面向大数据复杂应用的GPU协同计算模型

• 作者: 张龙翔 曹云鹏 王海峰
• 来源期刊: 计算机应用研究
• 关键词: 协同计算模型 计算模式 大数据处理 GPU异构集群
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2049-2053
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0016

摘要

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式,各种计算模式有不同的访存、通信和资源利用等特征.GPU异构集群在大数据分析处理中得到广泛应用,然而缺少研究GPU异构集群在大数据分析中的计算模型.多核CPU与GPU协同计算时不仅增加了计算资源的密度,而且提高节点间和节点内的通信复杂度.为了从理论上研究GPU与多核CPU协同计算问题,面向多种计算模式建立一个多阶段的协同计算模型(p-DCOT).p-DCOT以BSP大同步并行模型为核心,将协同计算过程分成数据层、计算层和通信层三个层次,并且延用DOT模型的矩阵来形式化描述计算和通信行为.通过扩展p-DOT模型描述节点内和节点间的协同计算行为,细化了负载均衡的参数并证明时间成本函数,最后用典型计算作业验证模型及参数分析的有效性.该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海峰	临沂大学信息科学与工程学院	24	113	5.0	10.0
3	张龙翔	临沂大学信息科学与工程学院	8	19	3.0	4.0
5	曹云鹏	临沂大学信息科学与工程学院	6	14	3.0	3.0