simpoint算法介绍

simpoint

• 是什么
  • 局部代表整体
    • simpoint试图用局部的代码段来代表整个程序。
• 为什么
  • CPU性能模型自身限制导致
    • 模型的运行效率慢，运行大型的性能验证程序，如specint，运行时间按月计算；
• 经典的simpoint流程
  • 输入
    • 特征信息
      • 可以理解为从整个程序抽象出来特征信息，用特征信息来代表整个程序；
      • 特征值（特征信息）BBV（basic block vector）
        • BB
          • basic block
            • 简单来说，basic block就是一段顺序执行的代码块，而且只有一个出口和入口；(等于就是按照跳转指令做划分，出现跳转指令就新化BB，leader pc地址相同的BB是一个BB)
            • 可以理解为程序执行的基本元素
        • BBV
          • 可以理解为一个向量，或者数组，代表BB+BB的某个特征
            • 例如下BBV：BB id和BB的执行指令数
      • 参数
        • BBV的大小：
          • 自己划分：可以把整个程序存到一个BBV里，也可以每隔多少个特定的值（指令数，BB数），划分BBV；
          • 一个BBV就是一个切片（代码段），BBV的大小就是切片的大小
  • simpoint算法（官方的simpoint算法）
    • 聚类
      • 就是对输入的所有BBV进行分类
      • 聚类算法
        • BBV降维
          • 对每一个BBV进行降维，默认降到15维
            • 就是从一个BBV中，取15个bb和bb对应的特征；
        • 随机选择K个随机点作为聚类中心的初始化
        • 把相似的BBV分到一类，相似的判断依据使用曼哈顿或者欧几里得距离
          • 曼哈顿距离的计算
            • 对BBV进行归一化处理，例如：BBV存的是bb和bb的次数，就是把这bb和bb的次数这两个数值进行归一化处理（可以消除奇异样本数据导致的不良影响）变为一个值，然后计算曼哈顿距离，也就是两个BBV各个值相减的绝对值的和；
            • 归一化
              • BBV通过将每个元素除以向量中所有元素的和来归一化；
          • 欧几里得距离：平方和的平方根
        • 聚类中心不断修正：更改为其集群中所有点的质心，（质心计算为簇中所有数据点的平均值）
          • 也就是类里面每多一个点，聚类中心就会修正一次；
      • k-means算法
        • 从1到最大的K值，重复上面的聚类过程，使用BIC（贝叶斯信息准则）对每个聚类的拟合进行评分，选择k值最小且满足在最佳得分90%以上的作为最终的聚类个数，也就是切片的个数；
    • 选择
      • 从每个聚类里选择一个最典型的BBV（切片）
      • 选择算法
        • 距离聚类中心最近的点，这个点也就是BBV，也就是切片；
    • 权重的计算
      • 最终选择的BBV（切片）所在的聚类占所有BBV的比重；
    • 参数
      • K值：聚类中类的最大个数
  • 输出
    • 能代表整个程序的局部代码段，也就是一部分BBV，也就是切片