件。针对这些情况,我们必须寻求支持整数ALU的十进制定浮点算数的解决方案。本文提出一种新的基于十进制编码的长整数方法以进行小数运算。实验表明我们的数据模型和算法其性能优于 Java BigDecimal,在实际商业应用中获得了 20％加速。     

自动化的Cobol 2 Java遗产代码迁移技术

随着下一代网格环境的来临，如何将遗产代码迁移到新的平台成为一个亟待解决的问题，该文提出了一种将cobol源代码自动地，功能等价地迁移到Java平台的方法。     

动态二进制翻译中的代码Cache管理策略

就代码cache的管理抽出了CPB（cache-piece-block)策略，它具有全清空，FIFO和LRU策略的优点，并且考虑到程序的时间空间局部性和cache替换开销，从而实现了对代码cache的高效管理。     

优化动态二进制翻译器DigitalBridge

讨论动态二进制翻译器DigitalBridge的动态优化设计与实现，给出了基于edge profile的热路径选择算法FHFS，在热路径上实施了基于模式匹配的指令组合优化翻译和标志位延迟计算的优化。实验结果表明，优化后动态翻译的性能平均提高40%。     

PowerBuilder环境制作中国式报表

中国式报表结构复杂,制作困难,通常需要专用的工具软件才能开发。本文探讨了在广为流行的数据库开发工具ＰｏｗｅｒＢｕｉｌｄｅｒ环境下,制作各类中国式报表的技术与手段,并给出了具体的制作方法。     

指导cache静态划分的程序性能profiling优化技术

对于共享cache的多核处理器,如何管理好各个核对cache的利用,对于充分发挥多核处理器性能是很关键的问题.目前采用的cache替换方法程序间会出现性能干扰,cache静态划分技术则是通过为同时运行的程序分配不同的空间来解决性能干扰问题.为了给程序分配合适大小的cache空间,需要对程序进行性能profiling,即事先多遍运行收集程序在各种cache容量下的性能数据,这种性能profiling方法开销巨大,影响实用.为了解决性能profiling需要多遍运行程序的问题,提出了只需单遍运行的程序性能profiling优化技术.该技术利用在线的phase分析技术识别程序的运行阶段,避免对相同阶段的重复profiling;同时分析程序各phase的性能同cache容量变化的关系趋势,对于性能不敏感的容量变化则不进行profiling,降低开销.在程序运行结束后通过程序各phase在cache各种容量下的性能来估计程序在各容量下的整体性能,以指导cache静态划分.实验表明,该技术的开销仅为7%,而该方法指导的cache划分比未划分时有8%的性能改进,同多遍运行的程序性能profiling指导的cache划分性能相比仅有1%的下降.     

提高堆数据局部性的动态池分配技术

动态内存分配在现代程序中被广泛使用.通用的内存分配器通常关注于降低运行时开销和内存利用率,而在发掘所分配对象之间的特性方面有所欠缺.文中展示了一个低开销的动态优化技术"动态池分配".它在运行时构造存储形状图,从中发掘动态分配对象之间的亲缘性,把具有亲缘性的对象聚集到一段内存区域(称为内存池)里,改善了它们的数据布局.作...     

ParaC:面向GPU平台的图像处理领域的编程框架

GPGPU加速器是当前提高图像处理算法性能的主流加速平台,但是,在GPGPU平台上,同一个程序充分利用硬件体系结构特征和软件特征的优化版本与简单实现版本在性能上会有数量级的差异。GPGPU加速器具有多维多层的大量执行线程和层次化存储体系结构,后者的不同层次具有不同的容量、带宽、延迟和访问权限。同时,图像处理应用程序具有复杂的计算操作、边界处理规则和数据访问特性。因此,任务的并发执行模式、线程的组织方式和并发任务到设备的映射不仅影响到程序的并发度、调度、通信和同步等特性,而且也会影响到访存的带宽、延迟等。因此,GPGPU平台上的程序优化是一个困难、复杂且效率较低的过程。本文提出基于语言扩展的领域编程模型：ParaC。ParaC编程环境利用高层语言扩展描述的程序语义信息,自动分析获取应用程序的操作信息、并发任务间的数据重用信息和访存信息等程序特征,同时结合硬件平台特征,利用基于领域先验知识驱动的编译优化模型自动生成GPGPU平台上的优化代码,最后,利用源源变换编译器生成标准OpenCL程序。本文在测试用例上的实验结果表明,ParaC在GPGPU平台上自动生成的优化版本相对于手工优化版本的加速比最高达到3.22倍,但代码行数只是后者的1.2%到39.68%。