Hydra：基于CPU-GPU結(jié)合體系架構(gòu)的多種并行錯(cuò)誤檢測(cè).pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，我們已經(jīng)進(jìn)入多核時(shí)代。為了利用多核設(shè)備帶來的潛在計(jì)算能力，并行程序得到了普遍的應(yīng)用。然而，并行程序執(zhí)行的不確定性與并行錯(cuò)誤的多樣性也使軟件調(diào)試問題日益嚴(yán)重，使得并行程序錯(cuò)誤對(duì)軟件的可靠性構(gòu)成了嚴(yán)重的威脅。因此，如何有效地進(jìn)行并行錯(cuò)誤檢測(cè)成為了亟待解決的問題。然而，現(xiàn)存的軟件檢測(cè)手段往往帶來巨大的運(yùn)行時(shí)負(fù)載，硬件檢測(cè)手段則僅專注于特定的并行錯(cuò)誤，導(dǎo)致其無法普適于多種多樣的并行錯(cuò)誤。
　　本文基于目前新興的CPU

2、-GPU結(jié)合體系架構(gòu)，提出了Hydra架構(gòu)。Hydra利用CPU-GPU架構(gòu)中GPU的強(qiáng)大的并行計(jì)算能力與可編程性，來同時(shí)檢測(cè)主流的多種并行錯(cuò)誤，包括數(shù)據(jù)競(jìng)爭(zhēng)、原子性違背和順序違背。Hydra在CPU端收集訪存記錄，通過片上互聯(lián)總線將記錄發(fā)送至GPU端，最后再GPU端進(jìn)行錯(cuò)誤檢測(cè)。更進(jìn)一步，為了提升檢測(cè)速度與檢測(cè)精確性，Hydra利用了以下三項(xiàng)優(yōu)化策略:1）利用bloom過濾器過濾不需要進(jìn)行檢測(cè)的訪存記錄;2）識(shí)別并避免共享訪存記錄的替

3、換;3）通過happens-before關(guān)系識(shí)別同地址訪存記錄的“最后寫”，通過僅僅比較“最后寫”優(yōu)化檢測(cè)效率。設(shè)計(jì)復(fù)雜度方面，Hydra只需要較平滑的硬件復(fù)雜度，并且不需要改變片上關(guān)鍵路徑（如高速緩存或者緩存一致性）的邏輯;實(shí)驗(yàn)表明，在32核的配置下，Hydra只帶來1.1％的額外硬件開銷。檢測(cè)開銷方面，實(shí)驗(yàn)數(shù)據(jù)表明，當(dāng)檢測(cè)單種并行錯(cuò)誤時(shí)，Hydra最多只帶來0.18％的額外運(yùn)行開銷;當(dāng)同時(shí)檢測(cè)多種并行錯(cuò)誤時(shí)，運(yùn)行開銷也只為0.46％