CUDA平臺上序列比對并行軟件的優(yōu)化.pdf

1、流應用是從科學計算、多媒體等領(lǐng)域中抽象出的一類應用，并且還成為了微處理器上的主要負載形式。序列比對是生物信息學的基本操作之一，具有計算密集性、并行性和局域性等特點，屬于流應用范疇。由于生物技術(shù)的發(fā)展，數(shù)據(jù)庫容量每年以指數(shù)增加，使得序列比對越來越耗時，傳統(tǒng)的計算機已經(jīng)很難滿足該應用對實時性的要求，急需要一種新的并行計算平臺去實現(xiàn)該應用。NVIDIA GPU從僅用于3D圖形渲染擴展到通用計算，而且完全支持流應用，成為了工業(yè)界最成功的流體系結(jié)

2、構(gòu)。CUDA統(tǒng)一計算設備架構(gòu)正是推動NVIDIA GPU成為數(shù)據(jù)并行通用計算設備的主要動力。
　　 本文的研究成果包括：（1）研究了序列比對并行軟件的平臺適應性，包括在CUDA平臺上開發(fā)序列比對軟件中的粗粒度并行性和開發(fā)該軟件的核心算法Smith-Waterman算法中的細粒度并行性。（2）從優(yōu)化計算和訪存、負載平衡、開發(fā)軟件中的粗細粒度并行性和靈活的線程組織方式四個方面優(yōu)化了序列比對并行軟件，包括根據(jù)Smith-Waterma

3、n算法運行時的行為特征優(yōu)化GPU線程的計算和訪存操作，設計了執(zhí)行算法Optimized GSW；為了實現(xiàn) GPU線程之間和CPU和GPU之間的負載平衡，分別設計了執(zhí)行算法G_Optimized GSW和CG_Optimized GSW，提高了計算資源的利用率；靈活使用劃分原理，將并行算法和CUDA平臺結(jié)合，改變了子任務的映射方式，設計了粗細粒度同時并行的算法DL_GSW，同時還指出此方法在CUDA平臺的局限性；改變GSW中呆板的線程組織