应用动态生成树的GPU显存数据复用优化

针对手工优化GPU（Graphic Processing Unit）显存级数据复用过程复杂和编译时优化数据复用开销过大的问题,提出了一种基于动态生成树在运行时进行数据复用的优化方法,可为程序员提供一种透明且高效简单的优化方式.该方法将已经执行的GPU计算任务的数据访问抽象为生成树的叶子节点,利用动态生成树管理GPU数据访问信息,实现了运行时GPU显存级数据的复用优化,并通过运行时对生成树的搜索和维护,动态地发掘和优化GPU显存级数据复用,因此,在编程时不需要进行复杂且困难的数据复用分析,直接调用文中提出的运行时库就能有效减少程序执行过程中CPU内存和GPU显存之间的冗余数据传输次数,从而提升应用的运行性能.实验结果表明,使用文中提出的优化方法可有效消除未进行数据复用优化的CPU-GPU应用程序中的冗余数据传输,最大加速比达原始执行的3～10倍,额外开销不到优化后程序总执行时间的5％.

基于超大内存节点的波动方程逆时偏移高效实现

随着地震数据规模不断增大,进行波动方程逆时偏移计算时,采用的重复正传计算与波场数据硬盘缓存的波场数据存储策略是制约逆时偏移计算效率的一个主要因素。为此提出了利用混合内存技术构建高达1.5 TB的超大内存计算节点,以满足大数据量波场数据无损压缩后内存存储需求,实现最小计算量的全波场数据内存存储策略,解决大数据量波场数据存储问题,提升偏移计算效率。实际生产数据测试结果表明,对于大规模数据,节点配置超大内存可使高密度炮数据偏移计算效率提升46.1%以上,计算效率提升显著,可缩短大规模地震数据逆时偏移计算时间,降低计算能源消耗。该技术还可应用于其它大内存需求的地震数据处理,因此具有很好的实用性和经济效益。