CS250 Profiling an Assembly Program

Git Rebase 详解与实战使用指南 本文系统讲解 Git Rebase 的原理与实战,揭示其如何通过线性化提交历史提升代码可读性。对比 Merge 与 Rebase 的差异,详解基础用法、交互式变基(如 squash、reword)、冲突处理及常见陷阱。强调“仅对本地分支 rebase”“强推用 --force-with-lease”等最佳实践,并推荐使用 git pull --rebase 保持开发主线整洁,助力团队协作高效有序。 阅读详情


Project 5: Profiling an Assembly Program
Goal
In this project you will learn how to find where a program spends most of the execution time
using statistical profiling, and you will implement your own statistical profiler.
Task 0: Download the initial sources and start tsearch_asm6.s
To start your project clone the project5 repository:
git clone /homes/cs250/sourcecontrol/work/$USER/project5-src.git
cd project5-src
The implementation of binary tree search in C is similar to the one from project4. You will copy
your implementation from tsearch_asm5.s into tsearch_asm6.s
To test the implementation type
data 149 $ ./run_bench.sh
================== Running TreeSearch Iterative in C benchmark ================
Total CPU time: 4.125084397 seconds
real 0m7.960s
user 0m7.830s
sys 0m0.124s
================== Running ASM 6 benchmark ================
…
It will also try to run the tsearch_asm6.s but it will fail if it is not implemented yet.
Task 1:Insert profiling code in the benchmark
The file profil.c implements the code that starts profiling the program, and writes the histogram
of the file at the end:
void start_histogram();
void print_histogram();
Open the file profil.c and see how start_histogram creates an array of counters, that is passed
to profil(), that creates the execution histogram. See "man profil". This histogram is an array of
integers, where every integer represents an instruction or group of instruction. profil() activates a
timer that every .01secs looks at the program counter of the program, and increments the
counter in the histogram that corresponds to that program counter.
Open the file tsearch_bench_better.c and find the main(). Then above main, you will insert the
external prototypes of start_histogram() and print_histogram(): as follows. Also call
start_histogram() at the beginning of main() and print_histogram() at the end.
extern void start_histogram();
extern void print_histogram();
/*
* Main program function. Runs the benchmark.
*/
__attribute__ (( visibility("default") ))
int
main(int argc, char **argv)
start_histogram();
…..
print_histogram();
}
Modify run_bench, so both gcc compilation commands link profil.c
echo ================== Running TreeSearch Iterative in C benchmark ================
gcc -g -static -o tsearch_bench_iterative_c tsearch_bench_better.c tsearch.c AVLTree.c tsearch_iterative.c profil.c || exit 1
…
gcc -g -static -o tsearch_bench_asm6 tsearch_bench_better.c tsearch.c AVLTree.c tsearch_asm6.s profil.c || exit 1
…
Now type run_bench.
data149 $ ./run_bench.sh
You will find the following file:
ls *.hist
tsearch_bench_iterative_c.hist
Open this file, and you will observe that it contains the program counters in the histogram that
are larger than 0. The counter is multiplied by 1ms, so the counters are displayed in ms. Identify
the program counter where the program is spent most of its time:
…
0x45b86a 60ms
0x45b870 1120ms
0x45b878 10ms
0x45b87c 30ms
…
Then run the command "nm -v tsearch_bench_iterative_c | less"that prints all the functions in
the program sorted by address, and finds the function that includes this program counter. Use
the up/down arrow keys to navigate "less".
data 163 $ nm -v tsearch_bench_iterative_c | less
….
000000000045aee0 T __stpcpy_evex
000000000045b340 T __strchr_evex
000000000045b5e0 T __strchrnul_evex
000000000045b840 T __strcmp_evex
000000000045bcb0 T __strcpy_evex
000000000045c100 T __strlen_evex
000000000045c280 T __strncmp_evex
000000000045c7f0 T __strncpy_evex
….
__strcmp_evex is the function where tsearch_bench_iterative_c spends most of its time.
Now to find the assembly instruction type "objdump -d tsearch_bench_iterative_c | less" that
prints the assembly instructions that make the program and their address in the program. Find
the assembly instruction that includes the counter 45b870, that is 45b86c . This is because
0x45b870 is larger than 45b86c but smaller than 45b873.
objdump -d tsearch_bench_iterative_c | less
000000000045b840 <__strcmp_evex>:
45b840: f3 0f 1e fa endbr64
45b844: 89 f8 mov %edi,%eax
45b846: 31 d2 xor %edx,%edx
45b848: 62 a1 fd 00 ef c0 vpxorq %xmm16,%xmm16,%xmm16
45b84e: 09 f0 or %esi,%eax
45b850: 25 ff 0f 00 00 and $0xfff,%eax
45b855: 3d 80 0f 00 00 cmp $0xf80,%eax
45b85a: 0f 8f 70 03 00 00 jg 45bbd0 <__strcmp_evex+0x390>
45b860: 62 e1 fe 28 6f 0f vmovdqu64 (%rdi),%ymm17
45b866: 62 b2 75 20 26 d1 vptestmb %ymm17,%ymm17,%k2
45b86c: 62 f3 75 22 3f 0e 00 vpcmpeqb (%rsi),%ymm17,%k1{%k2}
45b873: c5 fb 93 c9 kmovd %k1,%ecx
45b877: ff c1 inc %ecx
45b879: 74 45 je 45b8c0 <__strcmp_evex+0x80>
45b87b: f3 0f bc d1 tzcnt %ecx,%edx
45b87f: 0f b6 04 17 movzbl (%rdi,%rdx,1),%eax
The instruction marked in red is the instruction that is taking the most time.
Task 2: Write your own profiler program.
Using the example in Task1, write a program myprof.c that prints a table with the top 10
functions where the program spends most of its time and it will also print for each function,
which instructions take most of the time . The program will take the following arguments:
myprof prog
The program will open prog.hist, and store the entries in an array of structs with the program
counter and the time in ms. Then it will call system("nm -v prog > nm.out") using the system()
function (see man system) that executes a command inside a C program, and redirect it into a
file nm.out. Myprof will read nm.out, and it will also store the entries in an array of structs with
program counters and function names. Then for every pc in the histogram, it will increment the
time in ms of the corresponding function. After this is done, it will sort the functions by time, and
identify the 10 top functions where the execution spends most of the time. Finally, it will also
print the assembly code of these functions using objdump, and print the time spend in each
assembly instruction. Only the instructions with a time greater than 0 are printed.
The output will look like the following example:
myprof tsearch_bench_iterative_c
Top 10 functions:
ith Function Time(ms) (%)
1: mystrcmp 120ms 25%
2: malloc 80ms 36%
….
Top 10 functions Assembly
1: mystrcmp 120ms 25%
120ms 42cf60: f6 c2 20 test $0x20,%dl
2: malloc 80ms 36%
20ms 4628cc: 48 89 de mov %rbx,%rsi
10ms 4628cf: e8 cc e3 ff ff call 460ca0
Task 3:Using your profiler, improve your tsearch_asm6.s
Using your profiler, optimize your implementation in tsearch_asm6.s
Grading
The grading will be done during lab time. You don't need to turn in the implementation since the
git repository will have your most recent implementation.
 

【信息科学与工程学】计算机科学与自动化——第十篇 芯片设计05 器件物理模型(20) 编号工艺节点与芯片类型器件物理模型领域器件物理的数学方程式建模、限界条件与组合约束关联的各类理论知识和工程知识A1​FinFET​ (如22nm, 7nm, 5nm节点)双栅/三栅FinFET的载流子输运与量子限制效应​1. 核心方程: • 泊松方程(考虑量子修正):,其中ψ为静电势,n、p为电子/空穴浓度,通常采用密度梯度或薛定谔-泊松耦合模型处理量子限制效应。 • 漏极电流模型(漂移-扩散):,其中为反型层电荷密度,为有效迁移率。 • 阈值电压模型(含量子力学修正):,其中。 阅读详情

相关推荐

cadence—virtuosoic617的使用技巧收集区

cadence使用

qq_33599939的博客 3万+

告别规则黑盒:基于JVS-Rules的风控规则治理实践——可视化决策编排+血缘追踪+版本快照

可读’——通过决策流图谱与业务语义节点,让非技术人员理解逻辑;‘可溯’——依赖规则版本快照与执行日志,实现任意交易的全链路回放;‘可担责’——基于血缘追踪与权限基线,清晰界定业务定义、技术实现、合规验证三方责任。这三者共同构成风控规则治理的三角支柱,将隐性经验转化为可版本化、可审计、可协同的组织级数字资产。

weixin_42054392的博客 448

【LLM】ms-Swift框架下SFT与GRPO协同优化的高效训练策略

本文深入探讨了ms-Swift框架下监督微调(SFT)与群组相对策略优化(GRPO)的协同训练策略,提升大型语言模型(LLM)的性能与效率。通过创新的架构设计和两阶段训练流程,结合GRPO的群组奖励估计与动态基线调整技术,显著优化了数学推理等任务的准确率。文章还分享了计算资源高效利用和参数调优的实战经验,为LLM训练提供了实用指导。

green的博客 994

把 KV Cache 压到 FP4:BitDecoding-FP4 的算法-系统协同设计复盘

长上下文推理卡在KV Cache的显存与带宽上,而现有FP4方案要么精度崩、要么速度废。这篇文章复盘BitDecoding-FP4如何用三个算法补丁加一个系统重构,在B300上把服务吞吐提升2.4–3.0倍,精度几乎不掉。

helloagent的博客 318

Akamai-3.0补环境逆向-DHL快递查询

那么我们的请求过程就是:1.请求首页的html文件,通过re或xpath,提取到这个url,拼接官网地址,得到这个js文件的地址。返回的_abck为0,表示环境正确,请求搜索接口返回200,说明返回的_abck正确,如果过程错误或环境补的有问题会返回403或428这两个状态码。那么,就是这个包返回的,而且这个包需要请求两次,第一次get请求,返回的这个-1的cookie,第二次请求,带上一个sensor_data的参数,进行post请求,最终返回这个0的cookie,代表你过了akamai这个盾。

2302_76420666的博客 2858

大疆OcuSync系统背后的黑科技:跳频扩频技术如何让你的无人机飞得更稳

本文深入解析了大疆OcuSync系统如何运用跳频扩频技术等先进无线通信方案,显著提升无人机在复杂环境下的飞行稳定性。系统通过跳频扩频与直接序列扩频技术协同工作,结合双频智能切换与多天线MIMO,有效对抗信号干扰与多径效应,确保控制指令与高清图传的可靠、低延迟传输,为用户带来更安心、更流畅的飞行体验。

ol7890123的博客 632

Git 工程化与内部原理完全指南:Hooks / LFS / 对象模型

本文深入解析 Git 工程化核心:通过理解内容寻址的对象模型与引用机制,掌握 Hooks(pre-commit、pre-push 等)实现自动化校验,借助 Husky 实现团队统一配置;使用 Git LFS 高效管理大文件,避免仓库膨胀;深入 .git 目录结构,理清 blob/tree/commit 三类对象与指针关系。强调“先自动化、再靠人”的工程原则,结合命令速查与实战 Checklist,助开发者从“会用”跃升至“懂它、能改造它”的境界。

qq_28112995的博客 348

快手商业化风控内容审核场景下的大模型早期探索与应用

在处理大量的自动语音识别(ASR)输出时,面临的主要挑战之一是文本的冗长和格式混乱,这严重影响了审核人员的阅读效率。为了解决这一问题,我们利用大模型的理解能力对文本进行智能总结,可以显著优化文本内容,使其更加清晰并且具有可读性。该方式极大地提高了审核过程的效率,审核人员可以更快地处理信息,减少了处理时间和劳动强度。

kuaishoutech的博客 2745

Windows 11 WSL2 网络代理连接问题排查与完整解决方案

针对 Windows 11 下 WSL2 无法连接宿主机代理及 Connection refused 报错,先通过 .wslconfig 开启 镜像网络模式(mirrored) 与 自动代理(autoProxy) 打通网络环境。随后按需二选一配置桌面代理客户端:日常开发推荐开启 Allow LAN(允许局域网连接) 配合系统代理,轻量且免管理员权限;针对无视环境变量的终端工具,则以管理员身份开启 TUN 虚拟网卡模式 底层接管流量,即可实现 WSL 顺畅联网。

weixin_43379230的博客 183

数字滤波器应用介绍

线性滤波器FIR ,会引起恒定延迟,通过补零的方式补偿非线性滤波器IIR,会引起频率相关的延迟,通过零相位延迟filtfilt补偿从信号中去除不需要的频谱时,通过滤波和补偿实现。如果需要去除的频率与采样率相差甚远,比如4kHz 与100Hz, 可通过 低通滤波->补偿->降采样–> 滤波 补偿 -->上采样还原的方法。*降采样前一定要先低通滤波为了防止混叠。

weixin_39107270的博客 275

第170篇 因子图优化入门——图模型在状态估计中的应用

本文系统介绍了从滤波方法到因子图优化的思维转变,重点解析了因子图的原理与应用。首先对比了递推式滤波(卡尔曼滤波等)与全局优化的区别,指出优化方法能利用所有信息且适合处理稀疏结构。然后详细阐述了因子图的二部图结构(变量节点和因子节点)及其将复杂概率分布分解为小因子乘积的优势。文章讲解了因子图优化如何转化为最小二乘问题,并介绍高斯-牛顿法和LM方法等求解技术。最后对比了g2o、Ceres和GTSAM三大主流框架的特点及适用场景,强调了初始化和鲁棒核函数的重要性,为SLAM相关面试提供了实用建议。

郑伟强dev的专栏 374

多存储协同架构:JPA + MyBatis + Elasticsearch + Redis 的职责分工与通用实现

本文阐述了在高并发订单系统中,通过JPA、MyBatis、Elasticsearch与Redis的多存储协同架构实现职责分离:JPA负责事务性写操作与简单查询;MyBatis处理复杂联查与报表统计;Elasticsearch承载海量数据下的多维检索与聚合;Redis用于缓存、防回滚暂存及分布式锁。各存储分工明确,通过异步同步机制联动,兼顾一致性、性能与扩展性,构建高效稳定的系统架构。

BADAO_LIUMANG_QIZHI的博客 279

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的远距离停车位检测系统(深度学习代码+UI界面+训练数据集)

本文详细介绍了基于YOLOv5/YOLOv6/YOLOv7/YOLOv8深度学习模型的远距离停车位检测系统的完整实现方案。该系统能够准确识别200米范围内的停车位状态,为智能停车场管理系统、自动驾驶车辆提供关键的视觉感知能力。文章涵盖算法原理、数据集构建、模型训练、系统实现及优化策略,并提供完整的代码实现和UI界面设计。关键词:YOLO系列,深度学习,停车位检测,计算机视觉,智能交通系统pythonimport cv2import os"""创建数据存储目录""""""定时采集图像"""

YOLO 186

Elasticsearch 9.x 从入门到精通(5/7):集群、分布式与运维

《Elasticsearch 9.x 从入门到精通》共 7 篇,本篇为第 5 篇,覆盖第 21~26 章。:Elasticsearch 9.x 源码 main 分支()与官方全量文档。:每个知识点标注官方文档出处,涉及实现原理均给出源码锚点路径:行号,禁止编造 API。

Chdaring的博客 333

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Elasticsearch 9.x 从入门到精通(1/7):初识 Elasticsearch

官方定义(开篇):身份能力对应源码模块分布式搜索/分析引擎近实时全文检索、聚合分析index/可扩展数据存储海量文档存储、快照、生命周期cluster/向量数据库kNN 语义检索、混合检索(kNN)+x-packElastic 官方将能力组合为四类"解决方案"():Elasticsearch(搜索)、Elasticsearch Vector Database(向量/Serverless)、Observability(可观测)、Security(安全)。核心搜索能力在所有形态中共用。

Chdaring的博客 187

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

使用 SpiceDB 为 Elasticsearch 检索增强生成实现细粒度授权

本文介绍如何在Elasticsearch检索增强生成(RAG)流程中实现细粒度访问控制。通过SpiceDB基于关系的访问控制(ReBAC),将权限逻辑从应用代码和kNN查询中剥离,转为在关系图中管理用户与文档间的权限。利用SpiceDB在检索后过滤内容块,确保大语言模型仅接收授权数据,防止敏感信息泄露。该方案支持灵活的逐文档共享、跨部门访问及例外授权,无需重构角色或重新索引。结合LangGraph构建确定性授权节点,强制执行安全边界,抵御提示注入攻击。推荐生产部署时采用超额检索、元数据预筛选与权威数据源同步

Elastic 中国社区官方博客 314

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

点过“不再询问”就要检查:Claude Code权限文件也可能存着密钥

Apiiro报告揭示带密钥的命令可能进入Claude Code权限文件。结合独立Git实验,解释local配置、忽略规则与历史泄露的区别,以及发现问题后的处理顺序。

2301_76711398的博客 209

Elasticsearch 9.x 从入门到精通(4/7):聚合分析与文本分析

analysis.*定义组件和 analyzer,mapping 把 analyzer 绑到字段。},},},},},"title": {先测试组件,再绑定字段。用_analyze验证 token,不要只靠真实查询猜。text 与 keyword 并存。排序、聚合用keyword子字段,全文检索用 text。stemming 与精确展示分离。索引 stemming token,展示仍用_source原文。stop words 谨慎。

Chdaring的博客 304

如何用 STAROps Elasticsearch 智能助手看穿“搜索变慢”

某电商平台的商品搜索服务使用一台 6 个数据节点的 Elasticsearch 实例。周五北京时间 20:00 起,业务陆续反馈搜索变慢。业务监控中的搜索接口 P99 从平时约 200 ms 升到 2s 以上,部分请求超时。值班工程师打开控制台:集群状态为 Green,没有未分配分片,集群平均 CPU 约 40%,乍看不像资源已经吃紧。

阿里巴巴云原生的博客 350

【一次 Elasticsearch 高基数聚合慢查询的定位与优化】

当Elasticsearch聚合查询首次执行慢、后续迅速恢复正常时,问题往往不在数据量本身,而在于全局词典构建开销。通过Profile分析发现,虽聚合耗时仅几十毫秒,但首次请求整体耗时达1秒以上,表明瓶颈在初始化阶段。结合keyword字段使用Doc Values的特性,可推断为首次访问时需加载全局词典(global ordinals),导致延迟。开启eager_global_ordinals可将词典预加载至内存,显著降低首次查询延迟,尤其适用于高基数聚合场景。此案例揭示了“首次慢、后续快”问题的典型根因及

大雪冬至的博客 387

Git撤销修改三重境界:从工作区到版本库全解析

区域英文说明工作区你直接编辑文件的地方,肉眼可见的代码。暂存区执行git add后,代码进入的区域。版本库Repository执行git commit后,代码被永久存储的区域。什么是撤销修改?当你在工作区写了一段时间代码,发现新代码质量极低,甚至无法继续开发时,将代码恢复到上一个提交版本(那个干净、整洁的版本),基于旧版本重新开发,这个回退操作就称为撤销修改。它能保证效率,也能避免烂代码污染项目。问题现状你的位置选择命令注意事项只在文件中改了,没add场景一--不可省略,别手动删。已。

江屿风的博客 1087

[git]一次 Git push review 导致 Mac 卡死:10GB 仓库、自动 repack 与大文件 delta 压缩

日期:2026-11-15环境:macOS / Git 2.54.0 (Apple Git-157) / 24GB RAM / 12 CPU+ 子模块(Gerrit 评审流程)

AsiWorld的博客 228

Qwen2.5_PyQt5_情感分析桌面应用实战

使用 Git LFS 下载模型权重;使用 Transformers 在本地加载 Qwen;正确截取模型新生成的 token;使用 Qt Designer 制作桌面界面;在 Python 中连接信号与槽;使用后台线程避免界面卡死。对初学者来说,最容易混淆的是“界面”和“功能”的关系。这一句就是界面与程序逻辑之间的桥梁。完成这个项目后,还可以继续增加批量评价分析、结果导出、情感统计图、模型切换和历史记录等功能,把一个简单演示逐步扩展成真正可用的本地 AI 工具。

2302_80153299的博客 203

ElasticSearch vs MySQL:短链接服务中

在当今互联网中,短链接服务已成为许多应用场景的重要工具,例如社交媒体、广告推广、数据分析等。而面对海量数据的存储与高效检索需求,系统设计时常常面临一个关键问题:使用 ElasticSearch 还是 MySQL?本文将通过短链接服务的案例,从数据结构、查询性能、可扩展性等多个维度出发,对比分析两者的技术实现与适用场景,并为零基础开发者或在校学生提供清晰的选型建议。

后台模板 188

Elasticsearch 9.x 从入门到精通(2/7):数据建模与索引管理

(插件的注册工厂——第 28 章插件实战再展开)参考实现:任一processor(如全流程:工厂→参数→execute)

Chdaring的博客 238

用 Python 审计 git worktree:分支锁报错与残留记录实测

同一个仓库并行跑三个任务,给每个任务开一个 git worktree 最省事:多个目录共享一份 .git 对象库,各有独立 HEAD 和索引。真动手会撞两个卡点:在 B 目录检出 A 目录占用的分支,

aifannihao的博客 425
上一篇: IT114105 Contemporary Topics in Software
下一篇: Doubly-linked list data structure
wx____codinghelp
博客等级 码龄2年 771粉丝 115原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值