基于MPI环境的A-BSP模型的性能评测

针对一种异步的BSP模型(A-BSP),选用6种常用的通信模式代替随机h关系,在曙光集群MPI环境和不同的处理器数量条件下,对A-BSP模型的2个主要参数g和L进行评估,并根据快速傅立叶变换(FFT)的并行化方法,以一种基2并行FFT算法,验证利用A-BSP模型进行MPI程序代价分析的正确性和有效性。在曙光TC1700集群服务器上测得A-BSP模型的参数g为6.07×10-8s/byte,L为1.47×10-4s。在曙光集群上,A-BSP模型所有参数的变化范围基本被限定在某一区间内,且h关系时间受通信模式的影响要比受处理器数量的影响更为明显。A-BSP模型能够有效地指导MPI并行程序设计。

基于MPI的二维经验模分解并行算法

针对二维经验模分解(BEMD)处理大尺寸图像耗时较长的问题,提出了一种基于MPI技术的BEMD并行算法.对BEMD串行程序中极值点选取、平面三角剖分、三角域内数值插值等几个主要部分的运行时间进行了统计,结果表明三角域内数值插值是耗时的主要部分,也是并行化的重点处理部分;随后在高性能计算平台上构建并行环境,基于MPI技术对BEMD算法的包络面生成部分实现了并行化,具体方法是先将剖分后的三角形序列按照进程数均匀划分,使整个图像分割为若干子区域并分配给相应进程,然后各进程拟合出对应子区域的上下Bezier曲面并由0进程进行合并,进而生成上下包络面;最后通过加速比等指标对该算法进行测评.结果表明,算法在30核并行执行时加速比可达20.139 6,利用率为64.97%,运行效率的提升较为明显.在数据量达到原始数据的25倍时可扩展性指标为1.397 5,表明该算法对大数据量的任务有很好的适应性.

一种计算植物冠层光分布的并行仿真系统

光照对植物冠层生长、繁殖的影响是巨大的,但在仿真植物冠层光照分布的过程中由于需要处理的数据量很大,如果利用单处理器计算机计算,会导致计算耗时过长,甚至无法得到高精度的仿真结果。为了提高计算速度,将用于计算植物冠层光分布的深度缓存排序算法进行并行化处理,移植到大型多处理器计算机上进行计算,并通过在普通计算机上开发客户端对仿真计算进行控制。设计实现一套基于客户机-服务器模式的仿真系统。应用该系统对不同生长时期的水稻进行光照仿真,得到了效果图。从而得出结论该系统在分析植物生长趋势模拟全天冠层光照变化方面有着很大的应用前景。

多核环境下AREM模式混合并行计算研究

使用多核处理器已成为构建高性能计算机系统的主流方式。结合多核高性能计算机系统集共享内存结构和分布式内存结构于一体的体系结构特点,对AREM模式开展MPI/OpenMP混合并行计算研究与实现。性能测试结果表明,使用MPI/OpenMP混合并行计算可以将并行应用扩展至更大处理机规模,缩短计算时间,不对原程序结构做大的改动、以增量方式和较小的并行化代价,取得比较好的并行计算效果。

MASNUM海浪数值模式并行化实现

通过对MASNUM海浪数值模式的串行程序的结构研究和对串行模式进行并行化分析,提取了可并行部分的程序计算模块。利用消息传递接口(MPI)和Fortran语言,将模式中可并行计算部分进行了划分,同时分配多个进程并行计算。测试结果表明,MASNUM并行模式的效率较高,满足业务化预报的要求。