[论文解读] Parallelizing Mizar

Josef Urban|arXiv (Cornell University)|Jun 1, 2012

Logic, programming, and type systems参考文献 27被引用 5

一句话总结

本文提出一种基于文件的粗粒度并行化方法，用于 Mizar 证明检查器及其相关工具，通过利用 Mizar 验证流程的编译器式流水线，将处理任务分发到多个核心上。通过将形式化内容拆分为独立的文章或子文章并行处理，该方法在不损害正确性的前提下实现了显著的性能提升——在 395 个耗时较长的 Mizar 文章上，实际运行时间最高减少了 3.2 倍，得益于安全的文件级隔离和库维护中的冗余重新验证机制。

ABSTRACT

This paper surveys and describes the implementation of parallelization of the Mizar proof checking and of related Mizar utilities. The implementation makes use of Mizar's compiler-like division into several relatively independent passes, with typically quite different processing speeds. The information produced in earlier (typically much faster) passes can be used to parallelize the later (typically much slower) passes. The parallelization now works by splitting the formalization into a suitable number of pieces that are processed in parallel, assembling from them together the required results. The implementation is evaluated on examples from the Mizar library, and future extensions are discussed.

研究动机与目标

• 为应对单核 CPU 性能停滞的问题，实现在现代多核硬件上对 Mizar 证明检查和工具的高效并行化。
• 提升 Mizar 库和维基工作流的响应速度，尤其是在协作重构和实时验证期间。
• 设计一种可扩展、安全且实用的并行化策略，可无缝集成到现有的 Mizar 工具链和基础设施中。
• 评估在大规模 Mizar 文章语料库中，于文章级和子文章级粒度下并行化的性能提升效果。

提出的方法

• 将 Mizar 形式化内容划分为独立的文章或子文章，以实现粗粒度的并行处理。
• 利用 Mizar 验证流程中已有的编译器式流水线（解析器、分析器、检查器），其中早期的快速阶段生成中间 XML 文件，供后续较慢阶段使用。
• 通过独立处理原子化证明步骤，并以消歧义后的 XML 文件作为输入，对检查器阶段及其他改进证明的工具实施并行化。
• 使用文件级隔离确保安全性，防止内部状态损坏，并通过重复的完整库重新验证实现冗余交叉验证。
• 将并行化器集成到 Mizar Emacs 模式和远程服务器验证中，使用户能够无缝切换标准验证与并行验证模式。
• 通过结合顶层证明并行化与检查器阶段中的子证明并行化，支持递归并行化，以进一步提升性能。

实验结果

研究问题

• RQ1 文件级并行化是否能在不损害正确性的前提下显著降低 Mizar 的实际运行时间验证成本？
• RQ2 在文章或子文章级别采用粗粒度并行化，对加速 Mizar 最慢的阶段（尤其是检查器和改进证明的工具）有多大的有效性？
• RQ3 在实际应用中，对大规模 Mizar 文章语料库应用并行化，可实现多大的性能提升，特别是在真实工作负载下？
• RQ4 顶层证明并行化与子证明并行化的结合如何影响整体验证速度和用户感知的性能？
• RQ5 该并行化方法在具有类似编译风格处理流水线的其他证明助手中，可重用程度如何？

主要发现

• 在 395 个耗时较长的 Mizar 文章上，使用八个进程的并行化将实际运行时间从单核的 13,272.22 秒减少至 4,277.12 秒，实现了 3.1 倍的加速。
• 仅检查器阶段使用八个并行进程时，实际运行时间从 5,664.1 秒减少至 2,456.1 秒，实现了 2.3 倍的加速，表明在最慢阶段具有很高的并行化潜力。
• 使用八个进程时，用户时间总和增加了 73%（从 12,561.07 秒增至 21,697.71 秒），证实并行化虽增加了总 CPU 工作量，但显著提升了感知响应速度。
• 该并行化方法与顶层证明并行化正交，可递归组合使用，从而在包含多个证明的复杂文章中实现进一步的性能提升。
• 由于采用文件级隔离和冗余的完整库重新验证，该方法是安全的，后者可作为并行化逻辑的交叉验证。
• 该实现已成功集成到 Mizar Emacs 模式和远程服务器中，使用户仅需极少配置即可实现实际应用。