Evaluation of different data dependence analysis schemes

Abstract

AB3:Työn tarkoituksena oli vertailla eri datariippuvuustestejä toisiinsa ja päättää vertailun tuloksena, mikä testi suoriutuu parhaiten. Vertailu tehtiin pääasiassa analysoimalla datariippuvuusalgoritmien tarkkuutta ja suorituskykyä, mutta algoritmien erilaiset ominaisudet otettiin huomioon. Datariippuvuusalgoritmit soveltuvat nimenomaan for-silmukoiden rinnakkaistamisen apukeinoksi. Niiden tarkoituksena on antaa varmuus siitä, että for-silmukan kierroksien jakaminen eri prosessoreille ei tuota väärää lopputulosta ohjelmaa suoritettaessa. Datariippuvuusanalyysi analysoi siis for-silmukassa olevia muistiviittauksia ja varmistaa, että niiden suoritusjärjestyksen muuttaminen ei muuta ohjelman semantiikkaa. Tätä tietoa käytetään hyväksi ohjelmien automaattisessa rinnakkaistamisessa.

This work is part of a project, which aims to find automated mapping methods to parallel architectures. The goal of this work was to evaluate different data dependence analysis schemes, which are applicable when proving that a for-loop can be parallelised. Evaluation was done in terms of accuracy and execution times. Several data dependence analysis tests were compared to each other. The tests evaluated in this study include the gcd test, the generalised gcd test, the extreme value test, the Fourier-Motzkin elimination, the omega test and the SUIF approach. Performance in terms of accuracy and in term of efficiency of the implementations has been measured and compared. Detailed figures are included and the results are analysed. Furthermore, the recommended data dependence tests are chosen and arguments to support this selection has been presented.