A Trace-Driven Simulation of Memory System in Multithread Applications
-
摘要: 伴随大数据计算时代的到来，片上多核处理器为提高多线程程序服务器吞吐率发挥巨大作用，同时其内存系统的访问延迟越来越影响系统性能.目前，路径驱动(trace-driven)仿真方法比执行驱动(execution-driven)运行速度快，被内存系统研究者广泛采用.但是路径驱动在仿真并发线程时，会同时导致宏观和微观的访存错位.而实际多线程程序运行过程中，不会发生这种访存错位行为.通过理论分析和计算，访存错位引起路径驱动的仿真结果存在明显偏差.针对上述问题，提出了一种方法来避免路径驱动仿真发生宏观和微观访存错位，精确回放采集阶段的多线程程序行为.实验数据显示，在避免宏观访存trace错位后，多线程程序的多个仿真指标出现最高10.22%的变化；对于部分访存密集型的多线程程序，避免微观访存trace错位可以使算数平均IPC出现大于50%的变化.为研究交互线程的内存系统行为提供一种更加准确的路径驱动方法.Abstract: Nowadays, chip-multiprocessors (CMPs) become significantly important for multithread applications due to their high-throughput performance in big data computing. But growing latency to memory is increasingly impacting system performance because of memory wall. Two independent simulation methods: trace-driven and execution-driven, are available for system researchers to study and evaluate the memory system. On one hand, in order to leverage simulation speed, researchers employ trace-driven simulation because it removes data processing and is faster than execution-driven counterpart. On the other hand, lack of data processing induces both global and local trace misplacements, which never exist in multithread applications on real machine. Through analytical modeling, remarkable performance metrics variations are observed due to trace misplacements. Basically speaking, the reasons are in trace-driven simulation: 1)locks do not prevent threads from non-exclusively entering critical range; 2)barriers do not synchronize threads as need; 3)the dependence among memory operations is violated. In order to improve memory system simulation accuracy in multithread applications, a methodology is designed to eliminate both global and local trace misplacement in trace-driven simulation. As shown in experiments, eliminating global trace misplacement of memory operation induces up to 10.22% reduction in various IPC metrics, while eliminating local trace misplacement of memory operation induces at least 50% reduction in arithmetic mean of IPC metrics. The proposed methodology ensures multithread application’s invariability in trace-driven simulation.
-
-
期刊类型引用(19)
1. 董胡，陈伟，彭高丰，陈耀东，刘刚. 基于信号子空间和DNN的语音增强方法. 微型电脑应用. 2025(01): 32-34+38 . 
百度学术
2. 李世其，周雨玫，郑旋烨，刘裔斌. 复杂噪声环境下服务机器人语音增强算法研究. 传感器与微系统. 2025(04): 35-39 . 百度学术
3. 王向辉，李梅，田旭华，王姣，谭歆，路东东. 短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法. 陕西科技大学学报. 2024(02): 164-173+197 . 百度学术
4. 尤昕源，王恒. 基于门控膨胀卷积循环网络的单声道语音增强. 计算机应用. 2024(04): 1317-1324 . 百度学术
5. 莫尚斌，王文君，董凌，高盛祥，余正涛. 基于多路信息聚合协同解码的单通道语音增强. 计算机应用. 2024(08): 2611-2617 . 百度学术
6. 缪悦. 时频域变换技术在语音降噪中的应用. 电声技术. 2024(12): 92-94+100 . 百度学术
7. 李鑫元，黄鹤鸣. 基于并行卷积循环网络的单通道语音增强系统. 计算机工程与设计. 2023(04): 1181-1188 . 百度学术
8. 文丽萍. 噪声环境下基于小波变换的普通话智能测试系统设计. 自动化与仪器仪表. 2023(05): 153-157 . 百度学术
9. 刘汾港，马建芬，张朝霞. 基于离散余弦变换与Transformer的语音增强. 计算机工程与设计. 2023(06): 1893-1898 . 百度学术
10. 徐浩森，姜囡，齐志坤. 基于注意力机制的卷积循环网络语音降噪. 科学技术与工程. 2022(05): 1950-1957 . 百度学术
11. 李小平，白超. 一种基于多模态信息融合的火车司机疲劳驾驶检测方法. 铁道学报. 2022(06): 56-65 . 百度学术
12. 胡勉宁，李欣，李明锋，孙海春. 面向诈骗短信息识别的融合多策略数据增强技术研究. 信息网络安全. 2022(10): 121-128 . 百度学术
13. 孙立辉，曹丽静，张竟雄. 基于升降编解码全卷积神经网络语音增强技术. 智能计算机与应用. 2021(02): 19-22 . 百度学术
14. 刘元，匡文凯，苏盛，李彬. 基于双通道能量差的环网柜局放信号消噪方法. 仪器仪表学报. 2021(02): 218-227 . 百度学术
15. 台文鑫，王钇翔，李森，蓝天，刘峤. 基于动态选择机制的低信噪比单声道语音增强算法. 计算机应用研究. 2021(09): 2604-2608 . 百度学术
16. 祁晓，赵连玉. 基于多频带谱减法的老年人语音增强算法的研究. 电声技术. 2020(05): 34-37 . 百度学术
17. 梁力，莫晓毅，柯华强. 基于语音识别技术的测试平台研究. 科技视界. 2020(31): 17-18 . 百度学术
18. 曹洁，周尧风，于泓，李晓旭. 基于SI-SDR优化的生成对抗网络语音增强方法. 华中科技大学学报(自然科学版). 2020(11): 17-23 . 百度学术
19. 许春冬，徐琅，周滨，凌贤鹏. 单通道语音增强技术的研究现状与发展趋势. 江西理工大学学报. 2020(05): 55-64 . 百度学术
其他类型引用(43)
计量
- 文章访问数: 1579
- HTML全文浏览量: 3
- PDF下载量: 693
- 被引次数: 62
下载:
