[发明专利]一种加速软件trace信息提取的采样方法

说明书

本发明提出一种加速软件trace信息提取的采样方法，涉及计算机体系结构与建模技术领域。本发明提出的采样方法，实现对软件trace信息进行两级采样，包括：第一级为区间采样，包括程序特征向量的采集和归一化处理、在线阶段分类、以及采用指数变化步长的采样方法；第二级为区间内采样，包括采样区间内trace信息的采集和存储。该采样方法面向处理器解析模型所需的trace信息提取，通过采集trace信息中具有代表性片段的软件特征信息，提升trace信息的分析统计速度，减少利用二进制分析工具提取trace信息的耗时，有效提高采用解析模型进行处理器性能分析的效率。通过合理配置两级采样的各类参数，可以保证较高的性能评估准确度，并可降低10倍左右的trace信息分析统计时间开销。

技术领域

本发明涉及计算机体系结构与建模技术领域，具体涉及一种加速软件trace信息提取的采样方法。

背景技术

处理器性能分析是计算机体系结构研究和开发的基础。目前处理器性能分析主要有两种方式：一种是微架构仿真，另一种是解析建模。

然而，仿真速度最快的微架构精确型仿真模型，比真实硬件的运行速度慢了近五个数量级。现有技术中，提升微架构仿真速度的方法有很多，但是随着微架构复杂性的提高，微架构状态预热所需的时间更长，导致仿真速度的提升受到限制。此外，加速仿真的方法往往需要更复杂的软硬件，因此微架构仿真的开发难度与灵活度均较差。

解析建模，与微架构仿真方法相比，其仿真速度要快了三到四个数量级。解析模型，是根据机理分析或经验拟合得到计算某项性能指标的方程，通过二进制分析工具(Binary Instrumentation Tool)或其他trace工具，从软件trace信息中收集特定的统计信息作为输入，可以实现快速的处理器性能分析。因此解析模型成为设计周期早期阶段非常有效的分析工具。

在采用解析建模方法来进行处理器性能分析方面，国内外的研究大多通过构建CPI栈(CPI Stack)的方法来实现。CPI栈包括流水线稳态下的处理器性能以及多种缺失事件带来的性能开销。其中，缺失事件主要包括分支预测错误事件、Cache缺失事件等。前期研究成果对于CPI栈中的各个模块都提出了相应的解析模型。稳态吞吐率模型往往基于指令窗口中指令关键路径长度进行分析。Cache性能评估模块又分为几个部分，包括：Cache缺失率模型、访存并发度(MLP)模型、访存延迟时间模型。其中，Cache缺失率模型往往通过获取软件的访存堆栈距离和重用距离分布快速预测不同Cache结构的缺失情况；访存并发度模型用于衡量发生在Cache缺失后访存的并行行为，与稳态吞吐率模型类似，该模型也是基于指令窗口中访存缺失关键路径长度进行分析。访存延迟时间通常被计算为常量。

解析模型在分析处理器性能方面的应用普适性很高，但是提取软件特征信息作为解析模型的输入是一项不可忽略的工程。稳态吞吐率模型和访存并发度模型均需要分析每个指令窗口中的trace信息，尤其是关键路径长度的分布，需要对trace信息进行分析统计以构建复杂的数据结构和算法；Cache缺失率模型输入的重用距离分布和堆栈距离分布，需要记录所有访存请求的地址信息，并进行相应的计算和统计。这些复杂的trace信息分析提高了解析模型的输入信息获取成本。而且，常用的基准测试程序，例如SPEC CPU系列，其指令数可以高达数千亿条，完成全部软件的trace信息的统计工作所消耗的时间和空间、以及完成计算的成本，降低了解析模型进行处理器性能分析的效率。

发明内容

本发明的目的是为了克服现有技术所存在的不足而提出了一种加速软件trace信息提取的采样方法，该采样方法面向处理器解析模型的软件trace信息，通过采集软件trace信息中具有代表性片段的软件特征信息，提升软件trace信息的分析统计速度，减少利用二进制分析工具提取软件trace信息的耗时，有效提高了采用解析模型进行处理器性能分析的效率。

为了解决上述技术问题，本发明提出如下技术方案：