基于異構計算的泛Kriging算法并行化研究.pdf

1、Kriging插值算法是一種最優(yōu)的線性無偏空間插值算法，并被廣泛應用在采礦學、水文地質學、環(huán)境科學、遙感學等領域。在一些大規(guī)模的工程應用中，需要Kriging算法處理的數據量日益龐大，且其計算量隨著數據的規(guī)模增大而呈指數級上升，造成串行Kriging算法在應用中的性能瓶頸問題。采用集群、多核/眾核的并行Kriging插值算法是解決這類問題的主要手段，然而這些研究卻存在1）基于集群的Kriging并行算法存在線性擴展性較差、能源消耗過大的

2、問題；2）基于多核的Kriging并行算法本身面臨多核架構并不是針對計算密集型應用而設計的硬傷，算法的效率與適用性存在缺陷；3）已有基于眾核的GPU算法存在局限于特定平臺，其可移植性、通用性較差問題。
　　隨著計算技術的不斷進步與發(fā)展，異構計算以其強大計算能力、較強的通用性、可擴展性而嶄露頭角。針對上述所面對的問題，本研究基于異構平臺（CPU+GPU/MIC），利用OpenCL編程模型探索了泛Kriging插值算法在異構計算平臺上

3、的并行化途徑及方法。主要工作和研究內容包括：
　?。?）研究泛 Kriging算法原理并對其進行了串行實現，選定插值算法的評價參數，將串行程序與專業(yè)地學軟件進行插值結果對比，驗證了串行程序的正確性。
　?。?）利用專業(yè)程序性能分析工具進行了串行程序的熱點分析，定位了串行程序的熱點所在，并針對此熱點進行了并行化框架的設計與程序實現，通過對比實驗測試與分析，驗證了并行程序的有效性。
　　（3）對并行程序運行于單計算設備的情

4、況進行了應用擴展，實現了在多設備存在時任務調度的動態(tài)負載策略，使其在實際的單/多設備應用環(huán)境均具有適用性，實現了泛Kriging算法在多設備上的并行化研究。
　　最后，通過在兩種不同的專業(yè)高性能計算平臺GPU和Intel Xeon Phi上進行插值數據規(guī)模、搜索鄰近點個數、像元大小的參數變換，記錄串、并行程序的實驗運行結果，得到了并行程序的加速比性能指標，并對結果進行分析得到了相應的結論。實驗結果表明：所設計的泛Kriging并行

5、算法在高性能計算平臺GPU平臺上獲得了很好的處理速度及運算性能，并行化部分的加速比獲得了40x以上的加速比，總程序加速比在很多時候也以接近理論峰值加速比運行；通過與不同的異構平臺Intel Xeon Phi上的實驗對比，表明了并行程序不僅具有很好的加速效果，而且具有跨平臺移植的特性；當平臺上存在多個計算設備時，采用動態(tài)負載均衡策略實現的并行程序運行結果表明，利用多個設備得到的加速比結果與單個設備相比基本呈線性關系增長，最高獲得了80x以