14、动态KPN应用映射的过程跟踪分析与NoC抽象建模

动态KPN应用映射的过程跟踪分析与NoC抽象建模

动态KPN应用映射的过程跟踪分析

在处理动态KPN（Kahn Process Networks）应用时，我们可以将其执行行为的差异视为过程跟踪或历史记录。通过对这些跟踪记录进行分析，我们可以深入了解不同跟踪之间的关系以及映射的有效性。

跟踪分析结果

我们选择了一条参考跟踪记录用于比较。对于1000条随机跟踪记录，我们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，得到一个减速因子（该因子大于等于1）。同时，我们计算了每条跟踪记录与参考记录之间的距离，并分析了跟踪距离与使用次优映射导致的减速之间的相关性。

结果如图2所示，图中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，并在数据集中将它们归一化为1以便比较。图2b的坐标轴经过调整，不显示参考跟踪的平凡点(0, 1)，以实现更好的可视化缩放。

以图2a中标记的点为例，其坐标为(0.24, 1.42)。这意味着该点对应的跟踪记录与参考跟踪记录之间的距离是图中最大距离的24%（具体来说，d1 = 101，最大距离为424）。1.42的减速因子表示使用参考映射时该跟踪记录的执行时间比使用其自身最优映射时慢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。

JPEG编码器分析

图4展示了200次JPEG编码器执行的不同跟踪度量的直方图。通