多GPU-CPU混合異構(gòu)平臺(tái)下的光譜計(jì)算優(yōu)化.pdf

1、太陽(yáng)系外的所有宇宙天體的信息幾乎都是通過(guò)光譜計(jì)算獲得的，能夠觀察到的光譜包含了大量的重要信息，例如恒星的溫度、年齡、金屬豐度以及星系組成等。
　　目前天文領(lǐng)域有一些經(jīng)典的光譜計(jì)算工具包，例如XSPEC，ISIS，XSTART，APEC等等，雖然這些工具包可以精確地進(jìn)行光譜計(jì)算的求解，但程序結(jié)構(gòu)仍停留在傳統(tǒng)的串行模式上，目前并沒(méi)有任何一個(gè)基于并行架構(gòu)的光譜計(jì)算工具。光譜計(jì)算的核心部分是數(shù)值積分，隨著GPU通用性的不斷提高，計(jì)算性能的

2、穩(wěn)步增長(zhǎng)，許多經(jīng)典的數(shù)值積分算法已經(jīng)發(fā)展出來(lái)GPU加速版本。但是目前現(xiàn)有的GPU加速版本的數(shù)值積分算法都是針對(duì)大區(qū)間的高維積分，并不適用于光譜的計(jì)算，光譜計(jì)算中數(shù)值積分的特點(diǎn)是大量的、一維的、積分區(qū)間非常小的積分計(jì)算。因此要在多GPU-CPU的混合異構(gòu)平臺(tái)上加速光譜計(jì)算，不但需要解決光譜計(jì)算的核心算法向GPU的遷移，而且必須對(duì)GPU與CPU進(jìn)行合理的動(dòng)態(tài)任務(wù)調(diào)度，充分發(fā)揮GPU和CPU各自的優(yōu)勢(shì)。
　　本文提出了一種多CPU-GP

3、U混合異構(gòu)并行方法來(lái)加速求解光譜計(jì)算。首先將計(jì)算密集型的積分部分放到了GPU上來(lái)計(jì)算，通過(guò)合理的任務(wù)粒度劃分減少主機(jī)和設(shè)備之間頻繁的數(shù)據(jù)拷貝來(lái)提高計(jì)算的性能。其次，提出了一種基于多個(gè)CPU與多個(gè)GPU之間的動(dòng)態(tài)任務(wù)調(diào)度策略，該策略基于任務(wù)隊(duì)列和共享內(nèi)存的方法，該種方法相對(duì)于傳統(tǒng)的客戶機(jī)-服務(wù)器的體系結(jié)構(gòu)可以很好地減少額外的通訊開銷。最后，綜合理論分析和實(shí)驗(yàn)驗(yàn)證了本文所提出的方法的有效性和準(zhǔn)確性，實(shí)驗(yàn)顯示，使用24個(gè)CPU核、3個(gè)GPU設(shè)