Ein datenparalleler Ansatz zur Beschleunigung von Datenflussanalysen mittels GPU

Language
de
Document Type
Doctoral Thesis
Issue Date
2022-03-10
Issue Year
2022
Authors
Blaß, Thorsten
Editor
Publisher
FAU University Press
ISBN
978-3-96147-494-3
Abstract

Compilers are the cornerstone of software development. However, its outdated, purely sequential architecture scales only insufficiently with the size of today's software projects. The compiler’s runtime, which is unproductive for the development process, is taking up an increasingly large share of the development cycle. The majority of the runtime is spent on data flow analyses. The computed information enables to apply the optimizations, e.g., to reduce the runtime of a program. This dissertation describes the framework ParCan, which makes it possible to execute fixpoint-based data flow analyses in a data-parallel fashion on a graphics card (GPGPU). By integrating ParCan into the LLVM compiler framework, its runtime could be reduced by up to 31%. Within the scope of this thesis, further issues such as the efficiency of graph structures as well as the efficient, deadlock-free synchronization of threads on the GPU were addressed.

Abstract

Übersetzer sind der Grundpfeiler der Softwareentwicklung. Seine veraltete, rein sequentielle Arbeitsweise skaliert jedoch nur noch ungenügend mit dem Umfang heutiger Softwareprojekte. Die für die Entwicklung unproduktive Laufzeit des Übersetzers nimmt einen immer größeren Anteil am Entwicklungszyklus ein. Der Großteil der Laufzeit wird für Datenflussanalysen aufgebracht. Die von ihnen berechnete Informationsbasis ermöglicht erst die Anwendung von Optimierungen, um z.B. die Laufzeit eines Programmes zu reduzieren. Diese Dissertation beschreibt das Framework ParCan, dass es ermöglicht fixpunktbasierte Datenflussanalysen datenparallel auf einer Grafikkarte (GPGPU) auszuführen. Durch die Integration von ParCan in den LLVM-Übersetzer konnte dessen Laufzeit um bis zu 31% reduziert werden. Im Rahmen der Arbeit wurden weitere Fragestellungen wie die Effizienz von Graphstrukturen sowie die effiziente, deadlock-freie Synchronisation von Threads auf der GPU bearbeitet.

Series
FAU Studien aus der Informatik
Series Nr.
17
Notes
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-493-6
Faculties & Collections
Zugehörige ORCIDs