基于GPU的高性能計(jì)算研究與應(yīng)用.pdf

1、近年來，信息技術(shù)的迅猛發(fā)展和普及應(yīng)用所帶來的數(shù)據(jù)爆炸性增長，對(duì)現(xiàn)有的數(shù)據(jù)處理技術(shù)提出了新的挑戰(zhàn)。大數(shù)據(jù)的規(guī)模之大，使得現(xiàn)有的串行計(jì)算方法難以在可接受的時(shí)間內(nèi)快速完成其處理和計(jì)算。為了提高處理效率，需要利用高性能計(jì)算技術(shù)，使用分而治之的并行計(jì)算模型來支撐大數(shù)據(jù)處理。而GPU由于其強(qiáng)大的并行計(jì)算能力、高吞吐率以及高性價(jià)比，已經(jīng)成為高性能計(jì)算領(lǐng)域的主流加速器。
　　但是，目前基于GPU的高性能計(jì)算技術(shù)對(duì)GPU的計(jì)算能力的利用不夠充分，難

2、以應(yīng)對(duì)大數(shù)據(jù)環(huán)境下的并行計(jì)算。另外，在一些實(shí)際應(yīng)用場景中，需要用戶熟悉GPU程序開發(fā)細(xì)節(jié)，使得高性能計(jì)算系統(tǒng)的易用性受到影響。
　　因此，本文中選取大數(shù)據(jù)環(huán)境下基于GPU的高性能計(jì)算的兩個(gè)方面進(jìn)行研究：
　?。?）對(duì)基于GPU的高性能計(jì)算技術(shù)中的并行計(jì)算模型進(jìn)行研究與改進(jìn)：
　　MapReduce是一種適用于大數(shù)據(jù)處理的分布式計(jì)算模型，但其計(jì)算能力受到硬件設(shè)備的限制。因此，以MapReduce模型為基礎(chǔ)，借助GPU的強(qiáng)

3、大硬件并行能力，設(shè)計(jì)并實(shí)現(xiàn)了一種基于MapReduce的GPU并行計(jì)算模型——GSMR模型。實(shí)驗(yàn)顯示，GSMR與同類模型相比達(dá)到良好的加速比，并具有可擴(kuò)展性。
　　（2）對(duì)GPU高性能計(jì)算技術(shù)的具體應(yīng)用進(jìn)行研究，涉及兩項(xiàng)問題：
　　研究大數(shù)據(jù)環(huán)境下傳統(tǒng)網(wǎng)絡(luò)轉(zhuǎn)發(fā)設(shè)備進(jìn)行IP報(bào)文處理時(shí)所面臨的吞吐率不足問題，提出一種基于GPU的并行報(bào)文分類方法，并對(duì)不同類型報(bào)文分類算法的并行化及優(yōu)化方法進(jìn)行分析。實(shí)驗(yàn)顯示該方法能夠有效提高報(bào)文處