面向多核体系结构的并行迭代编译技术研究

计算机工程与科学

面向多核体系结构的并行迭代编译技术研究

谭延丹，易会战，张鹏

（国防科学技术大学计算机学院，湖南长沙 410073）

收稿日期:2016-09-03 修回日期:2016-11-05 出版日期:2017-03-25 发布日期:2017-03-25

Parallel iterative compilation

based on multi-core architecture

TAN Yan-dan,YI Hui-zhan,ZHANG Peng

（College of Computer,National University of Defense Technology,Changsha 410073,China）

Received:2016-09-03 Revised:2016-11-05 Online:2017-03-25 Published:2017-03-25

摘要/Abstract

摘要：

迭代编译技术是一种编译优化技术，目前学术研究已经证明将迭代编译技术运用于程序优化能够显著提高程序性能。但是，因为迭代编译需要多次编译运行程序，整个迭代过程耗时巨大。为了运用当前普遍存在的多核计算资源，加快迭代编译过程，对当前新提出的迭代编译框架OpenTuner进行修改，将迭代编译过程中的评估阶段改为并行执行。同时，探索迭代编译评估阶段并行化对优化效果的影响，并对此做出分析。

关键词: 编译优化, 迭代编译, 并行化, 程序调优

Abstract:

Iterative compilation is a compiler optimization technique and it has been proved that it can significantly improve program performance. However, iterative compilation needs to compile and run a program multiple times, so the process is time-consuming. In order to make full use of the existing multi-core computing resources and speed up the iterative process, we parallelize the evaluation phase of iterative compilation based on a new iterative framework named “OpenTuner”. Meanwhile, we explore the impact of the parallelization of evaluation phase in iterative compilation on the optimization results, and analyze the experimental results.

Key words: compiler optimization, iterative compilation, parallelization, program tuning

谭延丹，易会战，张鹏. 面向多核体系结构的并行迭代编译技术研究[J]. 计算机工程与科学.

TAN Yan-dan,YI Hui-zhan,ZHANG Peng.

Parallel iterative compilation

based on multi-core architecture

[J]. Computer Engineering & Science.

[1]	杨航, 山蕊, 杨坤, 崔馨月. 基于动态自重构结构的3D-HEVC帧内预测算法并行化实现[J]. 计算机工程与科学, 2024, 46(11): 1931-1939.
[2]	杨仕琦, 武优西, 耿萌, 李艳. 一次性条件下的三支序列模式挖掘[J]. 计算机工程与科学, 2024, 46(07): 1286-1295.
[3]	郭宸良, 阎少宏, 宗晨琪. 线云隐私攻击算法的并行加速研究[J]. 计算机工程与科学, 2024, 46(04): 615-625.
[4]	王翠霞, 韩林, 刘浩浩. 基于指令Cache和寄存器压力的循环展开优化[J]. 计算机工程与科学, 2022, 44(12): 2111-2119.
[5]	朱广林, 吕方, 赖庆宽, 陈华英, 何先波, . 编译器中激进蝴蝶优化方法的研究与实现[J]. 计算机工程与科学, 2021, 43(06): 962-968.
[6]	杨青1,2,3，张亚文1,2，张琴1，袁佩玲1. 基于Hadoop的多维关联规则挖掘算法研究及应用[J]. 计算机工程与科学, 2019, 41(12): 2127-2133.
[7]	何登平1，2，3，何宗浩1,2，李培强1,2. 基于Spark的并行化高效用项集挖掘算法[J]. 计算机工程与科学, 2019, 41(10): 1723-1730.
[8]	张海军1，郑艳2，叶俊1，白书敬1. 一种基于Java虚拟机的动静结合自适应优化方法[J]. 计算机工程与科学, 2019, 41(06): 981-986.
[9]	刘慧1,2，赵荣彩1，王琦1. 监督学习模型指导的函数级编译优化参数选择方法研究[J]. 计算机工程与科学, 2018, 40(06): 957-968.
[10]	陶晓玲1,2,亢蕊楠3，刘丽燕3. 基于选择性集成的并行多分类器融合方法[J]. 计算机工程与科学, 2018, 40(05): 787-792.
[11]	张敏华,张剑贤,裘雪红,周端. 基于OpenCL 的JPEG压缩算法并行化设计与实现[J]. 计算机工程与科学, 2017, 39(05): 860-.
[12]	侯泳旭1,段磊1,2,秦江龙3,秦攀1,唐常杰1. 基于Isolation Forest的并行化异常探测设计[J]. 计算机工程与科学, 2017, 39(02): 236-244.
[13]	李帅1，吴斌2，杜修明3，陈玉峰3. 基于Spark的BIRCH算法并行化的设计与实现[J]. 计算机工程与科学, 2017, 39(01): 35-41.
[14]	刘金1，2，吴志健1，2，吴双可2，王晖3，邓长寿4. GPU上的维度并行随机吸引策略萤火虫算法[J]. 计算机工程与科学, 2016, 38(10): 1961-1966.
[15]	王静宇1,2,赵伟燕2. 基于Hadoop平台的TFIDF算法并行化研究[J]. J4, 2014, 36(06): 1018-1022.