BrickOS:面向异构硬件资源的积木式内核

人机物融合的新兴领域需要新型操作系统内核以支持泛在计算,对下管控海量异构硬件,对上服务动态多变应用场景.本文提出一种积木式内核架构BrickOS,可以根据使用场景灵活选择要加入内核的系统组件,同时可以选择将系统组件运行在用户态以提供较好的安全性,或者运行在共享地址空间的内核态中以提升性能.为了保障运行在相同地址空间中的系统组件的安全性, BrickOS为底层硬件的内存保护机制提供了统一的抽象,并将其用于单地址空间的内存隔离.测试结果表明BrickOS可以根据不同场景生成定制化内核,并拥有较低的进程间通信(inter-process call, IPC)开销,整体性能良好.     

基于跨虚拟机零下陷通信的加速器虚拟化框架

人工智能技术的长足发展对于云计算的算力提出了更高的要求,云服务提供商在数据中心内添置了拥有大量并行计算单元的加速器,这些加速器需要与已有的虚拟化平台相结合以进行计算资源的划分.当前主流的加速器虚拟化方案是通过PCI透传的方式,但是该方式不支持细粒度的资源划分;部分特定型号的加速器还支持了时分复用的方案,通过硬件与虚拟机监视器配合划分计算资源和时间片,但是该方案可移植性差,对于任何新型加速器的适配都要重新开发,固定的资源划分策略也导致可扩展性有限;另有基于API转发的方案,通过分离式驱动的模式将虚拟机的请求转发给后端驱动处理,而转发通信的过程中存在着性能瓶颈.提出了Wormhole,一种基于C/S架构的、支持跨虚拟机快速代理执行的加速器虚拟化框架,旨在为上层用户提供高效、透明的加速器API转发虚拟化的同时保障多用户间的强隔离性.该框架利用硬件虚拟化技术,允许CPU控制流在虚拟机间快速切换而不触发任何下陷,大幅降低了虚拟机间通信带来的虚拟化性能开销.实验结果表明,Wormhole的原型系统相较于具有代表性的开源虚拟化方案GvirtuS,在经典模型的训练测试中能够有高达5倍的性能提升.     

基于微分方程的程序性能分析

基于连续Petri网模型,用一组常微分方程来描述程序,通过研究微分方程的解来研究程序的性能。每个微分方程描述程序状态的变化,每个状态可由介于0和1之间的数来度量,显示程序到达状态的程度。该方法的好处在于在做程序分析时,可避开状态爆炸问题。     

基于深度学习和反例制导的循环程序秩函数生成

程序终止性判定是程序分析与验证领域中的一个研究热点. 针对非线性循环程序, 提出了一种基于反例制导的神经网络型秩函数的构造方法. 该方法采用学习组件和验证组件交互的迭代框架, 其中学习组件利用程序轨迹作为训练集合构造一个候选秩函数, 验证组件运用可满足性模理论(Satisfiability Modulo Theories, SMT)确保候选秩函数的有效性, 而由SMT返回的反例则进一步用于扩展学习组件中的训练集合以对候选秩函数进行精化.实验结果表明, 所提出的方法比已有的机器学习方法在秩函数的构造效率和构造能力上具有优势.     

基于程序不变量计算软件可靠性

现有的计算软件可靠性的方法采用测试的输入/输出结果,但这些数据并不能真实地反映软件内部的真实行为,如测试中会出现假性正确的情况以及测试不能显示一个输入有多个错误的输出情况.试图通过程序不变量来计算软件的可靠性,程序不变量可以描述程序的性质.首先选取测试用例集,动态地获取程序不变量,再从这些不变量中提取失效数据,最后,基于Nelson模型计算软件的可靠性.作为实验,对西门子程序包计算软件的可靠性.采用随机、分支覆盖和分块覆盖这3种不同的测试方法得到程序不变量,据此计算程序的可靠性.为了检查结果的可行性,采用传统方法计算这些软件的可靠性.两种可靠性比较后显示:它们的差别很小,而且不依赖于对测试方法的选择.通过进一步的方差分析得知,用所提出的方法计算的可靠性比用现有的方法计算的可靠性具有更小的波动,即更平稳.因此,前者更接近系统的真实可靠性.结论说明,可用程序不变量来计算软件的可靠性.     

基于多维灰色模型及神经网络的销售预测

在时尚销售领域,如服饰、手袋、钱包等,准确的销售预测对企业非常重要.然而由于客户的需求受诸多因素的影响,要做到准确的销售预测一直是一个富有挑战性的问题.基于改进的多维灰色模型（GM（1,N））和神经网络（ANN）提出一种混合模型来预测销量,其中多维灰色模型对销售数据建模,神经网络对误差进行校正.该混合模型的优点是考虑了影响客户需求的因素与销量之间的关系.通过对阿里天猫销售数据来评估混合模型的表现,实验结果表明,所提出的混合模型的预测结果要优于其他几种销售预测模型.     

测试方法对软件失效数据影响的实验分析

失效数据常被用于评估软件的质量、监测和预测软件的运行情况,不同的测试方法对失效数据的影响是研究的重点。采用随机测试、分支覆盖测试和分块覆盖测试这3种不同的测试方法选取测试用例集,运用Daikon动态地获取程序不变量,再从这些不变量中提取失效数据,比较分析哪种方法可以获取更多的失效数据。通过实验得出结论:在3种测试方法中,随机测试方法可以获得更多的失效数据。     

测试方法对软件失效数据影响的实验分析

失效数据常被用于评估软件的质量、监测和预测软件的运行情况,不同的测试方法对失效数据的影响是研究的重点。采用随机测试、分支覆盖测试和分块覆盖测试这3种不同的测试方法选取测试用例集,运用Daikon动态地获取程序不变量,再从这些不变量中提取失效数据,比较分析哪种方法可以获取更多的失效数据。通过实验得出结论：在3种测试方法中,随机测试方法可以获得更多的失效数据。