SpMT WaveCache:开发数据流计算机中的推测多线程

推测多线程技术(Speculative Multithreading,SpMT)是通过推测地执行多个线程来开发线程级并行性,提高超标量处理器性能.通过增加额外的硬件单元,比如线程同步单元(Thread Synchronization Unit,TSU)、线程上下文表(Thread Context Table,TCT)和线程内存历史表(Thread Memory History,TMH),扩展了事务性内存系统,提高了基于波标量指令集系统结构(WaveScalar ISA)实现的WaveCache模拟器的性能.同时,还提出了一种新的两级线程级事务提交机制.最后,采用了6个来自SPEC、Media和Mibench测试程序集的真实测试程序,评估了推测多线程WaveCache(SpMT WaveCache)的性能.实验表明,SpMT WaveCache比超标量系统结构提高了2～3倍的性能,是一种有效的开发动态数据流计算机性能的方法.

将向量处理引入数据流计算机

数据流计算机解决了多机系统存储器延时和同步２个不易解决的基本问题，可以充分利用程序的各级并行成分．这种计算机在算术运算等方面性能优越，但在结构数据（如向量）处理方面开销大、效率低．将向量处理技术引入数据流计算机，能有效地解决这个问题．通过在类似Ｍａｎｃｈｅｓｔｅｒ的数据流计算机上增加向量处理功能，并进行了矩阵乘运算的模拟．结果表明，增加向量处理后，矩阵乘运算的效率比近几年提出的Ｍｏｎｓｏｏｎ和Ｅｐｓｉｌｏｎ等数据流计算机提高一倍，甚至２倍以上．

数据流计算机——一种新型的计算机系统结构模型

介绍了数据流机的数据驱动特征、数据流程图、数据流程序设计语言以及其特殊的系统结构 。

数据流计算模型及其在大数据处理中的应用

如今无界、乱序的大规模数据集越来越普遍,并且消费者对这些数据集的处理需求日益复杂,如时间语义、窗口以及处理时延等。针对在无界、乱序的大规模数据集上演进的数据处理需求,探讨了大数据处理中的数据流计算模型。一方面,从执行引擎层面分析了大数据处理中的数据流计算模型所体现的数据流图;另一方面,从统一编程层面分析了大数据处理中的数据流计算模型所体现的数据流编程模型。在此基础上,进一步结合Spark批处理引擎和Flink流计算引擎等多个执行引擎,对比分析了数据流图和数据流编程模型在2类执行引擎中的具体实现。

数据流计算机复合函数级并行的开发

数据流计算机开销过大的基本原因是并行的粒度太细。本文研完在数据流计算模型中引入复合函数级并行的开发,讨论它在SDS模型的抽象机上的实现方法,并介绍以此为基础的模型机SDS-1系统。

数据流计算机系统

几十年来,计算机的软、硬件研究人员都在致力于提高计算机系统的处理率,而提高处理率的关键是充分发掘和利用计算机系统中的同时性(simultaneity),或者说是尽力提高其并行处理的能力。但是,在现有的各种计算机系统中都存在着某些相互依赖的约束,我们把它简称为相关性,相关性是提高并行处理能力的障碍和阻力。 概括说来,在计算机系统中存在着三种相关性,即数据相关、控制相关和资源相关。前两种相关是程序中的相互约束,后一种相关是执行这一程序的计算机系统在资源上的相互约束。

基于数据流模式的聚集快速查询计算研究

为了减少在计算和存档数据流的过程中对昂贵的存档数据的存取,分析了聚集数据查询的特点,并引入了聚集查询语言和聚集查询重写方法。针对数据流近似查询计算的需求,概述了数据流计算的基本特征,提出了一种基于数据流的近似计算模型。在此基础上,根据实际应用环境给出了一种近似查询提纲的小波方法。该计算架构和方法在人口信息系统中的实际应用表明,可以实现对数据流的快速聚集查询处理,并获得有效的查询结果。

面向大数据流式计算的任务管理技术综述

流式计算是大数据的一种重要计算模式,大数据流式计算已成为研究热点。任务管理是大数据流式计算的核心功能之一,负责对流式计算的任务进行资源调度及全生命周期管理。目前对于大数据流式计算的技术调研工作主要集中于流式计算应用需求、体系结构及整体技术,缺乏对大数据流式计算任务管理技术的精细化调研分析。首先给出流式计算任务管理的抽象功能模型,其次基于该模型对任务管理的关键技术进行了分类和综述,最后对既有主流的大数据流式计算系统对上述关键技术的应用、集成和优化进行了调研分析。

基于GPU的多数据流相关系数并行计算方法研究

为了满足多数据流处理的实时性需求,提出一种跨PCIE总线的四层滑动窗口模型和基于图形处理器的多数据流并行处理框架模型,在此框架模型下可以并行维护数量巨大的滑动实时多数据流统计信息,同时采用精确方法并行计算多数据流间任意两条的相关系数。通过对比在同样的实验环境下只使用CPU的计算处理方法,验证了新方法的实时计算性能具有显著的提高。

大数据流式计算方法在气象领域的应用设想

在气象领域,随着观测手段的丰富,观测要素的增多,观测台站和观测频次增长,气象数据增长迅猛。面对局部突发天气过程,对气象数据的时效性要求更加突出。大数据流式计算具有实时计算数据并进行数据处理的特点,能够有效地保证突发气象状况下信息的及时反馈。基于此,论文提出借鉴已经在电子商务领域广泛应用并得到实践证实的大数据流式计算方法,结合气象数据的分析现状和需求,设计服务于气象领域的流式计算系统,解决实时数据处理问题,在应对突发气象情况下发挥作用。

Internet环境下一种基于数据流的构件组装模型

随着Internet上提供在线复用的构件增多,用这种构件服务组装软件系统就成为可能.本文首先针对Internet环境构件组装系统分析了现有相关技术的不足,讨论了组装技术应用上的关键问题.为此将构件与传统的数据流计算模型相结合,设计并实现了支持广域构件组装的DFCM组装框架;给出了DFCM的总体结构,描述了其中的关键技术;经过对原型系统的模拟表明该模型框架是有效的,能够充分利用Internet固有的并行性,具有扩展性.

基于数据驱动原理的新型计算机系统结构的可行性分析

本文通过对传统的基于存储程序原理的冯·诺依曼计算机和基于数据驱动原理的新型计算机系统结构的数据流计算机的比较以及对数据流计算机的性能的分析 ,得出这种还处在萌芽阶段的数据流计算机是可行的 ,也是具有发展潜力的 .

面向数据流结构的指令映射优化方法

在高性能计算领域,数据流是一类重要的计算结构,也在很多实际场景表现出很好的性能和适用性。在数据流计算模式中,程序是以数据流图来表示的,数据流计算中一个关键的问题是如何将数据流图映射到多个执行单元上。通过分析现有数据流结构的指令映射方法及其不足,提出了基于数据流结构的新型指令映射优化方法。主要是根据多地址共享数据包的特性对指令映射方法进行优化,延迟多地址共享数据路由包的拆分,减少网络拥堵。

数据驱动计算及其应用

数据驱动计算概述 计算机体系结构可以分为控制流计算机和数据流计算机。控制流计算机又称为冯·诺依曼计算机，其程序的运算执行顺序是预先设置好的，按照编程者的控制（程序指针）逐条执行。现在实际应用的计算机都使用控制流机制，而数据流计算机运算的执行顺序取决于数据间的互相依赖关系和操作数的有效性，指令间没有固定的顺序，不需预先设定，更符合人们的思维习惯。

冯·诺依曼瓶颈下计算机体系结构的创新

在计算机体系结构的发展过程中,冯·诺依曼架构无疑是最为传统且主流的架构之一。为了追求更加高速的计算效率,人们在冯·诺依曼架构的基础上不断做出优化,直至达到其发展瓶颈。从传统冯·诺依曼架构出发,分析了该架构固有的局限性,并列举了针对这些局限性所作出的基本改良措施。然后具体介绍了存算一体、数据流计算等在冯·诺依曼架构上进行创新的多种技术手段。最后简述了突破原始电子计算机物理材料体系的其他非冯·诺依曼架构的发展历程,例如类脑计算机和量子计算机等,并展望了现代计算机体系结构的发展前景与方向。

SIGMA-1数据流巨型机-对新一代巨型机系统的挑战

SIGMA-1是一种很有前途的、基于数据流体系结构的实用计算机原型。它在性能上超过了传统的冯氏计算机。这种大规模数据流机用于科学技术计算。它正由日本通产省的电子技术实验室进行最后阶段的设计和制造。本文概述了SIGMA-1的系统结构,讨论了最近进行的性能测试,同时还给出了为达到SIGMA-1计划中提出的100MFLOPS性能指标所作的设计决策和有关体系结构的问题。最后简述了SIGMA-1计划的历史。

移动云计算的数据处理方法

本文设计并实施了一种改进的MapReduce模型,它由谷歌设计并用来处理海量数据,称之为框架FastMR.MapReduce的模型,它成为被广泛接受且应用于很流行的云计算编程模型,与MapReduce相比,FastMR可以更容易地实现大数据流的移动式云计算,根据移动式云计算的特点我们放弃了传统的MapReduce模型的一些特征并添加了一些新的属性。

异构多核计算系统的Codelet任务调度策略

Codelet数据流计算模型在处理大规模并行计算任务时效果显著,但该模型目前缺少在异构多核环境中的任务调度策略。因此,提出了一种在异构多核环境下基于蚁群算法的Codelet任务调度策略。该调度策略将启发式算法与蚁群算法相融合,在发挥各自优势的同时克服了启发式算法不能得出最优解的缺陷以及蚁群算法初始信息匮乏的问题。实验结果表明,智能蚁群任务调度策略相比Codelet运行时系统中原生的动态调度和静态调度策略具有更高的执行效率。

第五代计算机与心理学

这是一个很困难的题目,因为在日本进行第五代计算机研究,或者提出该研究项目的人很少考虑心理学。他们考虑的是日本在计算机硬件、软件和应用竞争方面所取得的进展。所以,我要谈的第五代计算机与心理学的关系,只是我个人的观点,可能与从事这项研究的人所考虑的问题关系不大。