一种基于贝叶斯网络的随机测试方法在Cache一致性验证中的设计与实现

计算机工程与科学

一种基于贝叶斯网络的随机测试方法在Cache一致性验证中的设计与实现

艾阳阳，罗莉，杨庆娜，张恒浩，夏婷婷

（国防科技大学计算机学院，湖南长沙 410073）

收稿日期:2016-12-05 修回日期:2017-05-08 出版日期:2017-08-25 发布日期:2017-08-25
基金资助:

基金项目：国家自然科学基金(61402497,61303069)；国家科技重大专项核高基课题(2015ZX01028001-002-001)

A Bayesian network based test generation method

for Cache coherency protocol verification

AI Yang-yang,LUO Li,YANG Qing-na,ZHANG Heng-hao,XIA Ting-ting

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

Received:2016-12-05 Revised:2017-05-08 Online:2017-08-25 Published:2017-08-25

摘要/Abstract

摘要：

随着集成电路设计复杂度指数级增长，功能验证已经越来越成为大规模芯片设计的瓶颈，而在多核处理器中，Cache一致性协议十分复杂，验证难度大。
针对Cache一致性协议验证提出基于模拟验证的一种基于贝叶斯网络的随机测试生成方法，解决Cache一致性协议状态空间爆炸的问题。首先分析了Cache一致性协议及基于贝叶斯网络推理的CDG方法，并将CDG方法应用于Cache一致性的验证。以FT处理器中的Cache一致性协议验证为例，对比伪随机测试，使用CDG方法将覆盖率提高近30%。

关键词: 芯片验证, Cache一致性, CDG, 贝叶斯网络, 随机测试

Abstract:

As the complexity of integrated circuit design increases exponentially, functional verification has become a bottleneck in large-scale chip design. And in multi-core processor design, Cache coherency protocols are very complex and difficult to verify. We propose a random test generation method based on Bayesian network for simulation-based verification to solve the state space explosion problem of Cache coherency protocols. We discuss the Cache coherency protocol, analyze the coverage directed test generation (CDG) method based on Bayesian network reasoning, and apply the method to Cache consistency verification. Taking the verification of the Cache coherence protocol of the FT processor as an example, the results show that the CDG method can increase coverage by nearly 30% in comparison with the pseudo-random test.

Key words: chip verification, Cache coherence, coverage directed generation(CDG), Bayesian network, random test

艾阳阳，罗莉，杨庆娜，张恒浩，夏婷婷. 一种基于贝叶斯网络的随机测试方法在Cache一致性验证中的设计与实现[J]. 计算机工程与科学.

AI Yang-yang,LUO Li,YANG Qing-na,ZHANG Heng-hao,XIA Ting-ting.

A Bayesian network based test generation method

for Cache coherency protocol verification

[J]. Computer Engineering & Science.

[1]	赵祉乔, 周理, 荀长庆, 潘国腾, 铁俊波, 王伟征 . 软硬件混合的高效CHI协议分析[J]. 计算机工程与科学, 2024, 46(02): 224-231.
[2]	汪铮, 黄容, 吴茂文, 孙寅涵, 孙志刚. OpenEmulator:一种面向TSN芯片验证的联合仿真平台[J]. 计算机工程与科学, 2023, 45(03): 411-419.
[3]	李辉, 巨鹏锦, 计永兴. 多路系统Cache一致性验证中的错误追踪定位技术[J]. 计算机工程与科学, 2022, 44(07): 1171-1180.
[4]	郭文强, 寇馨, 李梦然, 侯勇严, 肖秦琨. 小数据集情况下基于变权重融合的BN参数学习算法[J]. 计算机工程与科学, 2022, 44(05): 916-923.
[5]	吴健虢，陈海燕，刘胜，邓让钰，陈俊杰. 多核Cache稀疏目录性能提升方法综述[J]. 计算机工程与科学, 2019, 41(03): 385-392.
[6]	占徐政. 一种针对高维输入域的适应性随机测试改进性算法[J]. 计算机工程与科学, 2018, 40(11): 1936-1943.
[7]	巨鹏锦，张晓冬，李辉. 基于模型和库的处理器伪随机激励生成器设计与实现[J]. 计算机工程与科学, 2018, 40(01): 1-9.
[8]	周伟1，赵宝康1，刘波1，吴少康1，李琰1，刘华1,2. 基于动态贝叶斯网络的健壮报头压缩算法[J]. 计算机工程与科学, 2017, 39(01): 61-66.
[9]	贾松浩，杨彩，张海玉. 利用节点顺序置信指导增量学习贝叶斯网络的研究与应用[J]. J4, 2013, 35(6): 96-100.
[10]	朱志勇1，徐长梅1，刘志兵1，胡晨刚2. 基于贝叶斯网络的客户流失分析研究[J]. J4, 2013, 35(3): 155-158.
[11]	李义杰,蒋靖,程政. 基于贝叶斯网络的软件项目进度管理模型[J]. J4, 2011, 33(11): 140-143.
[12]	程环环，王润生. 利用贝叶斯网络融合空间上下文的高分辨遥感图像分类[J]. J4, 2011, 33(1): 70-76.
[13]	汪春亮1，2,伏玉琛2. 一种针对非平衡数据的贝叶斯分类算法[J]. J4, 2010, 32(7): 95-98.
[14]	车璐,郭春生. 贝叶斯网络的无损分解[J]. J4, 2010, 32(4): 151-153.
[15]	喻晓锋, 秦春影. 一种改进的贝叶斯网弧定向算法研究[J]. J4, 2010, 32(3): 82-84.