性能预测驱动的多线程循环选择策略：提升Olden基准测试12.34%加速比

本文主要探讨的是"基于性能预测的推测多线程循环选择方法"，它针对多核处理器上加速串行程序的技术——线程级推测(TLS)进行深入研究。循环在程序中通常具有规则的结构，且在运行时占用大量执行时间，因此它们是挖掘并行性的重要候选对象。然而，如何确定哪些循环可以有效并行化以提升程序的加速比，这是一个具有挑战性的问题。 本文作者刘斌、赵银亮等人来自西安交通大学计算机科学与技术系，他们提出的解决方案是通过构建一种基于性能预测的循环选择策略。首先，他们从输入的训练集中收集程序预执行的剖析信息，这些信息包括但不限于循环的结构特性、运行模式和资源利用率等。然后，结合多种推测因素，如历史执行数据、处理器架构特性以及硬件资源限制，构建了一个能够预测循环并行执行性能的模型。 这个模型的目标是定量评估每个循环进行推测性并行化后的潜在加速效果。通过预测，研究人员能够判断一个循环在实际运行时是否值得进行并行化处理，从而减少无效的并行尝试，提高整体的程序性能。实验结果证明，这种方法对于循环并行时的并行性挖掘非常有效，平均提升了Olden基准测试集的加速比性能，达到了12.34%的提升。 关键词包括并行处理、线程级推测、循环选择和性能预测，这些都揭示了文章的核心关注点。该研究不仅有助于优化多核处理器上的程序性能，还对并行计算领域的理论和实践有着积极的推动作用，特别是在循环并行化的策略设计和优化方面。文章的分类号TP314和文献标识码A，进一步明确了其在计算机科学技术领域中的定位，而DOI:10.3724/SP.J.1146.2013.01879则提供了文献的唯一标识，方便读者追踪和引用。