基于GPU的高性能計算研究與應用.pdf

1、近年來，信息技術的迅猛發(fā)展和普及應用所帶來的數據爆炸性增長，對現有的數據處理技術提出了新的挑戰(zhàn)。大數據的規(guī)模之大，使得現有的串行計算方法難以在可接受的時間內快速完成其處理和計算。為了提高處理效率，需要利用高性能計算技術，使用分而治之的并行計算模型來支撐大數據處理。而GPU由于其強大的并行計算能力、高吞吐率以及高性價比，已經成為高性能計算領域的主流加速器。
　　但是，目前基于GPU的高性能計算技術對GPU的計算能力的利用不夠充分，難

2、以應對大數據環(huán)境下的并行計算。另外，在一些實際應用場景中，需要用戶熟悉GPU程序開發(fā)細節(jié)，使得高性能計算系統的易用性受到影響。
　　因此，本文中選取大數據環(huán)境下基于GPU的高性能計算的兩個方面進行研究：
　　（1）對基于GPU的高性能計算技術中的并行計算模型進行研究與改進：
　　MapReduce是一種適用于大數據處理的分布式計算模型，但其計算能力受到硬件設備的限制。因此，以MapReduce模型為基礎，借助GPU的強

3、大硬件并行能力，設計并實現了一種基于MapReduce的GPU并行計算模型——GSMR模型。實驗顯示，GSMR與同類模型相比達到良好的加速比，并具有可擴展性。
　?。?）對GPU高性能計算技術的具體應用進行研究，涉及兩項問題：
　　研究大數據環(huán)境下傳統網絡轉發(fā)設備進行IP報文處理時所面臨的吞吐率不足問題，提出一種基于GPU的并行報文分類方法，并對不同類型報文分類算法的并行化及優(yōu)化方法進行分析。實驗顯示該方法能夠有效提高報文處