[發明專利]一種針對圖應用負載的非易失性內存的模擬優化方法

在審

• 申請號: 202210219131.3
• 申請日: 2022-03-08
• 公開（公告）號: CN114661567A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 劉偉;楊國豪;盛榮鼎
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/30
• 代理公司: 武漢市首臻知識產權代理有限公司 42229
• 代理人: 陳拿云

1.一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述模擬優化方法包括如下步驟：

步驟一、搭建模擬平臺：

將Gem5模擬器和VANS模擬器部署在服務器中，并基于Gem5模擬器和VANS模擬器搭建模擬平臺，所述模擬平臺包括基于Gem5模擬器的一個CPU模塊（1）、基于VANS模擬器的一個內存控制器模塊（2）和兩個DCPMM模塊（3），所述CPU模塊（1）與內存控制器模塊（2）相連接，所述內存控制器模塊（2）分別與兩個DCPMM模塊（3）相連接；

步驟二、對模擬平臺進行配置：

對模擬平臺中的CPU模塊（1）及DCPMM模塊（3）進行基礎配置；

步驟三、劃分一級緩沖區：

在VANS模擬器的配置文件中，設置DCPMM模塊（3）的一級緩沖區的Bank數量；

步驟四、引流屬性數組：

在模擬平臺上運行指定的圖算法和數據集；

在運行指定的圖算法和數據集的過程中，通過內存控制器模塊（2）將屬性數組引流至DCPMM模塊的二級緩沖區；

在運行完指定的圖算法和數據集后，Gem5模擬器輸出CPU模塊（1）的運行結果，VANS模擬器輸出DCPMM模塊（3）的運行結果。

2.根據權利要求1所述的一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述步驟二、對模擬平臺進行配置中，對CPU模塊（1）進行基礎配置包括如下步驟：

a1、設置CPU模塊（1）為單核亂序CPU，CPU模塊（1）的時鐘頻率為3GHz，

a2、設置CPU模塊（1）的一級高速緩存：

設置CPU模塊（1）的數據緩存的大小為32KB、地址映射的方式為8路組相連、緩存行大小為64B；

設置CPU模塊（1）的指令緩存的大小為32KB、地址映射的方式為8路組相連、緩存行大小為64B；

a3、設置CPU模塊（1）的二級緩存的大小為256KB、地址映射的方式為8路組相連、緩存行大小為64B；

a4、設置CPU模塊（1）的三級緩存的大小為2MB、地址映射的方式為16路組相連、緩存行大小為64B。

3.根據權利要求2所述的一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述步驟二、對模擬平臺進行配置中，對DCPMM模塊（3）進行基礎配置包括如下步驟：

設置DCPMM模塊（3）的大小為8GB、工作模式為AppDirect模式、一級緩沖區的大小為16KB、二級緩沖區大小為16MB。

4.根據權利要求3所述的一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述步驟三、劃分一級緩沖區中，設置DCPMM模塊（3）的一級緩沖區的Bank數量為4，兩個所述DCPMM模塊（3）的一級緩沖區均被劃分為四個Bank，其中每個Bank的大小為4KB。

5.根據權利要求1-4中任一項所述的一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述步驟四、引流屬性數組中，所述指定的圖算法為GAPBS中的圖算法，GAPBS中的圖算法包括Betweenness Centrality（BC）算法、Breadth First Search（BFS）算法、PageRank（PR）算法和Connected Components（CC）算法；

所述GAPBS即Graph Algorithm Platform Benchmark Suite，GAPBS為專用于測試的套件，GAPBS中使用CSR（Compressed Sparse Row）存儲結構的圖數據，CSR存儲結構由頂點數組、鄰居數組和屬性數組組成。

6.根據權利要求5所述的一種針對圖應用負載的非易失性內存的模擬優化方法，其特征在于：

所述步驟四、引流屬性數組中，所述指定的數據集包括amazon數據集、wikiTalk數據集、pokec數據集和livejournal數據集。