基于Spice协议分块图像缓存优化设计与分析

云桌面传输协议是云桌面使用体验的关键,在实际使用过程中,当发现某些场景每秒产生的桌面图像分辨率较高且数量较多时,协议客户端因瘦终端的处理能力有限而无法实时处理,进而导致桌面使用卡顿,体验较差。针对以上问题,提出了基于Spice协议的分块的图像缓存优化算法,降低了桌面图像数据传输量与终端数据处理量,保证桌面的实时处理与实时响应,解决高分辨率桌面图像的卡顿问题,通过改进优化提升云桌面的体验。

一种在线的动态网页分块缓存方法

分块缓存技术能够有效提高动态网页的服务质量.现有的既存系统较少使用分块缓存技术设计,如何将其应用于这些系统是一个很大的挑战.本文提出了一种在线的动态网页分块缓存方法,使原系统演化成基于分块的系统,为用户服务.该方法具有三方面优点:(1)使原系统在线演化,不影响系统对用户的服务提供;(2)简化了模板的维护,使逻辑执行的粒度从页面降低到分块,减轻了服务器端的压力;(3)独立于原系统,有效支持系统的变化和升级.文章最后对方法进行了实现和评估,结果说明该方法能够较好实现系统的演化,提高系统的服务质量.

APM架构下动态缓存的BCLFL策略

对基于APM的Web服务器架构进行分析,利用动态缓存来提高服务器的响应时间。对于影响服务器动态缓存的Web文件大小、文件连接地址和文件修改时间等因素进行测试,根据测试数据进行分析、研究、探索,给出一种基于链接的小文件日志分块缓存(BCLFL)优化策略,并采用双进程进行实际测试,结果表明该策略在很大程度上提高了服务器的性能。

Xeon Phi平台上基于模板优化的3D GVF场计算加速

3D梯度向量流场(3DGVF field)广泛应用于多种3D图像分析算法中,其计算需要多次迭代,计算量大,如何提高其计算速度具有重要的研究意义。面向Intel Xeon Phi众核集成架构,首次进行了3DGVF场计算的加速优化。首先,挖掘3D图像像素点间存在的天然并行性,发挥众核架构优势,尝试线程级并行(多核)和数据级并行(SIMD)。其次,3DGVF场的计算过程是一种典型的3D-7点模板运算,结合Xeon Phi架构的L2缓存规格,提出一种高效的数据分块策略,充分挖掘数据的时/空局部性,有效缓解模板计算引起的缓存缺失,提升了计算性能。实验结果表明,引入模板优化技术能显著提升3D GVF场的计算速度,在图像维度为5123时,所提方法在57核Xeon Phi平台上的性能相比在2.6GHz 8核16线程的Intel Xeon E5-2670CPU上的性能,加速比可达2.77。

基于众核架构的BP神经网络算法优化

近年来,众核处理器(Many Integrated Cores,MIC)越来越多地为人们所关注,众核架构已经成为许多超算的首选。BP神经网络是采用反向误差传播(Back Propagation,BP)算法的人工神经网络,对于处理器的浮点计算能力要求比较高。目前最新的Intel Xeon Phi(KNL)众核处理器可以达到3TFLOPS的双精度浮点峰值性能。本文对BP神经网络在KNL上进行了向量化扩展,并使用寄存器分块和缓存分块方法优化研究。实验结果表明在KNL上最快能达到220img/s的处理速度,其加速比达到了13.2,为GPU的2.9倍,KNC的2.28倍。