随着多核时代的到来,处理器与存储器之间日益增大的性能差距加剧了“存储墙”的问题。数据预取技术是解决此问题的一种有效措施,它提前发出预取请求,利用访存与计算的重叠,减少处理器的等待时间,隐藏访存延迟。对于非规则访存的应用程序,由于其访存的无规律性与较差的局部性,在运行时会发生严重的Cache访问缺失。帮助线程预取技术作为解决非规则应用程序访存延迟的一种有效方法,在数据预取领域受到了广泛的关注。帮助线程通过将数据预取到离CPU更近的Cache来隐藏访存延迟,从而提高多核处理器的性能。但是帮助线程的预取效率直接受到控制参数大小的影响,当某个应用程序总的访存开销大于计算开销时,传统的帮助线程的承担的访存开销会高于主线程的计算开销,从而导致帮助线程速度过慢,降低预取效率。本文基于共享Cache的多核系统结构,选取非规则访存的应用程序作为研究对象。主要从非规则应用程序的特点、已有的预取策略以及帮助线程控制参数的选取等方面对数据预取技术进行了深入分析与探讨。首先介绍了现存的几种数据预取方法,包括软件预取、硬件预取、软硬两者结合的预取以及基于帮助线程的预取。然后,通过对比这几种预取方式的优缺点,提出一种改进的基于参数控制的帮助线程预取模型。该模型采用梯度下降算法对控制参数的最优值进行求解,并利用求解的最优值控制帮助线程与主线程的访存任务量,从而使帮助线程能够领先于主线程的执行。与传统的既复杂又费时的人工枚举方法相比,本文的方法更加高效。最后,为了验证算法的有效性,选取SPEC 2006以及Olden中的基准程序进行验证。实验结果表明,基于参数学习的帮助线程预取算法能获得1.2~1.5倍的系统性能加速比。