基于GPU-Hadoop的并行计算框架研究与实现

发布时间：2018-02-03 06:06

本文关键词： 云计算图形处理器并行计算 Hadoop 海洋流场可视化 MapReduce　出处：《计算机应用研究》2014年08期 　论文类型：期刊论文

【摘要】：针对原生的Hadoop云平台处理海洋环境信息可视化效率不高的问题,提出了一种GPU嵌入Hadoop云平台的并行计算框架。该框架以原生Hadoop为基础,GPU并行计算与MapReduce相结合,实现了高效的海洋流场可视化和特征可视化。实验结果表明,提出的并行计算框架在处理数据密集型和计算密集型的海洋数据的效率上优于原生的Hadoop云平台,可达到6~8倍的加速比。因此,提出的云平台框架可以有效提高海洋信息可视化的计算效率,对我国海洋事业的信息可视化发展具有重要的推动作用。
[Abstract]:According to the original Hadoop cloud platform of marine environment information visualization efficiency is not high, proposed a parallel GPU embedded Hadoop cloud computing platform framework. This framework is based on the original Hadoop, GPU parallel computing is combined with MapReduce, realized the visualization and visualization of ocean flow characteristics of high efficiency. Experimental results show that the proposed efficiency the parallel computing framework of marine data intensive computing in data intensive and the better than the original Hadoop cloud platform, the speedup can reach 6~8 times. Therefore, the computational efficiency of cloud platform framework proposed can effectively improve the ocean information visualization, information visualization plays an important role in promoting the development of China's marine industry.

【作者单位】：中国海洋大学信息科学与工程学院;烟台大学计算机学院;
【基金】：海洋公益性行业科研专项经费资助项目(201105033) 山东省自然科学基金资助项目(ZR2012FL07)
【分类号】：TP338.6
【正文快照】： 近年来,随着海洋强国的提出,我国海洋事业进入了高速发展期,海洋环境信息可视化[1]工作的重要性日益突出。海洋环境信息数据随之飞速增长,加速海洋数据处理成为了必然趋势。针对海洋信息可视化要求的插值精度逐步升高、处理速度进一步加快,以及原生态的基于CPU的Hadoop[2]在处

【参考文献】