[发明专利]CPU-GPU异构环境中对GPU应用的性能评估方法及系统

摘要

本发明公开了一种CPU‑GPU异构环境中对GPU应用的性能评估方法及系统，属于GPU性能评估领域。方法具体为：基于机器学习中的决策树算法，对GPU架构上运行的各类应用的执行情况学习，建立决策树模型；在决策树匹配过程中依次获得对应用执行时间影响最大的监控特征，即对特征的重要度排序；依次将筛选出的特征集与四类应用常见的问题对应，主要是指计算相关、内存相关、占用率相关、同步相关四大常见问题，由此初步得到待分析应用的性能瓶颈所在的问题方向。本发明通过结合决策树模型和分析建模的方法，提供了一种通用的、相对准确的、快速的、简单易用的对GPU上的资源和应用进行性能评估的方法。

主权项

CPU‑GPU异构环境中对GPU应用的性能评估方法，其特征在于，包括离线决策树构建部分和在线性能评估部分：所述离线决策树构建部分包括以下步骤：(S1)提取不同GPU应用在运行过程中的多条样本监控记录组成样本监控数据集，每条样本监控记录包含多个表征GPU应用运行状态的特征；(S2)从样本监控数据集中筛选出对GPU性能影响最大的特征，将其作为根节点；按照根节点取值大小将样本监控数据集划分为多个子集，从每一子集中分别筛选出对GPU性能影响次大的特征，将其作为第一层子节点；按照上述相同的方式筛选出余下层次的子节点，从而构建按照对GPU性能影响大小对特征排序的决策树；所述在线性能评估部分包括以下步骤：(T1)从待分析GPU应用的运行过程中提取待分析监控记录；(T2)将待分析监控记录与所述离线构建的决策树进行匹配，得到对GPU性能影响的特征排序组合；(T3)根据步骤(T2)得到的特征排序组合，在特征排序组合与GPU性能关注点的映射关系进行查询，得到待分析监控记录对应的GPU性能关注点。