32、早期最坏情况执行时间估计与纪念站系统实现

早期最坏情况执行时间估计与纪念站系统实现

早期最坏情况执行时间（WCET）估计

训练与测试阶段

在特定的硬件（HW）和编译器配置下，训练阶段仅执行一次，其目的是了解处理器的时序行为。训练程序经过精心设计和挑选，可在目标硬件或模拟器上编译和执行。在此过程中，我们会记录程序在虚拟硬件上执行所需的周期数。同时，这些训练程序会被转换为中间格式 ALF，以提供虚拟指令。借助 SWEET 工具，我们可以记录虚拟指令的指令计数，该工具的主要功能是进行流分析，以找出程序中的不可行路径和循环边界等流事实。将这些数据输入模型，从而确定最佳模型。

测试阶段主要是对基准程序进行 WCET 估计。首先选择基准程序，接着使用 ALF 将其转换为虚拟指令，最后利用预测模型为每个程序计算 WCET 估计值。

实验设置

实验采用 Raspberry Pi 4 平台，其硬件基于 Broadcom BCM2711 SoC，配备 1.5 GHz 64 位四核 ARM Cortex - A72 处理器，这是一款 2 宽超标量处理器，具有私有 L1 缓存和 1 MB 共享 L2 缓存。该平台运行 Raspbian Lite 操作系统（Linux 内核版本 4.19），这是一个轻量级操作系统，无用户界面，可最大程度减少操作系统活动对时序的影响。为避免操作系统带来的时序噪声，代码以 Linux 内核模块的形式运行，并在特定核心（核心 3）上执行，该核心禁止用户任务运行。

实验使用 TACLeBench 基准套件进行评估，但不支持包含浮点值、递归和复杂调用的基准测试，因为内核模式执行不支持这些特性。

共使用 242 个程序来训练预测模型，确保