依赖距离主导的向量化方法提升循环性能

本文研究的焦点在于"依赖距离主导的向量化方法"，针对向量寄存器在非满载使用模式下对循环向量化的影响。在现代计算机体系结构中，向量寄存器的非满载状态为那些迭代次数较少的循环提供了潜在的并行处理机会，然而，这种模式下并行宽度的不确定性使得传统的依赖测试策略——通常基于向量因子——变得不再适用。为了克服这个问题，作者提出了一个新的依赖测试策略，它以依赖距离为核心。 依赖距离主导的方法通过分析程序中的依赖关系图，特别是依赖环中的关键边所携带的依赖距离。这种方法的目标是找到依赖环中最小的依赖距离，以此作为决定并行宽度的依据，从而有效地打破这些循环依赖，使向量化过程得以顺利进行。非满载使用向量寄存器的方式在这种新的方法下得到了优化，可以更有效地利用硬件资源，提升程序的性能。 实验结果显示，这种依赖距离主导的向量化方法显著地增加了循环向量化的可能性，并提高了向量寄存器的使用效率。对比传统方法，测试用例的向量化加速比平均提升了14.6%，证明了该方法的有效性和实用性。论文的研究者包括丁丽丽、韩林、王冬、张素平、王鹏翔和于海宁，他们来自信息工程大学数学工程与先进计算国家重点实验室，他们的研究领域涵盖了高性能计算和先进编译技术。 本文的关键词包括依赖测试、依赖距离、向量因子、并行宽度、向量化以及向量寄存器，这些都是理解和评估该方法技术核心的关键概念。此外，文章还被分类为计算机科学领域，具体为TP302.7，并且获得了"核高基"国家科技重大专项的资助，显示出该研究的重要性及其在科研领域的前沿地位。 总结来说，这项研究为处理向量寄存器非满载使用场景下的并行计算问题提供了一种创新的解决方案，通过依赖距离主导的依赖测试方法，优化了循环向量化过程，提升了计算性能。这对于高性能计算和并行编程领域具有实际应用价值。