基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,基于图形处理器 GPU 的通用计算逐渐成为主流计算模式。为了降低 GPU 程序设计的难度,提出一种适合于GPU 体系结构的非阻塞并行队列数据结构。通过对并行队列进行语义松弛,该数据结构能够有效利用队列操作的并行性。同时,还提出了高速并行队列插入和删除算法。使用线性化准则对该并行队列的正确性进行验证。实验表明,所提出的并发队列能够达到远高于目前多核 CPU 和 GPU 并行队列的性能,分别超越现有最好结果20倍和200倍以上。
推荐文章
基于GPU的并行优化技术
图形处理器
并行优化
累加和
统一计算设备架构
基于GPU的脉冲压缩并行化研究
GPU
CUDA
脉冲压缩
加速比
相关
基于GPU的反卷积算法并行优化
并行
反卷积
GPU
CUDA
基于CPU-GPU异构并行的MOC中子输运计算并行效率优化研究
异构并行
特征线方法
中子输运计算
GPU
CUDA
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 GPU 的语义松弛非阻塞并行队列研究
来源期刊 计算机应用与软件 学科 工学
关键词 队列 并行 非阻塞 图形处理器 语义松弛
年,卷(期) 2015,(10) 所属期刊栏目 软件技术与研究
研究方向 页码范围 1-4,53
页数 5页 分类号 TP311.12
字数 4468字 语种 中文
DOI 10.3969/j.issn.1000-386x.2015.10.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张翔宇 清华大学微电子与纳电子学系 5 2 1.0 1.0
2 邓仰东 清华大学微电子与纳电子学系 11 27 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
队列
并行
非阻塞
图形处理器
语义松弛
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导