基于图结构的DAG任务可调度性分析

对全局EDF(Earliest Deadline First)调度策略下DAG(Directed Acyclic Graph)任务的可调度性进行研究。通过修正任务节点的执行窗口,考虑任务的DAG结构特征,提出一种对任务间干扰和任务内干扰具有更高计算精度的可调度性测试算法。在保证算法具有较高识别率的同时,使可调度性测试结果更加符合实际情况。实验结果表明该方法是行之有效的。

基于任务复制的处理器预分配算法

基于任务复制的调度算法比无任务复制的调度算法具有较好的性能 .文章在分析了基于任务复制的几个典型算法 (如TDS ,OSA等算法 )及其假设条件后 ,提出了以使调度长度最短作为主要目标、减少处理机数目作为次要目标的处理器预分配算法PPA .该算法对任务计算时间与任务间通信时间未做任何限制 (即不考虑任务粒度 ) .通过与相关工作的比较可以看出 :PPA算法在调度长度与处理器使用数目上均优于其它算法或与其它算法相当 ,同时 ,该算法具有与TDS ,OSA相同的时间复杂度 .这对嵌入式实时分布系统具有重要的意义 .

神威平台上AceMesh编程模型的构图优化

面向高性能计算领域的多核、众核处理器飞速发展,为了降低并行编程的难度,提高并行计算效率,数据驱动的并行编程模型成为高性能计算领域的研究热点。AceMesh是数据流驱动的、支持多核和众核异构平台的任务并行编程模型,能自动发掘结构化网格应用中存在的数据驱动的任务图并行性。但如果任务粒度划分较细,其构图过程会造成很大开销。本研究结合“申威26010”异构众核处理器的结构特点,从主、从核通信优化、内存池、无后继任务收集等方面对AceMesh构图过程进行优化,并采用航天飞行器应用中的7个热点子程序对优化效果进行测试。测试数据表明以上优化取得5倍的加速。为验证构图优化对AceMesh整体性能的提升,对航天飞行器应用分别在Acemesh和神威OpenACC的加速效果进行了测试,优化后的AceMesh加速效果约为神威OpenACC的1.5倍。

基于代价模型的多平台分析任务流调度优化

分析任务流的调度是人们关注的热点问题之一。在无法提前得知各子任务资源和时间开销以及算子间传输开销的情况下,现有研究缺少较好的调度方法,也无法很好地处理多平台环境下的任务调度。为此,本文提出了一种基于启发式规则优化的拓扑调度算法。该算法通过对同平台任务和后继任务优先选择的规则,对任务流调度顺序进行优化;其次,结合Spark平台下数据分析任务常见的SQL算子和机器学习算子的代价模型,有效对任务的开销做出估计。实验表明,调度优化算法能有效节约时间开销和内存开销,代价模型的估计也较为准确。