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

1、隨著計算機技術(shù)的發(fā)展，我們已經(jīng)進入多核時代。為了利用多核設(shè)備帶來的潛在計算能力，并行程序得到了普遍的應用。然而，并行程序執(zhí)行的不確定性與并行錯誤的多樣性也使軟件調(diào)試問題日益嚴重，使得并行程序錯誤對軟件的可靠性構(gòu)成了嚴重的威脅。因此，如何有效地進行并行錯誤檢測成為了亟待解決的問題。然而，現(xiàn)存的軟件檢測手段往往帶來巨大的運行時負載，硬件檢測手段則僅專注于特定的并行錯誤，導致其無法普適于多種多樣的并行錯誤。
　　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的強大的并行計算能力與可編程性，來同時檢測主流的多種并行錯誤，包括數(shù)據(jù)競爭、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端進行錯誤檢測。更進一步，為了提升檢測速度與檢測精確性，Hydra利用了以下三項優(yōu)化策略:1）利用bloom過濾器過濾不需要進行檢測的訪存記錄;2）識別并避免共享訪存記錄的替

3、換;3）通過happens-before關(guān)系識別同地址訪存記錄的“最后寫”，通過僅僅比較“最后寫”優(yōu)化檢測效率。設(shè)計復雜度方面，Hydra只需要較平滑的硬件復雜度，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;實驗表明，在32核的配置下，Hydra只帶來1.1％的額外硬件開銷。檢測開銷方面，實驗數(shù)據(jù)表明，當檢測單種并行錯誤時，Hydra最多只帶來0.18％的額外運行開銷;當同時檢測多種并行錯誤時，運行開銷也只為0.46％