paperbot · PL 论文追踪

全部论文 待读 收藏

P2 FLEP

FLEP
ASPLOS Proceedings of the Twenty-Second International Conference on Architectural Support for Programming Languages and Operating Systems2017匹配度 1/10 · 该论文讨论 GPU 灵活抢占与多任务调度中的性能/优先级反转问题，属于体系结构与运行时系统方向，与用户关注的静态分析、LLM/Agent、浮点程序分析、贝叶斯程序分析均无直接关系。引用 79 inbox
Bo Wu, Xu Liu, Xiaobo Zhou, Changjun Jiang
运行时与内存管理语言与体系结构
crossref: 2026-09-12dblp: 2026-09-12

AI 速览

一句话：针对现代 GPU 不支持灵活抢占导致多任务下性能与优先级反转的问题，提出 FLEP 机制。

现代 GPU 被广泛用于 HPC 与云计算以加速通用负载，但其硬件并不支持灵活抢占。这一限制在多任务环境下会引发性能下降与优先级反转问题：高优先级任务无法及时中断正在执行的低优先级任务，导致调度不公平与响应延迟。论文标题为 FLEP，应针对该问题提出一种机制，但所提供的摘要仅停留在问题陈述层面，未说明具体设计、实现方式或实验评估结果。因此本摘要无法覆盖方法与关键结果，需查阅全文获取。

问题
现代 GPU 不支持灵活抢占，导致多任务环境下的性能下降与优先级反转问题。
方法
摘要未给出具体方法，仅从标题 FLEP 可推测其提出一种面向 GPU 的抢占机制。
评估
摘要未提供评估方式或实验结果。
原文摘要（Abstract）

GPUs are widely adopted in HPC and cloud computing platforms to accelerate general-purpose workloads. However, modern GPUs do not support flexible preemption, leading to performance and priority inversion problems in multi-tasking environments.

链接与引用

DOI 原文 · DBLP

BibTeX 
@inproceedings{WuLZJ17,
  title = {FLEP},
  author = {Bo Wu and Xu Liu and Xiaobo Zhou and Changjun Jiang},
  booktitle = {ASPLOS},
  year = {2017},
  doi = {10.1145/3037697.3037742}
}