基于测量方法的多核处理器Cache特性分析模型

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61602104
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0202.系统软件、数据库与工业软件
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

The imprecise documentation of the cache organization on commercial processor introduces big impediment for high-quality software developing, and this situation becomes even worse when the new techniques are applied onto the cache of multi-core processors. Measurement-based methods could employ processor internal registers and well designed benchmarks to effectively profile the useful information of hardware and software system. By investigating new replacement policy and organization applied on multi-core cache, this research will develop measurement-based profiling model and techniques for new cache architecture. Based on the obtained cache information, we will further develop the modeling techniques for program cache miss ratio analysis and bottleneck architecture sensitivity analysis, and evaluate the new models and techniques. The goal of this project is to solve the critical technique problems on hardware and software performance analysis introduced by new cache organization on multi-core processors, and contributes theoretical and technique supports for the better utilization of multi-core processors.
实体处理器上Cache结构信息的不透明给高质量软件开发设置了诸多障碍,而多核处理器上由于其Cache结构发生了较大变化使得这一问题更加突出。基于测量的方法通过读取处理器内部寄存器、运行对特定硬件结构敏感的测试集等策略可有效获取硬件内部信息及系统运行状态。本项目采用测量方法,根据多核Cache在替换策略、组织方式等硬件结构上的新型变化,研究适用于新型Cache结构的分析模型及分析方法;在解决Cache结构信息不透明问题的基础上,进一步研究适用于多核处理器的Cache访问不命中比例分析模型以及程序与Cache瓶颈结构相关性的分析模型,并对新模型及分析技术进行验证。项目旨在解决由多核处理器新型Cache结构产生的硬件与软件分析关键技术问题,为多核处理器平台上的系统性能的提高提供理论基础与技术支撑。

结项摘要

实体处理器上Cache结构信息的不透明给高质量软件开发设置了诸多障碍,而在多核处理器上由于自适应Cache替换策略等一系列新型机制的相继使用使得这一问题变得更加突出。本项目采用测量方法,根据多核Cache在替换策略、组织方式等硬件结构上的新型变化,研究了适用于新型Cache结构的分析模型及分析方法;在解决Cache结构信息不透明问题的基础上,进一步研究了适用于自适应替换策略的程序性能分析模型与分析方法。课题组成员经过3年的工作取得了如下研究成果:(1)设计了面向组竞争机制的自适应Cache结构分析方法;(2)发现并分析了主流多核处理器上所使用的自适应替换策略与Cache隔离机制间的相互影响问题。(3)提出了一种基于高斯采样的共享Cache高效建模方法,显著减少了共享Cache性能分析中的采样数量。(4)针对自适应替换策略在被隔离Cache区域之间产生影响这一问题,设计了一种考虑替换策略影响的程序执行时间判定方法。(5)设计了一种应用于自适应Cache上的程序性能下降预测方法,用以估计在自适应Cache上程序间的性能影响。自适应Cache替换策略对程序的运行性能具有显著影响,但是相关问题研究仍十分不足。本课题组的研究内容与研究结果将会对日后的相关研究工作产生有益的启发及借鉴意义。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
Efficient drone hijacking detection using two-step GA-XGBoost
使用两步 GA-XGBoost 进行高效无人机劫持检测
  • DOI:
    10.1016/j.sysarc.2019.101694
  • 发表时间:
    2020-02-01
  • 期刊:
    JOURNAL OF SYSTEMS ARCHITECTURE
  • 影响因子:
    4.5
  • 作者:
    Feng, Zhiwei;Guan, Nan;Yi, Wang
  • 通讯作者:
    Yi, Wang
Internet-of-things security and vulnerabilities: Taxonomy, challenges, and practice
物联网安全和漏洞:分类、挑战和实践
  • DOI:
    10.1007/s41635-017-0029-7
  • 发表时间:
    2018-01-01
  • 期刊:
    Journal of Hardware and Systems Security
  • 影响因子:
    --
  • 作者:
    Chen, K.;Zhang, S.;Jin, Y.
  • 通讯作者:
    Jin, Y.
GAPI:GPU加速的移动对象并行索引方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    计算机科学与探索
  • 影响因子:
    --
  • 作者:
    车庆首;李传文;张轶;邓庆绪
  • 通讯作者:
    邓庆绪
A Gaussian Set Sampling Model for Efficient Shared Cache Profiling on Multi-Cores
用于多核上高效共享缓存分析的高斯集采样模型
  • DOI:
    10.1109/access.2019.2936439
  • 发表时间:
    2019
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Zhang Yi;Ling Zhanwei;Lv Mingsong;Guan Nan
  • 通讯作者:
    Guan Nan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于辨识性统计特征的PQ隐密图像识别算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    卢记仓;刘粉林;罗向阳;张轶
  • 通讯作者:
    张轶
米根霉Rhizopus oryzae LS-1对糠醛抑制物的耐受性
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    粮油加工(电子版)
  • 影响因子:
    --
  • 作者:
    李志忠;张曼芳;任海伟;王永刚;张轶
  • 通讯作者:
    张轶
高压脉冲气-液同步放电降解甲基
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    浙江大学学报(工学版),38(11), 1520-1525, 2004.
  • 影响因子:
    --
  • 作者:
    卞文娟;张轶;雷乐成(
  • 通讯作者:
    雷乐成(
白酒丢糟制备微晶纤维素工艺优化及结构特性
  • DOI:
    10.13982/j.mfst.1673-9078.2013.10.035
  • 发表时间:
    2013
  • 期刊:
    现代食品科技
  • 影响因子:
    --
  • 作者:
    任海伟;李金平;张轶;张飞;李志忠;向双全
  • 通讯作者:
    向双全
支持套件的产品定制架构模型研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机集成制造系统
  • 影响因子:
    --
  • 作者:
    尹小庆;刘伟;张轶
  • 通讯作者:
    张轶

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码