计算机科学与探索 ›› 2018, Vol. 12 ›› Issue (6): 872-885.DOI: 10.3778/j.issn.1673-9418.1709004
马巧梅+
MA Qiaomei+
摘要: 作为一种线程级自动并行化技术,线程级推测(thread-level speculation,TLS)能够将非规则串行程序划分为多个线程,并采用一种激进的方式在多核体系结构上并行执行这些线程,以此提高程序的执行加速性能。针对现有的启发式划分方法对不同特征的程序采用的策略划分,导致部分程序划分效果较差的问题,提出利用机器学习方法从TLS样本集中学习线程划分的知识,并根据程序的特征预测其划分方案,并利用此划分方案对其进行划分。在Prophet编译系统上使用Olden基准程序集对基于程序特征的线程划分方法进行评估,并与传统的基于启发式规则划分效果进行比较,实验结果表明,比启发式规则划分方案获得的加速比平均提升了18.24%。