Software Architecture for Concurrency Analysis on a Virtual Platform

With the increasing demand for faster processing, a trend of moving towards multi-core and multiprocessor environments for embedded systems is clear. In this context, concurrent programming is also on the rise. Bugs unique to concurrent programs, such as data races and deadlocks, have been known to cause unexplained and sometimes catastrophic errors in deployed programs. Several algorithms that detect potential concurrency problems have been developed to avoid these errors. Tools such as ThreadSanitizer, developed by Google, have been used to detect concurrency bugs in certain types of programs. These principles can also be applied to simulation environments such as virtual platforms, which are used in place of hardware platforms to run and test software. Implementing such a concurrency bug detector on a virtual platform can be useful, as it enhances the capabilities of the platform and enables early bug detection, which could lead to cost savings. One such tool has been developed for Ericsson’s virtual platform. The tool, which is known as SVPracer, detects concurrency bugs via dynamic analysis. It implements a happens-before algorithm that tracks the accesses to the shared variables and whether they are protected using mutexes and semaphores. The SVPracer was previously tested on small test programs. This thesis aims to scale up the usage of the tool by running tests on production software and attempts to improve the algorithm. The thesis also aims at proposing and describing a software architecture that can be used when adding dynamic analysis-based concurrency problem detection capability to a virtual platform. The algorithm improvements were implemented by adding hardware semaphore awareness and locksets, and the architecture of the race detector was outlined. Some production software tests were found to lead to huge data race reports with plenty of false positives, while others were found to respond better. One source of false positives in the algorithm was identified. The source was a discrepancy between the memory addresses being written by the software and those being checked by the algorithm. Other race reports remain to be analyzed.Med den ökande efterfrågan på snabbare bearbetning av data är en ny tydlig trend att använda multi-core och multi-processor miljöer för inbäddade system. I detta sammanhang ökar också samtidig programmering. Buggar som är unika för samtidiga program, exempelvis datakapplöpning och baklås, har varit kända för att orsaka oförklarade och ibland katastrofala fel i distribuerade program. För att undvika dem har algoritmer för att upptäcka potentiella samtidighetsproblem i program utvecklats. Verktyg som ThreadSanitizer, utvecklat av Google, har använts för att upptäcka samtidighetsbuggar i vissa typer av program. Dessa principer kan också tillämpas på simuleringsmiljöer, till exempel virtuella plattformar som används istället för faktisk hårdvara för att köra och testa programvara. Det kan vara användbart att implementera en sådan samtidighetsbuggdetektor på en virtuell plattform eftersom den förbättrar plattformens funktioner och möjliggör tidig upptäckning av buggar, vilket kan leda till kostnadsbesparingar. Ett sådant verktyg har utvecklats för Ericssons virtuella plattform. Verktyget, som kallas SVPracer, upptäcker samtidiga buggar via dynamisk analys. Den implementerar en inträffatidigare algoritm som spårar åtkomst till delade variabler och huruvida de är skyddade med hjälp av mutexer och semaforer. SVPracer testades tidigare på små testprogram. Denna avhandling syftar till att skala upp användningen av verktyget genom att köra tester på produktionsprogramvara och försöker också göra förbättringar av algoritmen. Avhandlingen syftar också till att föreslå, samt beskriva, en programvaruarkitektur som kan användas när man lägger till dynamisk analysbaserad problem detektionsförmåga i en virtuell plattform. Algoritmförbättringar i form av att lägga till hårdvaru-semafor medvetenhet och locksets implementerades. Det ges en översikt av arkitekturen för detektion av datakapplöpning. Vissa tester av produktionsprogramvara visade sig leda till enorma rapporter om datakapplöpning med massor av falska positiva effekter, medan andra tester visade sig svara bättre. En källa till falska positiver i algoritmen identifierades- en avvikelse mellan minnesadresserna som skrivs till av programvaran och de som kontrolleras av algoritmen- och tas bort, medan andra datakapplöpningsrapporter återstår att analyseras