KR20180120380A - 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템 - Google Patents

Abstract

본 발명은 시뮬레이션 기술에 관한 것으로서, 더 상세하게는 임베디드 시스템에서 작동하는 소프트웨어의 실행 시간을 시뮬레이션을 통해 예측하는 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템에 대한 것이다.
본 발명에 따르면, 다양한 하드웨어를 사용하는 복잡한 소프트웨어의 경우에도 QEMU(Quick Emulator)의 확장을 사용하여 프로세서에서의 실행 시간을 계산하고, OVPsim(Open Virtual Platform simulator)의 확장을 사용하여 기타 하드웨어에의 사용에 필요한 실행 시간을 계산한 후, 둘의 결과를 결합하여 보다 정확한 실행 시간 예측 결과를 얻을 수 있다.

Description

빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템{METHOD AND SYSTEM FOR FAST AND ACCURATE CYCLE ESTIMATION THROUGH HYBRID INSTRUCTION SET SIMULATION}

본 발명은 시뮬레이션 기술에 관한 것으로서, 더 상세하게는 임베디드 시스템에서 작동하는 소프트웨어의 실행 시간을 시뮬레이션을 통해 예측하는 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템에 대한 것이다.

실시간 시스템(Real-time system)은 각 소프트웨어가 정해진 제한 시간 이내에 실행이 완료되는 시스템을 일컫는다. 실시간 시스템에서 소프트웨어의 실행 시간은 시스템 성능 보장에 매우 중요한 요소이다.

소프트웨어 실행 시간은 시스템을 구성하는 하드웨어에 따라 매우 다르게 나타나기 때문에, 소프트웨어와 하드웨어를 함께 사용하여 실행 시간을 측정해야 정확한 결과를 얻을 수 있다. 하지만 실제 하드웨어로 시스템을 구축하고 소프트웨어 성능을 분석하는 일은 매우 큰 시간과 비용이 소모된다. 시간과 비용을 절감하기 위해 하드웨어의 동작을 모사하는 시뮬레이터를 통해 소프트웨어 성능을 분석하는 기술들이 널리 사용된다.

대표적인 시뮬레이터는 명령어 집합 시뮬레이션(Instruction Set Simulation)기술을 활용한다. 이는 특정 하드웨어의 각 명령어(Instruction) 기능을 소프트웨어적으로 모사하여 실제 하드웨어 없이도 해당 하드웨어에서 작동하도록 만들어진 소프트웨어의 실행을 가능하게 한다.

이는 사이클-정확한 시뮬레이션 (Cycle Accurate Simulation) 에 비해 매우 빠른 실행 속도를 가지며, 프로세서 이외의 메모리, 디스크, 네트워크 등의 하드웨어들도 모사하여 시스템 단위 시뮬레이션 (Full System Simulation)을 가능하게 한다.

최근에 이러한 명령어 집합 시뮬레이션에 기반한 소프트웨어 실행 시간 예측 기술들이 제시되었다. 이러한 기술들은 프로세서 모델을 기반으로 캐시를 함께 고려하거나, 프로세서 모델과 최악 실행 시간 (Worst-Case Execution Time) 분석 기법을 결합하는 등의 방법으로 실행 시간 예측의 정확도를 높이는 방향으로 발전하고 있다.

그런데, 이러한 시도에도 불구하고 여전히 소프트웨어 실행 시간 분석에서 높은 정확도를 얻기란 쉽지 않다. 이는 소프트웨어가 캐시, 버스, 메모리, 디스크 등의 다양한 하드웨어 자원을 사용하는데 반해 시뮬레이션 기반 성능 분석 기법들은 이에 대한 분석이 충분하지 않기 때문이다.

소프트웨어 실행 시간에 영향을 주는 하드웨어 자원들의 동작을 모사하고, 각 자원들의 동작이 실행 시간에 어떠한 영향을 주는지 모델링하고, 이를 바탕으로 실행 시간을 예측하는 일은 하드웨어 자원의 다양성 및/또는 복잡성으로 인해 매우 어려운 일이 된다.

1. 한국공개특허번호 제10-2014-0140789호

1. 김은혜외, "병렬 프로그램 로그 군집화 기반 작업 실행 시간 예측모형 연구"산업경영시스템학회지 v.38 n.3 (2015. 9) pp.56-63 2. 양수현외, "OVPsim을 이용한 모바일 컴퓨터의 성능 평가 연구" 한국정보처리학회 2011년

본 발명은 위 배경기술에 따른 문제점을 해소하기 위해 제안된 것으로서, 명령어 집합 시뮬레이션에 기반한 소프트웨어 실행 시간 예측 기술을 개발하는 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템을 제공하는 데 그 목적이 있다.

또한, 본 발명은 소프트웨어가 다양한 하드웨어 자원을 사용하는 복잡한 경우에도 빠르고 정확한 실행 시간 예측 결과를 얻을 수 있는 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템을 제공하는 데 다른 목적이 있다.

본 발명은 위에서 제시된 과제를 달성하기 위해, 명령어 집합 시뮬레이션에 기반한 소프트웨어 실행 시간 예측 기술을 개발하는 하이브리드 명령어 집합 시뮬레이션 방법을 제공한다.

상기 하이브리드 명령어 집합 시뮬레이션 방법은,

(a) 타깃 바이너리 입력기가 타깃 바이너리 코드를 입력받는 단계;

(b) 확장 QEMU(Quick Emulator) 모듈이 상기 타깃 바이너리 코드를 제 1 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출하는 단계;

(c) 확장 OVPsim(Open Virtual Platform simulator) 모듈이 상기 타깃 바이너리 코드를 제 2 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출하는 단계; 및

(d) 사이클 평가 엔진이 상기 프로세서용 요구 사이클 및 이벤트 통계를 이용하여 실행 시간 예측을 산출하는 단계;를 포함하는 것을 특징으로 한다.

이때, 상기 (b) 단계에서, 상기 프로세서용 요구 사이클은 프로세서 파이프라인 모델을 이용하여 산출되는 상기 타깃 바이너리 코드의 각 코드 블럭에 대한 요구 사이클 및 상기 타깃 바이너리 코드에서 1회 이상 실행되는 각 코드 블록의 실행 횟수를 통해 최종 산출되는 것을 특징으로 할 수 있다.

또한, 상기 (c) 단계에서, 상기 이벤트 통계는 하드웨어 동작 모델을 이용하여 산출되며, 상기 하드웨어 동작 모델은 주변 하드웨어 모델링 API(Application Programming Interface)들로 구성되는 것을 특징으로 할 수 있다.

또한, 상기 주변 하드웨어 모델링 API는 BHM(Behavioral Hardware Modeling) API, PPM(Peripheral Programming Model) API를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 (b) 단계는, 재사용을 위해 상기 제 1 머신 명령어를 캐시에 저장하는 단계;를 더 포함하는 것을 특징으로 할 수 있다.

또한, 상기 타깃 바이너리 코드로부터 상기 머신 명령어 코드로의 변환은 JIT (Just-In-Time) 컴파일 방식 또는 다이나믹 바이너리 변환 기술에 의해 이루어지며, 명령어가 실행되는 순간에 변환이 이루어지는 것을 특징으로 할 수 있다.

또한, 상기 명령어 집합 시뮬레이터는 호스트 머신에서 실행되는 것을 특징으로 할 수 있다.

다른 한편으로, 본 발명의 다른 일실시예는, 타깃 바이너리 코드를 입력받는 타깃 바이너리 입력기; 상기 타깃 바이너리 코드를 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출하는 확장 QEMU(Quick Emulator) 모듈; 상기 타깃 바이너리 코드를 제 2 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출하는 확장 OVPsim(Open Virtual Platform simulator) 모듈; 및 상기 프로세서용 요구 사이클 및 상기 이벤트 통계를 이용하여 실행 시간 예측을 산출하는 사이클 평가 엔진;을 포함하는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 시스템을 제공할 수 있다.

본 발명에 따르면, 다양한 하드웨어를 사용하는 복잡한 소프트웨어의 경우에도 QEMU(Quick Emulator)의 확장을 사용하여 프로세서에서의 실행 시간을 계산하고, OVPsim(Open Virtual Platform simulator)의 확장을 사용하여 기타 하드웨어에의 사용에 필요한 실행 시간을 계산한 후, 둘의 결과를 결합하여 보다 정확한 실행 시간 예측 결과를 얻을 수 있다.

또한, 본 발명의 다른 효과로서는 QEMU의 경우 오픈-소스(Open-source)이므로 확장이 자유로워 복잡한 프로세서 모델 및 실행 시간 측정 기술을 구현하는데 용이하며, OVPsim의 경우 소프트웨어 실행 시간에 영향을 주는 다양한 하드웨어 자원에 대한 모사를 이미 제공하고 있기 때문에, 기타 하드웨어의 사용에 필요한 실행 시간 측정 기술을 구현하는데 용이하다는 점을 들 수 있다.

또한, 본 발명의 또 다른 효과로서는 현재 기술에 비해 보다 정확한 결과를 보이며, 다양한 하드웨어에 대하여 확장이 용이한 장점을 가진다는 점을 들 수 있다.

또한, 본 발명의 또 다른 효과로서는 기존에 존재하였던 명령어 집합 시뮬레이터(Instruction Set Simulator)들을 확장 및/또는 조합하여 다양한 자원을 요구하는 복잡한 소프트웨어의 실행시간을 빠르고 정확하게 예측하도록 함으로써, 소프트웨어 및 하드웨어 설계에 필요한 시간과 비용 절감에 큰 효과를 보일 것으로 기대된다는 점을 들 수 있다.

도 1은 QEMU(Quick Emulator)의 개념을 보여주는 도면이다.
도 2는 OVPsim(Open Virtual Platform simulator)의 개념을 보여주는 도면이다.
도 3은 본 발명의 일실시예에 따른 하이브리드 명령어 집합 시뮬레이션 시스템(300)의 구성도이다.
도 4는 본 발명의 일실시예에 따른 하이브리드 명령어 집합 시뮬레이션 과정을 보여주는 흐름도이다.
도 5는 QEMU만을 사용한 경우와 본 발명의 일실시예에 따른 하이브리드 방식에 따른 피보나치 수(Fibonacci number)의 측정 결과를 비교하는 그래프이다.
도 6은 QEMU만을 사용한 경우와 본 발명의 일실시예에 따른 하이브리드 방식에 따른 매트릭스 곱셈(Matrix multiplication)의 측정 결과를 비교하는 그래프이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.

제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.

이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법 및 시스템을 상세하게 설명하기로 한다.

본 발명의 일실시예에서 제시하는 하이브리드 명령어 집합 시뮬레이션 방법은 1) QEMU(Quick Emulator)를 확장한 프로세서 파이프라인 모델 및 실행 시간 측정 기법; 2) OVPsim(Open Virtual Platform simulator)을 확장한 기타 하드웨어 모델 및 실행 시간 측정 기법; 3) QEMU(Quick Emulator)와 OVPsim(Open Virtual Platform simulator)을 결합한 전체 시스템 실행 시간 측정 기법을 포함하는 것을 특징으로 한다.

도 1은 QEMU(Quick Emulator)의 개념을 보여주는 도면이다. 도 1을 참조하면, QEMU 시스템(100)은 타깃 바이너리 입력기(110), 타깃 바이너리 코드를 변환하여 실행하는 변환 실행 모듈(120), 변환된 타깃 바이너리 코드의 실행 결과를 출력하는 실행 결과 출력 모듈(130) 등으로 포함하여 구성될 수 있다.

타깃 바이너리 입력기(110)는 시험할 프로세서를 위한 타깃 바이너리 코드(즉 파일)를 입력받는 기능을 수행한다.

변환 실행 모듈(120)은 이 타깃 바이너리 코드가 호스트 머신상에서 실행되도록 타깃 바이너리를 호스트 프로세서 명령어로 변환하여 실행하는 기능을 수행한다.

이를 위해, 변환 실행 모듈(120)은 변환된 코드 블록을 가져와 호스트 머신에서 실행하는 코드 실행기 (212), 타겟 바이너리 코드로부터 가져온 코드 블록을 호스트 머신 명령어 코드로 변환하는 다이나믹 바이너리 변환기(214), 변환된 코드 블록 재사용을 위해 변환된 코드 블록을 저장하는 코드 캐시부 (213) 등을 포함하여 구성될 수 있다.

코드 실행기(212)는 타겟 바이너리 코드로부터 다음에 실행해야할 명령어 집합인 타겟 코드 블록을 파악한다. 이 때, 상기 코드 블록이 이미 변환되어 코드 캐시부(213)에 저장되어 있을 경우 코드 캐시부에 저장되어 있는 변환된 코드 블록을 실행한다. 이 때, 코드 캐시부에 변환된 코드 블록이 저장되어 있지 않을 경우 코드 변환을 위하여 다이나믹 바이너리 변환기(214)를 호출한다.

다이나믹 바이너리 변환기(214)는 대상 타겟 코드 블록을 호스트 머신 명령어 코드 블록으로 변환하고, 시뮬레이션 속도를 증가시키기 위해 모든 변환된 머신 명령어 코드를 코드 캐시부(213)에 저장한다.

타겟 바이너리 입력기(110) 로부터 입력받은 모든 타겟 바이너리의 실행이 종료되면 호스트 머신(미도시)에서 타겟 바이너리 실행 결과를 얻을 수 있다. 호스트 머신은 임베디드 프로그램 개발 과정에서 사용되는 기기를 지칭하는 의미로서 프로세서를 시뮬레이션(모의)한다.

이를 위해 다이나믹 바이너리 변환(dynamic binary translation) 기술 또는 JIT(Just-In-Time) 컴파일 방식 등이 사용된다. 다이나믹 바이너리 변환 또는 JIT (Just-In-Time) 컴파일은 2단계로 수행되는데, 먼저 타깃 바이너리 코드는 기본 블럭(Basic Block)단위로 변환되며, 기본 블럭 내부에 있는 명령어들은 중간 코드(Intermediate Representation, IR)인 여러 개의 마이크로 오퍼레이션(micro operation)으로 변환된다. 변환된 IR은 호스트 명령어로 변환되고 레지스터 할당을 하여 머신 명령어 코드로 생성된다.

도 2는 OVPsim(Open Virtual Platform simulator)의 개념을 보여주는 도면이다. 도 2를 참조하면, OVPsim 시스템(200)은 타깃 바이너리 입력기(210), 타깃 바이너리 코드에 따라 주변 모의 엔진을 생성하고 실행 하는 엔진 생성 모듈 (220), 주변 모의 엔진에서 타깃 바이너리 코드의 실행 결과를 출력하는 실행 결과 출력 모듈(230) 등으로 포함하여 구성될 수 있다.

타깃 바이너리 입력기(210)는 시험할 프로세서를 위한 타깃 바이너리 코드(즉 파일)를 입력받는 기능을 수행한다.

엔진 생성 모듈(220)은 이 타깃 바이너리 코드를 실행하기 위해 플랫폼 제작기(222)를 통해 가상 머신 런타임(221)을 생성하고, 주변 모의 엔진(223)을 통해 이 가상 머신 런타임(221)에서 주변 장치의 동작을 모사할 수 있게 한다.

이를 위해, 엔진 생성 모듈(220)은 타깃 머신에 장착되어 있는 하드웨어들의 하드웨어 모델 기반으로 타깃 머신을 모방하는 가상 머신 런타임부(221), 가상 머신 런타임을 위한 가상 플랫폼을 생성하는 플랫폼 제작기(222), 및 다양한 주변 하드웨어의 동작을 모방하는 주변 모의 엔진(223) 등을 포함하여 구성될 수 있다.

타깃 바이너리 입력기(210)를 통해 입력된 타깃 바이너리는 엔진 생성 모듈(220)의 가상 머신 런타임(221)에 의해 호스트 머신 명령어로 변환되어 실행된다.

이 때, 주변 모의 엔진(223)은 임베디드 하드웨어에서 사용되는 주변 기기 (예를 들면, 메모리, 저장 장치, 오디오/비디오, 네트워크 등을 들 수 있음) 를 모의한다.

이 때, 주변 모의 엔진은 주변 기기 모의를 위해 BHM (Behavioral Hardware Modeling) API, PPM (Peripheral Programming Model) API 등의 하드웨어 모델링 API를 사용한다.

이 때, 변환된 타깃 바이너리에서 주변 기기를 사용하려고 하면, 변환된 타깃 바이너리는 주변 모의 엔진 (223)에 의해 모의된 주변 기기를 사용하게 된다.

도 3은 본 발명의 일실시예에 따른 하이브리드 명령어 집합 시뮬레이션 시스템(300)의 구성도이다. 도 3을 참조하면, 전체 시스템의 다양한 하드웨어를 활용하는 소프트웨어의 실행 시간을 정확하게 분석하기 위하여 여러 개의 시뮬레이터(320a,320b)를 동시에 활용하여 실행 시간을 예측한다.

도 3을 참조하면, 하이브리드 명령어 집합 시뮬레이션 시스템(300)은, 타깃 바이너리 코드를 입력받는 타깃 바이너리 입력기(310), 상기 타깃 바이너리 코드를 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출하는 확장 QEMU 모듈(320a), 상기 타깃 바이너리 코드를 제 2 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출하는 확장 OVPsim(Open Virtual Platform simulator) 모듈(320b), 및 프로세서용 요구 사이클에 따른 제 1 실행 시간 및 상기 이벤트 통계에 따른 제 2 실행 시간을 합산하여 실행 시간 예측을 수행하는 사이클 평가 엔진(330) 등을 포함하여 구성될 수 있다.

하드웨어 자원의 종류에 따라 하드웨어 실행 시간 측정에 용이한 시뮬레이터를 활용한다. 도 3에 도시된 바와 같이, 복잡한 동작 특성을 가진 프로세서를 정교하게 모델링하기 위하여 오픈 소스(Open-source)인 확장 QEMU 모듈(320a)을 활용하여 프로세서 사용 시간을 측정하고, 이외의 하드웨어 자원 사용에 소모되는 시간 측정을 위해서는 다양한 하드웨어 자원 모델을 내부적으로 제공하는 확장 OVPsim 모듈(320b)을 활용한다.

명령어 집합 시뮬레이터는 호스트 머신에서 실행되며, 타겟 머신용으로 컴파일된 소프트웨어를 읽어 들여 소프트웨어의 타겟 머신 명령어를 호스트 머신 명령어로 변환하여 실행한다.

확장 QEMU 모듈(320a)로 대표되는 JIT 또는 동적 변환 기반 시뮬레이터는 효율성을 위하여 명령어가 실행되는 순간에 변환이 이루어지고, 변환된 변환 명령어는 코드 캐시(323)에 저장되어 재사용된다.

부연하면, 확장 QEMU 모듈(320a)은 타깃 바이너리 입력기(310)는 시험할 프로세서를 위한 타깃 바이너리 코드(즉 파일)를 입력받는 기능을 수행한다.

따라서, 확장 QEMU 모듈(320a)은 타깃 바이너리 입력기(310)로부터 입력되는 타깃 바이너리가 호스트 머신상에서 실행되도록 호스트 프로세서 명령어로 변환을 수행하는 기능을 수행한다. 이를 위해, 확장 QEMU 모듈(320a)은 코드 실행기(321), 코드 캐시부(323), 및 다이나믹 바이너리 변환기(324) 등을 포함하여 구성될 수 있다.

이때, 코드 실행기(321)는 사이클 횟수를 카운팅하기 위한 사이클 카운터(321-1)를 포함한다.

또한, 다이나믹 바이너리 변환기(324)는 프로세서 파이프라인 모델(324-1)을 포함한다.

즉, 확장 QEMU 모듈(320a)은 2가지 추가적인 구성요소를 갖는다. 부연하면, 하나는 프로세서 파이프라인 모델(324-1)이고, 둘은 사이클 카운터(321-1)이다. 다이나믹 바이너리 변환기(324)는 프로세서 파이프라인 모델(324-1)을 통해 타깃 바이너리 코드의 각 코드 블럭에 대한 요구 사이클을 산출한다. 즉, 각 타깃 명령어에 대해 요구되는 사이클을 산출하며, 결과적으로 타깃 바이너리 코드의 각 코드 블럭에 대한 요구 사이클이 된다.

코드 실행기(321)는 사이클 카운터(321-1)를 통해 각 코드 블럭에 대한 실행 횟수를 카운팅한다. 각 코드 블럭에 대한 요구 사이클이 프로세서 파이프라인 모델(324-1)에 의해 산출되므로, 사이클 카운터(321-1)를 통해 각 코드 블록의 실행 횟수를 산출하면 전체 타깃 바이너리가 실행 되었을 때의 총 사이클 수를 산출 할 수 있다. 이 때, 각 코드 블록은 반복문 등의 영향으로 인하여 1회 이상 실행 될 수 있다.

부연하면, 본 발명의 일실시예에서는 도 1에 도시된 QEMU의 구조를 확장하여 프로세서가 소프트웨어의 실행을 완료하는데 필요한 프로세서 실행 사이클을 계산한다. 즉, 시뮬레이터의 코드 변환 부분에 타겟 머신 프로세서 파이프라인 모델(324-1)을 추가하여 각 타겟 머신 명령어들의 실행에 필요한 실행 사이클을 계산하고 저장해둔다. 이후 호스트 머신 명령어들로 변환된 머신 명령어 코드들이 실행될 때마다 각 코드들의 실행 횟수를 측정한다. 이후 각 코드별 필요 실행 사이클 및 실행 횟수를 바탕으로 전체 소프트웨어(즉 타깃 바이너리 코드)의 총 실행 사이클을 추정한다.

이 때, 프로세서마다 단위 시간당 수행 가능한 사이클의 수는 고정되어 있기 때문에, 총 실행 사이클을 바탕으로 타깃 바이너리의 총 실행 시간을 산출 할 수 있다.

시스템 단위 시뮬레이터(Full-System Simulator)는 소프트웨어가 사용하는 각종 자원들에 대한 모사를 통해 실제 하드웨어가 없어도 해당 하드웨어를 사용하는 소프트웨어의 구동을 가능하게 한다. OVPsim으로 대표되는 시스템 단위 시뮬레이터는 실행 시간에 영향을 주는 캐시, TLB(Translation look aside buffer), 메모리, 디스크 등 다양한 하드웨어 자원에 대한 동작 모델을 제공한다.

이를 위해, 본 발명의 일실시예에서는 확장 OVPsim 모듈(320b)을 구성한다. 확장 OVPsim 모듈(320b)은 도 2에 도시된 구성보다 2개의 추가적인 구성요소를 구비한다. 즉, 캐시/TLB 이벤트 카운터(32-1) 및 주변 이벤트 카운터(34-1)가 추가적으로 구성된다.

캐시/TLB 이벤트 카운터(32-1)는 가사 머신 런타임부(32)에 구성되며, 캐시 히트/미스(hit/miss) 및 TLB 히트/미스 등과 같은 중요 이벤트를 포착하는 기능을 수행한다. 특히, 가상 머신 인터페이스(VMI: Virtual Machine Interface)를 통해 메모리 컴포넌트 모델링이 이루어진다. 특히, 캐시/TLB 이벤트 카운터(32-1)는 가상 머신 런타임부(32)의 가상 머신 런타임 내부에서 수행되며, 캐시 및 TLB로부터 이벤트를 포착하며, 이러한 이벤트 통계를 생성하여 사이클 평가 엔진(330)에 전송한다.

또한, 주변 이벤트 카운터(34-1)는 주변 하드웨어로부터 발생한 이벤트를 포착하며 이벤트 통계를 생성하여 사이클 평가 엔진(330)에 전송한다. 또한, 주변 이벤트 카운터(34-1)는 하드웨어 동작 모델을 이용하여 이러한 이벤트를 포착한다.

하드웨어 동작 모델은 주변 하드웨어 모델링 API(Application Programming Interface)로 구현된다. 이러한 주변 하드웨어 모델링 API로는 BHM(Behavioral Hardware Modeling) API, PPM(Peripheral Programming Model) API 등을 들 수 있다. 주변 이벤트 카운터(34-1)는 주변 모의 엔진(34)의 내부에서 수행된다.

부연하면, 시스템 단위 시뮬레이터에서 제공하는 하드웨어 동작 모델을 활용해 소프트웨어가 하드웨어 자원을 사용할 때 필요한 실행 시간을 계산할 수 있다이를 위해 시스템 단위 시뮬레이터에서 타겟 머신용 소프트웨어를 실행할 때, 각각의 하드웨어 모델에 발생하는 이벤트 (예: cache hit/miss) 횟수를 저장하고, 미리 알려진 각 이벤트별 필요 실행 사이클을 곱하는 방법으로 각각의 하드웨어 사용에 필요한 실행 시간을 계산한다.

사이클 평가 엔진(330)은 확장 QEMU 모듈(320a)로부터 확장 QEMU 모듈(320a) 및 확장 OVPsim 모듈(320b)로부터 각각 프로세서용 요구 사이클(331) 및 이벤트 통계(332)를 수집하여 실행 시간 예측을 산출한다.

이 때, 사이클 평가 엔진(33)은 이벤트 통계 및 각 하드웨어 사양 (Specification)에 기반한 이벤트 별 실행 사이클 요구량을 바탕으로 주변 장치 사용에 필요한 실행 시간을 산출한다.

도 4는 본 발명의 일실시예에 따른 하이브리드 명령어 집합 시뮬레이션 과정을 보여주는 흐름도이다. 도 4를 참조하면, 타깃 바이너리 입력기(310)가 타깃 바이너리 코드를 입력받는다(단계 S410).

이후, 프로세서 사용시간을 측정하는 과정(단계 S420 내지 S423) 및 그 밖의 하드웨어 자원 사용시간을 측정하는 과정(단계 S430 내지 S435)이 동시에 수행된다.

프로세서 사용시간을 측정하는 과정을 먼저 보면, 확장 QEMU(Quick Emulator) 모듈(320a)이 상기 타깃 바이너리 코드를 코드를 실행하고, 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출한다(단계 S420,S421,S423).

그 밖의 하드웨어 자원 사용시간을 측정하는 과정을 보면, 확장 OVPsim(Open Virtual Platform simulator) 모듈(320b)이 타깃 바이너리 코드를 가상 머신을 실행하고, 가상 플랫폼을 생성하며, 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출한다(단계 S430,S431,S433,S435).

이후, 사이클 평가 엔진(330)이 상기 프로세서용 요구 사이클 및 이벤트 통계를 이용하여 실행 시간 예측을 산출한다(단계 S440).

도 5는 QEMU만을 사용한 경우와 본 발명의 일실시예에 따른 하이브리드 방식에 따른 피보나치 수(Fibonacci number)의 측정 결과를 비교하는 그래프이다. 도 5를 참조하면, 단독 QEUM의 결과가 매우 정확한 사이클 추정을 나타내며, 본 발명의 일실시예에 따른 하이브리드 방식의 결과와 유사함을 보여준다.

피보나치 수 벤치마크에 대한 단독 QEUM의 정확한 결과가 제안된 프로세서 파이프라인 모델이 프로세서에 요구되는 사이클을 정확하게 추정할 수 있다는 점을 보여준다.

도 6는 QEMU만을 사용한 경우와 본 발명의 일실시예에 따른 하이브리드 방식에 따른 매트릭스 곱셈(Matrix multiplication)의 측정 결과를 비교하는 그래프이다. 도 6을 참조하면, 단독 QEMU의 추정 정확도가 매트릭스 사이즈가 증가함에 따라 감소된다. 이와 달리, 본 발명의 일실시예에 따른 하이브리드 방식은 더 정확한 사이클 추정을 보여준다.

100: QEMU(Quick Emulator) 시스템
110,210,310: 타깃 바이너리 입력기
120,220: 변환 실행 모듈
130,230: 실행 결과 출력 모듈
200: OVPsim(Open Virtual Platform simulator) 시스템
320a: 확장 QEMU(Quick Emulator) 모듈
320b: 확장 OVPsim(Open Virtual Platform simulator) 모듈
330: 사이클 평가 엔진

Claims (8)

1. (a) 타깃 바이너리 입력기가 타깃 바이너리 코드를 입력받는 단계;
   (b) 확장 QEMU(Quick Emulator) 모듈이 상기 타깃 바이너리 코드를 제 1 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출하는 단계;
   (c) 확장 OVPsim(Open Virtual Platform simulator) 모듈이 상기 타깃 바이너리 코드를 제 2 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출하는 단계; 및
   (d) 사이클 평가 엔진이 상기 프로세서용 요구 사이클 및 이벤트 통계를 이용하여 실행 시간 예측을 산출하는 단계;
   를 포함하는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
2. 제 1 항에 있어서,
   상기 (b) 단계에서, 상기 프로세서용 요구 사이클은 프로세서 파이프라인 모델을 이용하여 산출되는 상기 타깃 바이너리 코드의 각 코드 블럭에 대한 요구 사이클 및 상기 타깃 바이너리 코드에서 1회 이상 실행되는 각 코드 블록의 실행 횟수를 통해 최종 산출되는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
3. 제 1 항에 있어서,
   상기 (c) 단계에서, 상기 이벤트 통계는 하드웨어 동작 모델을 이용하여 산출되며, 상기 하드웨어 동작 모델은 주변 하드웨어 모델링 API(Application Programming Interface) 로 구성되는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
4. 제 3 항에 있어서,
   상기 주변 하드웨어 모델링 API는 BHM(Behavioral Hardware Modeling) API, PPM(Peripheral Programming Model) API들로 구성되는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
5. 제 1 항에 있어서,
   상기 (b) 단계는, 재사용을 위해 상기 제 1 머신 명령어를 캐시에 저장하는 단계;를 더 포함하는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
6. 제 1 항에 있어서,
   상기 타깃 바이너리 코드로부터 상기 머신 명령어 코드로의 변환은 JIT (Just-In-Time) 컴파일 방식 또는 다이나믹 바이너리 변환 기술에 의해 이루어지며, 명령어가 실행되는 순간에 변환이 이루어지는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
7. 제 1 항에 있어서,
   상기 명령어 집합 시뮬레이터는 호스트 머신에서 실행되는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 방법.
   
8. 타깃 바이너리 코드를 입력받는 타깃 바이너리 입력기;
   상기 타깃 바이너리 코드를 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 프로세서용 요구 사이클을 산출하는 확장 QEMU(Quick Emulator) 모듈;
   상기 타깃 바이너리 코드를 제 2 머신 명령어로 변환하여 명령어 집합 시뮬레이터를 실행함으로써 주변 하드웨어에 대한 이벤트 통계를 산출하는 확장 OVPsim(Open Virtual Platform simulator) 모듈; 및
   상기 프로세서용 요구 사이클 및 상기 이벤트 통계를 이용하여 실행 시간 예측을 산출하는 사이클 평가 엔진;
   을 포함하는 것을 특징으로 하는 빠르고 정확한 실행 시간 예측을 위한 하이브리드 명령어 집합 시뮬레이션 시스템.

Images