CN111090506A - 一种基于软错误相关性的异构多核调度方法 - Google Patents
一种基于软错误相关性的异构多核调度方法 Download PDFInfo
- Publication number
- CN111090506A CN111090506A CN201911132567.3A CN201911132567A CN111090506A CN 111090506 A CN111090506 A CN 111090506A CN 201911132567 A CN201911132567 A CN 201911132567A CN 111090506 A CN111090506 A CN 111090506A
- Authority
- CN
- China
- Prior art keywords
- programs
- running
- correlation
- tasks
- reliability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 230000008447 perception Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/366—Software debugging using diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种基于软错误相关性的异构多核调度方法,所述方法至少包括:根据局部采样规则,对应用程序的局部AVF值和运行时间进行预测,快速获得各程序在不同核结构上表现出的可靠性特征,其中,所述程序为同一时间到达,包含多个子任务,且程序数量大于等于系统的内核数;根据相关性感知调度规则,对在不同核结构上同时运行程序的局部相关性进行计算对比,从而获得相关性高的组合,其中,所述程序间的相关性越高,全局AVF值越低;根据预先定义的全局可靠性评估指标cAVF,基于上述相关性感知调度得到的程序组合,对该组合在异构多核处理器上运行的全局可靠性进行评估,快速得到一种可靠性高同时性能损失较少的软错误优化方法。
Description
技术领域
本发明涉及异构多核系统的可靠性评估及优化,特别是涉及一种基于软错误相关性的异构多核调度方法。
背景技术
随着工艺尺寸的缩小,芯片中晶体管的高度集成密度催生了现在流行的异构多核架构。但异构多核处理器在得到性能和功能收益的同时,还面临着高能粒子引发瞬态位翻转的软错误挑战,为了设计满足市场和用户需求的异构多核处理器,精确的可靠性评估方法以及高效的优化方法至关重要。
结构易感因子(Architecture Vulnerability Factor,简称AVF)是处理器可靠性评估的典型评价指标。目前,结构正确执行(Architectural Correct Execution,简称ACE)分析方法和错误注入的统计方法常用于CPU单核(e.g.,alpha,ARM)或GPU结构中。但是,CPU和GPU协同运算的异构多核处理器是当前处理器设计趋势,因此为了对CPU,GPU,Cache以及主存等多样化部件构成的异构多核结构进行可靠性评估,一个统筹全局的可靠性评估指标必不可少。
而且,虽然当前许多软错误的优化研究都考虑到了异构多核架构表现出的可靠性特征,并利用这点对软错误进行评估优化,但其实同时运行的多个程序之间存在着相关性特征,并且通过对其深入研究发掘可以进一步减缓软错误带来的影响。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于软错误相关性的异构多核调度方法,首先通过采样获取程序中任务运行时的局部AVF和执行时间等可靠性特征,将其根据已定义的规则结合起来计算全局可靠性评估指标——cAVF,更好地评估软错误对异构多核架构的影响,然后基于该评估指标研究多个程序同时运行的相关性,通过任务调度提高其相关性,从而减缓软错误对异构多核架构的影响,提升程序运行时的可靠性。
为实现上述目的及其他相关目的,本发明提供一种基于软错误相关性的异构多核调度方法,所述方法至少包括:
根据局部采样规则,对需要运行在异构多核处理器上的多个程序的局部AVF值和运行时间进行预测,快速获得各程序在不同核结构上运行时表现出的可靠性特征,其中,所述程序为同一时间到达,包含多个子任务,且程序数量大于等于系统的内核数;
根据相关性感知调度规则,对在不同核结构上同时运行程序的局部相关性进行计算,对比各组合相关性的强弱,从而获得相关性高的组合,其中,所述程序间的相关性越高,全局 AVF值越低,即总体可靠性越高;
根据预先定义的可靠性评估新指标cAVF,基于上述相关性感知调度得到的相关性高的程序组合,对多个程序运行在异构多核处理器上的全局可靠性进行评估,快速得到一种可靠性高同时性能损失较少的软错误优化方法。
本发明的优选实施方式中,所述局部采样规则包括:
针对所述同时到达处理器的多个程序,在每个程序中,根据计算机程序内任务在运行时表现的局部性原理,采样部分任务运行在处理器不同核上的可靠性特征,以任务中ACE位占总位数的百分比来量化评估局部AVF,以任务的实际运行时间来表示系统的性能损耗,并以采样的该部分任务的数据来评估同一程序中其他任务的可靠性特征,这样既节省了大量测试时间,又能较为准确的计算出所需相关数据。
本发明的优选实施方式中,所述相关性感知调度规则包括:
针对所述同时到达处理器的多个程序,根据预设处理器的核结构及核数,把可能同时运行的程序作为一个组合,如在两大核两小核的处理器上,每次能同时运行四个程序,因此从所有程序中选出四个作为一个组合,再从剩下程序中选出四个作为处理器下一次运行的程序组合,以此类推,知道将所有程序都分配好,然后将得到的所有组合内的程序跟相应的内核结合在一起,根据采样的程序在内核上运行的可靠性特征,计算同时运行任务局部AVF值的方差,最后取所有方差的平均值,将其作为相关性评估的指标。已知平均方差越小,表示程序间的相关性越强,软错误对其造成的影响越小,同时由于核类型是异构的,还要考虑每个组合不同的排列方式对相关性的影响以及该组合对系统性能的影响,最终得出一组相关性相对较高的程序组合。
本发明的优选实施方式中,所述全局可靠性评估指标cAVF运算规则包括:
针对所述同时到达处理器的多个程序,由于程序执行的顺序是可以调整的,而程序内任务的执行顺序是固定的,因此根据已知或假设程序运行在处理器内核上的排列组合,提取所有任务的执行时间,按先后顺序和时间间隔处理成囊括所有任务的时间片,统计运行在每个时间片内的所有任务局部AVF值的最好情况和最坏情况(不大于1),然后根据每个时间片占总时间的比例计算总的最好情况(下限)和最坏情况(上限),最后对两者取平均值得到 cAVF,以此来评估多个应用程序在处理器上运行的可靠性,同时所有程序运行的总时间,即系统性能消耗,也能很容易得到;
cAVF的总体计算公式如下所示:
其中,N表示位的系统或结构大小,而Ttotal表示从第一个应用程序开始运行到最后一个应用程序结束的总执行时间。
cAVF的分步计算公式如下所示:
AVFmax=Min{∑AVFj,1};
AVFmin=Max{AVFi};
如上所述,本发明——基于软错误相关性的异构多核调度方法,具有以下有益效果:首先通过采样获取程序中任务运行时的局部AVF和执行时间等可靠性特征,将其根据已定义的规则结合起来计算全局可靠性评估指标——cAVF,更好地评估软错误对异构多核架构的影响,然后基于该评估指标研究多个程序同时运行的相关性,通过任务调度提高其相关性,从而减缓软错误对异构多核架构的影响,提升程序运行时的可靠性。
附图说明
图1是本发明实施例的一种流程示意图;
图2是本发明相关性感知调度方法示意图;
图3是本发明的多个程序在异构四核架构中运行的实例;
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1-3。需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本实施构想,其实际实施时各步骤的具体操作可根据异构多核处理器的具体内核结构以及待运行程序表现的可靠性特征进行灵活调整。
本发明实施例提供一种基于软错误相关性的异构多核调度方法,所述方法至少包括:
根据局部采样规则,对需要运行在异构多核处理器上的多个程序的局部AVF值和运行时间进行预测,快速获得各程序在不同核结构上运行时表现出的可靠性特征,其中,所述程序为同一时间到达,包含多个子任务,且程序数量大于等于系统的内核数;
需要说明的是,在异构多核系统中,对于不同的核心类型,每个核心类型内部结构的不同将导致暴露出不同的软错误特征(例如,一种无序内核具有更多的晶体管,因此比简单的有序内核更容易受到位干扰),以及同一应用程序运行在不同核类型上,其执行时间也会有所不同,执行时间越短,暴露在软错误中的时间就越短,所以,需要同时采集应用程序在不同核结构中表现的可靠性特性——AVF(局部)和执行时间;
但是,将所有程序在不同核上运行一遍来获取所需的可靠性特征显然工作量太大,得不偿失,而根据计算机操作系统中的局部性原理,即CPU访问存储器时,无论是存取指令还是存取数据,所访问的存储单元都趋于聚集在一个较小的连续区域中,可以选取程序中的部分任务来代表整个程序,在获取程序可靠性特征时减少时间上的过大花销。
本发明的优选实施方式中,所述局部采样规则包括:针对所述同时到达处理器的多个程序,在每个程序中,根据计算机程序内任务在运行时表现的局部性原理,采样部分任务运行在处理器不同核上的可靠性特征,以任务中ACE位占总位数的百分比来量化评估局部AVF,以任务的实际运行时间来表示系统的性能损耗,并以采样的该部分任务的数据来评估同一程序中其他任务的可靠性特征,这样既节省了大量测试时间,又能较为准确的计算出所需相关数据。
根据相关性感知调度规则,对在不同核结构上同时运行程序的局部相关性进行计算对比,从而获得相关性高的组合,其中,所述程序间的相关性越高,全局AVF值越低,即总体可靠性越高;
需要说明的是,在以往的研究中,大多数实验只考虑到了系统架构的不同而使得程序运行时表现出的可靠性特征,而忽视了在异构多核系统中同时运行的多个应用程序之间存在着相关性,不同的排列组合方式呈现出不同的相关性,其相关性的强弱,会在很大程度上影响系统总体的可靠性,即相关性越强,可靠性也会随之提高,而通过多次试验发现,相关性的强弱可以用同时运行任务的方差来进行评估。
本发明的优选实施方式中,所述相关性感知调度规则包括:针对所述同时到达处理器的多个程序,根据预设处理器的核结构及核数,把可能同时运行的程序作为一个组合,如在两大核两小核的处理器上,每次能同时运行四个程序,因此从所有程序中选出四个作为一个组合,再从剩下程序中选出四个作为处理器下一次运行的程序组合,以此类推,知道将所有程序都分配好,然后将得到的所有组合内的程序跟相应的内核结合在一起,根据采样的程序在内核上运行的可靠性特征,计算同时运行任务局部AVF值的方差,最后取所有方差的平均值,将其作为相关性评估的指标。已知平均方差越小,表示程序间的相关性越强,软错误对其造成的影响越小,同时由于核类型是异构的,还要考虑每个组合不同的排列方式对相关性的影响以及该组合对系统性能的影响,最终得出一组相关性相对较高的程序组合。
根据预先定义的可靠性评估新指标cAVF,基于上述相关性感知调度得到的相关性高的程序组合,对多个程序运行在异构多核处理器上的全局可靠性进行评估,快速得到一种可靠性高同时性能损失较少的软错误优化方法。
需要说明的是,在以往的研究中对单个程序的软错误率往往使用AVF作为可靠性指标,但多个程序的总体软错误率,特别是在异构多核系统上,并不是单个AVF的简单叠加,所以必须重新定义一个全局可靠性度量指标,用于多个应用程序在异构多核中的可靠性评估。
本发明的优选实施方式中,所述全局评估新指标cAVF运算规则包括:针对所述同时到达处理器的多个程序,由于程序执行的顺序是可以调整的,而程序内任务的执行顺序是固定的,因此根据已知或假设程序运行在处理器内核上的排列组合,提取所有任务的执行时间,按先后顺序和时间间隔处理成囊括所有任务的时间片,统计运行在每个时间片内的所有任务局部AVF值的最好情况和最坏情况(不大于1),然后根据每个时间片占总时间的比例计算总的最好情况(下限)和最坏情况(上限),最后对两者取平均值得到cAVF,以此来评估多个应用程序在处理器上运行的可靠性,同时所有程序运行的总时间,即系统性能消耗,也能很容易得到;cAVF的总体计算公式如下所示:
其中,N表示位的系统或结构大小,而Ttotal表示从第一个应用程序开始运行到最后一个应用程序结束的总执行时间。
cAVF的分步计算公式如下所示:
AVFmax=Min{∑AVFj,1};
AVFmin=Max{AVFi};
下面将本发明的优化方法和近几年研究工作进行综合比较,如表1所示。从表1可以看出,本发明除了综合前两种调度方法的特点,即考虑到了程序运行的可靠性与系统的性能开销外,还通过程序间的相关性特征对任务调度顺序进行灵活调整,虽然在性能开销上不如性能优化调度方法小,但相对最新的可靠性研究——可靠性感知调度方法,不管是在可靠性优化还是在性能开销上,都有了很大的进步。
表1调度方法的对比
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (4)
1.本文发明的一种基于软错误相关性的异构多核调度方法,其特征在于,所述方法至少包括:
根据局部采样规则,对需要运行在异构多核处理器上的多个程序的局部AVF值和运行时间进行预测,快速获得各程序在不同核结构上运行时表现出的可靠性特征,其中,所述程序为同一时间到达,包含多个子任务,且程序数量大于等于系统的内核数;
根据相关性感知调度规则,对在不同核结构上同时运行程序的局部相关性进行计算,对比各组合相关性的强弱,从而获得相关性高的组合,其中,所述程序间的相关性越高,全局AVF值越低,即总体可靠性越高;
根据预先定义的可靠性评估新指标cAVF,基于上述相关性感知调度得到的相关性高的程序组合,对多个程序运行在异构多核处理器上的全局可靠性进行评估,快速得到一种可靠性高同时性能损失较少的软错误优化方法。
2.根据权利要求1所述的基于软错误相关性的异构多核调度方法,其特征在于,所述局部采样规则包括:
针对所述同时到达处理器的多个程序,在每个程序中,根据计算机程序内任务在运行时表现的局部性原理,采样部分任务运行在处理器不同核上的可靠性特征,以任务中ACE位占总位数的百分比来量化评估局部AVF,以任务的实际运行时间来表示系统的性能损耗,并以采样的该部分任务的数据来评估同一程序中其他任务的可靠性特征,这样既节省了大量测试时间,又能较为准确的计算出所需相关数据。
3.根据权利要求1所述的基于软错误相关性的异构多核调度方法,其特征在于,所述相关性感知调度规则包括:
针对所述同时到达处理器的多个程序,根据预设处理器的核结构及核数,把可能同时运行的程序作为一个组合,如在两大核两小核的处理器上,每次能同时运行四个程序,因此从所有程序中选出四个作为一个组合,再从剩下程序中选出四个作为处理器下一次运行的程序组合,以此类推,知道将所有程序都分配好,然后将得到的所有组合内的程序跟相应的内核结合在一起,根据采样的程序在内核上运行的可靠性特征,计算同时运行任务局部AVF值的方差,最后取所有方差的平均值,将其作为相关性评估的指标。已知平均方差越小,表示程序间的相关性越强,软错误对其造成的影响越小,同时由于核类型是异构的,还要考虑每个组合不同的排列方式对相关性的影响以及该组合对系统性能的影响,最终得出一组相关性相对较高的程序组合。
4.根据权利要求1所述的基于软错误相关性的异构多核调度方法,其特征在于,所述全局可靠性评估指标cAVF运算规则包括:
针对所述同时到达处理器的多个程序,由于程序执行的顺序是可以调整的,而程序内任务的执行顺序是固定的,因此根据已知或假设程序运行在处理器内核上的排列组合,提取所有任务的执行时间,按先后顺序和时间间隔处理成囊括所有任务的时间片,统计运行在每个时间片内的所有任务局部AVF值的最好情况和最坏情况(不大于1),然后根据每个时间片占总时间的比例计算总的最好情况(下限)和最坏情况(上限),最后对两者取平均值得到cAVF,以此来评估多个应用程序在处理器上运行的可靠性,同时所有程序运行的总时间,即系统性能消耗,也能很容易得到;
cAVF的总体计算公式如下所示:
其中,N表示位的系统或结构大小,而Ttotal表示从第一个应用程序开始运行到最后一个应用程序结束的总执行时间;
cAVF的分步计算公式如下所示:
AVFmax=Min{∑AVFj,1};
AVFmin=Max{AVFi};
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132567.3A CN111090506A (zh) | 2019-11-19 | 2019-11-19 | 一种基于软错误相关性的异构多核调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132567.3A CN111090506A (zh) | 2019-11-19 | 2019-11-19 | 一种基于软错误相关性的异构多核调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111090506A true CN111090506A (zh) | 2020-05-01 |
Family
ID=70393548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911132567.3A Pending CN111090506A (zh) | 2019-11-19 | 2019-11-19 | 一种基于软错误相关性的异构多核调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090506A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711481A (zh) * | 2021-01-06 | 2021-04-27 | 南京理工大学 | 基于截止时间和可靠性约束的云服务利润最优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365731A (zh) * | 2013-06-28 | 2013-10-23 | 中国科学院计算技术研究所 | 一种降低处理器软错误率的方法和系统 |
CN103902448A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院深圳先进技术研究院 | 多核处理器软错误压力测试程序生成系统及方法 |
US20190324422A1 (en) * | 2019-06-29 | 2019-10-24 | Intel Corporation | Functional safety controls based on soft error information |
-
2019
- 2019-11-19 CN CN201911132567.3A patent/CN111090506A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902448A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院深圳先进技术研究院 | 多核处理器软错误压力测试程序生成系统及方法 |
CN103365731A (zh) * | 2013-06-28 | 2013-10-23 | 中国科学院计算技术研究所 | 一种降低处理器软错误率的方法和系统 |
US20190324422A1 (en) * | 2019-06-29 | 2019-10-24 | Intel Corporation | Functional safety controls based on soft error information |
Non-Patent Citations (3)
Title |
---|
SONGJUN PAN等: "Online Computing and Predicting Architectural Vulnerability Factor of Microprocessor Structures", 《2009 15TH IEEE PACIFIC RIM INTERNATIONAL SYMPOSIUM ON DEPENDABLE COMPUTING》 * |
孙岩等: "微处理器体系结构级软错误易感性评估", 《计算机工程与科学》 * |
徐建军等: "面向软错误的寄存器活跃区间分析", 《小型微型计算机系统》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711481A (zh) * | 2021-01-06 | 2021-04-27 | 南京理工大学 | 基于截止时间和可靠性约束的云服务利润最优化方法及系统 |
CN112711481B (zh) * | 2021-01-06 | 2022-10-28 | 南京理工大学 | 基于截止时间和可靠性约束的云服务利润最优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Alleviating irregularity in graph analytics acceleration: A hardware/software co-design approach | |
Nagasaka et al. | Statistical power modeling of GPU kernels using performance counters | |
US8091073B2 (en) | Scaling instruction intervals to identify collection points for representative instruction traces | |
EP3182288A1 (en) | Systems and methods for generating performance prediction model and estimating execution time for applications | |
Cui et al. | An accurate GPU performance model for effective control flow divergence optimization | |
Rogers et al. | A variable warp size architecture | |
Jeon et al. | TPC: Target-driven parallelism combining prediction and correction to reduce tail latency in interactive services | |
Diener et al. | Evaluating thread placement based on memory access patterns for multi-core processors | |
US8898390B2 (en) | Scheduling workloads based on cache asymmetry | |
WO2010092483A1 (en) | Devices and methods for optimizing data-parallel processing in multi-core computing systems | |
Kohlhoff et al. | K-means for parallel architectures using all-prefix-sum sorting and updating steps | |
Chen et al. | Modeling cache contention and throughput of multiprogrammed manycore processors | |
US20150193358A1 (en) | Prioritized Memory Reads | |
US8359291B2 (en) | Architecture-aware field affinity estimation | |
Srinivas et al. | IBM POWER7 performance modeling, verification, and evaluation | |
Bradley | GPU performance analysis and optimisation | |
CN110580506A (zh) | 基于密度的聚类计算方法、装置、设备和存储介质 | |
CN111090506A (zh) | 一种基于软错误相关性的异构多核调度方法 | |
Ryoo et al. | Gpgpu benchmark suites: How well do they sample the performance spectrum? | |
CN110442574A (zh) | 一种数据处理方法、电子设备和计算机可读存储介质 | |
Pichel et al. | Reordering algorithms for increasing locality on multicore processors | |
CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
US20160357655A1 (en) | Performance information generating method, information processing apparatus and computer-readable storage medium storing performance information generation program | |
Qi et al. | Data mining based root-cause analysis of performance bottleneck for big data workload | |
Li et al. | Horae: A Hybrid I/O Request Scheduling Technique for Near-Data Processing-Based SSD |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200501 |
|
WD01 | Invention patent application deemed withdrawn after publication |