基于AWS云平臺GPU集群加速的Apriori算法的研究和應(yīng)用.pdf

1、碩士學(xué)位論文基于AWS云平臺GPU集群加速的Apriori算法的研究和應(yīng)用ResearchandApplicationofAWSGPUClusterBasedAprioriAlgorithm作者姓名：學(xué)科、專業(yè)：學(xué)號：指導(dǎo)教師：奎建明副教援完成日期：2015—5—2大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要健康和疾病防控對每一個人都很重要，而大數(shù)據(jù)時代的到來，給生命科學(xué)和健康領(lǐng)域帶來

2、了機遇和挑戰(zhàn)。對醫(yī)療數(shù)據(jù)的合理挖掘和使用，將發(fā)現(xiàn)臨床癥狀、生活習(xí)慣、遺傳等等因素和疾病之間的關(guān)聯(lián)和規(guī)律。這將在臨床輔助決策、疾病預(yù)測、個性化治療等等領(lǐng)域起著決定性作用。Apriori算法是數(shù)據(jù)挖掘中最經(jīng)典也是最常用的算法之一，然而對于海量規(guī)模的數(shù)據(jù)，數(shù)據(jù)挖掘所需要的計算量也迅速膨脹，Apriori算法過程變得十分耗時，很難滿足人們的需求。如何加速Apriori算法效率，快速地從海量醫(yī)療數(shù)據(jù)中挖掘出有用的關(guān)聯(lián)規(guī)則是一個需要解決的問題。傳統(tǒng)

3、的計算機集群技術(shù)可以很好的提高算法的效率并且具有較好的可擴展性，但是其過于高昂的成本以及復(fù)雜的架構(gòu)使得其使用范圍極其有限。相對于CPU來說，GPU有著更多的執(zhí)行單元，使得GPU有著高性能的并行計算能力。通過GPU的并行計算能力的使用可以在成本較低的情況下得到較好的加速效果，但是主機中顯卡數(shù)目的限制使得它可擴展性不高，很難應(yīng)對應(yīng)用需求越來越大的計算量。亞馬遜云平臺允許用戶通過低廉的租用成本來使用海量的云計算資源，基于此，提出一種基于亞馬遜

4、云平臺GPU集群加速的Apriori算法，該方法通過按需計費的方式來使用亞馬遜的云計算資源，成本低廉；GPU實例中的G2實例包含高性能的NVIDIAGPU，具有很強的并行計算能力，可以帶來良好的加速效果；亞馬遜云服務(wù)提供彈性的計算能力，具有良好的可擴展性，可以應(yīng)對應(yīng)用的彈性需求。通過對Apriori算法的分析和并行化設(shè)計，提出了基于AWS云平臺GPU集群的Apriori算法。其中解決了AWS中GPU集群的通信設(shè)計和搭建、數(shù)值型數(shù)據(jù)離散化