CPU/GPU异构环境下的高性能空间分析并行计算研究

发布时间：2021-02-26 16:21

　　空间分析是GIS的核心内容,是为解决地理空间问题而进行的数据分析与挖掘。随着空间数据获取能力的快速提高和GIS技术的普及应用,空间分析逐渐应用于各种具有时间跨度和空间跨度的现实问题,相应的计算复杂度也日趋提高,传统的单纯依靠CPU作为计算单元的计算模式和主要算法已难以满足空间数据的实时分析和处理要求。现代的GPU具有很强的并行计算能力,如何利用GPU强大的并行处理能力来解决复杂的科学计算问题已成为目前的一个研究热点。本文针对当前数据海量化、模型复杂化的高性能空间分析的实时处理需要,提出利用GPU强大的并行计算能力来加速空间分析的处理,研究了基于GPU/CPU异构环境的高性能并行空间分析的计算模型、典型算法及其性能优化策略,着重突破传统GIS中海量空间数据高性能处理计算与空间分析的技术瓶颈。从而为发展我国以计算为核心、以空间分析与决策支持为目标的新型GIS提供有益的计算技术支撑。本文所作的主要工作包括：（1）研究了CPU/GPU异构并行计算的理论、方法和技术,从并行计算任务划分的基本模式、并行程序设计的理论和方法、并行计算实现的硬件平台形式、基于GPU的通用计算和CUDA计算架构等几个方... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：125 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
目录
图目录
表目录
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状及趋势
        1.2.1 基于GPU的通用计算研究现状
        1.2.2 高性能空间分析研究现状
        1.2.3 存在问题及发展趋势
    1.3 研究目标、内容及方案
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 研究方案
    1.4 论文组织结构
第二章 CPU/GPU异构并行计算
    2.1 并行计算基本理论
        2.1.1 并行计算模式
        2.1.2 并行程序设计
        2.1.3 并行计算系统度量指标
    2.2 并行计算的几种形式
        2.2.1 基于单个处理器的多核并行
        2.2.2 基于多处理器的超级计算、集群计算与分布式计算
        2.2.3 CPU/GPU异构并行
    2.3 基于GPU的通用计算
        2.3.1 GPU的发展
        2.3.2 传统的GPGPU开发
        2.3.3 GPGPU的新发展
    2.4 CUDA计算架构
        2.4.1 CUDA软件体系
        2.4.2 CUDA编程模型
        2.4.3 CUDA存储器模型
    2.5 小结
第三章 基于CUDA的最短路径分析并行算法
    3.1 最短路径问题
        3.1.1 图的概念和基本定义
        3.1.2 图的存储结构
        3.1.3 最短路径分析算法
    3.2 基于CUDA的最短路径分析并行算法分析与设计
        3.2.1 Floyd算法的可并行性分析
        3.2.2 基于CUDA的Floyd算法的并行实现
    3.3 Floyd并行算法的CUDA高性能分析与优化
        3.3.1 存储结构
        3.3.2 数据分块与调度
        3.3.3 合并访问
        3.3.4 数据分批处理与异步执行
    3.4 实验与分析
    3.5 小结
第四章 基于GPGPU的空间插值并行算法
    4.1 空间插值算法描述
        4.1.1 空间插值概述
        4.1.2 主要的空间插值方法
        4.1.3 双线性插值算法
    4.2 GPU加速的双线性空间插值并行算法分析与设计
        4.2.1 数据的组织与索引
        4.2.2 GPU加速的双线性空间插值并行算法的设计与实现
    4.3 并行双线性空间插值算法的性能优化
        4.3.1 执行配置优化
        4.3.2 存储器访问优化
    4.4 实验与分析
    4.5 小结
第五章 基于GPU的空间拓扑关系并行计算
    5.1 空间数据与空间拓扑关系
        5.1.1 空间数据
        5.1.2 空间拓扑关系
    5.2 基于直线求交的线/线拓扑关系计算
    5.3 基于GPU的直线求交并行算法分析与设计
        5.3.1 直线求交算法效率及并行性分析
        5.3.2 基于GPU的直线求交并行算法设计
    5.4 在地形图线目标空间冲突检测中的实验与应用
    5.5 小结
第六章 基于MPI+CUDA混合编程模型的高性能空间分析并行计算
    6.1 基于MPI+CUDA的分布式并行计算模型
        6.1.1 异构CPU/GPU协同计算模式及设计
        6.1.2 基于MPI+CUDA的分布式并行计算模型
    6.2 基于MPI+CUDA的双线性空间插值并行算法
        6.2.1 并行算法的任务划分
        6.2.2 并行算法的设计与实现
        6.2.3 实验与分析
    6.3 基于MPI+CUDA的全源最短路径并行算法
        6.3.1 并行算法的任务划分
        6.3.2 并行任务之间的数据通信
        6.3.3 并行算法的设计与实现
        6.3.4 实验与分析
    6.4 小结
第七章 总结与展望
    7.1 已完成的主要工作
    7.2 主要贡献和创新点
    7.3 进一步的工作及展望
参考文献
攻博期间发表的论文和参与的科研项目
致谢


【参考文献】：
期刊论文
[1]MySQL集群与MPI的并行空间分析系统设计与实验[J]. 周玉科,马廷,周成虎,高锡章,范俊甫.  地球信息科学学报. 2012(04)
[2]一种基于关键路径分析的CPU-GPU异构系统综合能耗优化方法[J]. 林一松,杨学军,唐滔,王桂彬,徐新海.  计算机学报. 2012(01)
[3]GPGPU技术研究与发展[J]. 林一松,唐玉华,唐滔.  计算机工程与科学. 2011(10)
[4]SRTM DEM数据空洞插值填补方法对比分析[J]. 黄朝安.  测绘与空间地理信息. 2011(04)
[5]大规模稀疏线性方程组的GMRES-GPU快速求解算法[J]. 柳有权,尹康学,吴恩华.  计算机辅助设计与图形学学报. 2011(04)
[6]并行计算系统度量指标综述[J]. 王之元,杨学军.  计算机工程与科学. 2010(10)
[7]从地理空间数据质量到地理空间信息服务质量[J]. 章汉武,吴华意,胡月明,桂志鹏.  武汉大学学报(信息科学版). 2010(09)
[8]空间拓扑关系若干问题研究现状的评析[J]. 吴长彬,闾国年.  地球信息科学学报. 2010(04)
[9]基于GPU的稀疏矩阵向量乘优化[J]. 白洪涛,欧阳丹彤,李熙铭,李亭,何丽莉.  计算机科学. 2010(08)
[10]基于LiDAR点云数据索引的DEM快速提取[J]. 张齐勇,岑敏仪,杭芬,付仁俊.  测绘科学. 2010(03)

博士论文
[1]摄影测量数据GPU并行处理若干关键技术研究[D]. 杨靖宇.解放军信息工程大学 2011
[2]高性能并行GIS中矢量空间数据存取与处理关键技术研究[D]. 赵春宇.武汉大学 2006
[3]网络计算环境下空间分析的计算模式研究[D]. 蔡砥.华东师范大学 2004

硕士论文
[1]拓扑关系计算方法研究与实现[D]. 倪建华.中南大学 2009
[2]支持空间分析的并行算法的研究与实现[D]. 张丽丽.南京航空航天大学 2008
[3]基于MPI和Linux机群环境的矩阵运算并行算法应用研究[D]. 武亮亮.辽宁师范大学 2007
[4]GIS数据空间理论与空间分析算法的研究和应用[D]. 李湘吉.东北大学 2005



本文编号：3052843