圖計(jì)算技術(shù)可有效解決現(xiàn)實(shí)世界中諸多問(wèn)題,而采用圖形處理器(Graphics Processing Unit,簡(jiǎn)稱GPU)對(duì)圖計(jì)算進(jìn)行加速在性能上具備明顯優(yōu)勢(shì)�，F(xiàn)實(shí)世界諸多圖數(shù)據(jù)規(guī)模較大,而GPU全局存儲(chǔ)空間相對(duì)較小,無(wú)法存儲(chǔ)大規(guī)模圖數(shù)據(jù)。因此,大規(guī)模圖數(shù)據(jù)通常需劃分為子圖,以子圖形式異步拷貝至GPU參與迭代計(jì)算。由于CPU-GPU間帶寬資源局限性,主機(jī)和GPU通常需進(jìn)行頻繁數(shù)據(jù)通信。當(dāng)前系統(tǒng)往往存在大量冗余數(shù)據(jù)傳輸,導(dǎo)致異構(gòu)平臺(tái)下圖計(jì)算性能加速效果不明顯�；诓罘终{(diào)度(Differential Scheduling)策略的CPU-GPU異構(gòu)平臺(tái)圖計(jì)算系統(tǒng)(Scaph)通過(guò)減少冗余數(shù)據(jù)傳輸,可明顯提高主機(jī)和GPU之間帶寬資源利用率,進(jìn)而促進(jìn)異構(gòu)圖計(jì)算系統(tǒng)性能提升。具體而言,每輪迭代開(kāi)始時(shí),Scaph自適應(yīng)地將子圖分為高價(jià)值子圖和低價(jià)值子圖兩類集合:高價(jià)值子圖指子圖中有相當(dāng)一部分?jǐn)?shù)據(jù)在當(dāng)前迭代和后續(xù)迭代中會(huì)被用到;反之為低價(jià)值子圖。對(duì)高價(jià)值子圖,Scaph將其完整傳輸至GPU參與迭代計(jì)算,并在一個(gè)傳輸周期內(nèi)進(jìn)行多輪處理,減少整體迭代次數(shù)進(jìn)而降低數(shù)據(jù)傳輸次數(shù);對(duì)低價(jià)值子圖,Scaph在線抽取當(dāng)...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景
    1.2 課題研究動(dòng)機(jī)
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容
    1.5 文章框架結(jié)構(gòu)
2 異構(gòu)平臺(tái)圖計(jì)算系統(tǒng)調(diào)度方法設(shè)計(jì)
    2.1 異構(gòu)平臺(tái)圖計(jì)算系統(tǒng)基礎(chǔ)框架分析
    2.2 基于子圖價(jià)值的差分調(diào)度方法設(shè)計(jì)
    2.3 系統(tǒng)總體構(gòu)架
    2.4 系統(tǒng)執(zhí)行流程
    2.5 本章小結(jié)
3 基于差分調(diào)度的異構(gòu)平臺(tái)圖計(jì)算系統(tǒng)關(guān)鍵技術(shù)
    3.1 基于價(jià)值的子圖分類技術(shù)
    3.2 圖數(shù)據(jù)組織與管理
    3.3 高價(jià)值子圖調(diào)度引擎
    3.4 低價(jià)值子圖調(diào)度引擎
    3.5 計(jì)算引擎與編程接口
    3.6 本章小結(jié)
4 系統(tǒng)測(cè)試與分析
    4.1 實(shí)驗(yàn)方法和系統(tǒng)配置
    4.2 性能分析
    4.3 可擴(kuò)展性分析
    4.4 有效性分析
    4.5 系統(tǒng)開(kāi)銷分析
    4.6 本章小結(jié)
5 總結(jié)與展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士期間發(fā)表與已投稿論文目錄
附錄2 攻讀碩士期間申請(qǐng)的國(guó)家發(fā)明專利
附錄3 攻讀碩士期間參與的項(xiàng)目



本文編號(hào)：4009895