[发明专利]一种基于运行时特征和机器学习的并行程序性能预测系统

摘要

一种基于运行时特征和机器学习的并行程序性能预测系统，属于并行程序性能预测的技术领域。本发明为了解决基于机器学习的并行程序性能预测系统存在开销比较大、预测时间长，而且准确率较低的问题。对原始程序进行混合插桩，减少基本块计数器，然后将程序删减成没有输入结果的串行程序，减少程序的运行时间的同时保留程序执行的流程，准确快速地获取到基本块频率，预处理这些数据，输入预测模型中，最后输出大规模并行程序的执行时间。本发明生成的模型具有很强的泛化能力，能够准确地预测大规模并行程序的执行时间，并且预测开销很小。

主权项

1.一种基于运行时特征和机器学习的并行程序性能预测系统，其特征在于，所述系统包括特征获取模块、性能建模模块和性能预测模块，特征获取模块，用于将待测并行程序转化成LLVM IR形式后，对其进行“edge profiling插桩”生成插桩后的并行程序，以不同的输入规模和进程数，执行插桩后的并行程序，生成总运行时间、进程数、基本块频率，对所述总运行时间、进程数、基本块频率三种参数进行预处理；性能建模模块，用于将预处理后的进程数、基本块频率作为输入；预处理后的执行时间作为输出进行机器学习，机器学习后获得性能预测模型；性能预测模块，用于将上述待测并行程序转化成LLVM IR形式，再对其进行基本块混合插桩，插桩后再进行程序删减得到可执行的串行程序，以比特征获取模块中输入规模和进程数大的不同的输入规模和进程数执行所述串行程序，生成进程数和基本块频率，然后再对进程数和基本块频率进行预处理；将经处理后的进程数和基本块频率作为所述性能预测模型的输入，获得预测的并行程序执行时间的输出。