Analysis of Automatic Parallelization Methods for Multicore Embedded Systems

There is a demand for reducing the cost of porting legacy code to di erent embedded platforms. One such system is the multicore system that allows higher performance with lower energy consumption and it is a popular solution in embedded systems. In this report, I have made an evaluation of a number of open source tools supporting the parallelization e ort. The evaluation is made using a set of small highly parallel programs and two complex face recognition applications that show what the current advantages and disadvantages are of di erent parallelization methods. The results show that parallelization tools are not able to parallelize code automatically without substantial human involvement. Therefore it is more protable to parallelize by hand. The outcome of the study is a number of guidelines on how to parallelize their program and a set of requirement that serves as a basis for designing an automatic parallelization tool for embedded systems.Det finns ett behov av att minska kostnaderna för portning av legacykod till olika inbyggda system. Ett sådant system är de flerkärniga systemen som möjliggör högre prestanda med lägre energiförbrukning och är en popular lösning i inbyggda system. I denna rapport, har jag utfört en utvärdering av ett antal open source-verktyg, som hjälper till med arbetet att parallelisera kod. Detta görs med hjälp av små paralleliserbara program och två komplexa ansiktsigenkännings-applikationer som visar vad de nuvarande för- och nackdelar de olika parallelliserings metoderna har. Resultaten visar att parallelliseringsverktygen inte klarar av att parallellisera automatiskt utan avsevärd mänsklig inblandning. Detta medför att det är lönsammare att parallelisera för hand. Utfallet av denna studie är ett antal riktlinjer för hur man ska göra för att parallelisera sin kod, samt ett antal krav som agerar som bas till att designa ett automatiskt paralleliseringsverktyg för inbyggda system