随着摩尔定律的发展,处理器进入了多核时代。串行程序的并行化迎来了全新的挑战,传统的并行技术需要确保不同的并行线程之间不存在依赖关系,并行策略比较保守,在程序加速方面遇到瓶颈。线程级推测（TLS）作为一种自动化并行技术,以一种激进地方式挖掘程序在运行时的内在并行性,它将具有数据依赖性的串行程序划分为多线程程序,并在多核平台上并行执行。然而,现有的TLS模型会产生额外的开销,甚至在频繁地违反数据依赖关系时,可能会抵消掉TLS带来的性能收益。针对上述问题,本文提出了一种基于Pthreads（POSIX线程库）的线程级推测机制,主要工作如下:（1）提出基于Pthread的TLS线程执行模型。针对线程级推测执行模型在进行冲突检测时产生大量的回滚开销问题,根据推测执行时子线程执行阶段的不同,本文将其分为空闲态、推测态、可提交态,并基于这三种状态之间的相互转换关系,对主线程与子线程的推测执行流程进行了设计。同时使用Pthreads编程模型对所提执行模型的推测初始化过程、子线程激活以及提交操作等工作机制进行了设计与实现,为串行程序的推测并行提供理论支撑与平台支持。（2）设计基于共享栈的推测变量管理机制。针对多线程执行时程序间依赖变量的推测操作问题,为每个子线程分配了一个线程本地存储变量,用以记录子线程对推测变量的操作以及推测值。同时,为每个推测变量设置了一个共享存储变量,用于多线程版本推测变量的冲突依赖检测以及提交操作,实现线程对推测变量的读写操作并确保多线程间对同一推测变量的数据安全。之后,定义了一组推测变量API,用于简化线程级推测编程难度和提高推测并行编程效率。为验证本文所提基于Pthreads的线程级推测机制的加速比性能,本文选取了三个基准测试程序从线程可扩展性、程序输入规模、推测执行时间以及方法对比四个方面进行实验验证以及结果分析。在线程可扩展性实验中,实验数据表明本研究在随着子线程数的增加时,具有良好且稳定的推测并行收益;输入集对比实验表明随着输入数据规模的增加,推测多线程所获得的并行收益也会随之增加;通过剖析程序的推测执行时间可知,本研究可以在获得并行收益的同时减少误推测执行;最后通过与AIPM方法进行比较,本文所提出的基于Pthreads的线程级推测机制具有较高的加速比性能,可使推测加速比性能提升约5.19%。