基于小波的相位分类

阶段分析已被证明是总结程序时变行为的有用方法，其用途从减少模拟时间到指导运行时优化。尽管基于基本块向量的相位分类技术在SPEC基准测试中显示出令人印象深刻的准确性，但商业程序由于其复杂的行为和多线程，仍然是一个重大挑战。一些行为，例如二级缓存未命中，可能与代码的相关性较小，因此很难用基本块频率向量捕获。比较两个或多个时间间隔的相似性需要一个好的度量标准，该度量标准不仅要快速到足以分析程序的完整执行，而且还要与重要的性能降级事件（如L2未命中）高度相关。我们研究了许多不同的区间相似性度量的使用及其在一系列商业应用程序的程序阶段分析中的使用，并表明仍有很大的改进空间。为了解决这个问题，我们引入了一种新的基于小波的相位分类方案，该方案可以捕获和比较记忆行为的二维或多维图像。在五个商业应用的集合中，我们表明基于小波的方案在准确性和开销方面都可以严格优于广泛的先验度量。