一种适应数据与计算密集型任务的私有云系统实现研究

与公有云计算相比,针对数据与计算双重密集型任务的私有云计算系统对计算效率和系统管理效率提出了更高的要求,目前的公有云计算系统显得过于复杂和繁琐,因此需要一种简便易用的能够适应数据与计算密集型任务的私有云计算系统实现。借鉴公有云计算的相关理论和实现方法,提出了一种针对数据与计算双重密集型任务的私有云计算系统实现方案。该方案通过作业文件描述用户的计算任务,确定计算任务的计算模型和计算的输入输出文件;针对私有云的特点,简化Google云计算系统的MapReduce并行处理框架,得到更加直观的数据计算模型;自动连接计算数据流,使该方案更加精简和适应处理数据与计算双重密集型任务。实验结果表明:该方案能够减少额外的计算消耗,处理速度能得到显著提升,有很高的实用性。

H.264计算密集型任务在可重构处理器上的映射

可重构系统具有领域内灵活,性能和专用电路接近的优点,是视频解码的优秀硬件方案。然而在可重构系统上进行高清实时解码还有一定的难度,其中占80%计算量的主要是IDCT(反离散余弦变换)、MC(运动补偿)、Intra-prediction(帧内预测)、deblocking(去块效率滤波)等计算密集型任务。本文基于一款粗粒度可重构处理器,提出了上述计算密集型算法的映射方案,性能优于M.Ganesan与D.Peng在2007、2009年的方案,满足H.264高清实时解码的要求。

异构系统中针对通信密集型任务调度的算法

针对异构多核系统的通信密集型任务的调度,提出了一种综合算法即,HCDUL。该算法首先进行聚簇,然后优先调度就绪关键路径节点,其他就绪节点根据节点的ranku值排序,当处理器有空闲时复制上层节点。使用随机生成图法进行模拟实验,与其他算法相比,HCDUL算法有更小的调度长度。

数据层可配置任务生成方法及其应用研究

为提高数据层的任务处理性能,提出一种可配置任务生成方法。通过分析数据库运行日志和跟踪信息,按照负载时空特性生成数据层任务处理脚本,并获取对应的资源消耗模式和关键任务处理性能。测试结果表明,该方法可以模拟实际应用系统的执行情况,由此获得服务器资源占用率,该资源占用率与实际资源占用率之间的误差可线性消除,为数据库服务器容量规划、存储结构设计、关键功能设计、性能优化,以及云计算平台资源实现和计算能力按需优化配置提供依据。

面向异构信号处理平台的混合优化调度算法

针对异构信号处理平台中通信密集型任务并行复杂度高、通信延迟大等问题,提出了一种基于二阶聚簇和任务复制的混合优化调度算法。该算法对经典调度算法中任务最早开始时间的计算方法进行改进;通过改进传统聚簇方法,有效避免了任务的重复聚簇;结合任务复制连锁效应,设计了基于关键前驱节点的多任务复制方法;利用二阶聚簇法进一步减小调度长度,同时解决了处理器资源浪费的问题。通过随机生成的有向无环图进行仿真实验,结果表明,该算法在通信量较大的情况下具有更小的调度长度和更大的加速比,对于通信密集型任务具有良好的调度结果。

融合关联规则的MOOC资源众包平台任务分配算法

在高校大力发展MOOC平台背景下,为了提升学生的主动性、MOOC平台资源库的丰富性,出现了众包协同构建资源的方法,让学生和教师构成学习共同体,在完成新知识学习的同时进行资源库建设。高校MOOC众包平台的任务就属于知识密集型任务,挑选合适的参与者直接关系到MOOC资源库构建质量。为了更好地构建高校MOOC资源平台,提出一种针对知识密集型众包任务的分配方案,它包含学生的准入筛选、预期工作能力评估两个阶段。首先利用改进Apriori课程关联算法对学生进行准入筛选;其次利用知识关联算法对学生预期工作能力进行评估并将众包任务分配到工作能力最合适的学生;最后对方案进行测试验证,结果表明该方案能够能较好地提升学生挑选和任务分配的效果,促进构建更高质量的MOOC资源库。

基于Hadoop平台的GPU集群加速Apriori算法

针对Apriori算法在Hadoop平台下集群节点计算能力有限的问题,将并行能力较大的GPU与Hadoop相结合,提出一种GPU-Hadoop的计算结构算法。通过Hadoop平台的MapReduce框架,节点将Apriori算法的计算密集型任务交由GPU进行处理,以缩减运算时间。实验结果表明,改进Apriori算法在面对大规模数据集时具有较高的执行速度与计算效率。

基于CUDA平台的规则LDPC码的译码实现研究

低密度奇偶校验(LDPC)码性能优越,允许全并行高速译码,已经在个人数字设备、移动无线通信等领域显示出了很大的应用价值,极可能取代Turbo码成为第四代移动通信的首选编码方案。NVIDIA公司的CUDA是一种新的用于GPU通用计算的软硬件架构。基于CUDA平台程序员可以写出C风格的代码来启动大量的GPU线程并行工作。基于CUDA平台提出和研究一种AWGN信道下的规则LDPC码的译码实现方案。仿真实验对LDPC码译码的CPU实现和CUDA实现的性能作了详细比较。研究表明CUDA能够带来明显的性能提升。

可重构芯片的方法学原理

可重构芯片技术(又称软件定义芯片技术)是集成电路领域非常有希望的差异化技术,具有广泛的适用性。概述了动态可重构芯片的属性分类、潜在特点及其演进过程和方法学原理,总结了动态可重构芯片的若干难点及对应的核心技术,并展望了未来发展趋势。