論文の概要: HardRace: A Dynamic Data Race Monitor for Production Use

• arxiv url: http://arxiv.org/abs/2410.18412v1
• Date: Thu, 24 Oct 2024 03:59:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:51:01.046726
• Title: HardRace: A Dynamic Data Race Monitor for Production Use
• Title（参考訳）: HardRace: 運用用の動的データレースモニター
• Authors: Xudong Sun, Zhuo Chen, Jingyang Shi, Yiyu Zhang, Peng Di, Xuandong Li, Zhiqiang Zuo,
• Abstract要約: データレースはマルチスレッドプログラムにおいて重要な問題であり、予測できない、破滅的な、診断が難しい問題を引き起こします。 我々は、十分なランタイムオーバーヘッドと高い検出能力を持ちながら、オンザフライでのレースを検出するデータレースモニターであるHardRaceを紹介した。
• 参考スコア（独自算出の注目度）: 15.504566762273262
• License:
• Abstract: Data races are critical issues in multithreaded program, leading to unpredictable, catastrophic and difficult-to-diagnose problems. Despite the extensive in-house testing, data races often escape to deployed software and manifest in production runs. Existing approaches suffer from either prohibitively high runtime overhead or incomplete detection capability. In this paper, we introduce HardRace, a data race monitor to detect races on-the-fly while with sufficiently low runtime overhead and high detection capability. HardRace firstly employs sound static analysis to determine a minimal set of essential memory accesses relevant to data races. It then leverages hardware trace instruction, i.e., Intel PTWRITE, to selectively record only these memory accesses and thread synchronization events during execution with negligible runtime overhead. Given the tracing data, HardRace performs standard data race detection algorithms to timely report potential races occurred in production runs. The experimental evaluations show that HardRace outperforms state-of-the-art tools like ProRace and Kard in terms of both runtime overhead and detection capability -- HardRace can detect all kinds of data races in read-world applications while maintaining a negligible overhead, less than 2% on average.
• Abstract（参考訳）: データレースはマルチスレッドプログラムにおいて重要な問題であり、予測できない、破滅的な、診断が難しい問題を引き起こします。 大規模な社内テストにもかかわらず、データ競合はしばしばデプロイされたソフトウェアに逃避し、本番環境に現れます。 既存のアプローチでは,実行時のオーバーヘッドが極めて高いか,あるいは不完全な検出能力に悩まされている。 本稿では,実行時のオーバヘッドが十分に低く,かつ高い検出能力を有するデータレースモニタであるHardRaceを紹介する。 HardRaceはまず、音声静的解析を使用して、データ競合に関連する重要なメモリアクセスの最小セットを決定する。 その後、ハードウェアトレース命令、すなわちIntel PTWRITEを利用して、無視可能なランタイムオーバーヘッドで実行中にこれらのメモリアクセスとスレッド同期イベントのみを選択的に記録する。 トレースデータを考えると、HardRaceは運用環境で発生した潜在的な競合をタイムリーに報告する標準的なデータ競合検出アルゴリズムを実行する。 実験的評価によると、HardRaceは、実行時のオーバーヘッドと検出能力の両方の観点から、ProRaceやKardのような最先端ツールよりも優れている。

関連論文リスト

• BlinkTrack: Feature Tracking over 100 FPS via Events and Images [50.98675227695814]
  本稿では,RGB画像とイベントデータを統合した新しいフレームワークであるBlinkTrackを提案する。 本手法は,従来のカルマンフィルタを学習ベースのフレームワークに拡張し,イベントおよびイメージの分岐において微分可能なカルマンフィルタを利用する。 実験の結果、BlinkTrackは既存のイベントベースの手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-09-26T15:54:18Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Optimistic Prediction of Synchronization-Reversal Data Races [6.407713444542916]
  動的データ競合検出は、実際に並列ソフトウェアの信頼性を確保するための重要なテクニックとして登場した。 本研究では,抽出可能な方法で検出可能なOptimistic Sync(hronization)-Reversal racesと呼ばれるデータレースのクラスを同定する。 また、全2次時間における全楽観的同期反転データ競合を検出するための音響アルゴリズムOSRを提案する。
  論文  参考訳（メタデータ） (2024-01-11T03:34:21Z)
• DataRaceBench V1.4.1 and DataRaceBench-ML V0.1: Benchmark Suites for Data Race Detection [23.240375422302666]
  データレースは、プログラムの正確性に悪影響を及ぼすため、マルチスレッド並列アプリケーションに重大な脅威をもたらす。 オープンソースのベンチマークスイートDataRaceBenchは、これらのデータ競合検出ツールを、システマティックで測定可能な方法で評価するために作られている。 本稿では,DataRaceBench-ML (DRB-ML) という名前の派生データセットを紹介する。
  論文  参考訳（メタデータ） (2023-08-16T16:23:13Z)
• Automatic Detection, Validation and Repair of Race Conditions in Interrupt-Driven Embedded Software [17.564883311453134]
  我々は、割り込み駆動組込みソフトウェアにおける競合条件を検出し、検証し、修復する自動化フレームワークであるSDRacerを提案する。 C言語で書かれた9つの実世界の組込みプログラム上でSDRacerを評価する。
  論文  参考訳（メタデータ） (2023-05-29T03:22:00Z)
• TDT: Teaching Detectors to Track without Fully Annotated Videos [2.8292841621378844]
  検知と外観の埋め込みの両方を予測するワンステージトラッカーは、多くの注目を集めた。 提案した1段階のソリューションは,2段階のソリューションと品質が一致するが,3倍高速である。
  論文  参考訳（メタデータ） (2022-05-11T15:56:17Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• Hard Occlusions in Visual Object Tracking [12.502821224144151]
  航空機内回転などのハードシナリオ上での最近の最先端トラッカー(SOTA)の性能をベンチマークする。 その結果,SOTAトラッカーのハードオクルージョンは依然として非常に難しい問題であることがわかった。 特定のカテゴリーによるトラッカー性能の変動は,実世界のシナリオにおけるトラッカー性能を測るのに,平均的なシングルパフォーマンススコアを用いた共通トラッカーランキングが不十分であることを示している。
  論文  参考訳（メタデータ） (2020-09-10T11:42:21Z)
• Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data [93.76907759950608]
  本稿では,垂直分割データに対する2倍のカーネル学習アルゴリズムを提案する。 本稿では,FDSKLがカーネルを扱う場合,最先端のフェデレーション学習手法よりもはるかに高速であることを示す。
  論文  参考訳（メタデータ） (2020-08-14T05:46:56Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。