Optimization methodology for dynamic applications using tree data structures in embedded systems

Παπαστεργίου, Θωμάς; Papastergiou, Thomas

dc.contributor.author	Παπαστεργίου, Θωμάς	el
dc.contributor.author	Papastergiou, Thomas	en
dc.date.accessioned	2016-06-14T11:23:42Z
dc.date.available	2016-06-14T11:23:42Z
dc.date.issued	2016-06-14
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42712
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11713
dc.rights	Default License
dc.subject	Δένδρα	el
dc.subject	Βελτιστοποίηση	el
dc.subject	Δυναμικές δομές δεδομένων	el
dc.subject	Ενσωματωμένα συστήματα	el
dc.subject	Κρυφή μνήμη	el
dc.subject	Cache memory	en
dc.subject	Tree data structures	en
dc.subject	Optimization	en
dc.subject	Dynamic data type refinement methodology	en
dc.subject	Embedded systems	en
dc.title	Optimization methodology for dynamic applications using tree data structures in embedded systems	en
heal.type	bachelorThesis
heal.classification	Computer science	en
heal.classification	Electrical and computer engineering	en
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-03-23
heal.abstract	Applications that were previously executed in High Performance Computers (HPC) systems are increasingly implemented in embedded devices. Modern embedded systems are now capable of executing complex and demanding applications that are usually based on large dynamic data structures. The design of the critical data structures of the applications, in a large extent, determines the performance and the memory requirements of the whole system. The work of selecting the correct data structure for an application is not an easy or obvious one. Depending on the platform of interest, different requirements may need to be satisfied. The Dynamic Data Structure Refinement methodology was originally developped to help the designer evaluate different data structure selections in an effective and automatic manner. It provides optimizations, mainly in list and array data structures, which are based on the application’s features and access patterns. In this work, various aspects of the methodology are extended: first, we integrate radix tree optimizations to enrich the existing collection and make the methodology compatible with a larger group of modern applications. Then, we provide a set of platform-aware data structure implementations, for performing optimizations based on the hardware features. The extended methodology is evaluated using a wide set of synthetic and real-world benchmarks on the Myriad and Freescale platforms, in which we achieved a performance and memory trade-offs up to 30%. Additionally, Pareto optimal data structure implementations that were not available by the previous methodology, are now identified with the extended one.	en
heal.abstract	Με την πάροδο των χρόνων, ολοένα και περισσότερες εφαρμογές που εκτελούνταν αποκλειστικά σε υπολογιστικά συστήματα υψηλών προδιαγραφών ( HPC ) υλοποιούνται για ενσωματωμένα συστήματα. Τα ενσωματωμένα συστήματα, χάρη στην ραγδαία πρόοδο της τεχνολογίας, είναι πλέον σε θέση να εκτελούν πολυσύνθετες και απαιτητικές εφαρμογές που τις περισσότερες φορές βασίζονται σε μεγάλες δυναμικές δομές δεδομένων για να επιτελέσουν την λειτουργία για την οποία έχουν σχεδιαστεί. Ο σχεδιασμός των σημαντικών δομ ών δεδομένων των εφαρμογών, σε ένα μεγάλο βαθμό, καθορίζει και την απόδοση, καθώς και τις απαιτήσεις ολόκληρης της εφαρμογής. Η διαδικασία επιλογής της σωστής δομής δεδομένων δεν είναι ούτε εύκολη, ούτε προφανής. Ο σχεδιαστής της εφαρμογής καλείται να λάβε ι υπόψη πολλές παραμέτρους που εξαρτώνται απ’ την συσκευή που θα κληθεί να εκτελέσει την εφαρμογή. Ωστόσο, κάθε συσκευή συνήθως έχει τις δικές της απαιτήσεις. Μια μεθοδολογία ονόματι Dynamic Data Type Refinement ( DDTR ) αναπτύχθηκε ώστε να βοηθήσει τον σχεδ ιαστή να αξιολογήσει διαφορετικούς συνδυασμούς δομών δεδομένων με έναν τρόπο αποτελεσματικό και όσο πιο αυτοματοποιημένο γίνεται. Προσφέρει βελτιστοποιήσεις, κυρίως στον τομέα των λιστών και των πινάκων, που βασίζονται στα χαρακτηριστικά της εφαρμογής και τον τρόπο με τον οποίο αυτή προσπελάζει τα δεδομένα. Σε αυτήν την εργασία, διάφορες πτυχές της παραπάνω μεθοδολογίας επεκτείνονται: κατ’ αρχάς ενσωματώνουμε δενδρικές δομές δεδομένων ώστε να εμπλουτίσουμε την ήδη υπάρχουσα συλλογή και να καταστίσουμε την μ εθοδολογία κατάλληλη για ένα μεγαλύτερο εύρος σύγχρονων εφαρμογών. Έπειτα, παραθέτουμε κάποιες υλοποιήσεις δομών δεδομένων που λαμβάνουν υπόψη χαρακτηριστικά της συσκευής ώστε να επιτυγχάνουν καλύτερη απόδοση. Η επεκταμένη μεθοδολογία αξιολογείται μέσω δια φόρων κατασκευασμένων και πραγματικών αρχείων εισόδου που εκτελούνται στην πλατφόρμα Myriad και Freescale , όπου επιτυγχάνουμε βελτιώσεις της τάξης του 30%. Επιπροσθέτως, Pareto βέλτιστες υλοποιήσεις δομών δεδομένων που δεν ήταν διαθέσιμες με την προηγούμεν η μεθοδολογία, είναι πλέον εφικτό να ανιχνευθούν.	el
heal.advisorName	Σούντρης, Δημήτριος	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Πεκμεστζή, Κιαμάλ	el
heal.committeeMemberName	Σούντρης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	79 σ.
heal.fullTextAvailability	true