Ein datenparalleler Ansatz zur Beschleunigung von Datenflussanalysen mittels GPU

A data parallel approach to accelerate data flow analysis using GPU

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-186947
  • 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 dieÜbersetzer 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.show moreshow less
  • 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 However, its outdated, purely sequential architecture scales only insufficiently with the size of today's software projects.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 LLVMCompilers 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.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Thorsten Blaß
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-186947
Persistent identifiers - DOI:https://doi.org/10.25593/978-3-96147-494-3
ISBN:978-3-96147-494-3
Series (Volume number):FAU Studien aus der Informatik (17)
Publisher:FAU University Press
Place:Erlangen
Referee:Michael Philippsen, Dietmar Fey
Advisor:Michael Philippsen
Document Type:Doctoral Thesis
Language:German
Year of publication:2022
Date of online publication (Embargo Date):2022/03/08
Publishing Institution:FAU University Press
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2021/09/22
Release Date:2022/03/10
Tag:Compilertechnik; Fixpunkt-Algorithmen; GPGPU; Propagationsalgorithmen; parallele Algorithmen
SWD-Keyword:Compiler; Datenflussanalyse; Fixpunkt; Datenparallelität
Length/size:xix, 324 Seiten
Notes:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-493-6
Institutes:Technische Fakultät
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 005 Computerprogrammierung, Programme, Daten
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY - Namensnennung 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.