WARDen: Specializing Cache Coherence for High-Level Parallel Languages
WARDen: Specializing Cache Coherence for High-Level Parallel Languages
复制标题
WARDen：专门针对高级并行语言的缓存一致性
DOI：
10.1145/3579990.3580013
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Hardavellas, Nikos
中科院分区：
文献类型：
--
作者：
Wilkins, Michael;Westrick, Sam;Kandiah, Vijay;Bernat, Alex;Suchy, Brian;Deiana, Enrico Armenio;Campanoni, Simone;Acar, Umut A.;Dinda, Peter;Hardavellas, Nikos
高级并行语言 (HLPL) 使编写正确的并行程序变得更加容易。这些语言中严格的内存使用可以对硬件瓶颈进行新的优化，例如缓存一致性。在这项工作中，我们展示了如何通过将硬件一致性协议直接与编程语言集成来降低缓存一致性的成本；不需要程序员的努力或静态分析。我们通过在 HLPL 程序中构建来识别新的低级内存属性 WARD（WAW 冷漠和 RAW 依赖自由）。我们设计了一种新的一致性协议 WARDen，以选择性地使用 WARD 禁用一致性。我们使用广泛使用的 HLPL 基准套件在当前和未来的 x64 机器结构上评估 WARDen。 WARDen 通过消除不必要的数据移动和一致性消息，既加快了基准测试速度（平均提高 1.46 倍），又降低了能耗（降低了 23%）。
High-level parallel languages (HLPLs) make it easier to write correct parallel programs. Disciplined memory usage in these languages enables new optimizations for hardware bottlenecks, such as cache coherence. In this work, we show how to reduce the costs of cache coherence by integrating the hardware coherence protocol directly with the programming language; no programmer effort or static analysis is required.We identify a new low-level memory property, WARD (WAW Apathy and RAW Dependence-freedom),by constructionin HLPL programs. We design a new coherence protocol, WARDen, to selectively disable coherence using WARD.We evaluate WARDen with a widely-used HLPL benchmark suite on both current and future x64 machine structures. WARDen both accelerates the benchmarks (by an average of 1.46x) and reduces energy (by 23%) by eliminating unnecessary data movement and coherency messages.
登录
查看更多内容
已证明良好且实用高效的 Fork-Join 程序并行竞争检测
DOI：
10.1145/2935764.2935801
发表时间：
2016
期刊：
Proceedings of the 28th ACM Symposium on Parallelism in Algorithms and Architectures
影响因子：
--
作者：
Utterback, Robert;Agrawal, Kunal;Fineman, Jeremy T.;Lee, I-Ting Angelina
通讯作者：
Lee, I-Ting Angelina
用于深度学习的分解内存系统
影响因子：
3.6
作者：
Youngeun Kwon;Minsoo Rhu
通讯作者：
Minsoo Rhu
将并行性改造到 OCaml 上
DOI：
--
发表时间：
2020
期刊：
Proc. ACM Program. Lang.
影响因子：
--
作者：
K. Sivaramakrishnan;Stephen Dolan;Leo White;S. Jaffer;T. Kelly;Anmol Sahoo;S. Parimala;Atul Dhiman;Anil Madhavapeddy
通讯作者：
Anil Madhavapeddy
将效果处理程序改装到 OCaml 上
DOI：
--
发表时间：
2021
期刊：
ACM-SIGPLAN Symposium on Programming Language Design and Implementation
影响因子：
--
作者：
K. Sivaramakrishnan;Stephen Dolan;Leo White;T. Kelly;S. Jaffer;Anil Madhavapeddy
通讯作者：
Anil Madhavapeddy
近乎零成本的纠缠检测
影响因子：
--
作者：
Westrick, Sam;Arora, Jatin;Acar, Umut A.
通讯作者：
Acar, Umut A.