[发明专利]预测MPI程序运行时间的方法

说明书

本发明公开了一种预测MPI程序运行时间的方法，可以针对循环、分支语句的定位与计数语句的插入，以及对特定MPI函数的定位操作，之后对多节点产生的特征进行合并操作，进而生成预测模型，实现MPI程序运行时间的预测。该方法针对传统技术中无法对MPI特征进行采集和整合的问题予以修正，并且将基于代码插装的程序特征获取技术扩展到了高性能计算领域中常用的C/C++语言。不仅可以准确预测MPI程序运行时间，同时，还对于程序的输入不敏感，无需使用者考虑特殊输入情况。

技术领域

本发明涉及程序性能预测技术领域，尤其涉及一种预测MPI程序运行时间的方法。

背景技术

在超级计算机系统(以下简称超算系统)的运行过程中，其作业调度系统负责对用户提交的作业进行作业调度操作，为了提高系统的整体利用效率，调度系统需要得知作业的运行时间以更好的安排作业队列。而在超级计算机系统中运行的作业程序通常为MPI程序，因此如何对MPI程序进行运行时间预测得到了越来越多的关注。

目前在超算系统中常用的方法为经验估计，即根据用户以往提交的程序的运行时间估计之后用户提交的程序的运行时间。这种方法针对重复运行的用户程序具有一定的效果，但是难以对大部分程序产生应有的预测效果。此外，有其他研究人员提出了其他预测方法，可以分为基于数学模型的分析和基于运行数据的分析两种。

基于数学模型的分析即通过分析程序本身的数学模型，结合实际运行系统的特性，得出程序的最终运行模型，从而能够对程序的运行时间进行细致的分析。但是这种方法对于研究人员的要求非常高，通常要求研究者同时具备多个领域的专业知识背景，并且研究过程较为耗时。此外，当程序发生变更，或者运行环境发生改变，就必须重新对程序进行建模。

基于运行数据的分析，根据数据的获取途径不同，可以分为若干种不同的技术，如基于基准程序、基于程序运行状态采样、基于骨架程序、基于代码插装技术等等。

基于基准程序的预测技术主要用于更换运行环境后的程序性能预测，即使用一组基准程序作为比较对象，测出基准程序在不同运行环境下的性能变化，以此估计待测程序的性能变化。这种技术易于实行，但是基准程序的代表性的优劣决定了最终的预测准确度。

基于程序运行状态采样的预测技术即通过监控程序运行中的系统状态数据，通过一定的模型分析，得出状态数据与程序运行时间的关联关系。这种技术通常需要运行环境的支持，并且为了不过多消耗系统资源，监控粒度不能做到任意小，并且不能根据程序的输入情况预测其运行时间。

基于骨架程序的预测技术即通过某种方式得到一个简化版的程序，称为骨架程序。骨架程序与原程序的运行时间保持一定的比例，最终通过运行骨架程序推算出原程序的运行时间。这种技术的问题在于很难获得一个较优的骨架程序，使得骨架程序与原程序之间保持适当的比例。并且由于该技术缩减了原程序中的大量代码，极有可能遗漏特定输入下的运行状态，从而使得预测变得不准确。

基于代码插装技术的预测是一种通过修改程序代码提取程序运行特征的技术。主要做法是通过修改源程序，在不改变源程序语义的前提下，插入特定代码，使修改后的程序可以输出与程序逻辑相关的特征信息，从而用于后续的预测模型的建立。但是目前该技术还并不能适用于MPI程序的特征提取，经过调研，也没有发现其他基于代码插装技术的针对MPI程序的特征提取工具。而在高性能计算领域，大多数应用都使用了MPI技术，因此需要针对现有技术进行优化使得其适用于MPI程序。

发明内容

本发明的目的是提供一种预测MPI程序运行时间的方法，可以准确预测MPI程序运行时间，同时，对于程序的输入不敏感，无需使用者考虑特殊输入情况。

本发明的目的是通过以下技术方案实现的：

一种预测MPI程序运行时间的方法，包括：

对待预测的MPI程序中的待处理语句进行定位；