超级计算机系统峰值运算能力持续提升,而其实际应用却效率低下,随着两者矛盾的日益突出,超级计算机系统的性能平衡性研究逐渐引起业界的广泛关注和重视。研究超级计算机系统的性能平衡性预先评价方法,有助于预先判断系统适用的应用类型,提高系统的实际应用效率,并在体系结构设计过程中,发现性能瓶颈和设计缺陷,从而有效减少研制成本,降低研制风险。论文分析了当前基于经验定律和基于基准测试程序的超级计算机系统性能平衡性评价方法,指出了其在预先评价和综合评价等方面的不足,提出了基于虚拟激励和模拟预测技术的性能平衡性预先评价方法。通过对工作负载特征的描述,以及对典型应用工作负载的分析,建立了指令级工作负载模型,生成了典型应用工作负载虚拟激励;借鉴多指标综合评价的相关理论和方法,提出了失衡度的概念,为性能平衡性评价提供了量化方法;建立了以超级计算机性能模拟器为性能预测平台,以虚拟激励为模拟器驱动,以平衡性要求为评价准则,以失衡度为量化方法的性能平衡性预先评价体系。最后,以蓝色基因/L为目标机器,应用性能平衡性预先评价体系对其进行性能平衡性评价。评价结果表明,蓝色基因/L系统对运算密集型应用表现出最好的性能平衡性,符合系统当初的研制目标,同时指出了存储系统的设计缺陷,并提出了改进意见,与蓝色基因/P对蓝色基因/L的改进方法一致,论证了性能平衡性预先评价体系的有效性。