14、动态KPN应用映射的进程跟踪分析与片上网络抽象建模

动态KPN应用映射的进程跟踪分析与片上网络抽象建模

动态KPN应用映射的进程跟踪分析

在动态KPN（Kahn Process Networks）应用映射的研究中，我们通过进程跟踪分析来深入了解不同跟踪之间的关系以及映射对性能的影响。
1. 跟踪距离与性能放缓的关联分析
- 我们选择了一个参考跟踪用于比较。对于1000个随机跟踪，将使用最优映射获得的最优运行时间与使用参考映射（通常仅对参考跟踪最优）获得的运行时间进行比较，得到放缓因子（slowdown factor），该因子大于等于1。同时，计算每个跟踪与参考跟踪之间的距离。
- 通过分析这些数据，我们研究了跟踪距离与使用次优映射导致的放缓之间的相关性。结果如图2所示，该图使用了从两种字符串度量中导出的三种不同度量，共六种度量，并在数据集中将其归一化为1以便比较。图2b的坐标轴进行了调整，不显示参考跟踪对应的平凡点(0, 1)，以实现更好的可视化缩放。
- 例如，图2a中标记的点坐标为(0.24, 1.42)，这意味着该点对应的跟踪与参考跟踪之间的距离是图中最大距离的24%（具体而言，d1 = 101，最大距离为424）。1.42的放缓因子表示使用参考映射的跟踪执行时间比使用其自身最优映射慢42%。
- 总体而言，图2显示跟踪距离与一个跟踪的映射对另一个跟踪的适用性之间的相关性较低。具体来说，由编辑距离和汉明距离导出的d1、d2和d∞范数的相关系数分别为 -0.014、 -0.077、 -0.095、 0.119、 0.010和 -0.059。
2. JPEG编码器的跟踪分析
- 图4展示了200次JPEG编码器执行的不同跟踪