基于GPU的高性能计算研究与应用

发布时间：2017-04-06 10:15

  本文关键词：基于GPU的高性能计算研究与应用，，由笔耕文化传播整理发布。

【摘要】：近年来,信息技术的迅猛发展和普及应用所带来的数据爆炸性增长,对现有的数据处理技术提出了新的挑战。大数据的规模之大,使得现有的串行计算方法难以在可接受的时间内快速完成其处理和计算。为了提高处理效率,需要利用高性能计算技术,使用分而治之的并行计算模型来支撑大数据处理。而GPU由于其强大的并行计算能力、高吞吐率以及高性价比,已经成为高性能计算领域的主流加速器。但是,目前基于GPU的高性能计算技术对GPU的计算能力的利用不够充分,难以应对大数据环境下的并行计算。另外,在一些实际应用场景中,需要用户熟悉GPU程序开发细节,使得高性能计算系统的易用性受到影响。因此,本文中选取大数据环境下基于GPU的高性能计算的两个方面进行研究:(1)对基于GPU的高性能计算技术中的并行计算模型进行研究与改进:MapReduce是一种适用于大数据处理的分布式计算模型,但其计算能力受到硬件设备的限制。因此,以MapReduce模型为基础,借助GPU的强大硬件并行能力,设计并实现了一种基于MapReduce的GPU并行计算模型——GSMR模型。实验显示,GSMR与同类模型相比达到良好的加速比,并具有可扩展性。(2)对GPU高性能计算技术的具体应用进行研究,涉及两项问题:研究大数据环境下传统网络转发设备进行IP报文处理时所面临的吞吐率不足问题,提出一种基于GPU的并行报文分类方法,并对不同类型报文分类算法的并行化及优化方法进行分析。实验显示该方法能够有效提高报文处理速度,提高网络设备吞吐率。另外,针对科学计算用户,研究如何提供GPU高性能计算的虚拟化服务。对此提出一种基于RPC的GPU虚拟化方法,通过函数级调用的方式,使得用户可以无需关心GPU编程细节。实验显示,该方法相对于本地计算而言大大提高了运算速度,增强了GPU高性能计算的易用性。
【关键词】：高性能计算 大数据 GPU MapReduce 报文分类 虚拟化
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP38
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 注释表12-13
• 缩略词13-14
• 第一章 绪论14-20
• 1.1 研究背景14-17
• 1.1.1 高性能计算概述14-15
• 1.1.2 大数据研究概述15-17
• 1.2 研究内容与意义17-18
• 1.3 本文的内容安排18-20
• 第二章 高性能计算相关技术研究20-32
• 2.1 相关技术研究现状20-21
• 2.2 GPU通用计算技术21-27
• 2.2.1 CUDA软硬件体系21-25
• 2.2.2 CUDA编程模型25-27
• 2.3 Map Reduce分布式计算技术27-31
• 2.3.1 Map Reduce模型架构27-29
• 2.3.2 Map Reduce实例29-31
• 2.4 本章小结31-32
• 第三章 基于Map Reduce的GPU并行计算模型设计与实现32-56
• 3.1 相关研究工作32-35
• 3.1.1 Mars架构33-35
• 3.2 GSMR模型设计35-46
• 3.2.1 设计目标35-37
• 3.2.2 工作流程37-42
• 3.2.3 缓冲区管理42-44
• 3.2.4 可扩展性44-46
• 3.3 GSMR模型实现方法46-52
• 3.3.1 用户接口46-50
• 3.3.2 实验配置50-51
• 3.3.3 实验应用程序51-52
• 3.4 实验结果与分析52-55
• 3.4.1 与Mars对比实验52-54
• 3.4.2 可扩展性实验54-55
• 3.5 本章小结55-56
• 第四章 GPU高性能计算技术应用研究56-74
• 4.1 基于GPU的并行报文分类方法56-65
• 4.1.1 问题描述56-57
• 4.1.2 报文分类算法及其并行化方法57-60
• 4.1.3 并行报文分类算法的优化60-62
• 4.1.4 实验结果与分析62-65
• 4.2 基于RPC的GPU虚拟化方法65-73
• 4.2.1 问题描述65-66
• 4.2.2 GPU远程调用方法66-68
• 4.2.3 基于RPC的GPU虚拟化方法68-70
• 4.2.4 实验结果与分析70-73
• 4.3 本章小结73-74
• 第五章 总结与展望74-76
• 5.1 全文小结74-75
• 5.2 未来工作75-76
• 参考文献76-82
• 致谢82-83
• 在学期间的研究成果及发表的学术论文83

【相似文献】

中国期刊全文数据库 前10条

1 焦锋,刘群,邢文建;客户机/服务器下的数据缓存技术[J];辽宁工程技术大学学报;2005年02期

2 张驰;李安波;;房产产权产籍系统中数据缓存的应用[J];测绘科学;2009年03期

3 顾荣庆;杨开杰;徐汀荣;;分布式数据缓存技术研究[J];计算机应用与软件;2011年06期

4 王家尧;王桂玲;张鹏;;基于缓存的复合数据服务更新优化方法[J];微电子学与计算机;2013年03期

5 黄世能,奚建清;分布访问环境中的数据缓存体系研究[J];计算机工程与科学;2000年06期

6 黄世能,奚建清;分布数据缓存体系[J];软件学报;2001年07期

7 宋媛媛;徐生林;杨成忠;;基于OPC协议IO Server的设计与实现[J];工业控制计算机;2007年04期

8 周京晖;;数据缓存按需同步的设计与应用[J];软件;2013年05期

9 王俐;;利用数据缓存技术提升系统性能的探讨[J];价值工程;2012年09期

10 宋宏斌;肖晓强;徐明;林磊;;一种城市车辆网络中的数据缓存算法[J];计算机应用;2010年01期

中国重要会议论文全文数据库 前3条

1 石磊;陈晓敏;朱岩;李昆;;基于SDRAM的高速数据缓存的FPGA控制实现[A];第二十三届全国空间探测学术交流会论文摘要集[C];2010年

2 孙凌;高西奇;;FUTURE系统中MT侧RLC层的设计与实现[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

3 蔡海兴;符影杰;;基于Windows CE串行通信实现现场抄表[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

中国重要报纸全文数据库 前6条

1 王志强;银行应用系统间的数据交换[N];计算机世界;2005年

2 陈代寿;网管不言愁[N];中国计算机报;2000年

3 本报记者 谌力;整合 从实时数据处理开始[N];网络世界;2004年

4 易成;平安在上海深圳设立数据中心[N];中国保险报;2004年

5 ;数据库的动态性能调优[N];计算机世界;2002年

6 子言 王春秋 本报记者 姚睿;智能手机“芯”情报告[N];计算机世界;2003年

中国博士学位论文全文数据库 前3条

1 殷君茹;分布式并行环境下林地落界数据快速统计技术研究[D];中国林业科学研究院;2015年

2 韩晶;大数据服务若干关键技术研究[D];北京邮电大学;2013年

3 苗艳超;数字视频服务关键技术研究[D];中国科学院研究生院（计算技术研究所）;2004年

中国硕士学位论文全文数据库 前10条

1 谭云;数据命名网络上的一种存储高效可并行的数据名查找方案[D];暨南大学;2015年

2 刘汀枝;基于Coherence的债券数据缓存服务系统设计[D];复旦大学;2014年

3 周学安;基于IEEE1394b数据光传输模块研制[D];哈尔滨工业大学;2015年

4 覃馨;基于最终一致性的数据缓存策略研究与设计[D];大连海事大学;2015年

5 周琼;基于大数据的新闻管理系统的设计与实现[D];复旦大学;2014年

6 赵亚芳;高速可定时数据合成模块设计[D];电子科技大学;2014年

7 任亮;油气田钻采数据转换系统的设计与实现研究及实现[D];中国科学院大学(工程管理与信息技术学院);2015年

8 赵振东;定向互联网站点数据爬虫及应用服务接口的设计与实现[D];南京大学;2014年

9 杨光阳;基于FPGA的硬件千兆网络通信设计[D];电子科技大学;2015年

10 张彦怡;房地局统一数据服务平台系统的设计与实现[D];电子科技大学;2014年

  本文关键词：基于GPU的高性能计算研究与应用，由笔耕文化传播整理发布。

本文编号：288700