导读:本文包含了硬件性能计数器论文开题报告文献综述及选题提纲参考文献，主要关键词:ROP,分支预测不命中,缓存命中率,硬件性能计数器
硬件性能计数器论文文献综述
严飞,彭慧容,何凡,黄凡[1]（2017）在《HBROP:基于硬件性能计数器的函数级ROP检测》一文中研究指出ROP(return oriented programming)能够绕过数据执行保护,并结合内存泄漏和暴力破解突破ASLR等现有系统防御机制,具有极大危害,为此本文基于ROP shellcode不满足时间和空间局部性原理,会影响分支预测不命中、缓存命中率等性能事件值的现象,提出了一种利用硬件性能计数器(hardware performance counters,HPCs)进行的ROP检测方法 HBROP,该方法分为离线预处理和动态监控两个阶段.在离线预处理阶段收集并存储所有函数正常的性能事件值,在动态监控阶段监测程序执行,在调用敏感系统函数前检测同一函数相同性能事件值是否异常变化.基于该方法,本文实现了一个HBROP的实验系统,实验表明,本文所选取的8个性能事件具有较好的ROP检测特征;本文的方法,与同类工作相比较,性能开销在可接受范围内.(本文来源于《武汉大学学报(理学版)》期刊2017年02期）
王卅,张文博,吴恒,宋云奎,魏峻[2]（2015）在《一种基于硬件计数器的虚拟机性能干扰估算方法》一文中研究指出虚拟化技术已成为云计算平台中的关键性支撑技术.它极大地提高了数据中心的资源利用率,降低了管理成本和能源消耗,但同时也为数据中心带来了新的问题——性能干扰.同一平台上的多虚拟机过度竞争某一底层硬件资源(如CPU,Cache等),会造成虚拟机性能严重下降;而出于安全性和可移植性的考虑,底层平台管理者需要尽量避免侵入式监测上层虚拟机,因而,如何透明而有效地从底层估算虚拟机性能干扰,成为虚拟化平台管理者必须面临的一个挑战.为应对以上挑战,提出了一种基于硬件计数器的虚拟机性能干扰估算方法.硬件计数器是程序运行期间产生的硬件事件信息(如CPU时间片、缓存失效次数等),已有工作主要利用大规模分布式系统任务相似性查找产生异常硬件计数器数据的节点,而没有探究硬件事件变化与性能干扰之间的直接关系.通过实验研究发现,硬件计数器(last level cache misses rates,简称LLC misses rates)与不同资源需求的应用性能干扰存在不同的关联关系;以此建立虚拟机性能干扰估算模型,估算虚拟机性能.实验结果表明:该方法可以有效地预测CPU密集型应用和网络密集型应用的性能干扰大小,并仅为系统带来小于10%的开销.(本文来源于《软件学报》期刊2015年08期）
王桂彬[3]（2012）在《基于硬件性能计数器的GPU功耗预测模型》一文中研究指出图形处理器GPU以其高性能、高能效优势成为当前异构高性能计算机系统主要采用的加速部件。虽然GPU具有较高的理论峰值能效,但其绝对功耗开销明显高于通用处理器。随着GPU在高性能计算领域的应用逐渐扩展,面向GPU的低功耗优化研究将成为该领域的重要研究方向之一。准确的功耗预测是功耗优化研究的重要前提,本文提出了基于硬件性能计数器的GPU功耗预测方法。该方法基于硬件性能计数器信息,结合GPU在部分运行频率下的功耗值,通过线性回归的方法预测处理器在其他运行频率下的功耗值。实验结果表明,该方法可以准确地预测GPU功耗。(本文来源于《计算机工程与科学》期刊2012年03期）
蒋海鸥[4]（2011）在《基于硬件计数器虚拟化的多虚拟机性能评测研究》一文中研究指出虚拟化技术的广泛应用引发了对虚拟化环境下性能分析工具的需求。如不同虚拟机里的用户需了解运行在该虚拟机的程序的性能问题,以便优化程序性能及运行环境配置。这都需要对程序的性能进行分析,一种性能分析方法是基于硬件计数器技术。它需要在程序执行过程中,对相应的CPU事件进行统计来分析程序性能。由于硬件计数器是一种专用的寄存器,每个CPU上的硬件计数器数量有限。因此,对于基于硬件计数器的性能分析工具,一次能同时分析的CPU事件有限。如目前Xen虚拟环境下的Xenoprof工具,它能让多个虚拟机同时分析相同的CPU事件,但不能在不同的虚拟机里同时分析不同的事件。因此,不能满足虚拟环境下多用户在不同虚拟机同时使用的需要。基于以上提出的问题,可以使用一种基于硬件计数器虚拟化技术的多虚拟机性能评测方法,从而能让不同的虚拟机同时分析不同的CPU事件,并且各个虚拟机之间互不影响。对硬件计数器虚拟化来实现各个虚拟机对硬件计数器的分时复用,从而能让多个虚拟机同时独立地评测不同的事件;为了降低开销对性能分析精度的影响,将对硬件计数器的读写操作放入VMM(虚拟机管理器)的时间片。同时,在Xen VMM层次通过采样机制来获取CPU事件的采样信息,并将这些信息分发到与各个虚拟机对应的缓冲区,最后再交给虚拟机用户层的分析工具进行分析处理,从而得到相应的分析结果及详细的性能信息。这样,多个虚拟机里的用户就能同时评测不同的CPU事件,并感觉不到其它用户的存在,从而为虚拟环境下的程序分析提供较大的便利。从测试结果可以看出,该系统在功能上能较好地满足需求,能让多个虚拟机同时独立、互不影响地评测不同的CPU事件;同时,在性能上也取得了较好的效果,将该系统的测试结果同Xenoprof在同等条件下的测试结果对比,两者得到的性能数据基本相当。(本文来源于《华中科技大学》期刊2011-01-01）
朱艳玲,朱怡安,王云岚[5]（2008）在《基于硬件性能计数器的编译器性能测试与分析》一文中研究指出Itanium 2处理器提供的性能监控单元实现了在程序运行过程中捕捉微结构事件的功能.利用GNU Gcc、Intel Icc和HP-Opencc编译器的不同优化选项编译并运行SPEC2006基准程序.通过CPU硬件计数器(HPCs)采集的性能数据,了解特定程序特征,分析比较编译器性能差异,对HP-Opencc编译器的性能优化给出相关参考数据.实验表明HP-Opencc编译器的的分支预测优化技术可再改进.(本文来源于《微电子学与计算机》期刊2008年03期）
陈昌志,程克非,张聪[6]（2006）在《基于硬件性能计数器的软件异常监控模型》一文中研究指出文章的目的是实现对长时间高可靠性运行软件进行自动运行监控,并及时地识别软件运行过程中出现的未知异常。基于内置于CPU中的硬件性能计数器(CPUHardwarePerformanceCounter,CHPC)所采集的性能数据,应用朴素贝叶斯模型(NaiveBayesian),提出了一个用于识别软件运行过程中未知异常的应用模型和参数学习方法。在此基础上开发了软件异常识别系统“SoftDiagnose”。数值实验结果得到以下结论:基于CHPC的朴素贝叶斯方法能够利用很少的数据识别不明原因的资源抢占、函数暂停、病毒感染等软件异常,在实验环境下识别率高达99%。(本文来源于《计算机工程与应用》期刊2006年07期）
程克非,张聪,汪林林,张勤[7]（2005）在《基于硬件性能计数器的软件性能数据采集与分析研究》一文中研究指出引入了基于CPU硬件性能计数器的性能数据采集和分析方法,从软件运行时刻的细粒度参数入手分析软件运行时刻的性能表现,从而更为准确地反映系统实际的动态运行状态。实验证明,这种方法对于需要详细掌握系统动态运行状态的应用能够提供非常有效的分析数据,同时也在一定程度上对编译器的性能优化给出了相关参考数据。(本文来源于《计算机应用》期刊2005年10期）
车永刚,王正华,李晓梅[8]（2004）在《一个基于硬件计数器的程序性能测试与分析工具》一文中研究指出在IntelP6系列处理器与Microsoft Windows NT平台上开发了一个工具软件PTracker,它利用处理器中的硬件性能计数器来获取程序性能数据,并结合机器体系结构参数对数据进行分析。它无需用户编程,与应用程序所使用的编程语言无关,使用很方便。它不仅能够通过性能计数器获得精确的性能参数,而且还能通过对测试得到的性能数据的分析,揭示程序高层次的性能特征,对程序性能评价与优化具有一定的指导作用。本文介绍了PTracker的技术背景、设计与系统实现,并给出了一个应用实例。(本文来源于《计算机科学》期刊2004年01期）
硬件性能计数器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
虚拟化技术已成为云计算平台中的关键性支撑技术.它极大地提高了数据中心的资源利用率,降低了管理成本和能源消耗,但同时也为数据中心带来了新的问题——性能干扰.同一平台上的多虚拟机过度竞争某一底层硬件资源(如CPU,Cache等),会造成虚拟机性能严重下降;而出于安全性和可移植性的考虑,底层平台管理者需要尽量避免侵入式监测上层虚拟机,因而,如何透明而有效地从底层估算虚拟机性能干扰,成为虚拟化平台管理者必须面临的一个挑战.为应对以上挑战,提出了一种基于硬件计数器的虚拟机性能干扰估算方法.硬件计数器是程序运行期间产生的硬件事件信息(如CPU时间片、缓存失效次数等),已有工作主要利用大规模分布式系统任务相似性查找产生异常硬件计数器数据的节点,而没有探究硬件事件变化与性能干扰之间的直接关系.通过实验研究发现,硬件计数器(last level cache misses rates,简称LLC misses rates)与不同资源需求的应用性能干扰存在不同的关联关系;以此建立虚拟机性能干扰估算模型,估算虚拟机性能.实验结果表明:该方法可以有效地预测CPU密集型应用和网络密集型应用的性能干扰大小,并仅为系统带来小于10%的开销.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
硬件性能计数器论文参考文献
[1].严飞,彭慧容,何凡,黄凡.HBROP:基于硬件性能计数器的函数级ROP检测[J].武汉大学学报(理学版).2017
[2].王卅,张文博,吴恒,宋云奎,魏峻.一种基于硬件计数器的虚拟机性能干扰估算方法[J].软件学报.2015
[3].王桂彬.基于硬件性能计数器的GPU功耗预测模型[J].计算机工程与科学.2012
[4].蒋海鸥.基于硬件计数器虚拟化的多虚拟机性能评测研究[D].华中科技大学.2011
[5].朱艳玲,朱怡安,王云岚.基于硬件性能计数器的编译器性能测试与分析[J].微电子学与计算机.2008
[6].陈昌志,程克非,张聪.基于硬件性能计数器的软件异常监控模型[J].计算机工程与应用.2006
[7].程克非,张聪,汪林林,张勤.基于硬件性能计数器的软件性能数据采集与分析研究[J].计算机应用.2005
[8].车永刚,王正华,李晓梅.一个基于硬件计数器的程序性能测试与分析工具[J].计算机科学.2004