CUDA平臺(tái)上序列比對(duì)并行軟件的優(yōu)化.pdf

1、流應(yīng)用是從科學(xué)計(jì)算、多媒體等領(lǐng)域中抽象出的一類(lèi)應(yīng)用，并且還成為了微處理器上的主要負(fù)載形式。序列比對(duì)是生物信息學(xué)的基本操作之一，具有計(jì)算密集性、并行性和局域性等特點(diǎn)，屬于流應(yīng)用范疇。由于生物技術(shù)的發(fā)展，數(shù)據(jù)庫(kù)容量每年以指數(shù)增加，使得序列比對(duì)越來(lái)越耗時(shí)，傳統(tǒng)的計(jì)算機(jī)已經(jīng)很難滿足該應(yīng)用對(duì)實(shí)時(shí)性的要求，急需要一種新的并行計(jì)算平臺(tái)去實(shí)現(xiàn)該應(yīng)用。NVIDIA GPU從僅用于3D圖形渲染擴(kuò)展到通用計(jì)算，而且完全支持流應(yīng)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(jì)算設(shè)備架構(gòu)正是推動(dòng)NVIDIA GPU成為數(shù)據(jù)并行通用計(jì)算設(shè)備的主要?jiǎng)恿Α?br>　　 本文的研究成果包括：（1）研究了序列比對(duì)并行軟件的平臺(tái)適應(yīng)性，包括在CUDA平臺(tái)上開(kāi)發(fā)序列比對(duì)軟件中的粗粒度并行性和開(kāi)發(fā)該軟件的核心算法Smith-Waterman算法中的細(xì)粒度并行性。（2）從優(yōu)化計(jì)算和訪存、負(fù)載平衡、開(kāi)發(fā)軟件中的粗細(xì)粒度并行性和靈活的線程組織方式四個(gè)方面優(yōu)化了序列比對(duì)并行軟件，包括根據(jù)Smith-Waterma

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