[论文解读] Let's Annotate to Let Our Code Run in Parallel

Patrizio Dazzi|arXiv (Cornell University)|Jun 6, 2013

Parallel Computing and Optimization Techniques参考文献 18被引用 3

一句话总结

本文提出一种在加载时通过注解实现的自动并行化方法，利用Java注解将顺序Java程序转换为并行多线程代码。通过在方法上标记@Parallel，系统在运行时根据目标架构生成Future对象并重构字节码，对难以并行化的计算（如Mandelbrot集合计算）实现极低开销和极低程序员工作量的并行执行。

ABSTRACT

This paper presents an approach that exploits Java annotations to provide meta information needed to automatically transform plain Java programs into parallel code that can be run on multicore workstation. Programmers just need to decorate the methods that will eventually be executed in parallel with standard Java annotations. Annotations are automatically processed at launch-time and parallel byte code is derived. Once in execution the program automatically retrieves the information about the executing platform and evaluates the information specified inside the annotations to transform the byte-code into a semantically equivalent multithreaded version, depending on the target architecture features. The results returned by the annotated methods, when invoked, are futures with a wait-by-necessity semantics.

研究动机与目标

• 通过利用程序员对任务分解的知识，降低在多核系统上开发并行应用的复杂性。
• 实现在加载时自动将顺序Java代码转换为语义等价的并行代码。
• 通过允许在忽略注解时仍可顺序执行，保持向后兼容性。
• 基于运行时平台信息和用户指定的非功能性需求优化并行执行。
• 在支持共享内存和分布式执行模型的前提下，最小化性能开销。

提出的方法

• 程序员使用@Parallel注解标记方法，以指示代码中需异步执行的部分。
• 系统在加载时使用反射处理注解，并转换字节码的中间语言（IL）。
• 异步执行通过带有按需等待语义的Future实现，支持非阻塞计算。
• 转换过程动态适应目标架构特性，如处理器数量和内存布局。
• 该方法在IL层面操作，避免重新编译，相比源码级转换减少了运行时开销。
• 原型支持本地多核执行和远程方法调用（RMI），以实现分布式并行计算。

实验结果

研究问题

• RQ1 程序员在源码级别提供的注解是否能有效指导自动并行化，而无需对应用逻辑进行深度修改？
• RQ2 基于运行时平台信息的加载时字节码转换是否能实现高效且可扩展的并行执行？
• RQ3 与原生顺序执行相比，使用注解和Future的性能开销如何？
• RQ4 相同的注解式方法是否能同时支持共享内存和分布式（网格/云）执行环境？
• RQ5 与现有骨架或基于RMI的系统相比，该方法在程序员工作量和运行时效率方面表现如何？

主要发现

• 原型在不同分辨率和任务大小下的Mandelbrot集合计算中表现出可忽略的性能开销。
• 与手动并行化难以并行化的应用相比，该方法显著降低了程序员工作量。
• 系统保持了向后兼容性，当忽略注解时仍可进行顺序执行。
• 加载时转换支持根据目标架构动态适应，提升了运行时效率。
• 使用按需等待语义的Future实现了高效、非阻塞的结果访问，且不会阻塞主线程。
• 随着任务大小和处理单元数量的增加，该方法表现出良好的可扩展性，在多核工作站上持续获得性能提升。