MARC

 008260126s2025        us                              c    eng  d
■001000017360246
■00520260202105327
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263325312
■035    ▼a(MiAaPQ)AAI32307893
■035    ▼a(MiAaPQ)GeorgiaTech78663
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a658.404
■1001  ▼aJin,  Feiyang.
■24510▼aData  Race  Analysis  and  its  Applications
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a117  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Sarkar,  Vivek.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aA  data  race  is  a  troublesome  bug  frequently  found  in  parallel  programs.  It  occurs  when  two  or  more  accesses  to  the  same  memory  location  happen  concurrently,  and  at  least  one  of  them  is  a  write.  Data  races  are  particularly  notorious  because  programs  with  data  races  could  lead  to  non-deterministic  behaviors,  where  the  program  may  or  may  not  return  the  same  result  on  different  executions,  even  with  identical  inputs.  It  is  difficult  for  programmers  to  identify  data  races  given  the  non-determinism.  As  a  result,  even  experienced  developers  often  struggle  to  understand,  locate,  and  fix  data  races  without  the  aid  of  specialized  tools.To  assist  programmers  in  writing  correct  parallel  programs  without  data  races,  this  dissertation  outlines  techniques  for  programmers  to  analyze  data  races.  First,  I  studied  the  fundamentals  of  task-parallel  programs  and  proved  that  data-race  freedom  leads  to  determinism  for  certain  task-parallel  programs.  The  theoretical  result  would  greatly  help  programmers  become  confident  in  the  correctness  of  their  programs.  Second,  I  designed  a  new  dynamic  race  detection  algorithm  for  task-parallel  programs  with  promises.  A  promise  is  a  construct  that  can  be  used  to  support  arbitrary  point-to-point  synchronization.  The  race  detection  algorithm  also  applies  to  programs  that  use  more  restricted  parallel  constructs,  as  long  as  those  constructs  can  be  implemented  using  promises.  The  implementation  of  the  race  detector,  together  with  several  optimizations  introduced,  has  a  comparable  slowdown  to  previous  race  detectors  that  do  not  support  promises.  Third,  I  built  a  tool  that  visualizes  data  races  found  in  task-parallel  programs.  The  visualizer  consists  of  a  graph  builder  and  a  visualization  interface.  Because  most  of  the  previous  work  only  studied  the  visualization  of  performance  bottlenecks,  my  tool  is  the  first  of  its  kind  to  visualize  correctness  issues  detected  in  parallel  programs.  I  also  conducted  a  performance  evaluation  and  an  efficacy  research  survey  to  demonstrate  the  usefulness  of  the  tool.  Finally,  I  designed  and  implemented  a  closed-loop  application  to  fix  data  races  with  the  help  of  large  language  model  (LLM).  The  application  uses  previous  fixed  data  races  as  few-shot  examples  and  asks  ChatGPT  to  remove  data  races  found  in  a  program.  The  proposed  solution  by  ChatGPT  is  checked  again  to  ensure  correctness  before  a  new  commit  is  created  to  notify  engineers.
■590    ▼aSchool  code:  0078.
■650  4▼aSchedules
■650  4▼aSyntax
■650  4▼aDesign
■650  4▼aDeterminism
■650  4▼aLarge  language  models
■650  4▼aVisualization
■650  4▼aChatbots
■650  4▼aSemantics
■690    ▼a0389
■690    ▼a0800
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360246▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서