MARC

 008260126s2024        us                              c    eng  d
■001000017360559
■00520260202105547
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263395704
■035    ▼a(MiAaPQ)AAI32315611
■035    ▼a(MiAaPQ)GeorgiaTech75646
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004.6
■1001  ▼aYu,  Lechen.
■24510▼aDynamic  Analysis  of  Data  Inconsistencies  and  Data  Races  in  OpenMP  Programs
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a133  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisor:  Sarkar,  Vivek.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aOpenMP  is  a  popular  intra-node  parallel  programming  model  that  supports  several  problem  decomposition  approaches,  including  task  parallelism,  data  parallelism,  and  heterogeneous  parallelism.  When  OpenMP  introduces  new  parallel  paradigms  or  features,  it  must  ensure  that  these  additions  align  with  the  existing  constructs  to  maintain  consistency  and  avoid  unspecified  behaviors.  New  features  can  result  in  revisions  to  the  behavior  of  existing  constructs,  which  may  in  turn  require  programmers  to  re-evaluate  their  understanding  of  existing  constructs  and  adapt  their  code  accordingly.  Consequently,  writing  correct  OpenMP  programs  can  be  challenging  even  for  experienced  programmers.To  alleviate  the  intricacy  of  writing  correct  OpenMP  programs,  this  thesis  outlines  several  dynamic  analysis  techniques  that  help  programmers  identify  programming  errors  in  OpenMP  programs.  First,  we  describe  various  studies  on  device  offloading,  a  recent  OpenMP  feature  still  in  its  developmental  phase.  Our  studies  reveal  discrepancies  between  the  LLVM  implementation  and  the  intended  runtime  behavior  of  device  offloading.  Additionally,  erroneous  usage  of  device  offloading  constructs  can  lead  to  an  assortment  of  memory  anomalies.  Since  these  memory  anomalies  can  generate  disparities  between  host  variables  and  their  corresponding  counterparts  on  accelerator  devices,  we  classify  such  bugs  as  data  inconsistencies.  By  establishing  permissible  memory  accesses  on  the  host  and  accelerator,  this  thesis  introduces  a  dynamic  approach  to  detect  data  inconsistencies  automatically.  The  dynamic  approach  leverages  a  per-variable  state  transition  model,  which  can  be  used  to  establish  the  validity  of  the  memory  location  before  executing  any  memory  accesses.  Beyond  data  inconsistencies,  this  thesis  also  delves  into  novel  dynamic  approaches  for  identifying  data  races  in  OpenMP  programs.  By  extending  the  SPD3  race  detection  algorithm,  originally  designed  for  async-finish  task  parallelism,  our  dynamic  race  detection  approach  can  handle  a  large  subset  of  parallel  constructs  in  OpenMP,  thereby  checking  more  precise  happens-before  relations  among  tasks  relative  to  existing  per-thread  vector-clock-based  approaches.
■590    ▼aSchool  code:  0078.
■650  4▼aSupercomputers
■650  4▼aMissing  data
■650  4▼aSemantics
■650  4▼aBenchmarks
■650  4▼aComputer  science
■653    ▼aDynamic  analysis
■653    ▼aData  inconsistencies
■653    ▼aTask  parallelism
■690    ▼a0984
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360559▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서