网络嵌入式系统基于事件驱动的代码诊断方法研究

The recent years have witnessed the rapid development of embedded systems. The international market of embedded software is growing more than 30% annually. Networked embedded systems, such as smart mobile platforms and embedded sensor networks, are envisioned to support numerous applications. Embedded devices often experience energy and performance issues due to their small form size, limited energy supply, and the complex interactions with the external environment. Code diagnosis is an effective method to address these issues. This project will conduct research on event-based code diagnosis techniques for networked embedded systems. Specially, we study (1) the abstraction, construction, and accounting of transactions in event-driven embedded systems; (2) anomaly detection method based on spatial-temporal correlation of isomorphic transactions; (3) code diagnosis method based on dependency networks. Finally, we will conduct case studies for smart mobile platforms and embedded sensor networks. The proposed code diagnosis method will greatly improve the accuracy of existing diagnosis methods, provide a basis for a unified code diagnosis framework. The subject of this project has an important research value and a wide range of applications in addressing energy and performance issues for networked embedded systems.

近年来，嵌入式系统发展迅速，全球嵌入式软件市场每年以超过30%的速度持续增长。特别是以移动智能平台和嵌入式传感网为代表的网络嵌入式系统，具有极为广阔的市场前景。然而，由于体积小、能量受限、交互环境复杂，嵌入式设备经常面临能量、性能等方面的问题。嵌入式代码诊断是解决上述问题的有效方法。本项目将在网络嵌入式系统中展开基于事件驱动的代码诊断方法研究。其具体研究内容包括：1. 基于事件驱动系统事务的抽象、构造与审计方法；2. 基于同构事务时空关联性的异常检测方法；3. 基于属性依赖网络的代码诊断方法。最后，针对智能移动平台和嵌入式传感网进行案例研究，改善现有代码诊断方法的精确性，最终形成统一的基于事件驱动嵌入式系统的代码诊断方法。本项目的研究将对解决嵌入式系统能量、性能等方面的问题具有重要的研究价值和广泛的应用场景。

近年来，嵌入式系统发展迅速，特别是以移动智能平台和嵌入式传感网为代表的网络嵌入式系统，具有极为广阔的市场前景。然而，由于体积小、能量受限、交互环境复杂，嵌入式设备经常面临能量、性能等方面的问题。嵌入式代码诊断是解决上述问题的有效方法。本项目在网络嵌入式系统中展开基于事件驱动的代码诊断方法研究。..在事件记录方面，项目提出了基于动态二进制插桩和高效字符串压缩的事件日志记录技术Dylog。实验结果表明，相比TinyOS标准的radio printf库，Dylog减少了50%的日志开销。相比传统的增量重编程技术，Dylog减少了90%的补丁大小。针对控制流跟踪，提出了基于算数编码的路径跟踪技术AdapTracer。相比于已有的路径跟踪技术PAP，在引入最多10%的计算开销的情况下，AdapTracer能够减少44%的日志开销。..在基于时空关联的异常检测方法方面，提出了基于函数执行次数及主成分分析的异常检测方法D2。并在TinyOS 2.1.1上实现了该方法，结果表明，D2可以帮助管理员在实际部署的传感器网络系统中快速诊断问题。在基于属性依赖网络的代码诊断方法方面，提出了基于多维性能指标和贡献值自动分配的贝叶斯网络诊断方法。..针对Android平台，重点展开了系统性能诊断、UI渲染性能诊断及定位的案例研究。在Android 4.4.2平台上实现了该原型系统，并对FaceQ、Pregnancy+、PicsPlay等知名app进行了分析，发现了这些app存在的过度绘制和引起渲染性能问题的代码，验证了该系统的有效性；针对传感网/物联网，开发了真实的系统包括Mosaic空气质量监测系统和TinyLink物联网快速开发系统。针对上述系统中发生的存储器异常、路由协议异常、多协议共存异常等展开了实际的案例研究。验证了项目所提出的方法的有效性。..此外，项目针对网络测量和诊断展开了较为深入的研究。提出了软件定义传感网测量方法TinySDM，基于多跳网络的异常链路监测和监测节点部署方法，以及基于链路质量与链路相关性分析的监测节点部署方法NetVision等。..项目共计发表论文44篇，其中IEEE/ACM Transactions长文19篇，CCF A类论文27篇，CCF B类论文9篇。本项目的研究对解决嵌入式系统能量、性能等方面的问题具有重要的研究价值和广泛的应用场景。