2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、面向通用計算的GPU具有超強的大規(guī)模數(shù)據(jù)并行計算能力,以及高吞吐量、高性價比等特點,而采用其作為加速設備的GPU集群則成為高性能計算領(lǐng)域的研究熱點。由于GPU的加入,GPU集群呈現(xiàn)了多層次、復雜的的異構(gòu)特征,使得應用程序開發(fā)、運行帶來了很大的難度。當前對這一體系結(jié)構(gòu)進行編程,是通過將傳統(tǒng)的節(jié)點級通信模型MPI和具體的加速器設備編程模型(如CUDA)進行簡單的松散耦合,形成的直觀、可用的GPU集群編程模型(如MPI+CUDA)。
 

2、 在MPI+CUDA編程模型中,程序員需要手工的完成任務到節(jié)點的分配,這需要了解底層的體系結(jié)構(gòu)細節(jié)信息。當集群規(guī)模較大時,采用手工的方式進行任務分配難度非常大。而且手工分配的結(jié)果和具體的底層集群體系結(jié)構(gòu)高度相關(guān),這也影響了程序的可移植性和可擴展性。此外,該模型按照任務控制邏輯對應用進行劃分,這使之難以有效的挖掘應用中的數(shù)據(jù)并行性,并難以獲得任務間的數(shù)據(jù)流依賴關(guān)系,因而難以實施有效地細粒度任務分配策略。基于MPI+CUDA編程模型存在的上

3、述缺陷,本文引入了DISPAR數(shù)據(jù)流模型這樣一種公認的適合于描述數(shù)據(jù)密集型應用的模型,并試圖在這樣一個新的編程模型下實施自動、優(yōu)化的任務分配機制。
  DISPAR編程模型將數(shù)據(jù)密集型應用中的計算抽象為虛擬計算單元VNODE。VNODE之間具有統(tǒng)一的、明確自定義的通信接口PIPE,因此任務之間的數(shù)據(jù)流依賴關(guān)系能夠方便的獲得。本文設計并實現(xiàn)了基于DISPAR編程模型的任務自動分配系統(tǒng)StreamMAP:(1)通過對DISPAR源程序

4、中的任務資源需求和數(shù)據(jù)流通信關(guān)系進行分析獲得整個集群應用的任務資源需求拓撲圖,完成對集群任務的抽象表達。(2)提出了由“控制節(jié)點發(fā)出詢問、各節(jié)點響應”這樣一個獲取集群當前資源分布信息(當前節(jié)點資源表)的方案,這樣只需依賴一個普通的MPI程序就可動態(tài)獲取集群的資源分布信息,不涉及任何操作系統(tǒng)層面的改造。通過這種較為簡單的方式獲得底層集群系統(tǒng)的資源模型。(3)在此基礎上,提出并實現(xiàn)了一種兼顧高并行度、負載均衡、減少任務見通信代價等多個優(yōu)化目

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論