[发明专利]一种片上网络结构级的软错误在线评估方法

权利要求书

1.一种片上网络结构级的软错误在线评估方法，其特征在于包括以下步骤：

步骤1、初始化配置：在不同应用执行切换时或一个应用的不同执行阶段切换时开启在线评估，片上网络每个节点都输入片上网络的结构参数A、可选的容错机制参数FT、错误模型M、应用的可靠性需求指标AVF_req；

其中A是节点路由器和节点间链路结构参数，FT是可选的容错机制的集合，M是软错误模型的各种位翻转概率比例以及每一种位翻对应的物理分布模式的集合，AVF_req是应用对应的可靠性需求指标；

步骤2、评估无保护机制下的可靠性指标：首先对片上网络各个部件进行属性判断，如果是链路或路由计算、虚通道仲裁逻辑、交叉开关仲裁逻辑这些非存储结构部件，跳转步骤3，否则跳转到步骤4；

步骤3、采用面向一位翻转的快速评估方法计算非存储部件结构易感因子的评估值；跳转到步骤7；

步骤4、使用面向一位翻转的快速评估方法估算一位翻转条件下虚通道结构易感因子的评估值；

步骤5、判断是否需要考虑多位翻转，如果仅包含一位翻转则跳转到步骤7，否则跳转到步骤6；

步骤6、基于边界分析模型把一位翻转的评估结果扩展到多位翻转；

其中边界分析模型核心是计算多位翻转条件下最小边界评估值和最大边界评估

两个边界评估值都是对虚通道n个存储空间对应的s种多位翻转情况进行算数平均；w(q)是q位翻转在所有多位翻转占的权重，MIN(AVF_mcu(q,i))是第q位翻转，虚通道第i个微片存储空间对应的最小评估值等于且AVF_sbu(q,i)通过上述步骤快速分析方法可得,adj(i,j)描述了错误模型中k种错误物理分布第j类时第i个微片存储空间对应的邻居存储空间集合，最小评估值即对最好情况下相邻存储空间的执行正确周期数分布一致，对所有一位翻转情况下的评估值取最大值；类似的，MAX(AVF_mcu(q,i))是第q位翻转，虚通道第i个微片存储空间对应的最大评估值，是最坏情况下发生在多个邻居微片存储空间的周期分布没有重叠，进行所有邻居存储空间对应的一位翻转评估值加和操作并与最大评估上界1取最小值，等于然后，通过最大最小两个边界评估值计算平均值作为评估值；

步骤7、把片上网络中链路、路由计算、虚通道仲裁逻辑、交叉开关仲裁逻辑以及虚通道的评估结果合成基于部件面积平均的评估报告；

步骤8、判断评估报告是否小于等于当前执行的应用的可靠性需求指标AVF_req，如果满足则跳到步骤10，否则跳到步骤9；

步骤9、动态配置容错机制对片上网络的节点进行保护；

步骤10、使用基于虚拟过滤的评估方法估算可靠性指标：首先，针对选择额容错机制，对输入的错误模型M，基于错误纠正能力进行修正，生成新的错误模型M^*，包括对应的位翻转类型和对应的比例；其次，新错误模型下的一位翻转AVF_sbu^*值等效为最新的多位翻转评估值AVF_mcu,然后再次使用边界分析计算新的多位翻转评估值AVF_mcu^*，并跳到步骤7合成新的评估报告；

步骤11、结束评估。

2.如权利要求1所述的片上网络结构级的软错误在线评估方法，其特征在于：

步骤3中结构易感因子如下得到：统计链路非闲置周期数以及路由计算、虚通道仲裁逻辑、交叉开关仲裁逻辑部件的使用周期数，并与执行周期总数的比例作为结构易感因子AVF_sbu的评估值；同时步骤4中结构易感因子如下得到：使用基于写读更新的评估，统计虚通道写进微片后再被读之间等待的周期数，并与执行周期总数的比例作为结构易感因子AVF_sbu的评估值。

3.如权利要求1所述的片上网络结构级的软错误在线评估方法，其特征在于：

步骤3中结构易感因子如下得到：使用基于机器学习的统计评估，对典型测试程序仿真结果训练，基于结构易感因子和关键特征的互相关构建预测模型，估算一位翻转条件下非存储部件的结构易感因子AVF_sbu的评估值；同时步骤4中结构易感因子如下得到：使用基于机器学习的评估，对典型测试程序仿真结果训练，基于结构易感因子和关键特征的互相关构建预测模型，估算一位翻转条件下的虚通道结构易感因子AVF_sbu的评估值。