• An efficient speculation predicto

• An efficient speculation predictor to identify opportunities to relax concurrency constraints
• Design and implementation of efficient support for speculation and conflict detection
• Experimental evaluation of the speculation overheads
and accuracy.
2. BACKGROUND AND MOTIVATION
Consider the example program in Figure 1(a) that computes array A. The corresponding recursive version (Figure 1(a)) divides the work into four quadrants and computes
them recursively. The spawn and sync keywords in the recursive program represent the concurrency and synchronization annotations in a Cilk program. The dependences (a.k.a.
the spawn and sync annotations) in the recursive program
are induced by dependences in the loop program. The quadrant A00 begins execution of a given task. A01 and A10
depend on A00 and are separated from the processing of
A00 by a sync. A01 and A10 can themselves be processed
concurrently and are invoked with a spawn keyword without
any intervening synchronization. A11 depends on both A01
and A10 and is ordered appropriately.
Recursive programs exhibit many desirable properties. The
recursive structure often mirrors the dependence structure
in the element-level program specification, simplifying programming. Besides the ease of programming, such a structure accesses recursively smaller portions of the array. As
a result, recursive structure is often employed in designing
cache-oblivious algorithms [3].
While recursive programs alleviate the burden on the programmer, their structures can prevent them from achieving
good speedups on large multi-core systems. On occasion, recursive programming can incur the cost of increased critical
path length. For example, the optimal critical path length
for the example in Figure 1(a) is Θ(n), whereas the critical
path length of the recursive version is Θ(nlog2 3) for a nxn
matrix. The cause for this suboptimal critical path length is
the inherently coarser dependencies required by the recursive expression. In Figure 1(a), not all of the quadrant A01
(or A10) must wait for all of quadrant A00 to be computed.
In Figures 1(b) and 2(a), the dependence-induced dags and
corresponding critical paths are illustrated for a problem
size of 4 (ihi-ilo=jhi-jlo=4). For example, given a problem
size of 4, the dependence-induced dag for the loop version
in Figure 1(a) has a critical path length of 7, compared to 9
for the recursive Cilk version.
In general, mapping a computation dag onto a Cilk-like
recursive parallel model can increase the critical path length
and result in reduced scalability due to decreased available parallelism. Decreased available parallelism caused by
coarser dependencies, together with large core counts, can
lead to poor scalability. We aim to preserve the simplicity
of recursive programming by recovering the lost concurrency
in such overly constrained recursive programs.
3. CilkSpec OVERVIEW
As identified in Section 2, certain dependencies in recursive parallel programs are extraneous. To overcome the constraints they impose, we need a mechanism that at runtime
determines which of the expressed dependencies are true
and which ones are artificial, merely an artifact of recursive expression. To this end, a classic technique employed
is speculation that enables optimistic elision of an expressed
dependency while relying on precise data access tracking to
rollback in the event of a conflict. In our approach (referred
to as CilkSpec), we too employ speculation to explore the
expressed dependencies and derive newer, more relaxed dependencies to recover the concurrency lost due to recursive
program specification. While employed in varied contexts,
such as loops, speculation for recursive parallel programs
presents some interesting opportunities and challenges.
One key challenge in optimistic concurrency involves identifying valid speculation opportunities. While this challenge
is inherent in any speculation approach, the structured nature of recursive programs aids in designing a speculation
predictor, which not only can quickly learn the profitable
speculation opportunities, but also accomplish this by tracking only a subset of all tasks in the system. The parent-child
relationship present in recursive programs implies that any
speculation in the parent could depend only on tasks present
in the child computations, which are incomplete. We exploit
this opportunity to design an efficient predictor with learns
fast, tracks less, and has low space overhead.
Another key challenge in speculation is maintaining correctness, which requires precise data access tracking to detect when a true data dependency is violated or a conflict
is detected. The overhead for such tracking largely depends
on the granularity at which this tracking is done. Again,
the regular structure of recursive programs aids in keeping
this overhead in check. Recursive programs typically have a
base case that works on the smallest division of work present
in the computation. Instead of tracking

ผลลัพธ์ (ไทย) 1:

•ทำนายการเก็งกำไรที่มีประสิทธิภาพเพื่อระบุโอกาสในการผ่อนคลายข้อจำกัดเกิดพร้อมกัน•การออกแบบและดำเนินการอย่างมีประสิทธิภาพสนับสนุนสำหรับการเก็งกำไร และการตรวจหาความขัดแย้ง•ประเมินผลการทดลองของโสหุ้ยการเก็งกำไรและความถูกต้อง2. พื้นหลัง และแรงจูงใจพิจารณาตัวอย่างโปรแกรมในรูป 1(a) ที่คำนวณอ.เรย์ รุ่นซ้ำที่สอดคล้องกัน (รูป 1(a)) แบ่งงานออกเป็นสี่ส่วน และคำนวณพวกเขา recursively คำสำคัญที่วางไข่และซิงค์ในโปรแกรมซ้ำแสดงคำอธิบายการเกิดพร้อมกันและซิงโครไนส์ในโปรแกรมซิลก์ ซีสตาร์ ที่ dependences (หรือวางไข่และซิงค์ข้อมูลกำกับ) ในโปรแกรมซ้ำเป็นการเหนี่ยวนำ โดย dependences ในโปรแกรมวนรอบ Quadrant A00 เริ่มดำเนินการของงานกำหนดให้ A01 และ A10พึ่ง A00 และจะแยกออกจากการประมวลผลA00 โดยการซิงค์ A01 และ A10 สามารถตัวประมวลผลพร้อม และถูกเรียก ด้วยคำสำคัญวางไข่โดยไม่ซิงโครไนส์ใด ๆ แทรกแซง A11 ตามทั้ง A01และ A10 และสั่งอย่างเหมาะสมซ้ำโปรแกรมมีคุณสมบัติมากมาย การโครงสร้างซ้ำมักจะแสดงโครงสร้างพึ่งพาในองค์ประกอบระดับโปรแกรมข้อมูลจำเพาะ โปรแกรมลดความซับซ้อน นอกจากความง่ายในการเขียนโปรแกรม โครงสร้างเข้าถึง recursively ส่วนเล็กของอาร์เรย์ เป็นผล โครงสร้างซ้ำมักใช้ในการออกแบบแคลบเลือนอัลกอริธึม [3]ในขณะที่โปรแกรมซ้ำบรรเทาภาระที่โปรแกรมเมอร์ โครงสร้างของพวกเขาสามารถป้องกันไม่ให้บรรลุspeedups ดีในระบบขนาดใหญ่แบบมัลติคอร์ บางครั้ง การเขียนโปรแกรมแบบเรียกใช้ซ้ำสามารถต้องเสียต้นทุนเพิ่มขึ้นที่สำคัญความยาวเส้นทาง ตัวอย่างเช่น ความยาวสูงสุดเส้นทางที่สำคัญตัวอย่างเช่นในรูป 1(a) เป็น Θ(n) ในขณะที่สำคัญความยาวของเส้นทางซ้ำรุ่น Θ(nlog2 3) สำหรับ nxn เป็นเมทริกซ์ เป็นสาเหตุของความยาวเส้นทางวิกฤตสภาพนี้อ้างอิงความหยาบตามนิพจน์ซ้ำ ในรูป 1(a) ไม่ทั้งหมดของ quadrant A01(หรือ A10) ต้องรอ quadrant A00 การคำนวณทั้งหมดตัวเลข 1(b) และ 2(a), dags เหนี่ยวนำให้เกิดการพึ่งพาอาศัยกัน และเส้นทางที่สำคัญที่สอดคล้องกันจะแสดงสำหรับปัญหาขนาด 4 (ilo แซม = jhi jlo = 4) ตัวอย่างเช่น กำหนดปัญหาขนาด 4, dag เกิดพึ่งพาสำหรับรุ่นห่วงในรูปที่ 1(a) มีความยาวของเส้นทางวิกฤต 7 เมื่อเทียบกับ 9สำหรับรุ่นซิลก์ ซีสตาร์ซ้ำทั่วไป การแมปแบบ dag คำนวณบนซิลก์ ซีสตาร์เหมือนซ้ำแบบขนานสามารถเพิ่มความยาวเส้นทางวิกฤตและผลในการลดภาระหนี้ลดลงมีขนาน ทำงานแบบขนานมีลดลงที่เกิดจากสามารถอ้างอิงหยาบ ร่วมกับนับหลักขนาดใหญ่นำไปสู่ภาระต่ำ เราจะรักษาความเรียบง่ายการเขียนโปรแกรมแบบเรียกใช้ซ้ำโดยการกู้คืนหายไปพร้อมกันในโปรแกรมดังกล่าวมีข้อจำกัดมากเกินไปซ้ำ3. ภาพรวม CilkSpecตามที่ระบุไว้ในส่วนที่ 2 อ้างอิงบางอย่างในโปรแกรมขนานซ้ำจะไม่เกี่ยวข้อง เอาชนะข้อจำกัดที่กำหนดของพวกเขา เราจำเป็นต้องมีกลไกที่ขณะใช้งานจริงกำหนดมีการอ้างอิงที่แสดงและคนที่มีประดิษฐ์ เพียงการเกิดของนิพจน์ซ้ำ ด้วยเหตุนี้ ใช้เทคนิคคลาสสิกการเก็งกำไรที่ช่วยให้ elision ในเชิงบวกของการแสดงเป็นอ้างอิงในขณะที่พึ่งพาการเข้าถึงข้อมูลได้อย่างแม่นยำการติดตามย้อนกลับในกรณีที่เกิดความขัดแย้ง ในแนวทางของเรา (เรียกว่าการเป็น CilkSpec), เรามีพนักงานเกินไปเก็งกำไรในการสำรวจการแสดงการอ้างอิง และสืบทอดมารุ่นใหม่ เพิ่มเติมผ่อนคลายการอ้างอิงในการกู้คืนพร้อมกันหายไปเนื่องจากซ้ำการกำหนดโปรแกรมจะ ในขณะที่ทำงานในบริบทที่แตกต่างกันเช่นลูป เก็งกำไรสำหรับโปรแกรมขนานซ้ำนำเสนอโอกาสและความท้าทายที่น่าสนใจบางหนึ่งในความท้าทายสำคัญในการเกิดพร้อมกัน optimistic เกี่ยวข้องกับการระบุโอกาสในการเก็งกำไรที่ถูกต้อง ในขณะที่ความท้าทายนี้เป็นวิธีการเก็งกำไรใด ๆ ลักษณะโครงสร้างของซ้ำโปรแกรมช่วยในการออกแบบการเก็งกำไรpredictor ซึ่งไม่เพียงแต่ สามารถได้อย่างรวดเร็วเรียนรู้การทำกำไรโอกาสเก็งกำไร แต่ยัง ทำได้ โดยการติดตามเฉพาะส่วนย่อยของงานทั้งหมดในระบบ แม่ลูกหมายถึงความสัมพันธ์ที่อยู่ในโปรแกรมซ้ำว่าเก็งกำไรในหลักอาจขึ้นกับงานปัจจุบันเท่านั้นในการประมวลผลสำหรับเด็ก ที่ไม่สมบูรณ์ เราใช้ประโยชน์จากโอกาสนี้เพื่อการทำนายที่มีประสิทธิภาพด้วยการออกแบบการเรียนรู้รวดเร็ว เพลงน้อยกว่า และมีพื้นที่ต่ำค่าใช้จ่ายอีกความท้าทายในการเก็งกำไรคือการรักษาความถูกต้อง ซึ่งจำเป็นต้องเข้าถึงข้อมูลได้อย่างแม่นยำการติดตามเพื่อตรวจสอบเมื่อมีละเมิดที่อ้างอิงข้อมูลจริง หรือความขัดแย้งมีการตรวจพบ ค่าใช้จ่ายในการติดตามดังกล่าวขึ้นอยู่กับในองค์ประกอบที่จะทำการติดตามนี้ อีกครั้งโครงสร้างปกติของซ้ำโปรแกรมช่วยในการรักษานี้ค่าใช้จ่ายในการตรวจสอบ โปรแกรมซ้ำมักจะมีการกรณีพื้นฐานที่ทำงานในส่วนที่เล็กที่สุดของการทำงานปัจจุบันในการคำนวณ แทนที่จะติดตาม

ผลลัพธ์ (ไทย) 2:

•ใช้งานการเก็งกำไรทำนายมีประสิทธิภาพในการระบุโอกาสในการผ่อนคลายข้อ จำกัด การทำงานพร้อมกัน
•การออกแบบและการดำเนินงานของการสนับสนุนที่มีประสิทธิภาพสำหรับการเก็งกำไรและการตรวจสอบความขัดแย้ง
•การประเมินผลการทดลองของค่าโสหุ้ยการเก็งกำไร
และความถูกต้อง.
2 ความเป็นมาและแรงจูงใจ
พิจารณาโปรแกรมตัวอย่างในรูปที่ 1 (ก) ที่คำนวณอาร์เรย์ A. ที่สอดคล้องรุ่น recursive (รูปที่ 1 (ก)) แบ่งการทำงานออกเป็นสี่ประเภทและคำนวณ
พวกเขาซ้ำ วางไข่และซิงค์คำหลักในโปรแกรม recursive เป็นตัวแทนของการทำงานพร้อมกันและการประสานคำอธิบายประกอบในโปรแกรม Cilk dependences (aka
วางไข่และคำอธิบายประกอบซิงค์) ในโปรแกรม recursive
จะเกิดจาก dependences ในโปรแกรมห่วง A00 Quadrant เริ่มต้นการดำเนินการของงานที่กำหนด A01 และ A10
ขึ้นอยู่กับ A00 และถูกแยกออกจากการประมวลผลของ
A00 โดยซิงค์ A01 และ A10 ตัวเองสามารถดำเนินการ
ควบคู่กันไปและมีการเรียกด้วยคำหลักที่วางไข่โดยไม่ต้อง
ประสานการแทรกแซงใด ๆ A11 ขึ้นอยู่กับทั้ง A01
และ A10 และเป็นคำสั่งที่เหมาะสม.
โปรแกรมซ้ำแสดงคุณสมบัติที่พึงประสงค์จำนวนมาก
โครงสร้าง recursive มักจะสะท้อนโครงสร้างการพึ่งพา
ในสเปโปรแกรมองค์ประกอบระดับที่ง่ายในการเขียนโปรแกรม นอกจากความสะดวกในการเขียนโปรแกรมโครงสร้างดังกล่าวเข้าถึงส่วนซ้ำขนาดเล็กของอาร์เรย์ เป็น
ผลให้โครงสร้าง recursive มักจะถูกนำมาใช้ในการออกแบบ
ขั้นตอนวิธีการแคชลบเลือน [3].
ในขณะที่โปรแกรม recursive บรรเทาภาระของโปรแกรมเมอร์โครงสร้างของพวกเขาสามารถป้องกันพวกเขาจากการบรรลุ
speedups ที่ดีในระบบแบบ multi-core ขนาดใหญ่ ในบางครั้งการเขียนโปรแกรม recursive สามารถเสียค่าใช้จ่ายเพิ่มขึ้นที่สำคัญ
ความยาวเส้นทาง ยกตัวอย่างเช่นการที่ดีที่สุดมีความยาวเส้นทางที่สำคัญ
เช่นในรูปที่ 1 (ก) เป็นΘ (n) ในขณะที่สำคัญ
ความยาวเส้นทางของรุ่น recursive เป็นΘ (nlog2 3) สำหรับ nxn
เมทริกซ์ สาเหตุสำหรับความยาวเส้นทางนี้ก่อให้เกิดผลลัพธ์ที่สำคัญคือ
การอ้างอิงโดยเนื้อแท้หยาบจำเป็นโดยการแสดงออก recursive ในรูปที่ 1 (ก) ไม่ได้ทั้งหมดของ A01 Quadrant
(หรือ A10) ต้องรอให้ทุก Quadrant A00 ที่จะคำนวณ.
ในรูปที่ 1 (ข) และ 2 (ก) ที่ DABs ความพึ่งพาอาศัยกันที่เกิดขึ้นและ
สอดคล้องกับเส้นทางที่สำคัญ ภาพประกอบสำหรับปัญหา
ขนาดของ 4 (IHI-ILO = JHI-JLO = 4) ตัวอย่างเช่นกำหนดเป็นปัญหา
ขนาดของ 4, dag การพึ่งพาอาศัยกันที่เกิดขึ้นสำหรับรุ่นห่วง
ในรูปที่ 1 (ก) มีความยาวของเส้นทางที่สำคัญ 7 เมื่อเทียบกับ 9
สำหรับรุ่น Cilk recursive.
โดยทั่วไปทำแผนที่ dag คำนวณบน Cilk เหมือน
รุ่นขนาน recursive สามารถเพิ่มความยาวเส้นทางที่สำคัญ
และผลในการลด scalability เนื่องจากการลดลงขนานใช้ได้ ลดลงขนานใช้ได้ที่เกิดจาก
การอ้างอิงหยาบร่วมกับข้อหาหลักที่มีขนาดใหญ่สามารถ
นำไปสู่การขยายขีดความสามารถที่น่าสงสาร เรามุ่งมั่นที่จะรักษาความเรียบง่าย
ของการเขียนโปรแกรมเวียนเกิดจากการกู้คืนการทำงานพร้อมกันหายไป
ในโปรแกรม recursive ดังกล่าวมีข้อ จำกัด มากเกินไป.
3 CilkSpec ภาพรวม
ตามที่ระบุไว้ในมาตรา 2 การอ้างอิงที่แน่นอนในโปรแกรมขนาน recursive อยู่ภายนอก เพื่อเอาชนะข้อ จำกัด ที่พวกเขากำหนดเราต้องกลไกที่รันไทม์
กำหนดว่าการอ้างอิงแสดงความเป็นจริง
และคนที่เทียมเพียงสิ่งประดิษฐ์ในการแสดงออก recursive ด้วยเหตุนี้เทคนิคคลาสสิกการจ้างงาน
การเก็งกำไรที่ช่วยให้ตัดออกในแง่ของการแสดงออก
การพึ่งพาอาศัยในขณะที่การติดตามการเข้าถึงข้อมูลที่แม่นยำ
ย้อนกลับในกรณีที่มีความขัดแย้ง ในแนวทางของเรา (เรียก
ว่า CilkSpec) เราก็จ้างเก็งกำไรในการสำรวจ
อ้างอิงแสดงและได้รับมาใหม่อ้างอิงผ่อนคลายมากขึ้นในการกู้คืนพ้องสูญเสียไปจากการเวียนเกิด
เปโปรแกรม ในขณะที่การจ้างงานในบริบทที่แตกต่างกัน
เช่นห่วงเก็งกำไรสำหรับโปรแกรมคู่ขนาน recursive
นำเสนอโอกาสที่น่าสนใจบางและความท้าทาย.
หนึ่งความท้าทายที่สำคัญในการทำงานพร้อมกันในแง่ดีเกี่ยวกับการระบุโอกาสการเก็งกำไรที่ถูกต้อง ในขณะที่ความท้าทายนี้
มีอยู่ในแนวทางของการเก็งกำไรใด ๆ ลักษณะโครงสร้างของโปรแกรม recursive ช่วยในการออกแบบการเก็งกำไร
ทำนายซึ่งไม่เพียง แต่สามารถเรียนรู้ได้อย่างรวดเร็วผลกำไร
โอกาสการเก็งกำไร แต่ยังทำได้โดยเฉพาะการติดตามการย่อยของงานทั้งหมดในระบบ ผู้ปกครองเด็ก
ความสัมพันธ์ที่มีอยู่ในโปรแกรม recursive ใด ๆ ที่แสดงให้เห็นว่า
การเก็งกำไรในผู้ปกครองอาจจะขึ้นอยู่เฉพาะในงานปัจจุบัน
ในการคำนวณเด็กซึ่งจะไม่สมบูรณ์ เราใช้ประโยชน์จาก
โอกาสนี้ในการออกแบบทำนายมีประสิทธิภาพด้วยการเรียนรู้
ได้อย่างรวดเร็วติดตามน้อยลงและมีค่าใช้จ่ายในพื้นที่ต่ำ.
อีกความท้าทายที่สำคัญในการเก็งกำไรคือการรักษาความถูกต้องซึ่งจะต้องมีการเข้าถึงข้อมูลที่แม่นยำในการติดตามการตรวจสอบเมื่อพึ่งพาข้อมูลที่แท้จริงคือการละเมิดหรือความขัดแย้ง
คือ ตรวจพบ ค่าใช้จ่ายสำหรับการติดตามดังกล่าวส่วนใหญ่ขึ้น
อยู่กับความละเอียดที่ติดตามนี้จะทำ อีกครั้ง
โครงสร้างปกติของโปรแกรม recursive ช่วยในการรักษา
ค่าใช้จ่ายในการตรวจสอบนี้ โปรแกรมซ้ำมักจะมี
กรณีฐานที่ทำงานในส่วนที่เล็กที่สุดของการทำงานในปัจจุบัน
ในการคำนวณ แทนการติดตาม

ผลลัพธ์ (ไทย) 3:

- ประสิทธิภาพการทำนายเพื่อระบุโอกาสที่จะผ่อนคลายข้อจำกัดการเห็นพ้องด้วยบริการออกแบบและการสนับสนุนที่มีประสิทธิภาพสำหรับการตรวจสอบความขัดแย้ง- ทดลองการประเมินการเก็งกำไรพรึ่บและความถูกต้อง2 . แรงจูงใจและภูมิหลังพิจารณาตัวอย่างในรูปที่ 1 ( a ) ที่คำนวณโดยวิธีการที่หลากหลายรุ่น ( รูปที่ 1 ( a ) ) แบ่งงานออกเป็นสี่เขต .พวกเขา recursively . การวางไข่และซิงค์ข้อมูลในโปรแกรมของการ recursive อื่นประสานในโปรแกรม cilk . การ dependences ( a.k.a .การวางไข่อื่นซิงค์ ) ในโปรแกรมผลจะเกิดจาก dependences ในโปรแกรมลูป ด้าน a00 เริ่มต้นการกำหนดงาน และ a01 A10ขึ้นอยู่กับ a00 และถูกแยกออกจากการประมวลผลของa00 โดยการซิงค์ a01 A10 สามารถตัวเองและถูกประมวลผลกัน หรือจะเรียกใช้ด้วยการวางไข่โดยใด ๆที่แทรกประสาน ขึ้นอยู่กับทั้ง a01 A11กับ A10 และสั่งให้อย่างเหมาะสมโปรแกรมแสดงผลคุณสมบัติที่พึงปรารถนามาก ที่โครงสร้าง recursive โครงสร้างการพึ่งพากระจกบ่อยๆด้านสเปคระดับโปรแกรมปรับปรุงโปรแกรม นอกจากความสะดวกในการเขียนโปรแกรม เช่นโครงสร้างการเข้าถึงส่วน recursively เล็กของเรย์ เป็นผล , มักใช้ในการออกแบบโครงสร้าง recursiveแคชลบเลือนขั้นตอนวิธี [ 3 ]ในขณะที่วิธีการโปรแกรมบรรเทาภาระในการเขียนโปรแกรมโครงสร้างของพวกเขาสามารถป้องกันพวกเขาจากการบรรลุspeedups ที่ดีบนระบบแบบขนาดใหญ่ ในโอกาสนี้ ผู้เขียนโปรแกรมสามารถทำให้ต้นทุนเพิ่มขึ้น วิกฤตความยาวของเส้นทาง ตัวอย่างเช่น , ที่เหมาะสมความยาวพาธสำหรับตัวอย่างในรูปที่ 1 ( a ) Θ ( N ) ส่วนอย่างมีวิจารณญาณความยาวของเส้นทางของรุ่น recursive คือΘ ( nlog2 nxn 3 ) สำหรับเมทริกซ์ สาเหตุนี้ suboptimal มีความยาวเส้นทางคือโดยเนื้อแท้ coarser การอ้างอิงบังคับใช้โดยการแสดงออกของผู้ . ในรูปที่ 1 ( a ) , ไม่ทั้งหมดของ a01 ตอ.หรือ ( A10 ) ต้องรอทั้งหมดของ a00 ต้องคํานวณตัวเลข 1 ( B ) และ 2 ( ) , และการกระตุ้นเดคากรัมที่สำคัญเส้นทางเป็นภาพประกอบ สำหรับปัญหาขนาด 4 ( ihi องค์การแรงงานระหว่างประเทศ = jhi jlo = 4 ) ตัวอย่าง ระบุปัญหาขนาด 4 , การพึ่งพาการแดกให้ห่วงรุ่นในรูปที่ 1 ( a ) มีความยาวพาธ 7 , เมื่อเทียบกับ 9สำหรับผู้ cilk รุ่นโดยทั่วไป แผนที่การคำนวณวันที่ลงบน cilk เหมือนวิธีการแบบขนานสามารถเพิ่มความยาวพาธและผลในการลดลงของตลาด เนื่องจากความ . ลดลงของความเท่าเทียม ที่เกิดจากชนิดการอ้างอิงพร้อมกับนับหลักขนาดใหญ่ สามารถนำไปสู่การทำงานที่ไม่ดี เรามุ่งมั่นที่จะรักษาความเรียบง่ายผลของโปรแกรมการกู้คืนหายไปพร้อมกันโดยเช่นข้อ จำกัด มากเกินไป วิธีการทำโปรแกรม3 . cilkspec ภาพรวมตามที่ระบุในมาตรา 2 , หนึ่งในโปรแกรมแบบขนานจะพึ่งพาผู้ที่ไม่เกี่ยวข้อง เพื่อเอาชนะอุปสรรคที่พวกเขากำหนด เราต้องมีกลไกที่ไทม์กำหนดของแสดงการอ้างอิงจริงและคนที่จะประดิษฐ์ เป็นสิ่งประดิษฐ์ของการแสดงออกของผู้ . จบเรื่องนี้ คลาสสิคเทคนิคคือ การ ที่ ช่วย ให้ การตัดออกในแง่ดีของการแสดงโดยอาศัยข้อมูลที่แม่นยำในขณะที่การติดตามย้อนไปในเหตุการณ์ความขัดแย้ง ในแนวทางของเรา ( เรียกว่าเป็น cilkspec ) เราก็จ้าง การสำรวจแสดงการอ้างอิงและการสืบทอดใหม่ผ่อนคลายมากขึ้นพึ่งพาการกู้คืนสูญหายเนื่องจากผู้เห็นพ้องด้วยรายละเอียดโปรแกรม ในขณะที่ใช้ในบริบทที่หลากหลายเช่น ลูป , การโปรแกรมแบบขนาน recursive สำหรับของขวัญบางอย่างที่น่าสนใจ โอกาสและความท้าทายหนึ่งความท้าทายที่สำคัญในการระบุโอกาสในการเกี่ยวข้องกับการคาดการณ์ที่ถูกต้อง ในขณะที่ความท้าทายนี้อยู่ในการใด ๆวิธีการ แบบธรรมชาติของโปรแกรมช่วยในการออกแบบวิธีการเก็งทำนาย , ซึ่งไม่เพียง แต่สามารถเรียนรู้ปฏิโอกาสในการเก็งกำไร แต่ยังทำได้โดยการติดตามเพียงส่วนย่อยของงานทั้งหมดในระบบ ระหว่างความสัมพันธ์ที่มีอยู่ในโปรแกรมใด ๆ วิธีการ หมายถึงการเก็งกำไรในผู้ปกครองจะขึ้นอยู่เฉพาะในงานปัจจุบันเด็กในรูป ที่ไม่สมบูรณ์ เราใช้ประโยชน์จากโอกาสนี้ได้รับการปฏิบัติที่มีประสิทธิภาพเรียนรู้รวดเร็วติดตามน้อยลง และมีพื้นที่เหนือศีรษะต่ำอีกหนึ่งความท้าทายสำคัญในการรักษาความถูกต้อง ซึ่งต้องการข้อมูลที่แม่นยำ การติดตามเพื่อตรวจสอบเมื่อการพึ่งพาข้อมูลที่เป็นจริงเป็นละเมิดหรือขัดแย้งตรวจพบ ค่าใช้จ่ายสำหรับการติดตามดังกล่าวส่วนใหญ่ขึ้นอยู่บน granularity ที่ติดตามนี้เสร็จ อีกครั้งปกติโครงสร้าง recursive เอดส์ ใน การ รักษาค่าใช้จ่ายในการตรวจสอบ โปรแกรมโดยทั่วไปจะมีผลฐานกรณีที่ทำงานในส่วนที่เล็กที่สุดของงานปัจจุบันในการคำนวณได้ แทน