多核系统中的程序性能优化研究
发布时间：2020-10-21 10:15
多核处理器在一个处理器芯片上集成多个处理器核心,可同时执行多个线程。长期以来,处理器芯片上的晶体管数目不断增加,处理器的设计越来越复杂,但因为功耗和工艺等方面的限制,处理器的时钟频率无法再继续提高。随着处理器厂商纷纷推出各自的多核处理器,多核系统在我们的工作和生活中迅速得到普及,并且每个处理器中的核数目还在不断的增加。多核处理器的普及给应用程序的发展带来了巨大的挑战,多核处理器中每个核的计算能力并没有增强,它是通过组合多个处理核来提供强大的计算能力。传统的串行应用程序无法方便的直接借助处理器核数目的增加提升性能,必须通过并行化或者同时执行多个程序才能充分发挥多核系统的计算能力。 本文从应用程序性能优化和系统整体性能优化两个角度,研究了多核系统中的程序性能优化方法,并验证其有效性。本文的主要工作和创新点如下: 1.对于多核系统中的应用程序性能优化,本文分别研究了串行程序性能优化方法,并行程序设计方法和并行程序性能优化方法。通过为程序设计并行算法并实现,可以使程序同时利用多个核的计算能力。通过对并行程序进行优化,可以使程序更充分的发挥多个核的计算能力,其方法包括增加任务数量改善负载均衡,选择最优的线程与处理核之间关联策略,设计无锁机制减少同步开销,消除线程间高速缓存伪共享等等。 2.本文通过对多个图像特征提取和马尔可夫决策过程求解程序进行性能优化,使这些应用程序在多核系统中的性能获得了较大提升,并验证了所采用的性能优化方法能够有效的提高应用程序在多核系统中的性能。 3.对于多核系统整体性能的优化,本文研究了多线程之间对共享缓存空间的竞争问题,这种竞争会损害整个系统以及各个程序的性能。本文提出了基于工作集模型分析和预测共享缓存上线程竞争情况的方法,并发现如果同时运行线程的工作集大小之和超出共享缓存容量,或者同时运行线程的时间局部性强度差异较大时,线程受到的干扰就会比较剧烈,性能损失比较严重。 4.本文提出了一种基于工作集模型的线程调度方法。本方法通过一组监测单元以较小的代价获得线程的工作集大小和时间局部性强度属性,并根据一套线程调度策略,选取合适的线程同时运行,保证线程的工作集数据可以保存在高速缓存之中。实验结果表明,基于工作集模型的线程调度方法较好的缓解了共享缓存上线程间的互相竞争,有效提高了整个系统和各个程序的性能。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2010
【中图分类】：TP332
【部分图文】：
533 改进后的图像尺度不变特征变换法流程，我们得到一个改进的图 5.4 所示。在这个改进的并行算表 keypoint_list（图 5.4 第 3 行得到的特征点加入特征点列表 k，而不是马上就进行对特征点的 行）。这样我们收集一组尺度空列表，再分配给各个线程做特征种改进后的图像尺度不变特征变的负载不均衡状况被大大改善。
75图 6.5 并行策略迭代算法流程图6.5.2 可扩放性分析等效率度量标准已被证明是在大多数并行计算机系统上研究问题的可扩放性的有效方法（Kumar et al，1994）。在这种方法中，处理器的数目记为 P，问题的规模记为 W，即最好的串行算法解决此问题需要的时间，算法的加速比记为 S，则定义并行算法的效率为E = S P。在通常情况下，如果问题规模 W 保持不变，则随着处理器数目 P 的增加
机人工智能中广泛使用了马尔可夫决策过程（Guestrin et 尔可夫决策过程应用于实际环境中，我们选择了使用它来戏中一方的行动。Stratagus 是一个实时战略游戏免费软agus.sourceforge.net/获得）。游戏的目标是通过控制游戏角军队，并最终打败对手。在游戏中需要进行频繁的交互操过程来说就是对行动的选择。场景通常被用来测试一个代理的控制效果（Gearhart，200役场景如图 6.6 所示，游戏者（在我们的实验中是游戏智个步兵（图 6.6 中红色步兵），在战役场景中遭遇到相同数6 中蓝色步兵）。其中每个步兵都可以攻击任意一个对方步时刻转换攻击目标。当对方步兵被消灭或负伤失血时，游战役场景的最终目标是尽快消灭对方，并且付出最小的代最少。
【引证文献】
本文编号：2849992
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2010
【中图分类】：TP332
【部分图文】：
533 改进后的图像尺度不变特征变换法流程，我们得到一个改进的图 5.4 所示。在这个改进的并行算表 keypoint_list（图 5.4 第 3 行得到的特征点加入特征点列表 k，而不是马上就进行对特征点的 行）。这样我们收集一组尺度空列表，再分配给各个线程做特征种改进后的图像尺度不变特征变的负载不均衡状况被大大改善。
75图 6.5 并行策略迭代算法流程图6.5.2 可扩放性分析等效率度量标准已被证明是在大多数并行计算机系统上研究问题的可扩放性的有效方法（Kumar et al，1994）。在这种方法中，处理器的数目记为 P，问题的规模记为 W，即最好的串行算法解决此问题需要的时间，算法的加速比记为 S，则定义并行算法的效率为E = S P。在通常情况下，如果问题规模 W 保持不变，则随着处理器数目 P 的增加
机人工智能中广泛使用了马尔可夫决策过程（Guestrin et 尔可夫决策过程应用于实际环境中，我们选择了使用它来戏中一方的行动。Stratagus 是一个实时战略游戏免费软agus.sourceforge.net/获得）。游戏的目标是通过控制游戏角军队，并最终打败对手。在游戏中需要进行频繁的交互操过程来说就是对行动的选择。场景通常被用来测试一个代理的控制效果（Gearhart，200役场景如图 6.6 所示，游戏者（在我们的实验中是游戏智个步兵（图 6.6 中红色步兵），在战役场景中遭遇到相同数6 中蓝色步兵）。其中每个步兵都可以攻击任意一个对方步时刻转换攻击目标。当对方步兵被消灭或负伤失血时，游战役场景的最终目标是尽快消灭对方，并且付出最小的代最少。
【引证文献】
相关期刊论文 前1条
1 昌杰;;基于多核处理器的程序性能优化方法[J];巢湖学院学报;2012年03期
相关博士学位论文 前1条
1 吴超;信息检索中top-k问题的并行算法及优化研究[D];中国科学技术大学;2011年
相关硕士学位论文 前4条
1 王丹;基于RTX与多核技术的自动分拣系统研究[D];上海交通大学;2012年
2 张修琪;基于Linux多核进程调度的研究[D];电子科技大学;2012年
3 李筱;面向异构多核系统的并行计算模型和调度算法研究[D];湖南大学;2012年
4 杨川;MPCore多核处理器并行计算方法的研究与实现[D];西南交通大学;2014年
本文编号：2849992
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2849992.html
