[发明专利]MPT模型节点频率预测方法

权利要求书

1.一种MPT模型节点频率预测方法，其特征在于：包括：

由编译器通过Profile方法获取程序的执行信息，该执行信息包括程序控制流图以及程序的边概率边概率，将程序的边概率记为节点频率NF；

将程序控制流图CFG模型改造为满足Markov性质的Markov模型，并根据该Markov模型建立MPT模型，该MPT模型利用Markov稳定态计算NF、分析节点状态及分支概率的关系，并动态调整MPT模型参数以表征不同参数对程序NF频率的影响，然后编译器可根据MPT模型的输出结果重新安排程序在存储系统中的代码排布顺序，将频繁执行的程序与不频繁执行的程序分隔开来。

2.根据权利要求1所述的MPT模型节点频率预测方法，其特征在于：首先根据程序CFG首次构造CFG的MARKOV模型，

所述MPT模型的程序CFG的MARKOV模型构造表达如下：

程序控制流图CFG表示为CFG＝(V,E,Entry,Exit)；有序对G＝(V,E)，包含两个要素，一个顶点或节点集V，一个是边或线集E，其节点是程序的基本块，连接线一个为程序的控制流向和两个特殊的节点为入口节点和出口节点；

在程序的CFG(V,E,Entry,Exit)中，若Succ(Vi)＝0，则称V_i为CFG的终节点；若Pred(Vi)＝0，则称V_i为CFG的起始节点；入口节点Entry亦是起始点，出口节点Exit亦为终结点；

增加终节点V₄,V₆到起始节点V₁的回边，且pro(V₄→V₁)＝pro(V₆→V₁)＝1，以此构建满足Markov性质的Markov模型，其对应的Markov转移矩阵为下述方程：

其中，p1和p2是程序的不同边概率；

增加出口节点Exit到入口节点Entry的概率为1的回边，以此构建具有出口节点和入口节点的Markov模型。

3.根据权利要求2所述的MPT模型节点频率预测方法，其特征在于：所述Markov模型的由如下约束条件而求解：

令P_nn为程序CFG对应的MPT模型转移矩阵，为P_nn的转置，S为Markov模型的初始状态，令η为特征值为1的特征向量，则为η的转置，使得

通过求解特征值为1的特征向量η，以获得Markov矩阵稳定值,且设V₁＝1时，η即为程序CFG对应节点的NF值。

4.根据权利要求3所述的MPT模型节点频率预测方法，其特征在于：由于存在吸收Markov情形，吸收链到达吸收状态的概率为1，通过求解特征值为1获得Markov矩阵稳定态对应的特征向量η并非为CFG对应的NF值，由于存在吸收Markov模型与原程序CFG的实际特性不匹配，因此，针对提出的程序Markov模型补充增加NF传播矩阵；

NF传播矩阵满足：在程序的CFG中，若存在一个起始节点V₁∈S和若干个终结点V_i∈S，令pro(V₁→V₁)＝1且pro(V_i→V_i)＝0，由此构造的概率转移矩阵P′_nn称为NF传播矩阵；该NF传播矩阵表达如下：

其中，p1和p2是程序的不同边概率。

5.根据权利要求3所述的MPT模型节点频率预测方法，其特征在于：

节点频率NF通过Markov转移矩阵P_nn特征向量计算，或者通过转移矩阵P′_nn的稳定态利用方程计算。

6.根据权利要求4所述的MPT模型节点频率预测方法，其特征在于：节点频率NF通过Markov转移矩阵P_nn特征向量计算具体过程是：

通过求解特征值为1的特征向量η，即可获得转移矩阵的稳定值；且设V₁＝1时，η即为程序CFG对应节点的NF值。