[发明专利]一种用于行列并行粗粒度可重构阵列多目标优化自动映射调度方法

说明书

本发明揭示了一种用于行列并行粗粒度可重构阵列多目标优化自动映射调度方法，计算密集型任务通过C等代码描述，通过语义解析将其转换为数据流图的中间表示，然后通过代码级的软硬件划分，通过核心循环工具软件展开循环，可重构单元阵列的互连、规模约束等平台信息和循环数据流任务集合为输入，初始化就绪任务队列，然后去除就绪跨层、错位任务，计算运算节点的优先级，选择执行单元进行一一映射。此方案基于任务节点间的紧密度依赖，任务节点的并行度等条件下给出解决方案，有效解决了传统方法中计算阵列间通信成本大、执行时延长与任务的调度不能有效融合的问题，并且可以获得较高的加速比，同时较少的配置成本和重构单元较高的资源利用率。

技术领域

本发明涉及计算机体系结构领域,具体是一种涉及行列任务可并行粗粒度可重构平台任务概率计算与映射调度方法。

背景技术

传统通用处理器的计算模式具有可编程性、灵活性等优点，但是对多媒体计算、图形图像计算或处理等含有大量循环的计算密集型任务来说，处理速度较慢；专用集成电路(application specific integrated circuit,ASIC)具有计算速度快等优点，但是具体专用性、不灵活等缺点；可重构计算平台融合了通用处理器和ASIC两种计算模式的优点，兼具灵活编程和较高的计算速度等优点，可重构计算结构可以通过操作任务节点在可重构计算阵列上的调度映射和一块或多块可重构运算单元阵列重复使用来实现计算密集型任务的流水或非流水运算。

可重构处理器由一个主处理器、可重构单元阵列、直接数据传输机制、多个配置控制存储器组、高速总线、若干个数据寄存器、主和局部存储器等部件构成，具有较高的计算效率和低的功耗消耗等优点，音视频编解码、密码算法、图形图像处理等计算密集型任务均适合用可重构计算方式来实现。

目前应用于粗粒度可重构单元阵列的映射调度算法仅仅考虑任务图的高度等简单因素，也没有考虑可重构单元阵列的评价指标体系，对计算密集型循环数据流图的任务之间的依赖关系、计算任务之间的并发执行度等考虑不够，难以获得一个计算密集型任务转换来的循环数据流图在一个规模和互连关系等包含多个约束的可重构单元阵列高的执行效率和低的可重构单元阵列块间通信成本。计算任务映射是评测可重构计算系统性能的关键，计算任务映射分为手工映射和自动映射两种形式，但是手工映射的缺点是一是费时费力，容易出错；二是可重构单元阵列互连等约束方式复杂，循环DFG规模较大的情况下，手工映射容易引起任务节点之间的运算死锁。由此看出计算任务的自动映射是实现可重构计算系统的核心技术之一。

发明内容

本发明所要解决的技术问题是实现一种满足行或列可并行执行任务的粗粒度可重构单元阵列的概率计算与映射调度方法，该方法可以根据PEA中PE行列数量、以及各PE的连接方式来调整其DFG图中运算节点的放置顺序，使其能够对PEA的硬件碎片的有效利用，获得PEA块间通信成本的最小化，实现对运算节点的有效调度，获得较少的任务总执行时间。

为了实现上述目的，本发明采用的技术方案为：一种用于行列并行粗粒度可重构阵列多目标优化自动映射调度方法,包括以下步骤：

预处理工作：计算密集型任务已用C等计算机编码语言实现，对C等进行源文件解析，将计算密集型任务转换为数据流图DFG(Data Flow Graph)的中间表达形式，对中间表达进行代码级划分，分为通用处理器可以直接执行的顺序代码部分(主要是非原始输入输出与存储器交换的数据部分)和可重构单元阵列可处理的循环部分。

步骤1，输入循环数据流任务图，可重构单元阵列的互连、约束模式目标架构信息；

步骤2，初始化并建立就绪任务节点列表；

步骤3，跨层就绪节点处理：加过渡节点，目的是最小的处理单元阵列PEA(Processing Element Array，PEA)跨层数据传输互连时延；

步骤4，通过概率模型公式计算每个就绪节点的权重值，动态更新就绪节点列表；