cpugpu异构体系任务调度框架的研究word格式论文.docxVIP

南开大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所 取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包 含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本 学位论文原创性声明的法律责任由本人承担。学位论文作者签名：赵可昭2015 年6 月3 日非公开学位论文标注说明(本页表中填写内容须打印)根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本 说明为空白。论文题目申请密级□限制(≤2 年)□秘密(≤10 年)□机密(≤20 年)必威体育官网网址期限20年月日至 20年月日审批表编号批准日期20年月日南开大学学位评定委员会办公室盖章(有效)注：限制★2 年(可少于 2 年);秘密★10 年(可少于 10 年);机密★20 年(可少于 20 年)摘要近年来随着互联网的迅猛发展，信息技术和信息数据开始深入地影响人的 生活，创造了庞大的价值，标志着我们进入了“大数据时代”。处理“大数据”必然地对高性能产生了需求，在过去的十年中，GPU 已经 成为科学计算中的重要配件，尤其是在高性能计算领域，使用多个 GPU 作为加 速器来组建异构计算平台已经越来越普遍。GPU 作为多核处理器的一种，与其 他的 SIMD 多核处理器有着明显不同的特征。GPU 的处理单元由大量的核心构 成，虽然每个核心的主频要比 CPU 的单个核心低得多，但是由于快速切换大量 线程以掩盖访存延时的特征，GPU 的峰值浮点运算吞吐量比多核的 CPU 要高的 多。对于拥有多核 CPU 和多个 GPU 的异构计算平台，存储和计算资源都更加丰 富，但同时管理方式也趋于复杂。如何高效而充分的利用资源，是探索异构计 算平台的核心问题。本文提出了一种面向多 GPU 异构体系的实时计算框架 DORFoG，他的主要 特征是把数据看作主要的调度对象，设计一种面向数据的 DAG 模型来描述应用 问题，并相应的实现一个面向数据的调度器。异构体系上的各存储单元被组合 成一个层次化存储结构，其中 locked memory 和 global memory 上构建的软 cache 在优化性能中扮演了重要的角色。整个运行时系统在控制层面使用了 CPU 的多线程技术，实现较为复杂，因此将主要的接口封装了起来，形成一个编程 框架。本文在 Intel CPU 和 NVIDIA GPU 组成的异构平台上以多种方式测试了 DORFoG 的性能，结果证明了面向数据思想和相应运行时系统搭建的有效性。关键词：高性能计算、任务调度、异构体系、运行时系统IAbstractRecently with the technology developing rapidly, the social activities were greatly changed. ―Big Data‖ made a huge contribution and delivered grand value to us, which indicates the time of ―Big Data‖ has come.―Big Data‖ supplies requirements to high performance computing (HPC). In the recent decades, GPU has been generally accepted to be an efficient attachment for scientific computing. In the field of HPC, adopting multiple GPUs as accelerator to compose a heterogeneous architecture becomes a popular fashion. GPU differs from other SIMD processors for it contains much more computing cores. Though the cores work at lower frequency than CPU, instructions can be scheduled on them out of order to hide the memory accessing latency. As a result, GPU achieves higher performance than CPU. However as the devices scale, approachin