利用Master-Slave-Collector模式的大规模数据集的并行体绘制

以内部网络和普通配置计算机为实验平台,研究大规模数据集的并行体绘制的实现方法,以提高绘制速度和算法效率。分别介绍并行可视化、Master-Slave-Collector模式、负载平衡、任务池和结果池等关键技术。在传统的Master-Slave模式基础上的改进模式Master-Slave-Collector,具有减少计算时间、实现负载平衡、提高绘制效率等优点。实验结果表明,该方法较好地解决了运算速度和内存空间这两大难题,效果良好,实时性强,在临床诊断和科学研究中发挥重要作用。