云计算环境下浮点和整数同时多线程资源配置方法研究
本文选题:云计算环境 + 浮点 ; 参考:《科学技术与工程》2017年23期
【摘要】:云计算环境下数据规模较大,当前资源配置方法依据优先级、按照顺序对资源进行配置,具有资源利用率低、配置效率低、能耗高等弊端。为此,提出一种新的云计算环境下浮点和整数同时多线程资源配置方法,分析了计算操作和访存操作的并发性,给出云计算环境下和每片外访存load操作相应的发射执行指令数的定义,得出在相同时间段内IPM值越大,计算型与访存型操作同时执行的机会越大,资源配置性能越高的结论。依据该结论,通过IPM实现云计算环境下浮点和整数同时多线程资源配置,将较多的资源分配至IPM值较大的浮点或整数线程中,将较少的资源分配至IPM值较小的浮点或整数线程中,使得云计算环境下的共享资源得到最佳配置。利用实验测试所提方法的实际应用性能。实验结果表明,所提方法资源利用率高、能耗损失低、资源配置效率高,整体资源配置性能很高。
[Abstract]:In the cloud computing environment, the data scale is large, the current resource allocation method allocates resources according to priority, according to the order of resources, which has the disadvantages of low resource utilization, low allocation efficiency, high energy consumption and so on. In this paper, a new resource allocation method of floating-point and integer multi-thread in cloud computing environment is proposed, and the concurrency of computing operation and memory access operation is analyzed. The definition of the number of transmit and execute instructions corresponding to each load operation in the cloud computing environment is given. It is concluded that the larger the IPM value in the same time period, the greater the chance of both computational and memory access operations to execute simultaneously, and the higher the performance of resource allocation. According to this conclusion, the floating-point and integer multi-thread resource configuration in cloud computing environment is realized by IPM, and more resources are allocated to floating-point or integer thread with higher IPM value. Fewer resources are allocated to floating-point or integer thread with lower IPM value, which makes the shared resources in cloud computing environment best configured. The practical application performance of the proposed method is tested by experiment. The experimental results show that the proposed method has the advantages of high resource utilization, low energy loss, high resource allocation efficiency and high overall resource allocation performance.
【作者单位】: 海军航空工程学院;
【分类号】:TP332
【相似文献】
相关期刊论文 前10条
1 ;浮点DSP一比三[J];每周电脑报;2000年44期
2 刘安,孙艳红;浮点格式转换的分析与实现[J];电脑开发与应用;2001年02期
3 邓彬伟;;嵌入式系统中48位高精度浮点类型的设计与实现[J];微计算机信息;2007年23期
4 何军;田增;郭勇;陈诚;;浮点乘加部件延迟对浮点性能影响的研究[J];计算机工程;2013年07期
5 ;SHARC 2148x/47x:32位浮点DSP[J];世界电子元器件;2010年09期
6 Bill Chou;Tom Erkkinen;;浮点模型的定点化到产品级代码的生成[J];电子设计技术;2010年03期
7 沈俊;沈海斌;虞玉龙;;一种低延迟高吞吐率的浮点整型乘累加单元[J];计算机工程;2013年06期
8 章锦文,马远良;32位浮点DSP综观[J];微处理机;1995年03期
9 Boris Lerner;;浮点计算的动态范围适合更多应用[J];世界电子元器件;2006年05期
10 张峰;黎铁军;徐炜遐;;一种128位高精度浮点乘加部件的研究与实现[J];计算机工程与科学;2009年02期
相关会议论文 前7条
1 邰强强;倪晓强;张民选;;基于浮点融合乘加部件的前导零预测与检测方法研究[A];第十六届计算机工程与工艺年会暨第二届微处理器技术论坛论文集[C];2012年
2 闵银皮;倪晓强;邢座程;;多线程向量浮点部件的验证方法[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集(A辑)[C];2011年
3 陈博文;郭琦;沈海华;;浮点乘加部件的自动化形式验证[A];第六届中国测试学术会议论文集[C];2010年
4 王宏燕;邢座程;邓让钰;;MB64-1浮点部件的设计[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集(A辑)[C];2011年
5 谢启华;倪晓强;李少青;刘荣华;张民选;;高性能浮点融合乘加部件中加法/前导零预测器的流水设计[A];第十六届计算机工程与工艺年会暨第二届微处理器技术论坛论文集[C];2012年
6 王碧文;彭元喜;杨惠;吴铁彬;;一种FA的设计与验证[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集(A辑)[C];2011年
7 李振虎;倪晓强;李少青;谢启华;张民选;;浮点融合乘加部件中108位加法器的设计[A];第十六届计算机工程与工艺年会暨第二届微处理器技术论坛论文集[C];2012年
相关重要报纸文章 前6条
1 广西 姑苏飘雪;“呼唤”渲染世界真色彩[N];电脑报;2004年
2 ;有望促生亿亿次超级计算机[N];网络世界;2010年
3 中国计算机报测试实验室 王炳晨;1GHz CPU为谁而来?[N];中国计算机报;2001年
4 马文方;CPU与GPU:谁将主导下一次计算革命?[N];中国计算机报;2008年
5 ;安腾2处理器技术特征分析[N];中国计算机报;2003年
6 ;让游戏更真实[N];电脑报;2005年
相关硕士学位论文 前10条
1 吴晨璐;面向浮点FFT的加速系统研究[D];复旦大学;2014年
2 罗淑贞;基于FPGA的浮点乘加融合部件的研究及算法[D];河北工业大学;2015年
3 徐祥男;基于FPGA的LOP算法的设计与性能分析[D];河北工业大学;2015年
4 崔鲁平;基于AltiVec技术的浮点类指令的硬件设计与实现[D];天津大学;2014年
5 杨秀杰;32位高性能M-DSP浮点ALU的设计优化与验证[D];国防科学技术大学;2015年
6 潘宏亮;浮点指数类超越函数的运算算法研究与硬件实现[D];西北工业大学;2006年
7 李振虎;浮点融合乘加部件设计分析与尾数加电路定制设计[D];国防科学技术大学;2013年
8 李振;浮点加减法的模拟验证[D];西北工业大学;2006年
9 段滢;双精度浮点运算单元的设计[D];华南理工大学;2012年
10 沈俊;浮点运算加速器的设计研究[D];浙江大学;2013年
,本文编号:1894643
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/1894643.html