基于GPU加速的分布式水文模型并行计算性能

针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。

基于Impala的大数据查询分析计算性能研究

分析了Cloudera公司推出的Impala实时查询引擎原理与架构,并深入比较Impala与传统MapReduce的性能与特点,针对Impala进行复杂大数据处理方面的不足,提出了MapReduce与Impala结合的大数据处理方法,通过使用MapReduce对Impala的输入数据进行预处理,利用MapReduce在复杂作业处理方面的长处弥补了Impala在这方面的不足。最后对电信手机上网日志进行大数据查询和分析计算实验,实验结果表明,在大数据查询性能方面,基于MapReduce与Impala结合的大数据处理速度比传统MapReduce快了一倍。特别地,在迭代查询实验中,基于MapReduce与Impala结合的处理方法超过传统MapReduce方法八倍以上。基于MapReduce与Impala结合的处理方法在单次查询中的效率仍然高于传统MapReduce;而在迭代查询中,MapReduce与Impala结合的处理方法远远地超过了MapReduce。因此,MapReduce与Impala结合的处理方法能够发挥Impala和Hadoop各自的优点,让处理效率远超传统MapReduce,对于复杂的大数据处理的能力高于Impala。

基于Agent网格计算性能的实时调节

由于网格环境中资源的动态性、非独占性、异构性、分布性和网络通信延迟的不确定性等因素导致了应用程序的复杂和低效,难以达到预期的性能。为了实时调整和改进并行和分布式应用的性能,该文研究采用Agent技术设计一种系统模型,利用Agent收集应用各种性能参数,然后利用Agent的智能性,加以分析综合并实时调整,使应用程序更加适应网格的动态环境,获得更高的性能。

GIZA++计算性能分析

本文首先例举了句长限制一定、训练语料不同的情况下,GIZA++运行中的一些数据和图表,其中包括对运行时间、内存等资源消耗量的统计;然后统计了句长限制不同但训练语料相同的情况下,GIZA++的运行数据。通过使用最小二乘法对这些数据进行函数拟合,对GIZA++的计算性能进行初步的预测分析。该方法可以在过程运行前大致估计出所消耗的资源量,从而避免在运行中出现由于资源不足而导致程序崩溃的情况。

并行计算性能的“双流”分析

The generalized speed-up is estimated according to the "double-stream" analyses. The term"decreasing ratio" is used to describe the influence of the hierarchical memory and the characteristics of parallel application on the performance. The optimization principles for parallel computation are also given.

基于64位CPU系统的计算性能比较:Opteron vs. Xeon

目前配置的计算机服务器大量采用64位AMD Opteron和Intel Xeon两种处理器。Opteron和Xeon处理器在时钟频率、内存控制器和I/O连接等诸多方面有所不同,这些差异导致基于这两种处理器的计算机集群系统有不同的特点,其性能与具体使用的应用程序密切相关。在构建面向高性能科学计算的集群系统时,选择基于何种64位处理器最为合理是众多用户所关心的一个重要话题,针对这个问题,对基于AMD Opteron 252(2.6GHz)和Intel Xeon 3.6GHz(L2 cache:1M)处理器的计算机集群系统进行了一系列科学计算性能的测试和比较。

一个提高气象数值模式计算性能的并行I/O优化技术

阐述了开展并行I/O研究对气象数值预报的重要意义,以及通过并行I/O技术充分发挥并行存储性能的必要性和迫切性,提出了并行文件系统底层优化策略及基于MPI-IO的高层I/O库的优化方法,优化后可支持气象要素的并行输出,试验测试数据表明,优化后输出效率明显提升。

Hadoop计算性能的研究

作为Apache开源项目的 Hadoop,凭借着它的两大核心技术:HDFS和Map Reduce,常被应用于海量数据的分布式存储和高并发计算,以发掘海量数据中隐藏的商业价值。本文通过在海量日志文件处理的过程中,对Hadoop的计算性能进行调优,主要涉及Map Reduce应用编程的优化和Map Reduce配置参数优化两个方面。最后,通过对实验数据的分析总结,给出Hadoop计算性能优化的参考。

Applied Micro推出结合了计算性能与低功耗的64位ARM架构处理器,使云计算恢复活力

本刊讯：Applied Micro近日宣布推出X—GeneTM——面向下一代云计算、无线基础架构、企业网络、存储和安全应用的全球首款64位ARM架构处理器。X—Gene多核处理器基于运行速度高达3．0GHz的高性能ARMv8核，将以相当于原有解决方案的小部分功耗和成本提供卓越性能。凭借无与伦比的单线螺纹性能、全面的CPU和I／O虚拟化以及支持片上系统的无粘接多重处理，X—Gene将使AppiiedMicro定义下一代云计算。

集强大计算性能和出色显示能力于一身的研华AIMB-242闪亮上市

研华科技推出新款高端Mini—ITX主板AIMB-242。它搭载Intel QM170／CM236芯片组和最新第六代Intel CoreTM I＆XeonE3处理器，支持nonECC和ECC内存（仅适用于WG2版本），最大支持内存容量可达32GB。AIMB-242采用DDR42133MHz内存并捆绑研华增值软件WISE—PaaS／RMM。

清华刷新亚洲大学生超算竞赛计算性能纪录

4月17日．2013亚洲大学生超级计算机竞赛（ASC13）完成了HPL、GROMACS、OPENCFD前三轮比赛。清华大学取得HPL、OPENCFD两个单项第一，中山大学夺得GROMACS单项第一。从总成绩看，清华大学暂时领先，我国台湾清华大学名列第二。

汽车计算性能在未来十年达到百倍提升

为满足汽车产业快速增长的计算需求，ARM近日宣布针对其Cortex-A、Cortex-R和Cortex-M处理器提供功能安全支持，并已开放授权，为车用行业提供更加强大的协同支持。此举将帮助ARM生态系统打造下一代技术，以满足汽车制造商筹划日益复杂的驾驶辅助和信息娱乐系统需求。基于ARM的系统级芯片（SoC）现已被广泛应用于车用领域。

计算性能 永不满足的需求

人类向前发展的脚步永不停歇，不懈追求更高、更强为我们带来了今天的科技繁荣。自从计算机诞生，人们对于计算性能永不满足的追求也促进了科学计算的进步，从最初的并行计算到事务处理、高可用性计算，直至今天的网格计算。

为客户提供最佳计算性能

惠普近日宣布推出全新惠普ProLiantDL580Gen8服务器，以及惠普ProLiantDL560和BL660cGen8服务器的升级版本，进一步拓宽了其纵向扩展x86产品线。作为业界最全的纵向扩展产品系列，这些服务器针对数据密集型关键业务工作负载提供突破性的性能以及更强的可靠性，帮助客户从第三个月起就开始收回投资。

集群系统计算性能测试研究

为了研究一个具体集群系统的计算性能,文章利用2个Benchmark工具(NASparallelBenchmark,Linpack)测试一个拥有4个计算节点的集群系统的并行计算能力、高性能计算能力两个方面的性能。文章通过对比不同的系统软硬件配置和测试参数条件下的测试结果,对集群系统的总体计算效能做出了客观的评估,并对集群的优化提出了合理的建议。

配备45nm Intel Core^TM2Quad Q9400处理器的控创嵌入式主板具备卓越计算性能和高端图形性能

控创宣布推出新一代嵌入式主扳，该主奴使用45nm Intel Core^TM2 Quad处理器Q9400和Intel Q45 Express芯片组，提供ATX和Flex-ATX两种规格，产品生命周期为七年。

全新稳定平台,良好的计算性能 航天宇星家用电脑天星2400HT

航天宇星科技公司生产的“天星2400HT”具有800MHz FSB英特尔CPU的1865平台,给用户带来了全新性能感受,从实用的角度来考虑,航天宇星“天星2400HT”更加偏重于商业用户的需求,因为毕竟它在多媒体功能方面考虑的并不是很多,除此之外“天星2400HT”也非常注重机器的稳定性和安全性,反传统的设计风格,以及最人性化的设计。