引言
環境自适應軟體是指能夠根據外部環境的變化，和使用者需求的變化，來自動調整其行為和功能的軟體系統。
在如今快節奏的社會中，環境自适應軟體的需求越來越大，為了提供高效、可靠的環境自适應功能，異構硬體和驗證順序分析等創新技術，被廣泛應用于環境自适應軟體的開發和實作中。
異構硬體在環境自适應軟體中的應用
随着摩爾定律的放緩，中央處理器的半導體密度，不再能夠每1.5年翻倍一次，為了彌補這一點，越來越多的系統采用異構硬體，如圖形處理器、現場可程式設計門陣列和多核CPU，微軟的搜尋引擎Bing使用現場可程式設計門陣列（FPGA），亞馬遜網絡服務則利用雲技術提供圖形處理器（GPU）和FPGA執行個體。
要在這些系統中，正确利用除了小核心CPU以外的裝置，需要進行一些配置和程式設計工作，考慮到裝置特性，如開放多處理、開放計算語言和計算統一裝置架構，對于大多數程式員來說，技術門檻很高，物聯網技術在這些系統中的使用越來越普遍，對所需技能的要求也在增加。
對于使用異構硬體的應用程式的期望越來越高，目前使用它們的技術障礙很高，為了克服這些障礙，應用程式員隻需編寫要處理的邏輯，然後軟體應該适應具備異構硬體的環境，以便輕松使用這些硬體。
Java，于1995年出現，引起了環境适應方面的範式轉變，使得一次編寫的軟體可以在其他CPU機器上運作，在移植目标上沒有考慮應用程式性能的問題，先前提出了一種環境自适應軟體，通過自動執行代碼轉換和配置，有效地運作一次編寫的應用程式，以便在部署環境中适當地使用GPU、FPGA、多核CPU等各種裝置。
作為環境自适應軟體的基本技術，還提出了一種将循環語句和函數塊，自動遷移到GPU或FPGA的方法，研究目的是在存在各種GPU、FPGA，以及多核CPU裝置的混合遷移目标環境中，自動遷移具有高性能的應用程式。
提出了一種自動遷移到單個GPU、FPGA，或多核CPU裝置的方法，接下來，提出了一種在具有各種裝置的混合遷移目标環境中，适當遷移的方法，對現有應用程式中，提出的方法的有效性進行評估。
對于混合環境的遷移，還使用了先前提出的将循環語句遷移到GPU、FPGA，和函數塊遷移到FPGA的方法作為基本技術，目标是使用先前的單獨裝置遷移技術，在混合環境中适當地進行遷移。
實作環境自适應軟體的方法
為了實作環境自适應軟體，提出了一種将程式循環語句自動遷移到GPU和FPGA，将程式函數塊自動遷移到GPU和FPGA的方法，基于這些基本技術，介紹了針對各種裝置的基本思想，并提出了一種自動遷移到混合遷移目标環境的方法。
涉及的遷移目标環境包括GPU、FPGA和多核CPU，GPU和FPGA作為異構硬體，已經被長時間使用，有許多使用CUDA和OpenCL進行手動遷移的加速執行個體，可以以幾百美元購買具有16個，或更多核心的多核CPU。
并且還有32到64個核心的更多核CPU，可以使用OpenMP等技術規範進行并行化，在許多情況下，通過手動調優進行并行化可以提高速度，為了實作高速自動解除安裝，通過在驗證環境中測量實體機器的性能，逐漸搜尋高速解除安裝模式，并使用進化計算進行優化。
這與以前提出的GPU解除安裝類似，其原因在于性能的變化在很大程度上，取決于代碼結構以及實際處理内容，如處理硬體規格、資料大小和循環次數，性能很難靜态預測，需要進行動态測量。
市場上有一些自動并行編譯器，可以在編譯階段查找循環語句并實作并行化，由于可并行化循環語句的并行化通常會導緻速度較慢，是以常常需要進行性能測量，關于動态測量，所提出的方法能夠遞歸地執行它。
它不會歸納出優化的方式，在模闆計算的情況下，有優化的專門技巧，但是方法無法提取這些技巧，所提出的方法的一個主要特點是，它實際上執行并測量使用使用者資料的所有遷移目标候選者的性能，并選擇高速模式。
對于要解除安裝的對象，關注程式的循環語句和函數塊，這與迄今為止提出GPU和FPGA解除安裝的情況類似，循環語句是解除安裝的首要目标，因為大多數耗時的程式處理都在循環中進行，另一方面，對于函數塊。
當加速特定處理時，通常會使用适合處理内容和處理硬體的算法，是以與解除安裝單獨的循環語句相比，處理速度可以大大加快，通過将傅裡葉變換等經常使用的函數塊，替換為基于适當算法的處理，可以提高性能，該算法适用于裝置特性。
關于代碼模式，有一些研究對循環的類型等施加限制，但是這項研究對代碼模式沒有特定的限制，在這項研究中，針對函數塊的解除安裝和循環語句的解除安裝，嘗試了所有代碼模式，包括多核CPU、GPU和FPGA。
使用兩種方法，描述了針對三個解除安裝目标的自動解除安裝，關于GPU和FPGA的解除安裝，提出了一種适用于循環語句的自動多核CPU解除安裝方法，與GPU類似，多核CPU利用許多計算核心并将處理并行化以加快速度。
與GPU不同，多核CPU具有共享記憶體，是以無需考慮CPU和GPU記憶體之間資料傳輸的開銷，這通常是解除安裝到GPU時的一個問題，針對多核CPU上的程式處理并行化，通常使用開放多處理器(OpenMP)規範。
OpenMP是一種規範，通過諸如#pragma omp parallel for等指令，來指定程式的并行處理和其他處理，OpenMP程式員負責在OpenMP中進行處理的并行化，當試圖并行化無法并行化的處理時，編譯器不會輸出錯誤，并且計算結果會變得錯誤。
采用漸進加速循環語句，自動解除安裝到多核CPU的遺傳算法方法，研究人員介紹了使用GA在GPU上進行的代碼優化，與GPU的差別在于，使用OpenMP的#pragma omp parallel for，來訓示多核CPU執行循環語句。
而不是使用OpenACC的#pragma acc kernels，具體而言，建立了多個模式，使用OpenMP的#pragma指令，指定循環是否以并行方式處理，并在驗證環境中重複實際性能測量，在此過程中，用于自動GPU解除安裝的PGI編譯器，在無法并行化時會輸出錯誤。
像gcc這樣的OpenMP編譯器不會輸出此類錯誤，為了自動化錯誤輸出，通過僅檢查循環語句在多核CPU上，是否并行化來簡化OpenMP指令執行的處理，通過檢查每次測量的最終計算結果是否正确，隻有産生正确計算結果的模式才會保留在進化計算中。
當輸入代碼時，使用諸如Clang的解析庫分析文法，并确定循環語句，在這裡，當多核CPU上執行并行處理時，基因模式設定為1，當不執行并行處理時，設定為0，如果值為1，該方法将在循環語句中添加#pragma omp parallel for，建立指定并行處理的OpenMP代碼。
該方法使用諸如gcc的OpenMP編譯器，編譯準備好的多個OpenMP檔案，并測量配備多核CPU的驗證環境機器的性能，通過性能測量，高速處理的模式被認為具有較高的适應度，低速處理的模式被認為具有較低的适應度。
然後通過遺傳算法的精英選擇、交叉和突變等處理建立下一代的模式，在性能測量中，将最終計算結果，與使用CPU的單個核心處理原始代碼的情況進行比較，如果差異過大，則将模式的适應度設定為足夠低，以便在下一代中不被選擇。
之前提出了一種針對循環語句的自動GPU解除安裝方法，在論文中，使用了該方法，通過使用遺傳算法提取适當的循環語句，并減少CPU-GPU記憶體資料傳輸，實作了自動解除安裝，還需要減少CPU和GPU之間的通信延遲以提高性能。
在和其他論文中，考慮在嵌套循環中盡可能高地傳輸變量，并考慮批量傳輸變量，之前提出了一種針對循環語句的自動FPGA解除安裝方法，在研究中，使用了該方法，通過使用算術強度、循環次數和資源量來縮小候選循環語句範圍。
縮小範圍後，在驗證環境中測量多種模式的性能，實作自動解除安裝，之前提出了一種函數塊的自動解除安裝方法，在研究中使用了該方法，該方法在GPU和FPGA上進行了驗證，但是對于可以通過名稱比對，和相似性檢測解除安裝的函數塊，處理方式是相同的。
是以也可以在多核CPU上采用，使用Deckard的抽象文法樹相似性比對，來進行函數塊解除安裝，并不是所有的函數塊都能夠被解除安裝，根據基本思想和個體裝置解除安裝方法，研究了在混合解除安裝目标環境中的自動解除安裝。
從單裝置遷移到混合環境的主要差別在于，當同一節點上存在多個高速解除安裝模式時，會嘗試組合，即使程式代碼相同，性能也取決于處理硬體的規格和處理内容，需要進行實際的性能測量，由于有三種類型的解除安裝裝置，和兩種解除安裝重點的方法，至少需要進行六個種解除安裝驗證。
與循環語句和函數塊相比，如果存在可解除安裝的函數，函數塊解除安裝可能更快，與一個模式的驗證時間相比，多核CPU = GPU < FPGA，FPGA需要幾個小時進行電路實作，測量其性能需要時間。
基于上述原因，提議按照以下順序進行六種解除安裝驗證，多核CPU函數塊解除安裝，GPU函數塊解除安裝，FPGA函數塊解除安裝，多核CPU循環語句解除安裝，GPU循環語句解除安裝和FPGA循環語句解除安裝。
按照這個順序進行解除安裝驗證，以尋找高性能的模式，前三種和後三種的目标代碼可能不同，具體來說，如果在前三種中可以進行函數塊解除安裝，則在沒有可解除安裝的函數塊部分的代碼中，驗證後三種循環語句的解除安裝。
在解除安裝驗證中，使用者可以指定目标性能，如果在使用者指定範圍内的前六個驗證中，找到足夠快的解除安裝模式，則不會執行後續的驗證，之是以這樣做是因為函數塊解除安裝可以更快，是以将提前進行驗證。
在執行自動解除安裝時，期望盡快進行高速模式搜尋，需要耗費較長驗證時間的FPGA被放在最後，如果在之前的階段找到了滿足使用者需求的模式，則不進行FPGA驗證，多核CPU和GPU在驗證時間上的差異很小，但多核CPU與具有單獨記憶體空間的GPU相比更類似于小核心CPU。
驗證順序遵循上述描述，如果在多核CPU之前，找到了足夠滿足使用者需求的模式，則不會進行GPU驗證，接下來，确定最終模式，如果在六種解除安裝驗證中，存在比單個CPU核心更快的模式，提議的方法将準備一個具有該模式的可執行檔案。
在準備可執行檔案時，除了選擇性能最高的模式外，還可以根據所使用加速裝置的價格，選擇最具成本效益的模式，在六種驗證中，當出現多種速度提升模式時，來考察最終的模式，在解除安裝到另一個節點時，需要使用消息傳遞接口等技術規範。
并且由于通信開銷，加速變得困難，在通常的伺服器機器配置中，有具有多核CPU和GPU的機器，具有多核CPU和FPGA的機器，但具有多核CPU、GPU和FPGA的機器很少，如果多個裝置可以加速，則在文中，解除安裝到同一節點是必要條件。
同一節點上的多核CPU和GPU可以成為候選項，但另一個節點上的GPU和FPGA則不行，研究了函數塊解除安裝的組合方法，對于函數塊解除安裝，有以下規則适用，如果同一個函數塊可以解除安裝到多個裝置上提議的方法，會選擇性能改進最大的解除安裝目标。
如果不同的函數塊可以解除安裝到不同的裝置上，而不能解除安裝到同一節點上，那麼會選擇性能改進最大的函數塊進行解除安裝，如果不同的函數塊可以解除安裝到不同的裝置上，并且可以解除安裝到同一節點上，那麼這些函數塊都會進行解除安裝。
請注意，頻繁使用的處理或函數塊，可能會以較高的優先級進行解除安裝，在這種情況下，應進行帶有重點放在高優先級處理上的樣本測試，執行六種解除安裝驗證，以衡量性能，然後研究了循環語句解除安裝的組合。
當可以解除安裝函數塊時，循環語句會解除安裝到代碼中，排除了可以解除安裝的函數塊部分的部分，如果循環語句隻能解除安裝到，與函數塊解除安裝目标不同的節點，并且性能改進很小，則不會進行循環語句的解除安裝。
當通過函數塊解除安裝快速傅裡葉變換處理，并且FPGA可以在100秒内處理1秒時，餘下的循環語句可以使用GPU在100秒内處理30秒，不會将循環語句從另一個節點解除安裝到GPU上，如果可以解除安裝到同一節點上，提議的方法會檢查将函數塊，和循環語句都解除安裝到該節點上的模式的加速情況。
在循環語句解除安裝中，有以下規則适用，如果相同的循環語句組可以解除安裝到多個裝置上，提出的方法會選擇性能改進最大的解除安裝目标，如果不同的循環語句組，可以解除安裝到不同的裝置上而不能解除安裝到同一節點上，那麼會選擇性能改進最大的循環語句組進行解除安裝。
如果不同的循環語句組可以解除安裝到不同的裝置上，并且可以解除安裝到同一節點上，那麼會優先解除安裝性能改進最大的循環語句組，而将其餘的循環語句組解除安裝到性能改進較低的解除安裝目标上，當解除安裝到同一節點的多個裝置上，同時解除安裝到多個裝置上不一定能加速程序，需要同時解除安裝到多個裝置上，并進行性能驗證，以确定是否比單個裝置的解除安裝更快。
結語
異構硬體和驗證順序分析等創新技術，為環境自适應軟體的開發和實作，提供了重要的支援和保障，它們可以提高系統的自适應能力、性能和可靠性，滿足不同使用者和環境的需求。
未來，在不斷推進技術發展的背景下，可以進一步探索和拓展環境自适應軟體的創新應用，并提升其在實際生活和工作中的價值和意義。
參考文獻
1.Alias, C., Darte, A., & Plesco, A. (2013, March). Optimizing remote accesses for offloaded kernels: Application to high-level synthesis for FPGA. 2013 Design, Automation and Test in Europe (DATE), 575–23. https://doi.org/10.7873/date.2013.127 [Google Scholar]
2.Bertolli, C., Antao, S. F., Bercea, G. T., Jacob, A. C., Eichenberger, A. E., Chen, T., Sura, Z., Sung, H., Rokos, G., Appelhans, D., & O’Brien, K., “Integrating GPU support for OpenMP offloading directives into Clang,” ACM Second Workshop on the LLVM Compiler Infrastructure in HPC (LLVM’15), November. 2015. [Crossref], [Google Scholar]
3.Chen, J., Joo, B., Watson, W., III, & Edwards, R., “Automatic offloading C++ expression templates to CUDA enabled GPUs,” 2012 IEEE 26th International Parallel and Distributed Processing Symposium Workshops & PhD Forum, pp.2359–2368, May 2012. [Crossref], [Google Scholar]
4.Deckard web site. 2021. http://github.com/skyhover/Deckard [Google Scholar]
5.DPC++ web site 2021. https://www.intel.com/content/www/us/en/developer/tools/oneapi/dpc-library.html#gs.flx6xq [Google Scholar]